第７章学習の多様性

古典的条件づけ

無条件刺激（肉，えさ）

無条件反応（唾液分

泌）

条件刺激（ベル音）

条件反応（唾液分

泌）

対呈示

無条件刺激と条件刺激の間に連合が形成される

この章で学習すること• 人間の学習に見られるさまざまなバリ

エーション– 習熟による学習– （デバイスモデル）– （知識の創造的加工）– アナロジーによる学習– 洞察による学習– 説明に基づく学習（第６章 p.66 参照）

２．習熟による学習• 最初はぎこちなく実行されていたことが，

次第に早く正確にできるようになる．• ACT 理論での習熟のプロセス– 宣言的段階– 知識の翻訳– 手続き的段階

宣言的段階• 手続きの実行に必要な知識は，宣言的知識として，命題の形で表現されている．要するに，事実に関する知識の集まりがある．– 鍵穴にキーを差し込んで右に回すとエンジン

がかかる– アクセルを踏むと加速する

• 手続きの実行は，宣言的知識をひとつずつ呼び出すことで実行される．

知識の翻訳• 宣言的知識が手続き的知識に翻訳される．• 手続き的知識はルール（プロダクション・

ルール）の形をしている． If … Then …– もし，現在の目標が車を動かすことであり，エ

ンジンがかかっていないならば，鍵穴にキーをさして，右に回せ．

• ある条件（ if ）に合致したルールが起動し，行為（ then ）が実行される．ルールが次々に「発火」して，一連の手続きが実行される．

手続き的段階• 手続き的知識（ルール）を洗練させてい

く– より効率的なルール．たとえば，いつも一緒

に実行される２つのルールをひとつにまとめる．

• Anderson は，この考えに基づいて，様々なコンピュータ・シミュレーションやモデル構築を行ってきた．

３．デバイスモデル• 装置の仕組みや動作について，「こういう

もの」という知識．期待．• 正しいデバイスモデルがあると，学習は促

進される．– 新しいビデオ録画装置の使い方– 新しいコピー機の使い方

• 参考：デザイン領域では，ユーザーが持つデバイスモデルを考慮することが重要．

５．新しい領域の学習• 新しい領域では（初心者には），スキー

マやデバイスモデルは期待できない．• 未知のものを，よく知っているものにた

とえて理解する．アナロジー（類推）– 例：電流を水流にたとえて理解

• 問題解決では，具体例を直接に利用する．– 例題の解法をそっくりまねして練習問題を解

く

単一の例からの学習• 既有知識を利用することで，帰納学習より

も高速な学習が可能になる．• 説明に基づく学習（ explanation-based

learning: EBL ）– トカゲを串にさして焼くのを見て，「任意の

長さの，細く，硬くて，尖った物体を用いて，小さく，柔らかい食物を焼くことができる」と学習する．

– いろいろなものを焼いてみる必要はない．