map-prototype.htmlの138語（学習科学Skill 62語・教育測定技術Skill 76語）について、theory_backgrounds_v2.htmlの自己決定理論(SDT)エントリと同じ構成要素（誕生の文脈・前提と構造・検証対象と一般化の程度・既知の批判/境界条件・根拠元）で解説する。事業接続経路のタブ分類は今回は使わない。138語すべて執筆・出典検証を完了。
Ausubel (1968) の「学習に最も影響する唯一最大の要因は、学習者がすでに知っていることである」という主張を背景に、Recht & Leslie (1988) が決定的な実証を行った。中学1〜2年生64名を、一般的な読解力（高／低）と野球についての知識（高／低）の2×2、各16名の4群に分け、野球の半イニングの様子を描いた文章を読ませたのち、自由再生と人形を使った場面の再現で理解度を測定した。結果、読解力が低くても野球の知識が豊富な群の再生スコア（54点満点中31.4点）は、読解力が高くても野球の知識が乏しい群（18.9点）を大きく上回り（p<.001）、領域固有の事前知識が一般的な読解力の低さを補って余りあることを実証した。[1][2]
認知心理学・構成主義。新しい情報は既存の知識構造（スキーマ）に接続されることで初めて意味を持ち、記憶への符号化効率を左右する、という前提。宣言的知識／手続き的知識、領域固有知識／一般的背景知識という下位区分がある。
幼児から専門家まで、STEM・歴史・言語理解など極めて広い範囲で検証されている。Simonsmeier et al. (2022) のメタ分析（8,776の効果量）は、事前知識が事後テストの絶対成績を頑健に予測する（r≈.40〜.50）ことを確認した。[3] 一方、学習によってどれだけ伸びたか（学習ゲイン）への効果は、天井効果などの影響もあり、絶対成績への効果ほど一貫して示されているわけではない。
誤った事前知識による阻害。誤概念を事前知識として保持している場合、それはむしろ学習を阻害しうることがAlvermann, Smith & Readence (1985) らによって示されている。[4]
専門性逆転効果。事前知識がすでに豊富な学習者に初学者向けの丁寧な直接教授を与えると、かえって認知負荷が増えて学習効率が下がることが知られている（Kalyuga, Ayres, Chandler & Sweller, 2003）。[5]
測定論的な限界。学習ゲインの測定における天井効果や、事前知識テストと一般知能テストとの構成概念上の重複が指摘されている。
1970年代末〜80年代初頭の物理教育研究に起点があり、決定的な原典はClement (1982) である。大学の基礎物理コースを履修中の学生110名に力学概念の記述式テストと思考発話インタビューを実施したところ、上昇中のコインに働く力についての正答（重力のみ）はわずか17%で、83%が誤答だった。誤答者の多く（全体の59%）は「運動方向に力が働き続ける」という、アリストテレス以前のインペタス的な誤概念を保持しており、コース内でA評価を取る学生でもこの保持率に変化がなかった。[1]
概念変化理論。誤概念は単なる知識の欠如ではなく、体系化された代替的な理論的枠組みとして扱われる。存在論的カテゴリーの取り違えとみる立場（Chi）や、素朴な部分理論の合成として捉える立場（Vosniadou & Brewer）などの下位区分がある。
物理・化学・生物・地学・数学（分数理解）などで広く検証されている。Guzzetti, Snyder, Glass & Gamas (1993) のメタ分析は、伝統的な講義形式の指導では誤概念がほとんど解体されない一方、学習者の予測と実際の結果の食い違いを突きつける「認知葛藤」を伴う介入がd≈0.40〜0.50で有意に誤概念修正を促すことを確認した。[2] 単なる反例の提示だけで誤概念が即座に解消されるわけではない点は、頑健とは言えない範囲である。
「一貫した理論」説への批判。diSessa (1993) は、誤概念は一貫した理論のようなものではなく、状況ごとに呼び出される断片的な直観的知識（p-prims）の集積だと主張し、Posner系の概念変容理論と対立する立場を取った。[3]
防衛的同化。Chinn & Brewer (1993) は、学習者が自分の誤概念と矛盾するデータを、無視・歪曲・周辺化などによって拒絶・防衛する現象（防衛的同化）を実証した。[4]
共存仮説。Shtulman & Valcarcel (2012) は、誤概念は正しい概念の獲得後も消去されず、脳内で共存し続け、抑制機構によって表出が抑えられているに過ぎない可能性を示した。[5]
Locke (1968) が組織心理学の文脈で提唱し、Locke & Latham (1990) が理論として体系化した。教育文脈での決定的な実証はBandura & Schunk (1981) で、算数に困難を抱える小学生40名を、近接目標（1回の学習セッションごとの下位目標）群・遠隔目標（全7回終了時点の目標のみ）群・目標なし群・統制群に無作為割り当てした。正答率は近接目標群で18.5%から80.0%へ急上昇し、遠隔目標群（43.8%）・目標なし群（41.7%）を有意に上回った（p<.05）。[1]
社会的認知理論。明確で高難度な目標が、注意の方向づけ・努力の動員・持続性・戦略開発を介して成果を高める、という主張。達成目標理論（能力の意味づけに関する2×2モデル、動機の質を扱う点で達成目標理論とは焦点が異なる）とは別に、近接目標／遠隔目標、成果目標／プロセス目標という下位区分がある。
組織行動・スポーツ・全年齢層の教科学習で検証されている。Wood, Mento & Locke (1987) のメタ分析はタスクの複雑性による調整効果を確認し、Richardson, Abraham & Bond (2012) は大学生のGPA予測因子としての目標設定の重要性を示した。[2][3] 定型的なタスクにおける具体的で高難度な目標・近接目標の効果は頑健（d=0.40〜0.80程度）である一方、解法が未知な高度な問題解決タスクへの一般化は相対的に弱い。
複雑タスクでの逆効果。Wood, Mento & Locke (1987) は、複雑なタスクでは結果目標の設定がかえって成績を下げうることを示した。[2]
目標の負の副作用（Goals Gone Wild）。Ordóñez, Schweitzer, Galinsky & Bazerman (2009) は、過度に具体的な目標設定が視野狭窄・リスクテイク・不正行為を誘発しうることを、事例と実証研究の両面から論じた。[4]
遂行回避目標との関連。Elliot & Church (1997) は遂行回避目標（失敗を避けることに焦点化した目標）がテスト不安を高めることを示し、Elliot & Church (2003) はこれが自己障害化行動（あらかじめ言い訳を用意する行動）と関連することを報告した。[5][6]
自己調整学習理論（Zimmerman, 1989; Winne & Hadwin, 1998）とメタ認知研究（Flavell, 1979）を背景に成立した。決定的な実証はZimmerman & Kitsantas (1997) で、女子高校生90名にダーツ投げ課題で、プロセス目標（フォームに焦点）群・成果目標（得点に焦点）群・プロセス目標から成果目標へ段階的に移行する群・自由目標群を比較した。段階移行群のスキル得点（平均24.2/30点）は、成果目標群（12.1点）・統制群（8.4点）を有意に上回った（p<.01）。[1]
メタ認知理論・自己調整学習の3フェーズモデル（予見相→遂行相→自己省察相）における、予見相の中核要素として位置づく。タスク分析（目標設定・方略的計画）と自己動機づけ信念という下位区分がある。
小学生から大学生、MOOC、プログラミング学習、文章執筆などで検証されている。Dignath & Büttner (2008) は小中学生対象のSRL介入のメタ分析、Theobald (2021) は大学生対象のSRLトレーニングのメタ分析を提供している。[2][3] 計画立案とモニタリングを組み合わせた介入は頑健に効果を示す（g=0.37〜0.52程度）一方、モニタリングを伴わない単発の計画立案指示だけでは効果は頑健でない。
計画の誤謬。Buehler, Griffin & Ross (1994) は、人は自分の作業速度を楽観視し、実行不可能な計画を立てがちであることを示した（計画の誤謬）。[4]
メタ認知モニタリングの不全。Metcalfe (2009) は、学習者が自分の理解度を誤判断しやすく、その誤判断が非効率な学習配分につながることを論じた。[5]
初学者の負荷過多。計画立案そのものが認知資源を要するため、初学者では計画と学習内容処理の二重負荷が生じ、計画立案の指導が逆効果になりうることが認知負荷理論の観点から指摘されている（Sweller, Ayres & Kalyuga, 2011）。[6]
行動主義（強化はつねに行動を増やすという立場）への反論として、認知・人間性心理学の文脈で発展した。決定的な実験はDeci (1971) で、大学生24名にSomaパズルを3セッションにわたって解かせ、第2セッションでのみ一方の群に金銭報酬を与えた。自由選択時間中に自発的にパズルへ取り組んだ秒数は、無報酬の統制群では増加した（平均+27.7秒）のに対し、報酬を経験した群では報酬撤回後に大きく減少した（平均−148.5秒、p<.05）。これが「アンダーマイニング効果」の最初の客観的実証である。[1]
自己決定理論。自律性・有能感・関係性という3つの基本的心理欲求の充足が動機づけの質を左右するという前提。無動機→外発的動機づけ（外的調整・取り入れ的調整・同一化的調整・統合的調整）→内発的動機づけという内在化の連続体として整理される。
教育・職場・健康行動・スポーツ・ゲームなど幅広い領域で検証されている。Howard, Bureau, Guay, Chong & Ryan (2021) のメタ分析（344サンプル・22万人超）とCerasoli, Nicklin & Ford (2014) のメタ分析（40年分の研究）は、内発的・自律的な外発的動機づけが持続性・深い学習・ウェルビーイングを高めることを頑健に確認した。[2][3] 一方、単純な定型作業では、外発的インセンティブが量的な作業成果には有効であることも示されている。
アンダーマイニング効果への反論。Eisenberger & Cameron (1996) は、アンダーマイニング効果は特定の実験条件に限定され、達成基準に連動した報酬や言語的称賛はむしろ動機づけを高めると反論した。[4]
文化差。Iyengar & Lepper (1999) は、自律性（自分で選ぶこと）の重要性は個人主義的文化に特有の傾向であり、集団主義的文化では信頼する他者が選んだ課題の方が動機づけが高まる場合があることを示した。[5]
Bandura (1977) が、多様な心理療法・行動変容技法を統一的に説明する認知メカニズムとして提唱した。慢性的な蛇恐怖症の患者を、実際に段階を踏んで蛇に触れていく参加モデリング群・観察のみの群・無治療の統制群に分けて比較したところ、参加モデリング群はほぼすべての脅威行動課題を達成でき、達成前に自己申告させた自己効力感の得点と、実際に達成できた行動の範囲とがきわめて高い精度（相関.90以上）で一致した。
社会的認知理論・三者相互決定論。自己効力感は「結果期待」と区別された「効力期待（自分はその行動を遂行できるという信念）」であり、遂行行動の達成・代理経験・言語的説得・生理的情緒的状態という4つの情報源から形成される。水準・強度・一般性という下位次元を持つ。
教育心理学・組織行動・健康行動・スポーツなど幅広く検証されている。Multon, Brown & Lent (1991) のメタ分析は、自己効力感と学業成績・持続性との相関（r=.38、d=.56相当）を確認した。[1] 課題特異的に測定した自己効力感による予測は頑健である一方、一般的自己効力感で特定タスクの成果を予測しようとすると精度は下がる。
近接概念との重複。結果期待・自尊心・有能感といった近接概念との弁別妥当性が長く論じられている。
過信による逆効果。Yeo & Neal (2004) は、効力感が高すぎると、資源の投入や自己監視が減り、一時的にパフォーマンスがかえって低下しうることを個人内分析で示した。[2]
Eccles (Parsons) ら (1983) が、Atkinsonの古典的達成動機理論を発展させ、数学・科学分野での履修選択における男女差を説明するために提唱した。実証的な基盤となったParsons, Adler & Kaczala (1982) は、中高生約350名を対象とした1年間の縦断調査で、能力自己概念・成功予期・課題価値・進路選択意図を測定し、成功予期が数学コースの履修計画を直接予測し、能力自己概念は成功予期を介して間接的に予測することを示した。女子は男子と同等の成績でも、自分の数学能力を低く評価する傾向が確認された。[1]
社会認知的な動機づけ理論。成功への期待と、主観的な課題価値（利用価値・獲得価値・内発的価値・コスト）の組み合わせによって、達成場面での選択・持続性・成果が決まるという主張。
小中高大でのSTEM科目選択・言語学習・スポーツ参加などで検証されている。Lazowski & Hulleman (2016) のメタ分析は、期待・価値に働きかける教育介入がd=0.49程度の効果を持つことを確認した。[2] STEM科目の履修・進路選択の予測には頑健である一方、短期的な日常の学習行動の予測への一般化は相対的に弱い。
理論上は期待と価値の「乗算」で選択が決まるとされるが、実証研究では乗算モデルよりも単純な加算モデルの方が当てはまりが良いことが多く、交互作用効果は研究間で不安定である。また、コスト（努力・機会損失・心理的負担）を価値と独立した次元として扱うべきか、価値の負の側面として扱うべきかという測定論上の論点も未決着である。
1980年代、同等の知能を持つ子どもが失敗に直面したときに挑戦を続ける子と諦める子に分かれる理由を説明するため、Nicholls・Dweck・Amesらが並行して展開した。決定的な検証はElliot & McGregor (2001) で、2×2達成目標尺度への回答データに確認的因子分析（CFI>.90、RMSEA<.08）を適用し、熟達接近・熟達回避・実演接近・実演回避の4因子が統計的に分離することを確認した。実演回避目標はテスト不安（r≈.40）や低成績と強く関連し、実演接近目標は試験成績と正の関連（β=.20〜.30）を示し、熟達接近目標は深い学習方略や長期的な興味と関連した。[1]
社会認知心理学。能力をどう定義し、何をもって評価するかという基準に焦点を当てる（自己決定理論が動機の質＝自律性を焦点化するのとは視点が異なる）。当初の学習目標／パフォーマンス目標の2分モデルから、熟達接近・熟達回避・実演接近・実演回避の2×2モデルへと精緻化された。
学校教育・スポーツ・職場で検証されている。Hulleman et al. (2010) のメタ分析（91,087名）は、実演回避目標が成績・興味の双方に負の効果を持つことを頑健に確認した。[2] 一方、実演接近目標の効果は環境（協調的か競争的かなど）によって符号が変わりうるなど、頑健でない。
単一目標説と多重目標説の論争。熟達目標のみを推奨すべきだとする単一目標モデルに対し、Harackiewicz, Barron, Pintrich, Elliot & Thrash (2002) は、実演接近目標も特定の条件下では有益でありうるとする多重目標モデルを主張し、両者の間で長い論争が続いている。[3]
測定論上の課題。Hulleman et al. (2010) は、尺度項目が「能力の誇示」を測っているか「評価の回避」を測っているかによって、成果との相関が大きく変動することを指摘した。[2]
White (1959) の「効力感動機」概念が、行動主義（外的な強化がなければ行動は維持されないという立場）への批判として理論的基盤を提供し、Deci (1971) が実験的に実証した。大学生にSomaパズルを3セッション行わせ、第2セッションでのみ一方の群に金銭報酬を与えたところ、自由選択時間中の自発的な取り組み時間は、報酬群では第2セッションで約300秒に増えたものの、報酬を撤回した第3セッションでは約198秒まで減少し、報酬を一度も与えなかった統制群（約240秒を維持）を下回った。[1]
有機的統合理論・自己決定理論。外的な報酬や強制なしに、活動そのものが目的となっている状態を指す。自律性・有能感・関係性という3つの基本的心理欲求の充足によって促進・維持される（目標の方向性を扱う達成目標理論とは異なり、行動の発生源と感情的な質を扱う）。
幼児から高齢者まで、学校・芸術・スポーツ・労働・ゲームなど幅広い領域で検証されている。Deci, Koestner & Ryan (1999) のメタ分析（128研究）は、課題遂行に連動した報酬が内発的動機づけをd=−0.34〜−0.36程度低下させる一方、言語的な称賛はd=0.33程度で内発的動機づけを高めることを確認した。[2] 元々興味のあった課題への報酬導入時に生じるアンダーマイニング効果は頑健である一方、元々退屈な単調作業ではアンダーマイニングは生じない。
効果の限定性をめぐる論争。Cameron & Pierce (1994) やEisenberger & Cameron (1996) は、アンダーマイニング効果は限定的な実験条件下でのみ生じ、達成基準に連動した報酬はむしろ動機づけを高めると反論した。[3]
初期興味がない場合の境界条件。元々興味を持てないタスクでは、外発的な介入がまず行動を開始させるために必要になる場合があり、内発的動機づけのみに依拠した設計には限界がある。
Dweck & Leggett (1988) の知能の暗黙理論研究を背景に、決定的な実証としてMueller & Dweck (1998) が行われた。小学5年生128名に3段階の図形推論課題を実施し、第1セット成功後に、能力を賞賛する群（「頭がいいね」）・努力を賞賛する群（「よく頑張ったね」）・統制群に無作為割り当てした。第2セットで全員に難しい問題を与えて失敗を経験させ、第3セットでの成績変化を測定したところ、努力賞賛群は正解数が伸びた（6.21問）のに対し、能力賞賛群はかえって低下した（4.21問）。能力賞賛群の67%は不振を能力不足に帰属したのに対し、努力賞賛群の92%は努力不足に帰属した。[1]
暗黙の知能観。能力は努力によって伸ばせるとする「増大理論（成長マインドセット）」と、能力は生まれつき固定的だとする「実体理論（固定マインドセット）」の対比構造で、この信念の違いが失敗への反応・挑戦選択・持続性を左右するとされる。
小中高大の学業成績、数学、プログラミング、組織のリーダーシップなどで検証されている。Sisk, Burgoyne, Sun, Butler & Macnamara (2018) のメタ分析（365,915名）は、マインドセットと成績の相関がr=.10、介入効果がd=0.08と、いずれも小さいことを示した。[2] 一方、Yeager et al. (2019) による大規模検証（12,492名の全米代表サンプル）では、短時間のオンライン介入によって低成績リスク層のGPAが平均0.10ポイント上昇し、上級数学コースへの履修率が3ポイント上昇するなど、対象を絞った場合には無視できない効果が確認されている。[3]
効果量の過大評価批判。Sisk et al. (2018) やMacnamara & Burgoyne (2022) は、平均的な効果量が極めて小さく（d≈.05〜.08）、実務上の影響力が一般に過大評価されていると指摘し、出版バイアスの懸念も示した。[2][4]
環境依存性。Yeager et al. (2019) は、介入の効果が個人の意識だけでなく、学校のピア規範や教師の指導姿勢という環境的な受容性が伴う文脈でのみ発現することを示した。[3]
「偽の成長マインドセット」批判。単なる努力賞賛への矮小化や、教員の指導力・教育資源の格差という構造的問題を個人の心構えの問題にすり替えてしまう誤用のリスクが、Dweck自身を含めて指摘されている。
Baddeley & Hitch (1974) が、当時主流だった「短期記憶は単一の貯蔵庫」とするAtkinson-Shiffrinの多重貯蔵モデルでは説明できない現象（短期記憶が満杯に近い状態でも別の認知課題を並行してこなせるのはなぜか）を解決するために提唱した。二重課題法を用い、参加者に3〜6桁の数字列を記憶・復唱させながら、同時に「BはAの後に来る。真か偽か」といった言語的推論課題を行わせたところ、数字の桁数が増えて記憶容量の限界に近づいても、推論課題の処理時間はわずかに遅延するだけで完全には破綻しなかった。この結果は、短期記憶が単一の箱ではなく、互いに干渉しにくい複数の構成要素からなる作業領域であることを示した。[1]
記憶は単なる保管庫ではなく、認知的作業を行う能動的な処理システムであるという前提。注意制御を担う「中央実行系」、音声情報を扱う「音韻ループ」、視覚・空間情報を扱う「視空間スケッチパッド」の3成分モデルで構成され、後に長期記憶との統合を担う「エピソードバッファ」が追加された。
幼児から成人まで、読解力・算数・言語獲得などの学業成績を予測する指標として広く検証され、その予測力は頑健である。一方、ワーキングメモリ「訓練」（脳トレ等）による容量そのものの拡張については、Melby-Lervåg & Hulme (2013) のメタ分析が、訓練した特定タスクの成績は向上するものの、訓練していないスキルへの「遠い転移」は生じないことを示しており、能力自体を底上げできるという主張は支持されていない。[2]
構造的独立性への批判。Cowan (1999) は「埋め込みプロセスモデル」を提唱し、ワーキングメモリを独立したシステムではなく「長期記憶のうち現在活性化している部分」として位置づけ、Baddeley & Hitchのマルチコンポーネント説と対立する立場を取った。[3]
訓練効果の限界。ワーキングメモリ訓練が一般的な認知能力・学力を向上させるという商業的な主張に対し、遠い転移が実証されないという限界が繰り返し示されている。[2]
「思い出す」という検索作業そのものが記憶の定着を能動的に強化するという着想から、Roediger & Karpicke (2006) が現代的な決定打となる実験を行った。散文を「再学習群（読み直しを繰り返す）」と「テスト（検索）群（想起テストを繰り返す）」に割り当て、5分後・2日後・1週間後の保持成績を比較したところ、5分後は再学習群の方が成績が良かった（81% vs 75%）が、1週間後にはテスト群が大きく上回る（56% vs 42%）逆転現象が生じた。[1]
記憶の「符号化」と「検索」を区別し、検索という出力プロセス自体が記憶経路を再構築し忘却を防ぐ、という認知心理学的立場（生成効果や間隔効果とあわせて、望ましい困難の中核をなす）。
単語ペア暗記から事実知識・語学・STEMまで幅広く実証されている。Adesope, Trevisan & Sundararajan (2017) のメタ分析はテスト効果の頑健性を確認した。[2] 事実的知識の長期保持での効果は特に頑健である。
要素間の相互作用が多く複雑すぎる課題では、検索時の認知負荷が高くなりすぎて効果が減少・消失することが指摘されている（van Gog & Sweller, 2015）。[3]
Craik & Lockhart (1972) の「処理水準」枠組みの中で、処理の「深さ」が記憶の定着を決めるという着想から生まれ、Craik & Tulving (1975) が実証した。単語リストを提示し、「大文字で書かれているか（形態的処理）」「特定の単語と韻を踏むか（音韻的処理）」「文の空欄に意味的に当てはまるか（意味的処理＝精緻化）」の3条件で処理させたのち、予期しない再認・再生テストを行ったところ、意味的処理条件の正答率が他の浅い処理条件を大きく上回った。[1]
記憶の強さはリハーサルの回数ではなく、入力時の処理の深さに依存するという前提。新しい情報を既有知識のネットワークと意図的に結びつけ、意味ネットワークを拡張する処理を指し、下位方略として「精緻的質問（自分に「なぜ」「どうして」を問う）」などがある。
実験室の単語記憶課題から、教室でのテキスト読解・事実知識の暗記まで幅広い年齢・教科で実証されている。Dunlosky et al. (2013) のレビューでは、精緻的質問は中程度の有用性を持つ学習方略と評価された。
「深さ」の循環論法。Baddeley (1978) は、処理の深さを測る独立した指標が記憶成績そのものしかないという循環論法上の限界を指摘した。[2]
転移適切性処理という境界条件。Morris, Bransford & Franks (1977) は、最終テストが音韻的な形式（韻を踏む単語を選ぶ等）の場合には、意味的処理をした群より音韻的処理をした群の方が成績が良くなることを示した。精緻化の有効性は絶対的なものではなく、最終的に求められるテスト形式との一致（転移適切性処理）に依存する。[3]
Chi, Bassok, Lewis, Reimann & Glaser (1989) が、学習者が「例題」からどのように学んでいるかを解明する中で提唱した。8名の学生が物理学（ニュートン力学）の例題を学習する過程を思考発話法で記録したところ、その後の演習成績が高い「優秀な学習者」は、テキストに明記されていない物理原理と各ステップの因果関係を自ら生成説明する回数（平均15.3回）が、「成績不良の学習者」（平均2.8回）よりはるかに多かった。[1]
学習は情報の受動的な受容ではなく、学習者自身による能動的・構成的な知識修復のプロセスであるという構成主義的前提。教材の「行間を埋める」推論であり、自らの理解のズレを検知するモニタリング機能と、新旧の知識を結びつける統合機能を含む。
物理・数学・生物・プログラミングなどの理数系から歴史などの文系まで、小学生から大学生まで幅広い対象で実証されている。Bisra, Liu, Nesbit, Salimi & Winne (2018) のメタ分析は、自己説明の誘発が単なる読解・聴講と比べて中〜大の効果（g=0.55）を持つことを確認した。[2]
事前知識への依存。事前知識が極端に乏しい学習者では、誤った説明を生成したり表面的な言い換えに終始したりして効果が得られないことが知られている。
時間コスト。自己説明の生成には時間がかかるため、教師が直接説明を与えた方が効率的ではないかという、直接教授の立場からの批判がある。
Allan Paivioが1960年代後半から1971年の著書で、行動主義や言語的・命題的処理を重視する当時の風潮の中で、心的イメージの役割を復権させる文脈で提唱した。決定的実験の一つParivio & Csapo (1969) は、参加者に「絵」「具体語」「抽象語」を提示して自由再生・系列再生テストを行い、絵と具体語の記憶成績が抽象語の成績を常に有意に上回ることを示した。[1]
認知・記憶システムは、言語的サブシステム（ロゴジェン）と非言語的・心像サブシステム（イメージェン）という、独立しつつ相互連結する2つのサブシステムから成るという前提。両方のサブシステムで符号化された情報は検索経路が2重になり、記憶の保持が強固になる。
実験室の単語・画像記憶研究から、Mayerのマルチメディア学習理論の理論的基盤として、教育工学・eラーニング教材設計に広く一般化されている。テキストと関連する図像を組み合わせることの効果は頑健である。
心像論争。Pylyshyn (1973) は、脳内に画像的な表象がそのまま保存されるという主張を批判し、記憶は抽象的な「命題」として保存され、イメージ体験はその副産物にすぎないと主張した（命題表象説）。[2]
不適切な二重提示による弊害。内容と無関係・装飾的な画像や情報過多はワーキングメモリを圧迫し、かえって学習を阻害することが、マルチメディア学習研究の冗長性効果・分割的注意効果として確立している。
Posner, Strike, Hewson & Gertzog (1982) が、クーンの科学革命の哲学とピアジェの同化・調節の概念を、学習者個人の認知プロセスに応用する中で提唱した。特殊相対性理論を学ぶ学生に、学習の前・中・後でピアジェ型の深いインタビュー（「絶対的な時間は存在するか」といった思考実験を提示する等）を行い、既存のニュートン力学的直観を捨てて相対論的な考え方を受け入れていく過程が、単なる知識の追加ではなく概念そのものの再構築（調節）であることを、質的に跡づけた。[1]
学習者は白紙ではなく、日常経験から構築した強固な素朴概念（誤概念）を持って教室に来るという前提。概念変容が起こる条件として、既存概念への「不満」、新概念の「理解可能性」「もっともらしさ」「有用性」の4条件を挙げた。
物理（力学・電気）、生物（進化論）、天文学（地球の形）など、日常的直観と科学的説明が対立する理科教育分野を中心に膨大な蓄積があり、認知的葛藤を引き起こす授業デザインの根拠として広く応用されている。
「置換」という前提への批判。diSessa (1993) は、学習者の知識は一貫した理論というより、状況ごとに呼び出される断片的な直観（p-prims）の集まり（knowledge in pieces）だと主張した。[3] Smith, diSessa & Roschelle (1994) はこの立場を発展させ、学習は古い概念の破壊・置換ではなく、既存の直観の再編成・洗練という連続的なプロセスだと論じ、Posnerらの構図に修正を迫った。[2]
認知的葛藤の限界。強い反証データを提示しても、学習者はそれを無視・曲解して合理的な概念変容に至らないことが多く、動機づけ・感情的要因の欠落が後年の研究（Pintrich et al., 1993 等の「熱い概念変容」論）で指摘されている。
John H. Flavellが1970年代の発達心理学の文脈で提唱し（理論確立はFlavell, 1979）、実証的な基礎はFlavell, Friedrichs & Hoyt (1970) が築いた。幼稚園児から小学生に「すべて完璧に覚えたと確信できるまで絵カードを学習しなさい」と指示したところ、年長児は自分の準備状態を正確に評価してテストに全問正解できたが、年少児は自分の記憶容量を過大評価し、学習が不十分な段階で「もう覚えた」と申告してテストに失敗した。[1]
自分の認知処理を一段高い視点から客観視・制御する上位システムが存在するという前提。「メタ認知的知識」と「メタ認知的経験」に構造化され、一般には理解状態を監視する「モニタリング機能」と、それに基づいて方略を調整する「コントロール機能」に大別される。
発達心理学の枠を超え、自己調整学習の中核概念として全年齢・全教科で研究されており、メタ認知的な能力と学業成績との正の関連は、最も頑健に確認された知見の一つである。
測定方法への批判。Nisbett & Wilson (1977) が指摘するように、人は自分の無意識の認知プロセスに正確にはアクセスできず、自己報告式の質問紙は実際のオンラインのメタ認知過程を必ずしも正しく反映しない、という測定上の批判がある。[2]
領域固有性か領域一般性か。メタ認知スキルが特定の教科に依存するのか、教科を超えた汎用スキルなのかについて論争が続いており、十分な事前知識がない領域では、汎用的なメタ認知スキルもうまく機能しないという境界条件が指摘されている。
学習者が自分の認知状態をどう客観的に認識・評価するかという問いから、メタ認知研究の初期にFlavellらが扱った。実証的な原典はメタ認知と同じくFlavell, Friedrichs & Hoyt (1970) で、保育園児から小学4年生に「完全に覚えた」と自己判断するまで絵カードを学習させる手続きにより、幼児は記憶状態を正確に測定できずテストに失敗する一方、年齢が上がるにつれて自身の記憶状態を正確にモニタリングできるようになることが示された。その後Zimmerman (1989) が、自己調整学習（SRL）の中核スキルとしてこれを体系化した。[1][2]
学習者は自身の認知状態（理解度・記憶度）を意識的に監視し、目標とのズレを検知できるというメタ認知理論を前提とする。Zimmermanのモデルでは、予見（目標設定）・遂行コントロール（自己モニタリングを含む実行段階）・自己省察という3段階の循環プロセスの中で、リアルタイムの学習調整機能として位置づけられる。
児童から大学生まで、読解・算数など幅広い教科で蓄積がある。Dent & Koenka (2016) のSRLメタ分析は、自己モニタリング能力と学業成績との有意な正の相関を確認した。[3]
能力の低さゆえの自己モニタリング不全。Kruger & Dunning (1999) が示したように、基礎能力の低い学習者は、自分の理解が不正確であることを認識するモニタリング能力自体を欠いていることが多く、単に自己モニタリングを求めても十分に機能しない（ダニング＝クルーガー効果）。[4]
認知負荷の限界。課題そのものが難解な場合、学習と並行して自己モニタリングを行うとワーキングメモリが枯渇し、パフォーマンスが低下しうることが知られている。
学習者が情報を能動的に処理する手法を分類し、明示的に指導する必要性からWeinstein & Mayer (1986) が概念的な整理を行った。実証的な統合の決定版はDunlosky, Rawson, Marsh, Nathan & Willingham (2013) で、学習者が一般的に用いる10種類の学習方略について、過去の実験条件とテスト成績を比較した。多くの学生が好む「ハイライト」「再読」は多くの条件で有意な向上をもたらさず有用性「低」、「分散学習」と「検索練習」は長期保持・多様な課題で最も高い有用性「高」と評価され、「学習者が好む方略と、実際に効く方略は一致しない」ことが体系的に示された。[1]
学習者は情報処理の能動的な関与者であるという認知心理学的立場。Weinstein & Mayerの分類では、学習方略は「リハーサル」「精緻化」「体制化」「理解のモニタリング」「情意方略」などに下位区分される。
教育段階・分野を問わず幅広く研究されている。Donker, de Boer, Kostons, Dignath van Ewijk & van der Werf (2014) のメタ分析は、学習方略の明示的な指導が学業成績の向上に有効であることを確認した。[2] 分散学習・検索練習の効果は極めて頑健である。
課題と方略の適合性。万能な方略は存在せず、最終的に評価される課題の性質（単純な事実の再生か、深い応用問題か）によって有効な方略が変わる（転移適切性処理）ことは、Dunlosky et al. (2013) 自身も指摘している。[1]
指導コスト。効果的な精緻化方略（自己説明等）は認知負荷が高く、学習者が自発的に使いこなせるようになるまでの訓練コストが大きい。
生徒の学校への関与・動機づけが多様な用語で語られていた状況を整理し、ドロップアウト防止や学力向上の指標として明確化する中で、Fredricks, Blumenfeld & Paris (2004) が決定的なレビューで3次元に整理した。実証的な原典であるSkinner & Belmont (1993) は、小学3〜5年生144名と教師14名を1年間追跡し、教師による自律性支援と構造の提供が生徒のエンゲージメントを高めること、さらに「初期のエンゲージメントが高い生徒ほど、教師からより多くの支援的な反応を引き出す」という双方向の因果関係をパス解析で数値的に示した。[1][2]
学習は認知プロセスのみでなく、行動・感情を伴う多次元的・文脈的プロセスであるという立場。①行動的エンゲージメント（授業参加・規則遵守）、②感情的エンゲージメント（所属感・ポジティブな態度）、③認知的エンゲージメント（学習への投資・深い学習方略の使用）の3次元として構造化される。
小学校から高等教育・オンライン環境まで広く検証されている。Lei, Cui & Zhou (2018) のメタ分析はエンゲージメントと学業成績との中程度の有意な正の相関を確認し、特に行動的・認知的エンゲージメントとの相関は頑健である。[3]
概念の重複と測定の難しさ。3次元、特に認知的エンゲージメントと自己調整学習等の隣接概念との境界が曖昧で、自己報告法では正確な分離測定が難しい。
過剰なエンゲージメントの弊害。過度な感情的・行動的エンゲージメントが燃え尽き症候群や過剰なストレスを引き起こしうる、という境界条件が近年指摘されている。
学習者を環境から一方的に影響を受ける受動的存在ではなく、学習プロセスに意図的に働きかける主体として捉え直す中で、Bandura (2001) の社会的認知理論とEmirbayer & Mische (1998) の社会学的視点が理論的基盤を与えた。実証的には「学習者の選択」が主体性の代理指標として研究され、Patall, Cooper & Robinson (2008) のメタ分析は41の実証実験を統合し、課題や手順を自分の意思で選べる群は、教師に強制的に割り当てられる群と比べて、内発的動機づけ・課題への従事時間・学習パフォーマンスのいずれにおいても有意な正の効果（d≈0.2〜0.3）を示すことを確認した。[1]
Bandura (2001) は、人間が環境と相互作用しながら自己を制御できるという「相互決定主義」を前提とし、主体性を意図性・予見性・自己反応性・自己省察性の4機能として構造化した。[2] Emirbayer & Mische (1998) は、過去（習慣的）・未来（投影的）・現在（実践的評価的）という時間的文脈の中に主体性を位置づける、より社会学的な定式化を示した。[3]
初等・中等・高等教育全般で重視されている。Patall et al. (2008) が示すように、学習者への選択の付与が動機づけ・学習成果を高める効果は比較的頑健に実証されている一方、「主体性」そのものを単一の指標として測る統合的なメタ分析は難しく、自律性支援や自己調整学習など隣接概念を介した実証の蓄積にとどまる。
選択過多のパラドックス。Patall et al. (2008) 自身も指摘するように、選択肢が多すぎる場合や、学習者の事前知識に見合わない高度な自己決定を求める場合には、認知負荷・不安がかえって増大し、動機づけ・学習成果が低下しうる。[1]
個人か構造かという論争。主体性を個人の心理的・認知的特性に帰属させる立場（Bandura的）と、社会的・文化的構造の中で関係的に立ち現れるものとする立場（Emirbayer的）との間で、概念定義をめぐる論争が続いている。
Slamecka & Graf (1978) は5つの実験で「読む」条件と「生成する」条件を比較した。生成条件では、例えば刺激語「rapid」・規則「反対語」・ターゲットの頭文字「s」だけが与えられ、被験者自身がそこから「slow」を導き出す。読む条件では刺激語とターゲット語の両方がそのまま提示される。その後の自由再生・手がかり再生・再認テストのいずれでも、生成条件の成績が読む条件を一貫して上回り、この現象を「生成効果」と命名した。[1] 処理水準説・精緻化仮説の系譜に位置づく記憶研究の一角である。
自ら手がかりからターゲットを生成する処理が、意味的精緻化と検索経路の強化を引き起こし、受動的な提示より痕跡を強くする、という主張。下位区分として、空欄補完、同義語・反対語からの生成、カテゴリー事例生成、簡単な計算問題の生成などの実験パラダイムがある。
実験室の単語ペア課題から外国語語彙・算数の生成課題まで、小学生から高齢者まで幅広い年齢層で検証されている。Bertsch et al. (2007) のメタ分析（86研究・被験者11,000人以上）は、標準的な手がかり再生・再認課題においてd≈0.4〜0.5の頑健な中程度効果を確認した。[2] 頑健な範囲は単語・項目単位の記憶であり、長文の統合的理解のような複雑な処理への一般化は相対的に弱いとされる。
生成に失敗した場合、誤答がかえって定着するリスクが指摘されている。また、Mulligan (2004) は、生成が項目特定的処理を促す一方で関係性処理（項目間のつながりの符号化）を犠牲にしうるというトレードオフを報告した。[3] 効果の頑健性自体への異論は少なく、批判文献は境界条件の精緻化が中心。
Atkinson & Shiffrin (1968) が、短期記憶（STS）と長期記憶（LTS）を区別する「二重記憶モデル」を提唱した。この区別を実証したGlanzer & Cunitz (1966) は、15語の単語リストを提示して直後に自由再生させる課題で、即時再生ではリスト末尾の単語の再生率が約80〜90%に達する「新近性効果」が見られる一方、再生前に30秒間の数唱課題（妨害課題）を挟むと新近性効果はほぼ消失（約10%）した。一方、リスト冒頭の単語の再生率（約60〜70%）を支える「初頭効果」は妨害課題があっても維持され、これがリハーサルを通じて長期記憶へ転送された分であることを定量的に示した。[1][2]
情報処理心理学の認知アーキテクチャモデル。長期記憶は容量がほぼ無限で永続的な貯蔵庫とされ、意識的に想起できる宣言的記憶（エピソード記憶・意味記憶、Tulving, 1972）と、意識を介さない非宣言的記憶（手続き記憶・プライミング）に大別される。
健常成人・学齢期児童・高齢者・海馬損傷患者を対象に、認知心理学・臨床神経心理学・脳画像研究で広く検証されている。Brady, Konkle, Alvarez & Oliva (2008) は、数千枚の画像を一度見ただけの被験者が、細部の変化まで高精度で識別できることを示し、長期記憶の視覚的な情報容量が想定以上に膨大であることを実証した。[3] 自由再生における初頭効果や、海馬損傷時に宣言的記憶のみが選択的に障害される二重解離は頑健に確認されている。
リハーサル時間依存モデルへの批判。Craik & Lockhart (1972) は「処理水準説」を提唱し、短期記憶から長期記憶への移行を決めるのはリハーサルの時間量ではなく、処理の深さ（意味的処理か表面的処理か）であると主張した。[4]
単一貯蔵庫説の解体。Tulving (1972) をはじめとする研究により、長期記憶は単一の貯蔵庫ではなく、複数の独立した記憶システムの複合体であることが示されている。
Roediger & Karpicke (2006) が、繰り返し学習（再読）とテスト（検索練習）の長期的な保持効果を直接比較する実験で決定的な実証を行った。約250語の科学的散文を、「1回学習＋1回自由再生テスト」群と「2回連続学習」群に分けたところ、学習5分後の成績は連続学習群が優った（81% vs 75%）が、1週間後の遅延テストでは逆転し、テスト群が上回った（56% vs 40%）。さらに「1回学習＋3回テスト」群と「4回連続学習」群を比較した別の実験では、1週間後の保持率がテスト群61%・連続学習群40%となり、検索回数を増やすことが著しい長期保持効果をもたらすことを示した。[1]
検索実践理論。想起という出力プロセス自体が記憶を強化するという立場で、検索努力仮説（努力を要する検索ほど効果が大きい）や精緻化検索仮説（検索時に関連情報への手がかりが精緻化される）などの説明が提案されている。
単語ペアから地理・歴史の事実知識、科学概念、実際の講義内容まで幅広く検証されている。Rowland (2014) のメタ分析は効果量g=0.50、Adesope, Trevisan & Sundararajan (2017) は効果量g=0.61を報告しており、事実的知識の再生課題における効果は頑健である。[2][3]
負のテスト効果。Butler & Roediger (2008) は、フィードバックのない多肢選択テストでは、誤った選択肢への接触がかえって誤答を定着させうるリスクを指摘した。[4]
メタ認知的な錯覚。Roediger & Karpicke (2006) 自身が示したように、再読群は自分の学習成果を過大評価する一方、テスト群は実際には保持率が高いにもかかわらず自己評価が低くなる傾向がある。[1]
Hermann Ebbinghaus (1885) が、自分自身（被験者N=1）を対象に、無意味な音節2,300個からなるリストを作成し、メトロノームに合わせて完全に再生できるまで暗記したのち、20分後・1時間後・9時間後・1日後・2日後・6日後・31日後に再学習にかかる試行数の減少率（節約率）を測定する「節約法」を用いた。結果、20分後には58.2%、1時間後44.2%、9時間後35.8%、1日後33.7%、6日後25.4%、31日後21.1%の節約率となり、時間経過とともに急激に低下したのち緩やかになる、対数関数的な忘却曲線を世界で初めて定量的に導出した。[1]
痕跡減衰説。記憶痕跡は時間経過とともに自然に薄れていくという前提。節約率＝（初回学習試行数−再学習試行数）／初回学習試行数×100、という測定指標を用いる。
無意味材料・文章・単語リスト・運動スキルなど幅広く検証されている。Murre & Dros (2015) は、Ebbinghausの元データを対数・べき関数でフィッティングした上で現代の被験者実験を追試し、曲線の形状が再現されることを確認した。[2] 先行知識と関連の薄い事実的項目の減衰パターンについては頑健である一方、意味構造の豊かな物語や感情を伴う記憶（フラッシュバルブ記憶）への一般化は相対的に弱い。
生態学的妥当性への批判。Bartlett (1932) は無意味音節を使う実験手法を批判し、実際の記憶は既存のスキーマに基づく動的な再構成過程であると主張した。
干渉理論との対立。Underwood (1957) は、忘却の主因は時間の経過そのものではなく、他の記憶との順向・逆向干渉であると論じた。[3]
近代的な原点はDewey (1933) の『How We Think』だが、学習科学的な枠組みへ転換させたのはSchön (1983) の『The Reflective Practitioner』である。Schönは、当時の専門職教育で主流だった「技術的合理性」（決まった理論を現場に適用するだけという発想）が、現実の不確実な実務問題に対応できていないという問題意識から、建築・都市計画・心理療法などの実践現場を定性的に観察した。代表例として、建築指導員が受講生のL字型敷地の設計案の行き詰まりを指導する場面を詳細に分析し、指導員が即興的に新しい問題の枠組みを提示し、状況との「対話」を通じて解決策を編み出していく過程を実証的に描き出した。
構成主義・経験主義に基づく実践知論。行為の中にすでに埋め込まれている暗黙知（行為の中の知）、行為をしながらリアルタイムで軌道修正する省察（行為の中の省察）、行為が終わった後に振り返る省察（行為についての省察）の3層構造で整理される。
教員養成、医療・看護教育、建築・デザイン教育、経営・組織学習など幅広い専門職教育で蓄積がある。Mann, Gordon & MacLeod (2009) の系統的レビューは、医療教育における省察介入の効果を統合的に整理した。[1] 複雑で曖昧な実務能力の向上には有効性が確認されている一方、手順が定型化されたアルゴリズム的な課題への一般化は想定されていない。
時間制約との概念的矛盾。Eraut (1995) は、緊急を要する現場でリアルタイムに深い省察を行うことの心理学的な困難さと、省察と直感的判断との境界の曖昧さを指摘した。[2]
評価尺度の困難さ。省察の質を客観的に測定する基準が定まっておらず、評価者間で判断がぶれやすいことが指摘されている。
Thorndike & Woodworth (1901) は3部構成の論文で、「ある能力を鍛えれば精神全般が鍛えられる」とする当時の形式陶冶説を検証した。被験者に、紙面上で特定の文字の組み合わせ（例えば「e」と「s」）を素早く見つけて印をつける課題や、長方形の面積を目分量で推定する課題を繰り返し訓練させ、その訓練が、形の異なる図形の面積推定など類似する別の課題の成績をどれだけ押し上げるかを測定した。結果、向上は訓練課題と転移先課題が具体的に共有する要素の量に応じてしか生じず、「精神一般」が底上げされるわけではないことを示し、共通要素説を導いた。[1]
共通要素説に加え、後年は一般化説・状況的認知論などの立場が並立する。下位区分として、類似した文脈への近転移／大きく異なる文脈への遠転移、学習を促進する正の転移／妨げる負の転移、単純適用の低路転移／抽象化を要する高路転移（Salomon & Perkins, 1989）などが整理されている。
数学・物理の解法転移、プログラミング、チェスや音楽の訓練、ワーキングメモリ訓練の遠転移など幅広く検証されてきた。Barnett & Ceci (2002) は転移研究を整理する分類枠組みを提示し、近転移（類似課題・同一領域内)の効果は比較的頑健であることを確認した[2]一方、Sala & Gobet (2017) のメタ分析は、チェスや音楽等の訓練が自発的に一般的な認知能力へ転移するという主張についてはg≈0に近く、支持が乏しいと報告した。[3]
Sala & Gobet (2017) は、教育・訓練産業でしばしば喧伝される「遠転移」の主張を「ドグマ」として批判している。[3] 一方で、転移を実際に生む条件（明示的な抽象化を伴う教授、多様な文脈での練習、メタ認知的な振り返り支援）についての議論は現在も続いており、「転移は起きにくいが、条件を整えれば起こせる」という立場が現在の落とし所に近い。
1980年代後半、認知心理学の実験室研究だけでは学校教室のような複雑な社会的文脈での学習を十分に説明できないという反省から、AI・認知科学・教育学・エスノグラフィーの境界領域として学習科学が形成された。1991年、ノースウェスタン大学で第1回の学習科学国際会議（International Conference of the Learning Sciences）が開かれ、同年、学術誌『Journal of the Learning Sciences』が創刊された。初代編集長Kolodner (1991) の創刊の辞は、学習と教育に関する新しい思考様式を通じて認知科学の知見を教育実践へつなぐという、この分野の宣言的な文書として位置づけられている。[1] 2002年には国際学会International Society of the Learning Sciencesが設立された。
状況的認知論（Lave & Wenger, 1991）や社会文化理論、構成主義を理論的基盤とする。[2] 学習環境そのものを設計しながら検証するデザインベース研究（DBR）や、コンピュータ支援協調学習（CSCL）を主要な方法論として持つ。
K-12のSTEM教育、プロジェクト型学習、協調学習環境、オンライン学習コミュニティなどで蓄積がある。Sawyer (Ed., 2006) の『The Cambridge Handbook of the Learning Sciences』が分野全体の体系的な整理を提供している。[3] 複雑な概念理解や協調的な知識構築の分析には強みを持つ一方、単一要因を厳密に統制した定量的介入実験は相対的に少ない。
内的妥当性への懸念。デザインベース研究は特定の文脈に強く依存するため、統制群を置いた実験心理学的な研究デザインに比べて、統計的な一般化やランダム化比較試験としての厳密さに乏しいという批判がある。
スケールアップの限界。Coburn (2003) は、先進的な教室での成功事例が、制度的な制約によって他の教室や学区へ広がらず持続もしにくいという問題を指摘した。[4]
20世紀前半に主流だった行動主義（心的過程をブラックボックスとして扱う立場）に対し、内部の精神表現を計算論的に扱う「認知革命」を通じて成立した。1956年9月11〜13日にMITで開かれた「情報理論シンポジウム」で、Miller（短期記憶容量が7±2項目であるという知見）、Chomsky（変形生成文法のモデル）、Newell & Simon（世界初期のAIプログラム「Logic Theorist」）がほぼ同時に発表を行い、Miller (2003) は後年、この日を認知科学が誕生した日として回想している。[1][2] 1977年に学術誌『Cognitive Science』が創刊され、1979年にはCognitive Science Societyが設立された。
情報処理パラダイム・計算主義・記号処理説を理論的基盤とし、心理学・人工知能・言語学・神経科学・哲学・人類学の6領域にまたがる学際的な構造を持つ（いわゆる「認知科学の六角形」）。
知覚・言語獲得・意思決定・問題解決・記憶アーキテクチャなど幅広い対象で蓄積があり、Newell (1990) の『Unified Theories of Cognition』やAndersonのACT-Rなど、認知全体を統一的に説明しようとする大系モデルが複数提案されてきた。情報処理容量の限界や記号表現の操作についての知見は頑健である一方、身体と環境との動的な相互作用や社会文化的文脈を扱う枠組みは相対的に手薄だった。
身体性の軽視への批判。Varela, Thompson & Rosch (1991) は、記号計算主義が身体を伴わない抽象的な情報処理として認知を扱いすぎていると批判し、身体・環境との相互作用の中で認知が立ち現れるとする「エナクティブ認知」を提唱した。[3]
学際的統合の形骸化。Nuñez et al. (2019) は計量書誌学的分析により、実際には心理学とAIへの偏重が進み、人類学・哲学が学際的な構成から周縁化されてきたことを示した。[4]
Sweller (1988) が、当時主流だった自由な問題解決を通じた学習は、ワーキングメモリに不要な負荷をかけスキーマの獲得を妨げているという問題意識から提唱した。幾何学の証明問題を用い、途中の下位目標が指定された「ゴール指定」条件と、指定されない「ゴール自由（フリーゴール）」条件を比較したところ、ゴール指定条件では被験者が手段目標分析（ゴールと現状の差を逐次埋める探索）を強いられワーキングメモリを消費し続けたのに対し、フリーゴール条件では試行を重ねるにつれ誤り数・解決時間が大きく減少し（誤り率がゴール指定条件の半分以下）、明確なスキーマの獲得が見られた。[1]
ワーキングメモリの容量制約（Baddeleyのモデル）と、長期記憶へのスキーマ構築という前提。負荷を、課題そのものの複雑さに由来する内在的負荷、提示方法のまずさに由来する外在的負荷、スキーマ構築への投資である学習関連負荷の3種に区分する（Sweller, van Merriënboer & Paas, 1998）。[2]
数学・理科教育、マルチメディア学習、プログラミング教育、医療訓練などで広く検証されている。Xie, Wang, Zhou & Jiang (2017) のメタ分析は、マルチメディア学習における認知負荷と学習成果の関連を確認した。[3] 構造化された領域の初学者に対する効果（解答例効果など）は頑健である。
専門性逆転効果。Kalyuga, Ayres, Chandler & Sweller (2003) は、初学者に効く手厚い解答例的な支援が、熟達者にはかえって負荷を増やし有害になることを実証した。[4]
負荷の分離測定の困難さ。De Jong (2010) は、内在的・外在的・学習関連という3種類の負荷を、主観的な自己報告や生理指標から独立に切り分けて測定することの方法論的な難しさを指摘した。[5]
Zimmermanが、Banduraの社会的認知理論を基礎に、自律的な学習者のモデルを定式化した。実証的な原典はZimmerman & Martinez-Pons (1986) で、高校生80名（高達成度群40名・低達成度群40名）を対象に、6つの学習場面における14種類の自己調整学習方略の使用頻度を評価する構造化面接（SRLIS）を実施した。判別分析の結果、自己調整学習方略のプロファイルだけで生徒を高達成度群・低達成度群に93%という高い精度で分類でき、社会経済的地位や性別よりも強力に学業成績を予測することが示された。[1]
社会的認知理論（三者相互決定論）。学習の成否を能力や環境だけでなく、学習者が自分の学習をどう調整するかで説明する。予見フェーズ（目標設定・方略計画）→遂行制御フェーズ（自己モニタリングを含む実行）→自己省察フェーズという3段階の循環モデル（Zimmerman, 2000）が標準的に用いられる。
小中高生・大学生から、MOOC、看護・医学教育、スポーツ・音楽の熟達研究まで幅広く検証されている。Dignath & Büttner (2008) は小中学生向けSRL介入のメタ分析でd=0.60〜0.69の効果を確認し、Sitzmann & Ely (2011) は職業訓練・教育場面でのSRLのメタ分析を提供している。[2][3] 自律的な自習環境での問題解決・学力改善には頑健な効果がある一方、外的な統制が強く学習者に選択の裁量がない教育体制への一般化は弱い。
Winne (2010) は、自己報告によるSRL測定が、実際の学習ログ（トレースデータ）から観察される行動と必ずしも一致しないことを指摘し、自己報告への依存という測定上の課題を提起した。[4] また、SRL方略の有効性は教科ごとの知識と強く相互作用するため、ある教科で身につけた方略が自動的に別の教科へ転移するわけではない、という境界条件も指摘されている。
Gagné (1965) が『The Conditions of Learning』で、知的技能の学習課題は複雑さに応じて「刺激の弁別→反応の生成→手続きの遂行→用語の使用→弁別→概念形成→ルールの適用→問題解決」という階層（学習階層）に沿って組織できると提唱した。ある水準の学習には、その下位に位置する前提スキルの習得が必要であるという考え方に基づき、教育心理学の実験・課題分析を通じて、学習課題をこの階層に沿って分解し、下位技能から順に指導する系列化の妥当性を検証した。[1]
知的技能は単純な要素技能の積み上げによって獲得されるという前提。言語情報・知的技能・認知的方略・運動技能・態度という5つの学習成果の分類と、それぞれに必要な内的・外的条件（9教授事象）が下位区分として整理される。
算数・理科など、前提関係が明確に定義できる階層的な内容領域で広く応用されている。前提スキルを欠いた状態で上位のスキルを教えると学習が非効率になるという知見は、知的技能の領域では頑健である一方、複雑な問題解決や創造的活動など、前提関係が一意に定まらない領域への一般化は相対的に弱い。
学習を要素技能への分解と積み上げとして捉える発想そのものが、状況的認知論や構成主義の立場からは、知識を断片化しすぎているという批判を受けてきた。また、実際の学習課題の前提関係を実証的に同定するコストが高く、階層図の妥当性検証が不十分なまま実務に転用される例があることも指摘されている。
Bloom, Engelhart, Furst, Hill & Krathwohl (1956) が、大学の試験問題委員会の議論の中で「教育目標を共通言語で分類し、評価の一貫性を高める必要がある」という実務的な問題意識から編纂した。全米の大学教員から集めた試験問題を、要求される認知プロセスの複雑さに応じて、知識→理解→応用→分析→総合→評価という6水準に分類する作業を通じて、教育目標の認知領域タキソノミーを構築した。[1]
教育目標は測定可能な行動として記述でき、認知プロセスの複雑さに応じて階層的に順序づけられるという前提。認知領域（知識・理解・応用・分析・総合・評価）に加え、情意領域・精神運動領域のタキソノミーも並行して整備された。2001年のAnderson & Krathwohlによる改訂版では、名詞形（知識）から動詞形（記憶する・理解する等）への変更と、総合と評価の順序の入れ替えが行われた。
初等教育から高等教育まで、カリキュラム設計・試験問題作成・学習目標の記述で世界的に広く使われている。教育目標を明確化し評価との整合性を取るための共通言語としての有用性は実務上確立している一方、6水準が実際に単一の難易度の連続体をなすかについては、実証的な検証よりも実務上の慣習として定着してきた側面が大きい。
階層の各水準が本当に厳密な包摂関係（上位水準は下位水準を前提とする）にあるかについては、認知心理学的な実証が乏しいという批判が繰り返されている。特に「総合」と「評価」のどちらがより高次かという順序づけには恣意性があり、これが2001年改訂の一因になった。また、タキソノミーが個々の認知プロセスをリスト化する静的な分類にとどまり、プロセス間の動的な相互作用を捉えられないという指摘もある。
1960〜70年代の米国で、教員養成・職業訓練の改革運動の中で原型が形成された。William Spady (1977) の「Competency Based Education: A Bandwagon in Search of a Definition」は、当時さまざまな意味で乱用されていた「コンピテンシー基盤」という語を整理し、教育を「学習時間の固定・成果の可変」から「到達すべき成果（コンピテンシー）を固定し、それに到達するまでの時間・方法を可変にする」という発想へ転換させる主張として整理した。この論文は後にSpady自身が推進するアウトカム基盤教育(OBE)運動へと発展していく起点になった。[1]
マスタリー学習と同様、「時間を固定して達成をばらつかせる」従来の学校教育モデルへの批判を共有する。学習者が特定の知識・スキルを実際に発揮できることを示すまで、次の段階へ進級させないという、到達度に基づく進行管理が中核構造。
職業訓練、医療・看護教育、近年はオンライン高等教育（マイクロクレデンシャル等）で広く採用されている。到達度を明確な基準で管理することの効果はマスタリー学習研究の知見を援用できる範囲で支持される一方、コンピテンシー基盤学習そのものを対象とした大規模な効果検証（メタ分析）の蓄積は、マスタリー学習や直接教授などの隣接分野に比べて薄い。
「コンピテンシー」の定義や粒度が実践現場ごとにばらつきやすく、測定可能な行動指標への分解が過度に細分化されると、断片的なチェックリスト管理に陥りやすいという批判が繰り返されている。また、進行管理のための頻繁な評価が教育コストを増大させることも実務上の制約として指摘されている。
Wood, Bruner & Ross (1976) は、3・4・5歳の幼児が、一人では組み立てられない、独特な形にはまり込む木製ブロックで構造物を作る課題に取り組む様子を、大人のチューターが支援する場面の観察から、支援を(1)取り組みへの勧誘、(2)課題の自由度の縮減、(3)目標に向けた方向維持、(4)重要な特徴の強調、(5)フラストレーション制御、(6)実演、という6つの機能に整理した。そのうえで、支援は子どもの習熟が進むにつれて段階的に外されていく（フェーディング）べきだと論じ、これが足場外しの起点になった。[1] この「取り除き」の過程を体系的に段階化したのが後のfading研究で、worked example研究の文脈ではRenkl et al. (2002) らが解答例から練習問題への移行を段階的に設計する手法として精緻化した。[2]
社会的構成主義（他者との協同が独力でできない課題の遂行を可能にする）と認知負荷理論（過剰な支援は学習に無関係な負荷、支援の欠如は過大な内在的負荷を生む）の双方に根ざす。中核は「習熟の進行に応じて支援を漸減させる」という設計原則で、下位区分としてfaded worked examples（解答例のステップを徐々に空欄化する）、固定的な足場外しスケジュールと学習者の状態に応じた適応的足場外しの対比がある。
STEM教育の問題解決、読解方略指導、知的チュータリングシステム(ITS)で広く検証されている。Belland, Walker, Kim & Lefler (2017) のメタ分析（144研究）は、コンピュータベースの足場かけ全般についてd≈0.46程度の中〜大の効果を確認しており、数学・理科・プログラミングでの解答例のfadingは頑健な範囲に含まれる。[3] 支援を外すタイミングが早すぎる場合（premature fading）は効果が弱まることも示されている。
Kalyuga, Ayres, Chandler & Sweller (2003) らの専門性逆転効果の知見と関連し、習熟が進んだ学習者への支援の外し忘れはかえって学習効率を下げる。[4] また、Pea (2004) が指摘するように、足場外し（フェーディング）を欠いた「外さない足場」は学習者の自己調整能力の発達を阻害しうるという批判が文献上繰り返されている。[5]
Sweller & Cooper (1985) が5つの実験で、代数の等式変形の学習において、通常の問題演習だけを行う条件と、解答手順が示された「例題」を学習してから類似問題を解く条件を比較した。例題を学習した群は、事後テストの類似問題を解くのにかかった時間が約半分で済み、誤りの数も約5分の1にとどまった。この結果は、初期の問題解決における試行錯誤的な探索（手段目標分析）がワーキングメモリを消費しスキーマの獲得を遅らせる一方、例題学習はその負荷を避けてスキーマ獲得を促進することを示した。[1]
認知負荷理論。初学者にとって、白紙から解法を探索するより、完成した解答例の手順を追って理解する方が、外在的負荷を抑えつつスキーマ構築に資源を振り向けられるという主張。解答例の一部を空欄化して徐々に自力解決へ移行させる「フェーディング（faded worked examples）」という下位技法がある。
数学・物理・プログラミングなど、手順が明確な構造化された領域の初学者を中心に広く検証されている。解答例効果はSweller, van Merriënboer & Paas (1998) 以降、認知負荷理論の中核的な設計効果として確立している。[2] 構造化された領域の初学者には頑健な効果がある一方、専門性が進んだ学習者への一般化は次の批判の通り成立しない。
専門性逆転効果により、すでに手順を習得した熟達者に対しては、解答例よりも自力で問題を解かせる方が学習効果が高くなることが知られている（Kalyuga, Ayres, Chandler & Sweller, 2003）。[3]
Bloom (1968) が「Learning for Mastery」で、「学習に必要な時間の個人差」を前提とするCarrollの学校学習モデルに基づき、到達基準を固定して時間・支援を可変にすれば大多数の学習者が習得に到達できると主張した。実証的な後押しとなったKulik, Kulik & Bangert-Drowns (1990) のメタ分析は、多数の教室研究を統合し、習得学習を導入した授業が通常授業に比べて成績を有意に押し上げることを確認した。[1]
基準を固定し時間を可変にするという設計原則。ある単元の到達基準（習得ゲート）に達しない学習者には追加の時間と補習を与え、全員が基準を満たしてから次の単元へ進む、という進行管理構造を持つ。
Kulik, Kulik & Bangert-Drowns (1990) のメタ分析は正の効果を確認しており、習得ゲート型の設計根拠として確立している。[1] 一方、効果量はメタ分析間で揺れ、測定方法（自作テストか標準テストか）に依存するという方法論的な指摘がある。
進度の遅い学習者への追加時間・追加支援をどう確保するかという時間コストの問題が、実装上の恒常的な制約になっている。
Ericsson, Krampe & Tesch-Römer (1993) が、卓越した技能の獲得を生得的才能で説明する立場に対抗する形で提唱した。ベルリン音楽アカデミーのヴァイオリニストを、将来ソリストになる見込みの高い最上位群・中位群・音楽教員志望群に分け、各自にこれまでの累積練習時間を推定させたところ、20歳時点での推定累積練習時間は最上位群で約10,000時間、中位群で約8,000時間、教員志望群で約4,000時間と、技能水準に応じて明確に段階づけられ、演奏技能の個人差の大部分が過去・現在の意図的練習量の差で説明できると結論づけた。[1]
単なる反復（練習量）ではなく、明確な目標設定・即時のフィードバック・課題の難易度調整を伴う、負荷の高い練習だけが専門性の獲得に直結するという主張。娯楽的な練習や単純な反復とは区別される。
音楽・チェス・スポーツなど、明確な技能水準の指標がある領域で広く検証されている。Macnamara, Hambrick & Oswald (2014) のメタ分析は、意図的練習が説明する成績の分散の割合が、音楽で約21%、スポーツで約18%、教育領域では約4%にとどまることを示し、当初主張されていたほど支配的な要因ではないことを明らかにした。[2]
意図的練習だけでは説明できない残りの分散（遺伝的素因、開始年齢、練習の質など）が大きいことが、Macnamara et al. (2014) をはじめとする追試・メタ分析で繰り返し指摘されている。[2] また、原論文が回顧的な自己申告に依存している点も、正確性への懸念として文献上論じられている。
Wood, Bruner & Ross (1976) が、幼児が独力では組み立てられないブロック課題に取り組む場面で、大人のチューターが与える支援を観察し、この支援のあり方を「足場（scaffolding）」という比喩で概念化した（詳細な実験内容と6機能の整理は「足場外し」の項を参照）。この語自体はVygotskyのものではないが、後に最近接発達領域(ZPD)の理論と理論的に結びつけられ、独力でできない課題を他者との協同によって遂行可能にする支援全般を指す語として広く定着した。[1]
社会的構成主義。学習者ができる部分は残し、できない部分だけを支援するという「部分支援」の原則が中核。知的チュータリングシステムやヒント設計の基礎概念として広く実装される。
読解指導、STEM教育の問題解決、知的チュータリングシステムなどで広く実装・検証されてきた（メタ分析はBelland, Walker, Kim & Lefler, 2017、「足場外し」の項参照）。
Pea (2004) は、概念がメタファーとして拡散した結果、「あらゆる支援」を指す語になってしまい、本来の定義に含まれる、支援を外していく過程（フェーディング）と学習者の状態把握（診断）が実装から抜け落ちがちだと批判している。[2]
Hattie & Timperley (2007) が、教育介入の効果量を大規模に統合したHattie自身の先行研究群を踏まえ、「フィードバックは平均的には強い効果を持つが、その効果量には極めて大きなばらつきがある」という問題意識から、フィードバックが効果的に機能する条件を整理する理論的枠組みを提示した。彼らは、効果的なフィードバックは「目標はどこにあるか（フィードアップ）」「今どこにいるか（フィードバック）」「次に何をすべきか（フィードフォワード）」という3つの問いに答えるものでなければならないと定式化し、これを課題・過程・自己調整・自己という4つのレベルに整理した。[1]
フィードバックは、学習者の現在の理解・遂行状態と目標との間のギャップを埋めるために提供される情報であるという前提。課題レベル（正誤の指摘）、過程レベル（方略への言及）、自己調整レベル（自己モニタリングへの言及）、自己レベル（個人への賞賛）という4水準に分けられ、自己レベルのフィードバックが学習効果に乏しいとされる点が特徴的な主張である。
あらゆる教科・年齢層で膨大な実証研究が蓄積されている。Hattie & Timperley (2007) の統合によれば、フィードバック全体の平均効果量はd=0.79と、教育介入の中でも特に大きい部類に入る一方、効果量の分散も非常に大きく、フィードバックの種類・タイミング・内容によって効果が正にも負にもなりうる。[1]
Kluger & DeNisi (1996) のメタ分析は、フィードバック介入の約3分の1で成績がかえって低下したことを示し、フィードバックが「平均的に効く」という単純な理解の危うさを指摘した。[2] 自己（個人特性）に言及する賞賛型フィードバックは、課題への注意をそらし学習効果を弱めるという境界条件が、この分析を通じて広く知られるようになった。
コンピュータ・ベースド・テスティングの普及に伴い、単に正誤を伝えるだけのフィードバックと、なぜ間違っているか・正しい考え方は何かを説明するフィードバックの効果差を整理する必要から発展した。決定的なメタ分析はVan der Kleij, Feskens & Eggen (2015) で、1960〜2012年に発表された40研究・70効果量を統合し、正誤のみを伝えるフィードバック（効果量0.05）、正答を提示するだけのフィードバック（効果量0.32）に比べ、説明を伴う説明的フィードバック（効果量0.49）が最も高い効果を持ち、特に高次の学習成果に対してその差が大きいことを示した。[1]
フィードバック理論。単なる正誤情報（Knowledge of Result）や正答の提示（Knowledge of Correct Response）だけでは誤りの原因を修正できず、なぜそうなるかという説明（Elaborated Feedback）を伴って初めて概念的な誤りが修正される、という主張。
コンピュータ・ベースド・テスティング環境での学習全般で検証されている。Van der Kleij et al. (2015) のメタ分析が示すように、特に高次の学習成果（応用・分析等）を求める場面で説明的フィードバックの優位性が頑健である。[1] 単純な事実の記憶課題では、正誤のみのフィードバックとの差は相対的に小さい。
説明が長く複雑になりすぎると、認知負荷が増して学習者が説明自体を処理しきれなくなるという、認知負荷理論の観点からの限界が指摘されている。批判文献自体は比較的限定的である。
知的チュータリングシステム(ITS)の設計文脈で、学習者が行き詰まった際にどの程度の情報を与えるべきかという実務的な問いから発展した。Aleven, McLaren, Roll & Koedinger (2006) は、幾何学の認知チューターにおける学習者のヘルプ利用行動を分析し、ヒントを要求せずに自力で長時間つまずき続ける「ヘルプ回避」と、考えずに即座に最終ヒント（答えそのもの）まで要求してしまう「ヒント濫用」の両方が学習を阻害することを示し、学習者が自分の理解状態を踏まえて適切にヒントを求める「メタ認知的なヘルプシーキング」の指導を提案した。[1]
足場かけ理論の一種として、段階的に詳しくなる複数レベルのヒント（最初は方向性の示唆、最後は答えそのもの）を設計し、学習者の要求に応じて出し分けるという構造を持つ。
数学・プログラミングなどのITS環境で広く検証されている。Aleven, Roll, McLaren & Koedinger (2016) のレビューは、中程度の力量を持つ学習者ではヒント利用がその後の類似課題の成績を有意に高める一方、単純に答えを与えるだけのヒント利用は成績向上につながらないことを整理した。[2]
ヒントの効果は学習者の事前知識やヒントの利用の仕方（考えてから求めるか、反射的に求めるか）に強く依存し、「ヒントを出せば学習が進む」という単純な関係は成立しない、という境界条件が繰り返し確認されている。
効果的な教師の行動を観察研究から抽出する「プロセス・プロダクト研究」の系譜を踏まえ、Rosenshine (2012) が「教授の原理」として10項目に整理した（短いステップでの提示、大量のガイド付き練習、高い成功率を保つ発問、独立練習への段階的な移行など）。Archer & Hughes (2011) はこれをさらに体系化し、モデリング・ガイド付き練習・独立練習という段階を踏む、教師主導の明確な指導手続きとして定式化した。[1]
認知負荷理論と整合的な立場で、特に初学者には、探索させるより明確に説明し、十分なガイド付き練習を経てから独立練習に移す方が効率的だという主張。「直接教授」とは異なり、Engelmannの構造化カリキュラム(DISTAR)のような特定の教材パッケージを指す語ではなく、教師の指導行動の原則を指す、より広い概念。
基礎的な読み書き計算スキルを学ぶ初学者を中心に、効果の再現性が高い（詳細な効果量・メタ分析は「直接教授」の項を参照）。
認知負荷理論・直接教授と同型の限界として、専門性が進んだ学習者には明示的な指導の優位が薄れる（専門性逆転効果）。「明示的指導 対 探究学習」という対立の立て方自体が単純化しすぎで、実際の論点は指導と探究の順序・配合にあるという整理が近年の落とし所として文献化されている。
Siegfried Engelmannが1960年代に開発した、構造化されたスクリプト付きカリキュラムであるDISTAR（大文字のDirect Instruction）が起点。全米規模の教育介入比較実験Project Follow Through（1970年代、多数の指導法を比較）で、DIモデルは基礎スキル・認知スキル・情意面のいずれの指標でも他の主要な指導法（オープン教育・発見学習型など）を上回る成果を示し、以降の実証的な根拠として繰り返し参照されてきた。[1]
スキルを細かいステップに分解し、明確な例と非例を用いて誤解の余地なく教え、即座にフィードバックを与えながら習熟まで練習させる、という設計原則に基づく、体系化されたスクリプト付き教材群。認知負荷理論・明示的指導と理論的に整合する。
基礎的な読み・書き・算数スキルの初学者を対象に、大規模比較研究で繰り返し支持されている。Stockard, Wood, Coughlin & Rasplica Khoury (2018) のメタ分析（50年分の研究を統合）は、DIプログラムが一貫して正の効果（平均効果量0.51程度）を持つことを確認した。[2]
Kirschner, Sweller & Clark (2006) の「最小限の指導しか与えない構成主義的・発見学習的アプローチは効果が乏しい」という主張と同陣営に位置づけられ、探究型・構成主義型の教授法との間で長年の論争がある。[3] また、専門性が進んだ学習者には効果が薄れる（専門性逆転効果）という境界条件は認知負荷理論と共通する。
「発見学習は教師の助けなしの方が効果的か」という長年の論争を整理する中で、Mayer (2004) が過去数十年の実証研究をレビューし、純粋な（無支援の）発見学習を支持する実証的根拠は乏しく、学習者に発見のプロセスを経験させつつも適切なガイダンス（フィードバック・足場かけ・成果への言及）を組み合わせる「ガイド付き発見」の方が一貫して優れた成果を示すと主張した。Alfieri, Brooks, Aldrich & Tenenbaum (2011) のメタ分析はこれを実証的に裏づけ、無支援の発見学習と直接教授を比較すると直接教授が優る一方、ガイド付きの発見学習は直接教授よりも優れた効果を示すことを確認した。[1][2]
学習者自身に探索・仮説検証をさせることで深い理解や転移を促す発見学習の利点を保持しつつ、認知負荷理論の知見（無支援の探索は初学者に過大な負荷を与える）を踏まえ、足場かけ・ヒント・タイムリーなフィードバックによってその負荷を制御する、という設計思想。
数学・理科の概念学習を中心に検証されている。Alfieri et al. (2011) のメタ分析は、ガイド付き発見学習が無支援の発見学習・直接教授の双方より優れた効果（それぞれ中程度の効果量）を持つことを確認しており、この比較優位は頑健である。[2]
「発見学習 対 直接教授」という二項対立自体が単純化されすぎているという指摘があり、実際に重要なのは「どの程度・どのタイミングでガイダンスを与えるか」という配合の問題であるとされる。過不足のあるガイダンス設計（多すぎても少なすぎても）の効果については、直接教授・認知負荷理論ほど確立した知見は蓄積されていない。
自己決定理論の教育応用として、Reeve & Jang (2006) が教師の具体的な行動と生徒の自律性の関係を実証した。大学生に別の学生（実は実験協力者）へパズル課題を教える役割を演じさせ、教える際の行動をビデオ録画して分析したところ、学習者の視点を取り入れる、学習者自身のペースを尊重する、統制的な言葉（「〜すべき」）を避け情報的な言葉を使う、といった行動の頻度が、学習者から独立した第三者評定による「自律性支援的か」の評価、および学習者自身の内発的動機づけの高さと強く関連することを示した。[1]
自己決定理論。教師（や指導者）が、学習者の視点を取り入れ、選択の余地を残し、統制的でなく情報的な言葉で関わることで、自律性の欲求充足を支え、内発的動機づけ・持続性・深い学習を促すという主張。統制的関わり（脅し・締切の強調・評価の脅かし）とは対をなす概念として定義される。
小学生から大学生まで、幅広い年齢層の教室で自律性支援的な教師のもとで内発的動機づけ・継続・ウェルビーイングが高まるという知見が大量に再現されている（Reeveらの一連の研究群）。
SDT自体の批判（文化普遍性論争、測定の同語反復性など）が自律性支援研究にも及ぶ。具体的な行動が「自律性支援的」かどうかは文化・文脈に依存して変わりうるため、理論から特定の状況で何が自律性支援になるかを一意に導出することはできない、という限界がある。
行動主義的な強化理論（フィードバックは速いほど良いという直観）と、人間の記憶研究（望ましい困難）の知見が対立する形で発展してきた論点。Kulhavy & Anderson (1972) は、大学生に文章読解課題の多肢選択テストを行わせ、正誤をその場で伝える即時フィードバック条件と、全問終了後にまとめて伝える遅延フィードバック条件を比較したところ、1週間後の保持テストでは遅延フィードバック条件の方が成績が良いことを示し、直後の成績向上を狙う即時フィードバックと、長期保持を狙う遅延フィードバックとで最適な設計が異なりうることを示した最初期の実証研究となった。[1]
誤答の記憶痕跡が新しいうちに正答へ置き換わる「干渉低減仮説」（即時フィードバックが有利）と、誤答からある程度時間を置いてフィードバックを受ける方が検索練習的な負荷がかかり定着しやすいとする「望ましい困難」の立場（遅延フィードバックが有利）という、対立する2つの説明枠組みを持つ。
Kulik & Kulik (1988) のメタ分析は、実験室研究では遅延フィードバックが優る傾向がある一方、実際の教室研究では即時フィードバックが優る傾向があるという、研究文脈による逆転を報告した。[2] 単純な事実知識の暗記課題では遅延フィードバックの長期保持効果が比較的頑健である一方、複雑な問題解決課題やリアルタイム性が求められる技能習得では、この一般化は成立しにくい。
実験室研究と教室研究とで結果が逆転する理由（課題の複雑さ、動機づけ、忘却のタイミングなど）が単一の要因に絞り込めておらず、「即時・遅延どちらが良いか」という問い自体が、文脈を指定しないと答えられない問いであることが、Kulik & Kulik (1988) 以降繰り返し確認されている。
Bloom (1984) の「2シグマ問題」が、この語の教育工学的な重要性を決定づけた。Bloomは、自身の研究室の大学院生2名（Anania, Burke）の実験結果を統合し、1対1の個別チュータリング（習得学習の手法を併用）を受けた学習者の平均的な成績は、通常の一斉授業を受けた学習者の平均を2標準偏差（2シグマ）上回ることを示し、これに迫る効果を集団的な方法でどう実現するかを「2シグマ問題」として提起した。[1]
1対1（または少人数）で、学習者の理解状態に応じて即座に説明・質問・フィードバックを調整できることが、集団指導にはない優位性を生むという前提。人間チューター、知的チュータリングシステム(ITS)、その他の単純な自動採点型システムなど、担い手の異なる複数の形態を含む。
VanLehn (2011) のレビューは、人間チューターと、ステップ単位で介入するITSの効果量が同程度（d≈0.75〜0.79）であり、いずれも単純な自動採点システムや指導なしの条件（d≈0.3程度）より明確に優れることを示した。[2] 一方、Bloomの原論文が示した2シグマ（d=2.0）という値そのものは、その後の追試・メタ分析では再現されておらず、実際の効果量はそれよりかなり小さいことが分かっている。
「2シグマ」という数値自体は、限られた条件下の実験（大学院生2名の研究）に基づく数値であり、その後の大規模な検証によって過大評価だったことが明らかになっている。VanLehn (2011) の再検討はこの点を明確に指摘しており、チュータリングの効果を語る際は「2シグマ」という数値を鵜呑みにすべきではないという注意喚起が定着している。[2]
チュータリングと同じくBloom (1984) の「2シグマ問題」を実証的な起点とする（詳細な実験内容は「チュータリング」の項を参照）。「個別指導」はチュータリング（対話的なやり取りに重点）よりも広く、教材の提示順序・ペース配分そのものを1人の学習者に合わせて調整する、より制度的・カリキュラム的な意味合いで使われることが多い。[1]
集団に対する一律のペース・順序ではなく、個々の学習者の理解度・進度に教材提示を合わせることで、学習効率が高まるという前提。人間による個別指導と、後述の適応学習システムによる自動化された個別化とに大別される。
チュータリングと同様の実証基盤を共有し、VanLehn (2011) の知見（人間チューターとITSの効果が同程度）が個別指導全般にも当てはまるとされる（詳細は「チュータリング」の項参照）。
人的資源・コストの制約から、公教育の標準的な仕組みとして広く実装することが難しいという実務上の制約が、理論的な効果の大きさとは別に、この語の議論では常に付随する。
Bloomの「2シグマ問題」を、人手をかけずに技術的に解決しようとする試みの系譜に位置づく。知識空間理論に基づく適応型出題（Doignon & Falmagne, 1985）やベイジアン・ナレッジトレーシング（Corbett & Anderson, 1994）を用いて、学習者の推定された知識状態に応じて次に提示する問題・教材をリアルタイムに選択するシステムとして具体化されてきた（詳細は本ページの「知識空間理論」「ベイジアン・ナレッジトレーシング」の項を参照）。
学習者の知識状態は観測・推定でき、その推定に基づいて教材の難易度・順序をアルゴリズム的に調整できる、という測定・工学的な前提。観測→推定→教材選択→再観測、という閉ループの構造を持つ。
数学など、前提関係・知識構造が明確な領域での実装（ALEKS等）で実証が進んでいる。個々の要素技術（ナレッジトレーシング、適応型テスト等）の妥当性はそれぞれ独立に検証されている一方、適応学習システム全体としての学習成果への効果は、実装ごとのアルゴリズム・UI設計に依存してばらつきが大きく、単一の効果量には収束しにくい。
知識状態の推定精度がシステムの効果を規定するため、推定モデルの質が低いまま導入すると、不適切な教材が選択され続けるリスクがある。また、「適応」と呼ばれるシステムの中には、実際には単純な難易度分岐に留まり、精緻な知識状態推定を伴わないものも多く、語の使われ方に幅がある点が実務上の混乱要因になっている。
適応学習が知識状態の推定・教材選択という技術的な側面に重心を置くのに対し、個別最適化学習はより広く、学習目標・学習ペース・学習方法までを学習者ごとに調整するという、教育政策的な文脈で発展した。Pane, Steiner, Baird & Hamilton (2015) のRAND研究所による報告は、個別最適化学習を実践する米国の公立学校62校の2年間の成績を追跡し、実践校の生徒が対照群より大きく成績を伸ばし、特に学力が低い層で対照群との差が縮まったことを示した。[1]
学習目標・進度・方法を学習者ごとに調整することで、学習者の主体性（学習者主体性の項参照）を高めながら学力を向上できるという前提。個別学習計画、習得基準に基づく進級、データに基づく指導判断などの実践を含む、比較的広い傘概念。
Pane et al. (2015) の研究が示すように、実践校を対象とした準実験的な研究では正の効果が報告されている一方、[1]「個別最適化学習」という語自体が指す実践の幅が広く、ランダム化比較試験による厳密な効果検証は、適応学習やマスタリー学習など、より要素技術に分解された概念に比べて相対的に少ない。
NEPC（全米教育政策センター）によるレビューをはじめ、Pane et al. (2015) の研究デザインが厳密な統制群を伴わない準実験的なものであり、効果の因果的な帰属には慎重であるべきだという指摘がある。また、「個別最適化」を標榜する実践の中身が学校ごとに大きく異なるため、単一の効果量として一般化することの妥当性そのものに疑問が呈されている。
コンピュータ支援協調学習(CSCL)研究において、個々のツール・活動の設計が洗練される一方で、教師が実際の教室で複数のツール・活動・グループ編成を同時に管理する負担が見過ごされているという反省から、Dillenbourg (2013) が「教室オーケストレーション」という語で問題を定式化した。教師を、個々の楽器（学習ツールや活動）を統括し、リアルタイムに調整しながら授業全体を導く指揮者になぞらえ、技術導入の成否は個々のツールの学習効果だけでなく、教師がそれらを実際の教室でどう同時並行的に管理できるかに左右される、と論じた。[1]
学習環境設計の評価は、個々の学習者・個々のツール単位ではなく、教室全体・授業全体という単位でなされるべきだという前提。教師の認知的負荷（オーケストレーション負荷）、複数の活動間の遷移管理、リアルタイムのモニタリングと介入判断などが下位概念として扱われる。
1人1台端末環境やCSCL実践を伴う教室での事例研究・デザインベース研究を中心に蓄積されている。教師の負荷を軽視したテクノロジー導入が現場で機能しないという指摘は広く支持されている一方、オーケストレーション負荷を定量的に測定し比較するための標準化された尺度は、他の学習科学の概念ほど確立していない。
この概念に対する応答論文（同誌上での議論）では、「オーケストレーション」という比喩が、教師の権威・裁量を過度に強調し、生徒の自律的な学びの余地を狭めて捉えているのではないか、という批判が提起されている。
運動学習領域では、Shea & Morgan (1979) が被験者にボールを持ち上げて6本の自由に動くバリアーを指定された順序で倒し、ボールを元の位置へ戻すという3種類の運動課題を訓練した。ある群は常に同じ順序で繰り返す「ブロック練習」、別の群は毎回順序をランダムに変える「交互（ランダム）練習」で練習した。獲得段階（練習中）の反応時間・運動時間はブロック練習群の方が短かったが、10分間の休憩を挟んだ保持テストでは交互練習群の方が高い成績を示した。この「文脈干渉効果」が交互学習の実証的な出発点になった。[1] 認知・カテゴリー学習領域ではKornell & Bjork (2008) らが、絵画スタイルの識別学習等でこの発想を展開し、望ましい困難の枠組みの中に位置づけた。[2]
Bjorkの「望ましい困難」の一種で、識別比較仮説（複数の課題・カテゴリーを交互に練習することで、それらの違いを識別する処理が促される）が中核。集中学習（AAA-BBB型）に対し、交互学習（ABC-BAC型）は学習中の成績を下げやすい反面、長期の保持・識別課題の成績を高める。適用範囲は視覚的カテゴリー分類、数学の解法識別、運動スキルなど。
絵画スタイルの識別課題、数学授業での長期介入研究、医療画像の読影訓練、運動指導など幅広い対象で検証されている。Brunmair & Richter (2019) のメタ分析（104の独立サンプル、g≈0.42）は、カテゴリーが誤解されやすい、または適切な解法の選択を要する課題で交互学習が頑健に有効であることを確認した。[3] 一方、カテゴリー間の類似性が低すぎる場合や基礎概念を未習得の初学者では効果が弱まることも報告されている。
学習錯覚。Kornell & Bjork (2008) は、学習者自身が交互学習を「非効率だ」と誤って評価しがちであることを示しており、学習中の手応えで教材の良し悪しを判断する危うさの典型例になっている。[2]
間隔効果との分離の難しさ。Brunmair & Richter (2019) は、交互学習の効果が単純な間隔効果（分散学習）とどこまで独立かの切り分けが方法論的に難しいことを指摘している。[3]
Mayer (2001, 2009) が、二重符号化理論（言語と非言語の2系統の処理）と認知負荷理論（ワーキングメモリの容量制約）を統合し、実験群に「言葉のみ」の教材を、統制群に「言葉＋関連する図」を提示して、内容の転移テスト（学んだ原理を新しい場面へ応用する問題）の成績を比較する実験を多数積み重ねた。図と言葉を組み合わせた群は、言葉のみの群より転移テストの成績が一貫して高く（複数の実験でおおむね中〜大の効果量）、この「マルチメディア原理」を皮切りに、モダリティ原理・時間的近接原理・空間的近接原理など、10前後の設計原理が体系化された。[1]
マルチメディア学習の認知理論。人間には視覚・聴覚という2つの独立したチャネルがあり、それぞれの容量が限られているという前提のもと、言葉と図を、チャネルを分散させつつ、時間的・空間的に近接させて提示することで、意味のある学習（選択・整理・統合という3プロセス）を促進できる、という設計原理群。
科学・工学・医療などの説明的な教材を中心に、100を超える実験で検証されている。空間的近接原理・時間的近接原理・モダリティ原理などの効果は頑健である一方、原理同士が競合する複雑な教材設計での優先順位づけについては、状況依存性が指摘されている。
内容と無関係な装飾的な画像・音声・BGMはワーキングメモリを圧迫し、かえって学習を妨げることが確立している（誘惑的詳細効果、Harp & Mayer, 1998）。[2] 「図を足せば良い」という単純化はこの理論の誤用であり、原理の多くは実験室での短い教材を対象に検証されたものであるため、長時間・複雑な実世界の教材への一般化には注意が必要だという指摘もある。
Bjork (1994) が、間隔効果・検索練習・交互学習など、個別に蓄積されてきた記憶研究の知見を束ねる上位概念として提唱した。「学習中のパフォーマンス」と「学習（長期的な保持・転移）」を明確に区別し、学習中にスムーズに進む条件（集中練習・ブロック練習）は短期的な成績を上げるが長期の学習を損ない、学習中に困難を課す条件（分散・交互配置・テスト・生成）は短期的な成績を下げるが長期の学習を高める、という逆説的なパターンを整理した。[1]
間隔効果・検索練習・交互学習・生成効果を包含する上位概念。困難が「望ましい」ものになるのは、学習者がその困難を乗り越えられる場合に限られる、という条件が定義に内蔵されている。
構成要素（間隔効果・検索練習・交互配置）の効果はそれぞれ頑健に確認されている（本ページの各項参照）。Soderstrom & Bjork (2015) は、学習中の主観的な手応えや短期テストの成績で教材の良し悪しを判定すると系統的に誤る、という測定上の警告を整理し、この構図を「学習 対 遂行」という対比として定式化した。[2]
困難が「望ましい」か「単なる失敗」かの境界は理論的には明確でも、実践場面でどこまでの困難を課すべきかを事前に見積もる方法は確立していない。初学者に過大な困難を課すと、望ましい困難ではなく単なる学習の失敗になることが繰り返し指摘されている。
Deweyの経験主義教育論やSchwabの「探究としての科学教育」論を思想的源流とし、科学教育を中心に発展してきた。「発見学習は無支援の方が効果的か」という論争を検証したAlfieri, Brooks, Aldrich & Tenenbaum (2011) のメタ分析は、探究学習を「無支援の純粋な発見学習」と「ガイダンスを伴う探究学習」に分けて比較し、前者は直接教授に劣るが、後者（ガイド付き探究）は直接教授よりも優れた効果を持つことを示した（詳細は本ページの「ガイド付き発見学習」の項を参照）。[1]
学習者自身が疑問を立て、データを集め、仮説を検証するという科学的探究の過程を経験することが、内容の深い理解と探究スキルの両方を育てるという前提。仮説形成・実験計画・データ解釈・結論の導出という下位過程を含む。
理科教育を中心に検証が蓄積している。適切なガイダンスを伴う探究学習の効果は、ガイド付き発見学習の知見（本ページ該当項参照）と重なる形で支持されている一方、無支援の探究学習単体の効果は乏しいことが繰り返し示されている。
Kirschner, Sweller & Clark (2006) は、最小限の指導しか与えない探究学習・発見学習・問題基盤学習を「最小限の指導」として一括し、初学者への効果の乏しさを認知負荷理論の観点から批判した。[2] この批判は「探究学習 対 直接教授」という単純な対立ではなく、「どの程度のガイダンスを、どのタイミングで与えるか」という設計上の配合の問題として理解すべきだという整理につながっている。
1960年代末、カナダ・マクマスター大学医学部のカリキュラム改革の中で始まり、Barrows (1986) が方法論として整理した。伝統的な医学教育（基礎科学の講義を先に受けてから臨床実習に入る）では、学んだ知識が実際の臨床場面で活性化されにくいという問題意識から、実際の臨床症例（問題）を最初に提示し、学習者が小グループで議論しながら、その問題を解決するために必要な知識を自ら特定し学習していく、という手順を提案した。Barrowsはこの手法を、教師の関与度・問題の構造化度に応じて複数の型に分類するタキソノミーを提示した。[1]
知識は、それが使われる文脈（実際の問題場面）に近い状況で学習されるほど、後の想起・応用がしやすくなるという状況的認知の立場。実際の（またはそれに近い）問題の提示→学習課題の自己特定→自己学習→グループでの統合、という手順が中核構造。
医学教育を中心に、工学・法学・ビジネス教育などへ広がった。Strobel & van Barneveld (2009) のメタ分析は、PBLが知識の長期的な保持・臨床技能の応用では従来型講義より優れる一方、短期的な知識テストの成績では従来型講義がやや優ることを示し、評価の時間軸によって結果が変わることを明らかにした。[2]
探究学習・ガイド付き発見学習と同様、初学者に対する最小限のガイダンスでの実施は認知負荷の観点から批判されており（Kirschner, Sweller & Clark, 2006）、実務上は問題の構造化度やファシリテーターの関与度を調整した「準構造化PBL」が主流になっている。[3]
Dewey の経験主義教育論を踏まえ、Kilpatrick (1918) が「プロジェクト法」として、学習者が意義を感じる具体的な目的（プロジェクト）に向けて計画・実行・評価を行う学習単位を提唱した。現代的な研究の整理はThomas (2000) のレビューで、プロジェクト型学習を「中心的（副次的でなく教科内容そのものを学ぶ手段である）」「駆動的な問い（探究を導く問いがある）」「構成的な探究（単なる情報収集でなく変換的な活動を含む）」「学習者の自律性」「現実性（実世界の文脈と結びつく）」という5つの必須要件で定義した。[1]
問題解決学習と同じく状況的認知論を共有するが、より長期間にわたる成果物（プロジェクト）の制作を通じて、教科横断的な知識・スキルの統合を狙う点に特徴がある。
K-12のSTEM教育を中心に検証が蓄積している。Chen & Yang (2019) のメタ分析は、プロジェクト型学習が伝統的指導よりも学業成績に正の効果（平均効果量0.71程度）を持つことを確認した。[2] 一方、「プロジェクト型学習」を名乗る実践の質のばらつきが大きく、Thomas (2000) の5要件を満たさない「浅いプロジェクト」も多く含まれてしまうことが、効果研究の解釈を難しくしている。
問題解決学習・探究学習と同様、初学者への最小限のガイダンスでの実施には認知負荷上の懸念があり（Kirschner, Sweller & Clark, 2006）、評価・進捗管理のコストが伝統的指導より高いことも実務上の制約として指摘されている。[3]
1970年代、社会的相互依存理論（協力的な目標構造が個人の努力を高めるという立場）とVygotskyの社会文化理論を背景に、Johnson & Johnsonらが協同学習の教室実践を体系化した。彼らの理論的立場を大規模に検証したRoseth, Johnson & Johnson (2008) のメタ分析は、8年代（約80年間）にわたる148の独立した研究（11か国・17,000人超の若年思春期生徒を対象）を統合し、成績目標が個々人に閉じた「個別学習」や互いに競わせる「競争学習」に比べ、共通の目標に向けて協力する「協同学習」の方が、学業成績と友好的な仲間関係の両方で一貫して優れた成果を上げることを確認した。[1]
社会的相互依存理論。学習者どうしの目標が積極的に相互依存している（互いの成功が自分の成功につながる）状態が、努力の動員・相互支援・肯定的な対人関係を促すという前提。個人の説明責任、対面での促進的な相互作用などの下位要件が構造化されている。
K-12から高等教育まで幅広く検証されている。Roseth et al. (2008) が示すように、適切に構造化された協同学習の効果は頑健である一方、単に机を合わせてグループにしただけで個人の説明責任が伴わない「グループ学習」では、効果が弱いか、フリーライダー問題によりむしろ逆効果になりうることも知られている。[1]
効果の大きさは、グループ編成（能力別か異質編成か）、個人の説明責任の設計、課題の相互依存性の高さなど、実装上の細部に強く依存し、「協調学習」という語だけでは効果の有無を予測できない、という点が繰り返し指摘されている。
Rohrbeck, Ginsburg-Block, Fantuzzo & Miller (2003) が、小学生を対象としたピア支援型学習介入（同級生同士が教え合う形式）の効果を系統的に統合するメタ分析を行った。低所得層の児童を対象とした研究に絞って統合したところ、ピア支援型介入は統制群に比べて学業成績に有意な正の効果（効果量d=0.33）を持ち、特に構造化された役割交代（教える側と教わる側を明確に交代させる方式）を伴う介入で効果が大きいことを示した。[1]
教える側（チューター）は説明を組み立てる過程で自らの理解を精緻化し（自己説明効果と重なる）、教わる側（チューティ）は同年代の言葉による説明や、教師より低い心理的障壁の中での質問がしやすくなる、という双方向の学習メカニズムを持つ。
小中学校の読み書き・算数を中心に幅広く検証されている。Leung (2019) の更新メタ分析は、チューター側（教える側）の学習成果への効果も確認しており、ピア学習が教わる側だけでなく教える側にも利益をもたらすことを支持している。[2]
効果は役割の構造化度（誰が何を教えるかが明確に設計されているか）に強く依存し、単に生徒同士を組ませただけの非構造的なペア学習では効果が乏しいことが知られている。また、能力差の大きすぎるペアでは、教える側・教わる側の双方にとって非効率になりうるという境界条件も指摘されている。
源流はEbbinghaus (1885) の忘却曲線研究（本ページの「忘却・保持」の項参照）。現代の標準的な参照点はCepeda, Pashler, Vul, Wixted & Rohrer (2006) のメタ分析で、300以上の実験を統合し、学習セッションを一度に集中させる（集中学習）より、時間的に分散させる（分散学習）方が長期の保持テストで一貫して優ることを確認した。続くCepeda, Vul, Rohrer, Wixted & Pashler (2008) は、最適な間隔は「いつまで覚えていたいか（保持期間）」に依存することを大規模実験で示した。[1][2]
望ましい困難の一種。同じ内容を一度に集中して学習するより、間隔を空けて複数回に分けて学習する方が、検索の負荷が高まり記憶が強化される、という主張。
語彙・事実記憶での効果は極めて頑健である。境界として、最適な間隔は保持期間に依存するため、固定間隔での実装は理論的には近似にすぎない。[1] また、実験の大半が単純な言語材料を対象としており、複雑な概念理解や技能への一般化は相対的に検証が薄いという指摘がある。
教室での実装においては、カリキュラムの構造そのものが単元ごとに区切られていることが多く、間隔学習を意図的に組み込むには、単元を横断した復習の設計というカリキュラム全体の再設計が必要になる、という実務上の制約がある。
Bandura (1977) の社会的学習理論（後の社会的認知理論）が決定的な起点の一つ。ボボ人形実験（Bandura, Ross & Ross, 1961）では、大人が人形に攻撃的な行動を取る場面を観察した子どもの群と、観察しなかった統制群を比較したところ、観察群は自由遊び場面で人形に対して有意に多くの攻撃的行動（身体的・言語的）を模倣し、直接の強化（報酬）を受けなくても、他者の行動を観察するだけで新しい行動が学習されることを実証した。もう一つの理論的系譜であるVygotskyの社会文化理論は、学習を個人内で完結する過程ではなく、他者との社会的相互作用を通じて内化される過程として位置づけた。[1]
学習は個人の内部だけで生じるのではなく、他者の行動の観察・モデリング、あるいは他者との相互作用を通じて社会的に媒介される、という前提。注意・保持・運動再生・動機づけという4過程からなる観察学習モデル（Bandura）と、内化・最近接発達領域（Vygotsky）という2つの理論的系譜が並立する。
攻撃行動の模倣から、職業スキルの徒弟的学習、協調学習・ピア学習（本ページ該当項参照）まで、幅広い対象・年齢層で検証されている。モデリングを通じた行動の獲得という基本的な知見は頑健に再現されている。
ボボ人形実験は、実験室という不自然な状況での短期的な模倣行動を測定したものであり、日常的な攻撃性の獲得プロセスをどこまで一般化できるかについては、生態学的妥当性の観点から批判がある。また、BanduraとVygotskyの理論的系譜は、前者が個人の認知過程（観察・模倣）に、後者が社会的相互作用そのものに重心を置くという違いがあり、両者を単純に「社会的学習」として一括することへの理論的な整理が不十分だという指摘もある。
知的チュータリングシステム(ITS)研究の黎明期、VanLehn (1988) が「学習者の知識状態をシステム内部にどう表現するか」という設計問題を「学習者モデリング（student modeling）」として定式化した。Self (1990) は、当時の人工知能研究が目指していた「学習者の認知過程を完全に再現するモデル」という野心的な目標が実際には達成困難であることを指摘し、目的（誤り診断、次の課題選択など）に応じて必要十分な情報だけを持つ、実用的に「間に合わせ」の学習者モデルで十分だと論じ、以後の設計思想に大きな影響を与えた。[1]
学習者の知識・スキル・誤概念などの内部状態は直接観測できず、行動（正誤・反応時間・操作ログ等）から推定するしかないという前提。オーバーレイモデル（専門家モデルの部分集合として学習者の知識を表現する）、バグモデル（誤った規則そのものを表現する）などの下位方式がある。
数学・プログラミング等のITS実装で広く用いられ、後述のベイジアン・ナレッジトレーシングや知識空間理論は、この「学習者モデル」を具体的に数理的に実装する手法として位置づけられる（詳細は各項参照）。モデルの推定精度が下流の教材選択・フィードバックの質を左右するため、モデルの妥当性検証はシステムの信頼性そのものに直結する。
Self (1990) が指摘した通り、学習者の認知過程を完全に再現しようとするモデルは実用上ほぼ不可能であり、目的を絞った近似モデルにならざるを得ない。この「近似でしかない」という制約は、学習者モデルに基づくあらゆる下流の意思決定（適応学習・診断的評価等）に伝播する構造的な限界として、文献上繰り返し確認されている。
「学習者モデル」とほぼ同義で使われる語で、特に知的チュータリングシステムの実装文脈（Corbett & Anderson, 1994のベイジアン・ナレッジトレーシング論文のタイトルにも用いられている）で定着した表現である（詳細な誕生の経緯は本ページの「学習者モデル」「ベイジアン・ナレッジトレーシング」の項を参照）。[1]
学習者モデルと同一の前提・構造を共有する。日本語文献では「学習者モデル」がより一般的・理論的な文脈で、「生徒モデル」がK-12等の学校教育文脈やITS実装の文脈で、それぞれやや好んで使われる傾向があるが、厳密な使い分けの規範があるわけではない。
本ページの「ベイジアン・ナレッジトレーシング」の項で扱う実証研究がそのまま該当する。
本ページの「学習者モデル」の項と同じ限界（目的を絞った近似モデルにならざるを得ない）を共有する。
知識空間理論の中核概念で、Doignon & Falmagne (1985) が、ある個人がその領域の問題集合のうちどの部分集合を正解できるかとして定式化した（詳細な理論内容は本ページの「知識空間理論」の項を参照）。[1]
個人の知識は連続的な単一の尺度値ではなく、「解ける問題の組み合わせパターン」という離散的な集合として表現できるという前提。前提関係（サミー関係）に整合する知識状態の全体が知識空間を構成する。
本ページの「知識空間理論」の項を参照。
本ページの「知識空間理論」の項を参照（決定論的モデルの限界、確率的拡張の必要性など）。
知識空間の中でも、学習によって知識状態が段階的に（一度に1問ずつ習得する形で）遷移していける経路を保証する構造として、Falmagne & Doignon (2011) の著書『Learning Spaces』で体系的に定式化された（詳細は本ページの「知識空間理論」の項を参照）。[1]
知識空間のうち、任意の知識状態から1問ずつ習得を積み重ねて別の知識状態へ到達できるという「段階性」の条件を満たすものだけを学習空間と呼ぶ。適応的な出題システムの実装（ALEKS等）は、この学習空間の構造を前提に設計される。
本ページの「知識空間理論」の項を参照。
本ページの「知識空間理論」の項を参照。
Koedinger, Corbett & Perfetti (2012) が「知識・学習・指導(KLI)フレームワーク」で、知的チュータリングシステムやカリキュラム設計において「何を1単位の学習対象とするか」を明確にするために定式化した。知識コンポーネント(KC)は、特定の課題に正しく反応するために必要となる知識の一単位と定義され、記憶・流暢性過程、帰納・洗練過程、理解・意味生成過程という3種の学習過程それぞれに、対応する指導原理が異なる形で結びつけられる。[1]
学習内容は、独立に測定・追跡可能な知識コンポーネントへ分解できるという前提。ベイジアン・ナレッジトレーシングにおける「スキル」やQ行列における「属性」は、いずれもこの知識コンポーネントを具体的にモデル化したものとして位置づけられる。
Carnegie Mellon大学のPSLC DataShopをはじめとする大規模学習ログデータベースで、KCモデルの予測精度を比較する研究が蓄積されている。手続き的スキルを要する数学・プログラミング領域でのKC同定は比較的確立している一方、複雑な概念理解や統合的な問題解決を単一のKCに分解することの妥当性には限界がある。
「何を1つのKCとするか」という粒度の設定自体が分析者の裁量に大きく依存し、粒度の取り方次第でナレッジトレーシング等の予測精度が変わってしまうことが、教育データマイニング分野で繰り返し指摘されている。
Tatsuoka (1983) が「ルール空間法」の中で、算数の誤答パターンを診断する目的から導入した。各設問がどの認知的な属性（規則・スキル）を必要とするかを、設問×属性の2値行列（Q行列）として表現し、実際の正誤パターンと、Q行列から理論的に導かれる属性習得パターンとを照合することで、受検者がどの属性を習得していないかを診断する手法を提案した。[1]
各設問の正誤は、その設問が要求する属性（スキル）の習得状況によって決まるという前提。認知診断モデル（本ページ該当項参照）の多くはこのQ行列を入力として要求する。
算数・言語テストの誤答分析を中心に、認知診断モデル全般の基盤技術として広く使われている。Q行列が正しく設問と属性の対応を捉えている場合、診断の精度は高い。
Q行列自体は多くの場合、専門家の主観的判断によって作成されるため、その妥当性（本当にその設問がその属性を要求しているか）が診断結果全体の精度を左右するという、構成概念妥当性上の課題が指摘されている。誤って指定されたQ行列は、実際には習得している属性を未習得と誤診断するなど、系統的な誤りを生みうる。
Q行列（本ページ該当項参照）が指す内容と、ほぼ同じ対応関係を指す語。設問・課題と、それが要求するスキル（または認知的属性）との対応関係を明示的に定義する作業全般を指し、認知診断・ナレッジトレーシングいずれの手法でも、この対応関係の質がモデル全体の精度を左右する。[1]
Q行列と同一の前提を共有する（本ページ「Q行列」の項参照）。
本ページの「Q行列」「ベイジアン・ナレッジトレーシング」の項を参照。
本ページの「Q行列」の項で述べた構成概念妥当性の課題がそのまま当てはまる。
Web検索・知識表現分野で発展した「知識グラフ」の考え方を、教育分野の概念間関係の表現に応用したもの。Pan, Li, Li & Tang (2017) は、MOOC講義のテキストデータから、概念間の意味的な関連や前提関係を自動的に抽出し、埋め込みベースの手法でグラフとして構造化する手法を提案し、教育コンテンツの大規模な構造化に道を開いた。[1]
学習対象となる概念群は、単なるリストではなく、意味的な関連・前提関係（本ページ「前提関係グラフ」の項参照）を持つネットワーク構造として表現できるという前提。ノード（概念）とエッジ（関係の種類）から構成される。
MOOC・教科書テキストからの自動抽出研究が近年急速に蓄積している。特定のドメイン（プログラミング・数学等）での概念間関係抽出の精度は実用レベルに近づいている一方、抽出された関係の教育的な妥当性（本当に前提関係として扱ってよいか）の検証は、個別の実装ごとに差が大きい。
自動抽出された知識グラフは、テキストの共起パターンなど表層的な手がかりに依存しやすく、実際の認知的な前提関係と一致しない関係が混入するリスクが、この分野の研究で繰り返し指摘されている。
Vuong, Nixon & Towle (2011) が、カリキュラム内のトピック間の前提関係を、学習履歴データから自動的に発見する手法を教育データマイニングの文脈で提案した。ある概念Aの習熟がある概念Bの習熟に先立って観測される傾向を統計的に検出することで、専門家が手作業で定義していた前提関係グラフを、データ駆動で（半）自動的に構築できることを示した。[1]
ある知識コンポーネントの習得には、別の知識コンポーネントの先行習得が必要である、という有向グラフとして教育内容の構造を表現する。学習系列化（本ページ該当項参照）の技術的な基盤の一つ。
MOOC・大規模学習ログデータを用いたデータ駆動型の前提関係抽出研究で検証が進んでいる。専門家が定義した前提関係との一致度で評価されることが多く、完全な自動化にはまだ限界がある。
データから統計的に検出される「前後関係」は、必ずしも認知的な意味での「前提関係」（習得していないと学習できない）を意味するとは限らず、単なるカリキュラム上の慣習的な順序を反映しているだけの場合もある、という因果推論上の限界が指摘されている。
認知診断モデルの実装（DiBello, Roussos & Stout, 2007によるFusionモデル等の整理）の中で、Q行列（本ページ該当項参照）が前提とする「属性（スキル）の集合」を体系的かつ階層的に整理する必要から発展した。単に属性を横並びのリストとして扱うのではなく、ある属性が別の属性を包含・前提とするといった階層構造として整理する試みを含む。[1]
Q行列・知識コンポーネントと同じく、学習領域は有限個の測定可能なスキルへ分解できるという前提を共有しつつ、それらのスキル間に階層関係（属性階層）を仮定する点が特徴。
数学・言語能力の認知診断モデルの実装研究で用いられている。階層構造を仮定したモデル（属性階層法等）は、階層を仮定しないモデルより解釈可能性が高まる一方、階層そのものの妥当性検証には専門家の判断が必要であり、完全にデータ駆動で階層を同定する方法は発展途上にある。
Q行列と同様、スキルタクソノミー自体の妥当性が専門家の主観的判断に依存する部分が大きく、粒度や階層の切り方によって診断結果が変わりうるという、構成概念妥当性上の課題を共有する。
「正解か不正解か」という総括的な判定だけでなく、「なぜ間違えたか・どの認知的スキルが未習得か」という原因の特定までを目指す評価の系譜。Leighton & Gierl (2007) の編著『Cognitive Diagnostic Assessment for Education』は、心理測定学的な認知診断モデル（Q行列・ルール空間法・認知診断モデル等、本ページ各項参照）を教育実践に応用するための理論的・実務的基盤を体系的に整理した。[1]
単一の総合得点ではなく、複数の認知的属性ごとの習得状況を多次元的なプロファイルとして報告することで、指導判断に直接つながる情報を提供できるという前提。Q行列・認知診断モデルを実装技術として用いる。
算数・言語能力を中心に、標準テストへの認知診断的な報告の付加という形で実用化が進んでいる。属性ごとの診断精度は、Q行列の妥当性とテストの項目数に強く依存する。
信頼性の高い多次元プロファイルを報告するには、通常の総括的テストより多くの項目数が必要になることが多く、テスト時間・コストとのトレードオフが実務上の制約になる。また、Q行列の妥当性への依存という限界（本ページ「Q行列」の項参照）をそのまま引き継ぐ。
Bunderson, Inouye & Olsen (1989) が「コンピュータ化教育測定の4世代」として、紙筆テストをそのままコンピュータ画面に移しただけの第1世代から、適応型テスト（第3世代）、継続的な測定と指導の統合（第4世代）に至る発展段階を整理し、コンピュータをテスト実施の道具として使う「コンピュータ・ベースド・テスティング」という概念を測定学的に位置づけた。[1]
紙筆テストをコンピュータ画面上で実施することで、採点の自動化・実施の標準化・結果のリアルタイム化が可能になるという前提。固定形式のCBTと、後述の適応型テスト(CAT)を包含する上位概念として使われることが多い。
資格試験・学力調査など大規模テストで広く実用化されている。紙筆版とコンピュータ版のスコアの互換性（モード効果）は、多くの標準化されたテストで確認されている一方、一部の研究では紙筆版とコンピュータ版とで成績に差が出ることも報告されており、モード効果の有無は教科・年齢層・画面設計に依存する。
コンピュータの操作に不慣れな受検者が、内容の理解とは無関係にコンピュータ操作そのものでつまずく「コンピュータ習熟度による測定誤差」が、モード効果の主要な原因の一つとして指摘されている。
コンピュータ・ベースド・テスティング（本ページ該当項参照）とほぼ同じ技術的系譜を持つが、「アセスメント」という語を用いることで、単なる点数化（テスティング）だけでなく、形成的評価・パフォーマンス評価など、より広い評価目的での利用を含意することが多い。[1]
コンピュータ・ベースド・テスティングと同じ技術基盤（自動採点・標準化・即時性）を共有しつつ、選択式だけでなくシミュレーション・記述式・パフォーマンス課題など、より多様な出題形式を含む点に重心がある。
本ページの「コンピュータ・ベースド・テスティング」の項の知見が同様に当てはまる。
本ページの「コンピュータ・ベースド・テスティング」の項で述べたモード効果の課題は、出題形式が多様化するほど、その原因の切り分けがさらに難しくなる。
項目反応理論(IRT)がテスト間で項目パラメータを比較可能にしたことを背景に、Wright (1984) が「なぜ・何を・どう項目バンクとして蓄積すべきか」を測定学的に整理した。個々のテストを作り切りにするのではなく、パラメータが較正された項目群を蓄積し、そこから目的に応じて項目を選び出してテストを構成する、という運用思想を確立した。[1]
IRTによって、項目の困難度・識別力といったパラメータを受検者集団に依存しない形で推定・蓄積できるという前提のもと、大量の較正済み項目を保持し、コンピュータ適応型テスト(CAT)や多段階テストの出題母集団として利用する。
大規模資格試験・学力調査で標準的なインフラとして広く実用化されている。項目パラメータの較正精度は、較正に用いる受検者サンプルのサイズ・代表性に依存する。
項目バンクの運用が長期化すると、一部の項目が繰り返し出題されることで露出し、事前に内容が漏洩するリスク（項目露出問題）が生じ、定期的な項目の入れ替え・新規開発が運用コストとして常に発生する。
Doignon & Falmagne (1985) は、ある知識領域を構成する問題・設問の全体集合を想定し、ある個人の「知識状態」を、その人が正解できる問題の部分集合として定式化した。理論的にありうる知識状態の集合全体が「任意の和集合について閉じている」という性質を満たすとき、これを知識空間と呼べることを示し、さらに「問題q'が解ければ別の問題qも解ける」という前提関係（サミー関係）の体系と知識空間とが数学的に1対1対応することを証明した。単一の能力値へ縮約せず、「解ける問題の組み合わせパターン」そのものを数学的対象として扱う道を開いた論文である。[1]
ある問題が解ければ別の問題も解けるという前提関係（サミー関係、surmise relation）の集合として領域の構造を定義し、そこから理論的に可能な「知識状態」の全体（知識空間）が導かれる。学習によって知識状態が遷移しうる経路を保証する構造は学習空間と呼ばれ、Falmagne, Koppen, Villano, Doignon & Johannesen (1990) が心理測定学の枠組みとして定式化した。[2] この構造を使い、少ない設問数で学習者の知識状態を絞り込む適応的な評価アルゴリズムが導出される（体系的整理はFalmagne & Doignon 2011）。[3]
数学・統計・化学など、問題間の前提関係が明確に定義しやすい構造化された領域で主に検証・実用化されてきた。商用適応学習システムALEKSはこの理論を基盤としており、全米のK-12・高等教育の数学教育で長期間運用されている点が、理論の実用的な検証事例として大きい。前提関係が曖昧な人文系領域やオープンエンドな課題への適用は相対的に限定的である。
初期の決定論的モデルは、学習者のケアレスミスや当てずっぽうの正解に弱く、後に確率的知識空間理論(PKST)へ拡張された。また、項目数が増えるにつれて理論的に可能な知識状態の組み合わせが急増し、前提関係の同定・保守にかかる設計コストが実務上の制約になる。批判は理論の妥当性そのものよりも、運用コストと確率的拡張の必要性に集中している。
Corbett & Anderson (1994) は、LISPプログラミングを教えるACT Programming Tutor(APT)——生成規則(production rule)に基づく「理想的学習者モデル」を内蔵する知的チュータリングシステム——の中で提案した。学習者が演習に取り組むたびに、モデルが仮定する個々の生成規則をどれだけ習得したかの確率をベイズ更新し、モデルがある規則について95%以上の確率で習得済みと推定するまで、その規則に関連する演習を提示し続ける、という仕組みである。演習中の正誤系列から、スキルごとの習得確率をリアルタイムで逐次推定する必要から生まれた、実装駆動の理論である。[1]
隠れマルコフモデルの一種で、学習者のスキル習得状態（習得済み／未習得）を観測できない潜在変数、各試行の正誤を観測変数として扱い、ベイズの定理で習得確率を更新する。4つのパラメータ（初期習得確率P(L0)、学習確率P(T)、当て推量確率P(G)、ケアレスミス確率P(S)）で構成される。
数学の知的チュータリングシステム(MATHiaなど)、プログラミング学習、外国語文法学習など、スキル・手続きに分解しやすい領域で広く実用化されており、教育データマイニング(EDM)・AIED分野の標準モデルの一つになっている。Yudelson, Koedinger & Gordon (2013) はスキル・学習者ごとの個別性を考慮したモデル拡張を比較検証した。[2] 手続き的スキルの推測には頑健だが、複合的な概念理解や長期的な忘却が絡む場面では単純なBKTの精度は下がる。
パラメータの共通化問題。元来のBKTは同一スキルの全学習者に同一パラメータを仮定しており、個人差を捉えられないという批判があり、Yudelson et al. (2013) 等が個別化拡張を提案した。[2]
忘却の非考慮。基本モデルは一度習得したスキルが失われないと仮定しており、Qiu, Qi, Lu, Pardos & Heffernan (2011) が経過時間を組み込む拡張によって、時間経過とともに正答率が下がることをより良く説明できると報告した。[3]
深層学習版との論争。Piech et al. (2015) のDeep Knowledge Tracingは予測精度で優ることを主張したが、BKTの方が解釈可能性（なぜその推定に至ったか）で優位という反論があり、精度と解釈可能性のトレードオフはEDMコミュニティで継続的に論じられている。[4]
Corbett & Anderson (1994) が提案した手法群の総称で、ベイジアン・ナレッジトレーシング(BKT)が原型（詳細は本ページ該当項を参照）。「学習履歴から、スキルごとの習得状態を逐次推定する」という問題設定そのものを指す上位概念として、後にディープ・ナレッジトレーシング(DKT)など多様な手法が「ナレッジトレーシング」という語の傘下に位置づけられるようになった。[1]
学習者の知識状態は観測できない潜在変数であり、演習の正誤系列という観測可能なデータから逐次推定できるという前提を、確率モデル（BKT）・深層学習モデル（DKT）など、異なる数理的手法で実装する。
本ページの「ベイジアン・ナレッジトレーシング」「ディープ・ナレッジトレーシング」の項を参照。
本ページの「ベイジアン・ナレッジトレーシング」の項で述べたパラメータ共通化・忘却の非考慮などの限界は、多くの派生手法にも共通して当てはまる。
Piech et al. (2015) が、BKTの手作業で設計された確率モデルに代えて、再帰型ニューラルネットワーク(RNN)に演習の正誤系列を入力し、次の演習の正答確率をエンドツーエンドで予測させる手法を提案した。大規模な教育データセットで予測精度を比較したところ、DKTは従来のBKTを一貫して上回る予測精度を示し、教育データマイニング(EDM)コミュニティでの深層学習応用の火付け役となった（詳細な経緯は本ページ「ベイジアン・ナレッジトレーシング」の項も参照）。[1]
個々のスキルを明示的に定義せず、正誤系列のパターンそのものから、モデルが暗黙的に知識状態の表現を学習するという前提。BKTのような解釈可能な少数パラメータではなく、ニューラルネットワークの隠れ状態として知識状態を表現する。
大規模なオンライン学習プラットフォームのログデータで、予測精度の面ではBKTやその拡張を上回ることが多くの追試で確認されている。一方、モデルが「なぜその予測に至ったか」を人間が解釈することが難しく、教師や学習者への説明可能性という点ではBKTに劣るというトレードオフがある。
Xiong, Zhao, Inwegen & Beck (2016) をはじめとする追試研究は、DKTの当初報告された精度向上の一部が、評価方法（同一学習者のデータの扱い方など）に起因する見かけ上のものである可能性を指摘し、比較評価の方法論そのものが論争の対象になっている。[2]
ナレッジトレーシング（本ページ該当項参照）や項目反応理論における能力パラメータなど、学習者の習熟度を数理的に表現するモデル全般を指す総称。個別の決定的な原典を持つ固有の理論というより、BKT・IRT・認知診断モデルなど、本ページの複数の項で扱う具体的な手法群の総称として用いられる。
学習者の習熟状態は、観測可能な反応データから、確率変数として推定できるという前提を共有する。
本ページの「ベイジアン・ナレッジトレーシング」「項目反応理論」「認知診断モデル」の各項を参照。
個々の手法（本ページ各項参照）に固有の限界を、それぞれ引き継ぐ。「習熟モデル」という総称自体への批判は限定的。
Corbett & Anderson (1994) のBKTにおける中心的な出力値で、あるスキルについて学習者が「習得済み」である確率をP(L)として逐次更新する（詳細は本ページ「ベイジアン・ナレッジトレーシング」の項参照）。[1]
本ページ「ベイジアン・ナレッジトレーシング」の項を参照。初期習得確率P(L0)、学習確率P(T)、当て推量確率P(G)、ケアレスミス確率P(S)という4パラメータでベイズ更新される。
本ページ「ベイジアン・ナレッジトレーシング」の項を参照。
本ページ「ベイジアン・ナレッジトレーシング」の項を参照（パラメータ共通化問題・忘却の非考慮など）。
知識コンポーネント・Q行列（本ページ該当項参照）で定義される「スキル」単位について、その習熟状態をナレッジトレーシング等で推定する際の対象そのものを指す語。個別の原典を持つ固有理論というより、本ページの複数の項（知識コンポーネント、Q行列、ベイジアン・ナレッジトレーシング）が共有する分析単位を指す運用上の呼び名である。
学習領域が個別に測定可能な「スキル」へ分解できるという前提（本ページ「知識コンポーネント」の項参照）を共有する。
本ページの「知識コンポーネント」「ベイジアン・ナレッジトレーシング」の項を参照。
本ページの「知識コンポーネント」の項で述べた粒度設定の恣意性が、スキル習熟の推定精度にも直接影響する。
Q行列（本ページ該当項参照）が定義する「属性」について、その習熟パターンを認知診断モデルで推定する際の対象そのものを指す語。Tatsuoka (1983) のルール空間法が、この属性習熟パターンの診断という問題設定を確立した起点にあたる。[1]
本ページ「Q行列」「認知診断モデル」の項を参照。
本ページ「Q行列」「認知診断モデル」の項を参照。
本ページ「Q行列」の項で述べた構成概念妥当性の課題を共有する。
Newell & Rosenbloom (1981) が、多様な技能領域（タイピング、パズル、産業作業）における練習量と遂行時間の関係を統合的に分析し、練習試行数tに対して遂行時間が「べき乗則」（f(t) = u − a(t + d)^c、漸近値u・傾きa・べき指数c・遅延dの4パラメータ）に従って滑らかに減少する、という数理モデルを提案した。この「練習のべき乗則」は、個別のスキル領域を超えて広く再現される定量的なパターンとして、学習曲線モデルの標準的な出発点になった。[1]
練習を重ねるほど遂行が速く・正確になるが、その改善の度合いは練習量が増えるにつれて逓減していく、という前提。ナレッジトレーシング・知能チュータリングシステムでは、この学習曲線が実際に滑らかに右下がりになっているかどうかが、知識コンポーネントの粒度設定の妥当性を検証する診断ツールとしても使われる。
タイピング・パズル・産業技能から、近年は知的チュータリングシステムのログデータまで幅広い領域で再現されている。個人内の学習曲線が滑らかなべき乗則に従うという主張については、Heathcote, Brown & Mewhort (2000) が、個人ごとの学習曲線は指数関数の方が良く当てはまり、集団平均を取ったときにのみべき乗則的な形状が現れる（個人差の平均化による人工物である）可能性を指摘し、論争が続いている。[2]
Heathcote et al. (2000) の指摘の通り、「べき乗則か指数則か」という関数形の選択自体が、個人レベルのデータか集団平均データかによって結論が変わりうるという方法論的な論争がある。[2]
Weiss (1982) が、項目反応理論(IRT)に基づき、受検者の暫定的な能力推定値に応じて次に出題する項目をリアルタイムで選択する適応型テストの方法論を整理した。実際のテストデータを用いた検証で、適応型テストは、通常の固定形式テストと同じ信頼性を得るのに必要な項目数がおよそ半分、同じ妥当性を得るのに必要な項目数はおよそ3分の1で済むことを示した。[1]
IRTにより、項目の困難度・識別力パラメータと受検者の能力パラメータを分離して推定できることを前提に、「現在の能力推定値のもとで最も情報量が大きい項目」を逐次選び出し、能力推定値を更新し続ける、という閉ループ構造を持つ。項目バンク（本ページ該当項参照）を出題母集団として必要とする。
TOEFL等の大規模資格試験で標準的に実用化されている。同じ測定精度をより少ない項目数で達成できるという効率性の利点は頑健に確認されている一方、安定したIRTパラメータ推定と大規模な項目バンクの整備という前提条件を満たせない小規模テストには適用しにくい。
受検者ごとに異なる項目セットが出題されるため、「全員が同じ問題を解く」という公平性の直観に反すると受け止められやすく、受検者への説明・受容性の確保が実務上の課題になる。また、初期の能力推定値の設定次第で、序盤の出題が不安定になりうることも知られている。
コンピュータ適応型テスト（本ページ該当項参照）を、心理測定学的な文脈に限らず、より広い評価活動全般（診断的評価・形成的評価等を含む）に対して使う場合の総称。技術的な起点はWeiss (1982) のCATに遡る。[1]
本ページ「コンピュータ適応型テスト」の項と同じ前提を共有する。
本ページ「コンピュータ適応型テスト」の項を参照。
本ページ「コンピュータ適応型テスト」の項を参照。
「コンピュータ適応型テスト」の略称・同義語として使われることが多い（本ページ該当項参照）。[1]
本ページ「コンピュータ適応型テスト」の項を参照。
本ページ「コンピュータ適応型テスト」の項を参照。
本ページ「コンピュータ適応型テスト」の項を参照。
コンピュータ適応型テストの中核アルゴリズムで、Weiss (1982) の枠組みの下、現在の暫定的な能力推定値のもとで最も統計的情報量が大きい項目（最大情報量基準）を項目バンクから逐次選び出す手順を指す（本ページ「コンピュータ適応型テスト」の項参照）。[1]
IRTにおける項目情報関数（能力の各水準でその項目がどれだけ推定精度に寄与するか）を計算し、現在の能力推定値の位置で情報量が最大になる項目を選ぶという前提。項目の露出制御（同じ項目が選ばれすぎないようにする）等の制約を組み込んだ拡張も存在する。
本ページ「コンピュータ適応型テスト」の項を参照。
純粋な最大情報量基準だけで項目を選ぶと、特定の項目に出題が集中し露出リスクが高まるため、実務では情報量と露出制御・コンテンツバランスとのトレードオフを調整した選択アルゴリズムが使われる。
学習系列化（本ページ該当項参照）の考え方に、適応学習・ナレッジトレーシングの推定結果を組み合わせ、次に提示する教材・演習の順序をリアルタイムに調整する手法。適応的項目選択がテスト文脈での出題選択を指すのに対し、適応的系列化は学習（指導）文脈での教材選択・順序決定を指す点で、隣接するが異なる語である。
学習者の推定された知識状態に応じて、次に取り組むべき教材・演習の順序を動的に決定できるという前提。前提関係グラフ（本ページ該当項参照）と、ナレッジトレーシングによる習熟推定を組み合わせて実装されることが多い。
数学のITS実装で検証が進んでいる。適応的系列化そのものの効果を単独で検証したランダム化比較試験は、適応学習全体の効果研究（本ページ「適応学習」の項参照）に比べて相対的に少ない。
本ページ「適応学習」「前提関係グラフ」の項で述べた限界（知識状態推定の精度依存、前提関係のデータ駆動抽出の妥当性）をそのまま引き継ぐ。
Luecht & Nungester (1998) が、項目単位で逐次選択する完全なコンピュータ適応型テストと、事前に固定された紙筆テストの中間に位置する方式として、コンピュータ適応・逐次テスト(CAST)を提案した。個々の項目ではなく、あらかじめ難易度別に組まれた「モジュール（テストレット）」単位で、受検者の途中成績に応じて次のモジュールを選択する設計を示し、項目単位の適応型テストに比べて、テスト全体の品質管理（内容バランスの担保等）がしやすいという利点を実証的に論じた。[1]
項目単位ではなくモジュール（テストレット）単位で適応させることで、テスト作成者が各段階のモジュールの内容構成を事前に管理・点検できるという前提。段階ごとに正答率に応じて次のモジュールの難易度を分岐させる。
医療系国家試験など、コンテンツバランスの担保が特に重視される大規模資格試験で実用化されている。項目単位のCATに比べて測定効率はやや劣るが、内容の妥当性管理のしやすさとのトレードオフとして受け入れられている。
モジュール設計・段階数・分岐基準の設計には専門的なノウハウを要し、項目単位のCATよりもテスト設計の初期コストが高くなる場合がある。
評価を成績づけ（総括的評価）としてでなく、次の学習・指導の調整のための情報収集として使う考え方。Black & Wiliam (1998) のレビューが、形成的評価の強化が大きな学力向上をもたらすと主張し、世界的な政策・実践ブームを起こした（詳細は理論の背景v2の形成的評価エントリを参照）。[1]
学習中に得られる情報（誤答パターン、理解度の兆候等）を、次の指導判断に即座に反映させることで、学習を軌道修正できるという前提。総括的評価（学習の結果を測る）と対比される。
「学習中の情報を指導調整に使うと効果的」という大枠は広く支持されている。詳細な効果量論争は理論の背景v2の該当エントリを参照。
Bennett (2011) の批判（定義の曖昧さ、広く引用される効果量の根拠が方法論的に弱いこと）が代表的。詳細は理論の背景v2の該当エントリを参照。
単発の試験ではなく、学期・年間を通じて継続的に評価データを収集し、成績判定や指導判断に用いるという実践的な発想で、形成的評価（本ページ該当項参照）の考え方を時間軸に沿って制度化したもの。特定の単一の原典があるというより、形成的評価研究の蓄積を背景に、教育行政・カリキュラム設計の文脈で実務用語として定着してきた。
単一時点のテストでは測りきれない学習の進捗を、複数時点のデータを積み重ねることでより正確に把握できるという前提。
形成的評価の効果研究（本ページ該当項参照）が間接的な根拠を提供する。継続的評価という制度設計そのものを対象にした独立した効果検証は、形成的評価研究に比べて相対的に少ない。
評価の頻度が増えるほど、教師・学習者双方の評価負担（時間的コスト）が増大し、過度な継続的評価が学習そのものの時間を圧迫するというトレードオフが実務上の懸念として指摘されている。
通常の学習活動と切り離された明示的なテストを行わず、学習活動そのものに評価の仕組みを組み込む発想。ステルス評価（本ページ該当項参照）の中核的な設計思想と重なり、Mislevy, Steinberg & Almond (2003) のエビデンス中心設計(ECD)がその測定学的な基盤を提供する。[1]
本ページ「ステルス評価」の項を参照。学習活動中の行動ログ（本ページ「プロセスデータ」「ログデータ」の項参照）を評価の証拠として用いる。
本ページ「ステルス評価」の項を参照。
本ページ「ステルス評価」の項を参照（構成概念妥当性の検証の難しさ等）。
大規模学力調査がコンピュータ・ベースド・アセスメントへ移行する中で、最終的な正誤（結果データ）だけでなく、解答に至る過程（クリック操作・所要時間・試行錯誤の履歴等）も記録・分析できるようになったことを背景に、Bergner & von Davier (2019) が、全米学力調査(NAEP)がこの「プロセスデータ」をどう収集・活用してきたかを整理した。彼らは、プロセスを完全に無視する（結果のみを数える）段階から、プロセス自体を測定モデルに組み込む段階まで、活用の度合いに応じた5段階の枠組みを提示した。[1]
最終的な正誤という結果データだけでは失われてしまう情報（どう考えて解いたか、どこでつまずいたか）が、解答過程のログに含まれているという前提。反応時間（本ページ該当項参照）やログデータ（本ページ該当項参照）は、プロセスデータの具体的な構成要素にあたる。
NAEPをはじめとする大規模学力調査、シリアスゲーム・シミュレーション型評価（本ページ該当項参照）で活用が進んでいる。プロセスデータをどう要約・特徴量化し、どの特徴が意味のある証拠になるかという方法論は発展途上で、標準化された分析手法はまだ確立していない。
プロセスデータは情報量が膨大である反面、どの特徴が測定対象の構成概念と実際に関連するかの理論的な裏づけが弱いまま機械学習的に特徴を抽出すると、解釈不能な「ブラックボックス」の指標になってしまうリスクが指摘されている。
プロセスデータ（本ページ該当項参照）のうち、特にシステムが自動的に記録する操作履歴（クリック・キー入力・タイムスタンプ等）を指す、より技術寄りの語。プロセスデータ研究（Bergner & von Davier, 2019）の主要な原材料として扱われる。[1]
本ページ「プロセスデータ」の項を参照。
本ページ「プロセスデータ」「ナレッジトレーシング」の項を参照（ログデータの正誤系列がナレッジトレーシングの入力そのものにあたる）。
本ページ「プロセスデータ」の項を参照。
van der Linden (2007) が、それまで別々に扱われがちだった「正誤（正確さ）」と「解答にかかった時間（速さ）」を、階層的な枠組みの中で同時にモデル化する統計モデルを提案した。個々の受検者の能力・速度特性と、個々の項目の困難度・時間要求特性を、それぞれ階層的な確率分布として同時推定することで、速さと正確さのトレードオフを定量的に扱えるようにした。[1]
反応時間は、単なる測定のノイズではなく、受検者の速度特性・項目の時間要求特性を反映する情報源であり、正誤データと組み合わせることで測定精度を高められるという前提。
コンピュータ・ベースド・テスティング環境での不正行為検出（異常に速い解答の検知）、コンピュータ適応型テストの精緻化などで応用が進んでいる。速さと正確さの関係の強さは、課題の種類（単純な事実想起か複雑な問題解決か）によって大きく異なり、単一のモデルですべての課題に一般化できるわけではない。
反応時間は、受検者の能力だけでなく、疲労・注意散漫・デバイスの応答速度など、測定対象と無関係な要因にも影響されるため、反応時間を直接的な能力の指標として解釈することには慎重さが必要だという指摘がある。
Ellis Page が1960年代に、コンピュータによる作文の自動採点システム(Project Essay Grade)を開発し、Page (1968) がその手法を整理した。表面的な特徴（文章の長さ、語彙の多様性、文構造の複雑さなど）を統計的に組み合わせることで、人間の採点者がつけたスコアをかなりの精度で予測できることを示し、大規模試験における記述式解答の自動採点の可能性を最初に実証的に示した研究として位置づけられる。[1]
人間の採点者がつけるスコアは、文章の表層的な特徴（初期のシステム）や意味内容（近年の自然言語処理を用いたシステム）と統計的に強く相関しており、これを機械的に近似できるという前提。
大学入試の作文評価、大規模学力調査の記述式問題などで実用化されている。人間の採点者間の一致度と同程度の一致度を機械採点が達成できることは複数の研究で示されている一方、表層的な特徴に頼りすぎるシステムは、内容が支離滅裂でも文章が長く語彙が豊富であれば高得点をつけてしまう、という弱点が指摘されている。
Perelman (2014) をはじめとする批判は、初期〜中期の自動採点システムが、内容の妥当性より表層的な文章特徴に依存しすぎており、無意味だが長く複雑な文章に高得点をつけてしまう事例を実際に示し、自動採点システムの構成概念妥当性に警鐘を鳴らした。
選択式（正誤が機械的に一意に決まる）とは異なり、自由記述・論述式の解答をどう評価するかという課題は、自動採点（本ページ該当項参照）の技術的な発展と、人間による採点の一貫性を保証する一般化可能性理論（本ページ該当項参照）の測定学的な発展という、2つの系譜の交差点にある。[1]
記述式解答の評価は、選択式と異なり単一の正解に一意に還元できず、複数の評価者・複数の観点（ルーブリック）にまたがる主観的判断を要するという前提。一般化可能性理論（本ページ該当項参照）は、この評価者間のばらつきを定量化する枠組みを提供する。
本ページ「一般化可能性理論」「自動採点」の各項を参照。
本ページ「自動採点」の項で述べた表層的特徴への依存という限界、および「一般化可能性理論」の項で述べた評価者数・課題数の確保コストという限界を、それぞれ引き継ぐ。
選択式テストが「本当に測りたい複雑な能力」を十分に測れていないという批判を背景に、実際の課題遂行（実験操作、作品制作、口頭発表など）そのものを評価対象とする発想が広がった。Linn, Baker & Dunbar (1991) は、複雑なパフォーマンス評価が満たすべき妥当性基準（内容の質、認知的複雑性、公平性、費用と効率性など）を整理し、パフォーマンス評価を測定学的にどう検証すべきかの標準的な枠組みを提示した。[1]
選択式問題では捉えきれない、実世界に近い複雑な課題遂行能力を、実際に遂行させることで直接測るという前提。評価には多くの場合、人間の評価者によるルーブリック採点を要し、一般化可能性理論（本ページ該当項参照）による品質管理と結びつく。
理科の実験技能評価、外国語のスピーキング評価、芸術・技能教科のポートフォリオ評価などで実用化されている。実世界の課題遂行に近いという内容的妥当性の高さは支持される一方、課題ごとの成績の相関が低く（課題特異性）、少数の課題で受検者の一般的な能力を代表させることの難しさが、頑健でない範囲として知られている。
ある課題での高いパフォーマンスが、別の類似した課題での高いパフォーマンスを必ずしも予測しないという「課題特異性」の問題が、Linn et al. (1991) 以降繰り返し確認されている。これにより、信頼性の高い測定のためには選択式テストより多くの課題数（＝時間・コスト）が必要になる。
パフォーマンス評価（本ページ該当項参照）を、コンピュータ上のシミュレーション環境で実施する形式。エビデンス中心設計(ECD、本ページ「ステルス評価」の項参照）が、シミュレーション内の複雑な行動ログから測定対象を推定するための測定学的な基盤を提供する。[1]
本ページ「ステルス評価」「パフォーマンス評価」の項を参照。シミュレーション内での操作ログ（本ページ「プロセスデータ」の項参照）が主要な証拠源になる。
医療技能訓練、航空管制、理科の実験シミュレーションなどで実用化されている。本ページ「ステルス評価」の項で述べた通り、ゲーム・シミュレーション内で定量化しやすい行動指標には頑健な検証があるが、標準化された大規模試験の直接代替としての検証は相対的に薄い。
本ページ「ステルス評価」「パフォーマンス評価」の項で述べた構成概念妥当性・課題特異性の課題を、それぞれ引き継ぐ。
Shute (2011) のステルス評価（本ページ該当項参照）が具体化した形態の一つで、シリアスゲームのプレイ行動そのものから能力を推定する評価形式。Physics Playgroundを用いた研究が代表例として広く参照される（詳細は本ページ「ステルス評価」の項参照）。[1]
本ページ「ステルス評価」「シミュレーション型評価」の項を参照。
本ページ「ステルス評価」の項を参照。
本ページ「ステルス評価」の項を参照。加えて、ゲームとしての面白さ（エンゲージメント）と、評価としての妥当性・信頼性を両立させる設計上の難しさが、ゲーム型評価に固有の課題として指摘されている。
コンピュータ適応型テスト（本ページ該当項参照）において「いつ出題を打ち切るか」を決める規則群。Weiss (1982) の枠組みの一部として、能力推定の標準誤差があらかじめ定めた基準値を下回った時点で終了する、あるいは最大項目数に達した時点で終了する、といった規則が整理された。[1]
測定精度（推定の標準誤差）と、テストの実施時間・項目消費とはトレードオフの関係にあり、両者のバランスを取る基準をあらかじめ数値で定める必要があるという前提。
本ページ「コンピュータ適応型テスト」の項を参照。標準誤差基準による停止は、受検者ごとに出題数が変動するため、公平性の観点から最大・最小項目数の制約を併用することが多い。
標準誤差基準のみで停止を決めると、能力が極端に高い・低い受検者ほど出題数が少なくなりやすく、体感的な公平性（みんな同じくらいの問題数を解いた、という実感）を損ないやすいことが実務上の課題として指摘されている。
適応的項目選択（本ページ該当項参照）とほぼ同義で使われる、より一般的な語。コンピュータ適応型テストに限らず、固定形式テストの作成段階で、目標とする測定精度・内容バランスを満たす項目集合を項目バンクから選び出す作業全般を指すこともある。[1]
本ページ「適応的項目選択」「項目バンク」の項を参照。
本ページ「コンピュータ適応型テスト」「項目バンク」の項を参照。
本ページ「適応的項目選択」の項を参照。
Mislevy, Steinberg & Almond (2003) は、テストを設計する際に「何を測るか（能力モデル）」「どんな行動がその証拠になるか（エビデンスモデル）」「その証拠を引き出す課題は何か（タスクモデル）」の3層を明示的に切り分けて設計する、エビデンス中心設計(ECD)の枠組みを提示した。[1] Shute (2011) はこの枠組みを、物理概念の理解を測るシリアスゲームPhysics Playgroundに適用し、プレイヤーがボールを目標に届かせるために画面上に描く傾斜台やてこなどの図形——つまりゲーム内の行動そのもの——から、定性的な物理理解・創造性・粘り強さを、明示的なテストを挟まずに推定する具体的な設計を示した。[2]
ECDの3層構造（能力モデル：何を測るか／エビデンスモデル：行動のどの特徴が証拠になるか／タスクモデル：どんな課題がその証拠を引き出すか）を土台とし、これに学習分析・ベイジアンネットワークによる推定を組み合わせる。評価がゲームプレイそのものに埋め込まれ、プレイヤーには「評価されている」という意識を与えないことが設計上の中核。
物理概念の理解を測るシリアスゲームPhysics Playgroundをはじめ、STEM領域や粘り強さ・創造性などの21世紀型スキルの評価研究で検証が蓄積している。[3] 頑健な範囲は、ゲーム・シミュレーション内で定量化しやすいスキル・行動指標であり、標準化された大規模試験の直接代替や、構造化されていないオープンワールド型環境への適用は相対的に検証が薄い。
行動ログのどの特徴が本当に測りたい能力の証拠になっているかという構成概念妥当性の検証が難しく、エビデンスモデルの設計自体に専門的知見を要する。学習者の行動を継続的に収集すること自体のプライバシー・データ倫理上の論点もある。また、あるゲーム・タスクのために構築したモデルを別の教材へ移植するコストが高いことが実務上の制約として指摘されている。
Rubin & Wenzel (1996) が、100年分（Ebbinghaus 1885以降）に蓄積された保持・忘却データ210セットを収集し、それぞれに105種類の2パラメータ関数（対数関数、べき関数、平方根時間の指数関数など）を当てはめて比較したところ、対数関数・べき関数・平方根時間指数関数・平方根時間双曲線関数の4つが、他の関数形より一貫して当てはまりが良いことを統計的に示した。この研究は、記憶の保持曲線を説明する「唯一の正しい関数形」は存在せず、複数の関数形が同程度に良く当てはまることを定量的に確立した、記憶モデル研究の到達点の一つである。[1]
記憶の保持率は、経過時間の何らかの数学的関数として近似できるという前提。忘却モデル・保持モデル（本ページ各項参照）は、この記憶モデルという大枠の中で、それぞれ忘却曲線・保持曲線という異なる側面に焦点を当てた呼び名として使われる。
単語・無意味音節から自伝的記憶まで幅広い記憶課題で検証されている。個人内のデータで見ると、Wixted & Ebbesen (1997) はべき関数の当てはまりが指数関数より一貫して良いことを示しており、この点は比較的頑健である。[2]
Rubin & Wenzel (1996) 自身が示した通り、複数の関数形が同程度に良く当てはまってしまうため、どの関数が「真の」記憶モデルかを単一のデータセットから一意に決定することは統計的に難しい。また、個人レベルの学習曲線と集団平均の学習曲線とで、当てはまりの良い関数形が異なりうる（本ページ「学習曲線モデル」の項参照）という論点は、記憶モデル全般に共通する方法論的な課題である。
Ebbinghaus (1885) の忘却曲線研究（本ページ「忘却・保持」の項参照）を起点とし、Rubin & Wenzel (1996) がその後100年分のデータを統合して定量的な関数形を検証した（本ページ「記憶モデル」の項参照）。[1]
本ページ「記憶モデル」「忘却・保持」の項を参照。ナレッジトレーシングの忘却拡張（本ページ「ベイジアン・ナレッジトレーシング」の項、Qiu et al. 2011）は、この忘却モデルを教育データ分析に応用した具体例にあたる。
本ページ「記憶モデル」の項を参照。
本ページ「記憶モデル」の項を参照（関数形の一意性が定まらないという統計的な限界）。
忘却モデル（本ページ該当項参照）と表裏一体の概念で、時間経過に伴う記憶の「保持率」（忘却の裏返し）そのものに焦点を当てた呼び名。同じくRubin & Wenzel (1996) の定量的研究が基盤にある。[1]
本ページ「記憶モデル」「忘却モデル」の項を参照。
本ページ「記憶モデル」の項を参照。
本ページ「記憶モデル」の項を参照。
Pimsleur (1967) が「記憶スケジュール」として、語彙学習の復習間隔を5秒→25秒→2分→10分→1時間→5時間→1日→5日→25日→4か月→2年、というように指数的に引き延ばしていく具体的なスケジュールを提案し、間隔効果（本ページ「間隔学習・分散学習」の項参照）を実際のアルゴリズムに落とし込んだ最初期の例となった。後年のSuperMemo等のソフトウェアは、この発想を個々の学習者・項目ごとに動的に最適化する形へ発展させた。[1]
間隔効果（本ページ該当項参照）を前提に、復習のタイミングを、忘却が始まる直前を狙って指数的に引き延ばしていくことで、少ない復習回数で長期保持を達成できるという設計思想。
外国語語彙学習を中心に、間隔学習・分散学習の効果研究（本ページ該当項参照）が間接的な根拠を提供する。個々のアルゴリズム（SuperMemo系のSM-2等）そのものの最適性を検証した独立の学術研究は、基礎となる間隔効果研究に比べて相対的に少ない。
本ページ「間隔学習・分散学習」の項で述べた通り、最適な間隔は保持期間に依存するため、固定的な指数スケジュールは理論的な近似にすぎない。個々のアルゴリズムがどこまで個人差・項目差に適応できているかの実証的な検証は限定的である。
Corbett & Anderson (1994) のBKTにおいて、習得確率P(L)がある基準値（多くの実装で95%）を超えた時点で「そのスキルを習得した」とみなす、という運用上の閾値として導入された（本ページ「ベイジアン・ナレッジトレーシング」「習熟確率」の項参照）。この95%という値自体に理論的な必然性があるわけではなく、実務上の慣習として広く採用されてきた。[1]
連続的な習得確率を、指導上の意思決定（このスキルの演習を打ち切って次に進んでよいか）に落とし込むには、どこかで離散的な閾値を切る必要があるという実務上の前提。
数学のITS実装で広く使われている。Cen, Koedinger & Junker (2006) の学習要因分析(LFA)をはじめ、閾値そのものよりも、閾値の背後にあるモデルパラメータ（学習確率等）をどう改善するかという方向の研究が主流である。[2]
閾値を高く設定しすぎると、必要以上に演習を繰り返させてしまい学習者のモチベーションを損ないやすく、低く設定しすぎると、実際には未習得のまま次に進んでしまうリスクが高まる。この閾値の最適な設定方法は、モデルの推定精度（本ページ「ベイジアン・ナレッジトレーシング」の項参照）と表裏一体の問題であり、単独で最適値を導出できる決定的な理論はない。
Cronbach, Rajaratnam & Gleser (1963) は、「信頼性」を、ある1回の観測から、測定対象となりうる観測全体の集合（観測の"宇宙"）へどれだけ一般化できるか、という問題として再定式化した。この論文は、内的一貫性のα係数など単一の誤差項でしか誤差を扱えなかった古典的信頼性理論を、分散分析(ANOVA)の枠組みを用いて、評価者・課題・時点など複数の誤差要因（ファセット）に分解して扱えるように拡張した「信頼性理論の自由化(liberalization)」として提示された。この定式化は、後にCronbach, Gleser, Nanda & Rajaratnam (1972) の著書で、G研究・D研究の区別を含む完全な体系へと発展する。[1]
観測されたスコアの分散を、測定対象の真の値に相当するUniverse Score分散と、評価者・課題・機会などのファセットごとの分散成分に分解する。分散成分を推定するG研究(generalizability study)と、それを踏まえて実際の測定デザインの信頼性を見積もるD研究(decision study)を区別し、絶対的な判断にはΦ係数、相対的な判断にはG係数を用いる。
記述式採点、面接評価、客観的臨床能力試験(OSCE)、ルーブリックを用いたパフォーマンス評価、授業観察評定など、評価者や課題が複数存在し主観的判断が絡む測定で広く用いられてきた。Shavelson & Webb (1991) やBrennan (2001) が標準的な整理を提供している。[2][3] 複数評価者・複数課題が交差するような複雑な測定デザインの信頼性評価において頑健である一方、二値の大規模データにおける項目ごとの測定不変性の検討は項目反応理論(IRT)の方が適した領域とされる。
分散成分の安定した推定には相応のサンプルサイズ（評価者数・課題数）を要し、小規模なデザインでは分散成分の推定値が不安定になったり、理論上あり得ない負の分散成分が推定されたりする統計的な問題が知られている。近年はIRTとの統合（多水準IRT等）によって両者の長所を組み合わせる方向の研究が進んでいるが、G理論そのものへの体系的な批判文献は相対的に限定的である。
心理測定学の方法論を教育場面での学力・能力の測定に応用する形で発展した学問分野。Spearman (1904) が知能を客観的に測定・数量化しようとした研究が方法論的な起点の一つとされ、20世紀半ばには古典的テスト理論（本ページ該当項参照）が標準的な枠組みとして確立した。全米教育測定協議会(NCME)の設立や、学会誌『Journal of Educational Measurement』の創刊を経て、独立した専門分野として制度化された。[1]
学力・能力といった直接観測できない構成概念を、テスト得点という観測可能な指標から推定できるという前提。古典的テスト理論・項目反応理論・認知診断モデルなど、本ページの複数の項で扱う理論群がこの分野の技術的な柱をなす。
大規模学力調査・資格試験・入学試験など、教育に関わるほぼすべての測定場面が対象になる。妥当性・信頼性（本ページ各項参照）という2つの基準は、この分野全体で共有される品質基準として確立している。
数量化・測定という枠組み自体が、教育の複雑で多面的な成果（創造性・倫理観など）をどこまで捉えられるかについては、測定学の外部から繰り返し疑問が呈されてきた。この分野自体は、測定できる範囲を明確にしつつ、測定の質を高めることに専念する立場を取ることが多い。
教育測定（本ページ該当項参照）よりも広く、心理学的な構成概念全般（知能・性格・態度等）の測定を扱う学問分野。Spearman (1904) の知能測定研究、Thurstone の因子分析研究（本ページ該当項参照）などを経て、20世紀を通じて統計学・心理学の境界領域として発展した。[1]
教育測定と同じく、観測できない心理的構成概念を、観測可能な反応データから統計的に推定するという前提を共有する。因子分析・構造方程式モデリング・項目反応理論など、本ページの複数の項で扱う技術群がこの分野の方法論的な基盤をなす。
知能検査、性格検査、態度尺度など、心理学的な測定全般で確立している。
本ページ「教育測定」の項と同様、構成概念を数量化するという枠組みそのものへの哲学的な批判が、分野の外部から継続的に提起されている。
観測変数（テスト得点・項目反応）と潜在変数（能力・特性）との関係を数式で表現するモデル全般を指す総称。Lord & Novick (1968) が、古典的テスト理論と項目反応理論をこの「測定モデル」という統一的な視座から体系的に整理した（詳細は理論の背景v2の項目反応理論エントリを参照）。[1]
観測変数は、潜在変数（本ページ該当項参照）に確率的な誤差が加わって生成される、という前提を共有する。古典的テスト理論・項目反応理論・認知診断モデル・因子分析・構造方程式モデリングは、いずれもこの意味での測定モデルの具体例である（本ページ各項参照）。
本ページの各測定モデル関連項目を参照。
個々のモデル（本ページ各項参照）に固有の限界を、それぞれ引き継ぐ。
Bollen (2002) が、心理学・社会科学における潜在変数（直接観測できない構成概念）モデリングの発展を包括的にレビューし、因子分析・項目反応理論・構造方程式モデリング・潜在クラスモデルなど、本ページで扱う多様な測定モデルが、いずれも「潜在変数モデル」という共通の統計的枠組みの特殊ケースとして統一的に理解できることを整理した。[1]
観測変数どうしの相関パターンの背後に、それらを生み出す少数の潜在変数（因子・能力・クラス所属等）が存在するという前提。潜在変数が連続量か離散カテゴリか、観測変数が連続量か離散かによって、因子分析・項目反応理論・潜在クラスモデル・潜在プロファイル分析（本ページ各項参照）などに分岐する。
心理学・教育学・社会科学全般で標準的な分析枠組みとして確立している。
潜在変数が「実在する」ものなのか、単にデータのパターンを要約する便利な数学的道具にすぎないのか、という存在論的な論争が、統計哲学の文脈で継続的に提起されている。
「観測得点＝真の得点＋誤差」という単純な加法モデルを出発点とし、Spearman (1904) の測定誤差論を起点に発展した。Lord & Novick (1968) が『Statistical Theories of Mental Test Scores』でこの理論を体系的に整理し、信頼性（本ページ該当項参照）の推定方法を含む標準的な枠組みとして確立させた（詳細は理論の背景v2の項目反応理論エントリの前提部分も参照）。[1]
観測得点は「真の得点」に測定誤差が加わったものであり、誤差は真の得点と無相関でランダムに生じるという前提。信頼性はこの誤差分散の大きさから定義される。項目の困難度・識別力といった統計量が受検者集団に依存してしまう（同じ項目でも、対象集団の能力分布が変われば困難度の推定値が変わる）ことが、後の項目反応理論（本ページ該当項参照）が克服しようとした限界である。
教室レベルの小規模テストから大規模資格試験まで、テスト理論のもっとも基礎的な枠組みとして広く使われ続けている。計算のシンプルさから、今なお教育現場で最も普及した測定モデルである。
項目統計量が受検者集団に依存するという限界は、項目バンクの運用やテスト間の得点比較（等化、本ページ該当項参照）を難しくする。この限界を克服するために項目反応理論が発展した、という経緯自体が、古典的テスト理論の境界条件を最もよく示す事例になっている。
古典的テスト理論（本ページ該当項参照）の限界（項目統計量が受検者集団に依存する）を克服するため、20世紀半ばに発展した。理論的基盤はLord & Novick (1968)、実用体系化はLord (1980) の『Applications of Item Response Theory』。項目特性（困難度・識別力）と受検者能力を分離して推定でき、テスト間のスコア等化、項目バンク運用、コンピュータ適応型テスト（本ページ各項参照）を可能にする、大規模テストの標準技術になった（詳細は理論の背景v2の項目反応理論エントリを参照）。[1]
前提は一次元性（テストが単一の潜在能力を測る）と局所独立（能力を条件づければ項目間反応は独立）。多次元的な構成概念には多次元項目反応理論（本ページ該当項参照）が必要になる。
TOEFL等の大規模資格試験の標準技術。安定したパラメタ推定には相応のサンプルサイズが必要で、小規模運用には向かない。
詳細は理論の背景v2の項目反応理論エントリを参照。
デンマークの数学者Georg Rasch (1960) が、知能検査・学力検査の分析のために、項目の困難度と受検者の能力だけで正答確率が決まる、特に単純な1パラメータの確率モデルを提案した。項目反応理論の他のモデル（2・3パラメータモデル等）と異なり、十分統計量（正答数のみ）から項目パラメータと能力パラメータを分離して推定できるという特異な数学的性質（特定客観性）を持つことが、後にRaschモデルを他のIRTモデルと区別する理論的な特徴として重視されるようになった。[1]
正答確率が、受検者の能力と項目の困難度の差だけで決まるという、1パラメータロジスティックモデル。識別力パラメータをすべての項目で等しいと仮定する点で、2・3パラメータモデルより制約が強い。
教育・健康関連QOL尺度など幅広い分野で使われている。特定客観性という理論的な優位性から、Rasch学派は他の多パラメータモデルより理論的に優れていると主張する一方、実データへの当てはまり（フィット）は多パラメータモデルの方が良いことが多く、測定学のコミュニティ内で「理論的な美しさ」対「実データへの当てはまり」という論争が続いている。
すべての項目が同じ識別力を持つという仮定は、実データではしばしば成立せず、当てはまりの悪い項目を除外し続けることでモデルへの適合を保つ、というRasch学派特有の分析実務が、他学派からの批判の的になってきた。
項目反応理論（本ページ該当項参照）の一次元性の前提（テストが単一の潜在能力を測る）が、複数のスキルを要する複雑な項目には当てはまらないという問題意識から、Reckase (1997, 2009) が体系化した。1つの項目の正答確率を、複数の潜在特性の組み合わせの関数として表現するモデル群を整理した。[1]
1つの項目が複数の潜在能力を同時に要求しうる（例：数学の文章題は読解力と計算力の両方を要する）という前提。認知診断モデル（本ページ該当項参照）は、この潜在能力を連続量ではなく離散的な習得・未習得のパターンとして扱う、多次元IRTの近縁の枠組みとして位置づけられる。
複合的なスキルを要する試験（総合的な言語運用試験等）で応用が進んでいる。一次元IRTより多くのパラメータを推定する必要があるため、安定した推定には一次元IRT以上に大きなサンプルサイズを要する。
次元の数・意味づけをどう決めるかという、モデル特定の恣意性が実務上の課題として指摘されている。次元を増やすほどモデルの柔軟性は上がるが、解釈可能性と推定の安定性が犠牲になるというトレードオフがある。
Spearman (1904) が、複数の知能テストの成績間の相関パターンから、単一の「一般知能因子(g)」の存在を統計的に導出したのが起点。[1] Jöreskog (1969) は、あらかじめ理論的に想定した因子構造を検証する「確認的因子分析」の最尤推定法を確立し、探索的因子分析（データから因子構造を発見する）と対をなす、仮説検証型の因子分析を可能にした。[2]
観測変数間の相関パターンは、少数の共通因子（潜在変数）によって説明できるという前提。探索的因子分析（因子数・構造を事前に固定しない）と確認的因子分析（理論的に想定した構造を検証する）に大別される。
知能検査、性格検査、態度尺度の構成概念妥当性の検証で標準的に使われている。構造方程式モデリング（本ページ該当項参照）は、確認的因子分析をさらに一般化した枠組みにあたる。
探索的因子分析で得られる因子の解釈は分析者の主観的判断に依存する部分が大きく、同じデータから異なる研究者が異なる因子構造を「発見」してしまうことがある、という再現性上の課題が繰り返し指摘されている。
Jöreskog (1969) の確認的因子分析（本ページ「因子分析」の項参照）の枠組みを、潜在変数どうしの因果的・回帰的な関係（構造モデル）まで含む形に拡張したもの。測定モデル（観測変数と潜在変数の関係）と構造モデル（潜在変数どうしの関係）を同時に推定できる統一的な枠組みとして確立した。[1]
測定誤差を含む観測変数から、誤差を統制した潜在変数どうしの関係（因果パス）を推定できるという前提。確認的因子分析（測定モデルの部分）とパス解析（構造モデルの部分）を統合した枠組みとして構造化される。
心理学・教育学・社会科学全般で、複数の構成概念間の関係を検証する標準的な分析枠組みとして広く使われている。
モデルの適合度指標が良好であっても、それは因果関係を証明するものではなく、あくまで観測データと矛盾しないというだけであり、モデルの因果的解釈には研究デザイン上の追加的な根拠が必要である、という点が繰り返し注意喚起されている。
Tatsuoka (1983) のルール空間法（本ページ「Q行列」の項参照）を起点とし、その後多様な統計モデルへ発展した。de la Torre (2009) は、代表的な認知診断モデルの一つDINAモデル（Deterministic Inputs, Noisy "And" gate）について、EMアルゴリズムとMCMCによるパラメータ推定手順を平易に解説し、実務での普及を後押しした。[1]
受検者の能力を単一の連続値ではなく、複数の離散的な属性（本ページ「Q行列」「属性習熟」の項参照）の習得・未習得パターンとして推定する。DINAモデルは、Q行列が要求するすべての属性を習得して初めて正答できる、という「AND結合」の前提を置く。
数学・言語能力の診断的評価（本ページ該当項参照）で実用化が進んでいる。属性の習得パターンをカテゴリカルに分類するため、多次元IRTより解釈しやすいが、Q行列の妥当性への依存という限界を共有する（本ページ「Q行列」の項参照）。
DINAモデルの「すべての属性が必要」というAND結合の前提が実際の課題に当てはまらない場合、モデルの誤特定による診断誤りが生じる。この前提を緩めた拡張モデル（一般化DINAモデル等）が提案されているが、モデル選択自体が新たな専門知識を要する課題になっている。
Goodman (1974) が、潜在的な構成概念を連続量ではなく離散的なカテゴリ（クラス）として推定する統計的手法の推定アルゴリズムを確立した。それまで技術的な困難があった潜在クラスモデルのパラメータ推定を、実用的に計算可能にした点で、この分野の技術的な転換点になった。[1]
観測される複数のカテゴリカル変数間の関連は、観測されない少数の潜在的な「クラス」（下位集団）への所属によって説明できるという前提。認知診断モデル（本ページ該当項参照）は、この潜在クラスモデルに、Q行列という追加の構造を組み込んだ特殊ケースとして位置づけられる。
心理学・社会学における下位集団の同定、教育測定における認知診断モデルの基盤技術として広く使われている。
クラス数をいくつに設定するかというモデル選択の基準が統計的に一意に定まらず、複数の情報量規準（AIC・BIC等）が異なる結論を示すことがある、という実務上の課題が知られている。
潜在クラスモデル（本ページ該当項参照）を、観測変数がカテゴリカルではなく連続量である場合に拡張したもの。Goodman (1974) の潜在クラスモデルの推定手法の延長線上で、連続変数の混合分布モデル（本ページ「混合モデル」の項参照）として定式化される。[1]
本ページ「潜在クラスモデル」の項と同じ前提を、連続量の観測変数に対して適用する。各潜在プロファイル（下位集団）ごとに、観測変数の平均・分散が異なる正規分布に従うと仮定することが多い。
動機づけプロファイル、学習方略プロファイルなど、複数の連続尺度の組み合わせパターンから学習者の下位集団を同定する研究で広く使われている。
本ページ「潜在クラスモデル」の項と同じく、プロファイル数の選択基準が一意に定まらないという課題を共有する。
潜在クラスモデル・潜在プロファイル分析（本ページ各項参照）を包含する、より一般的な統計的枠組みの呼び名。観測データが、単一の分布からではなく、複数の分布（成分）が混じり合ったものから生成されているとみなす統計モデル全般を指す。[1]
本ページ「潜在クラスモデル」「潜在プロファイル」の項を参照。混合モデルは、成分（クラス・プロファイル）がカテゴリカルか連続的か、観測変数がカテゴリカルか連続的かによって、様々な下位モデルへ分岐する上位概念にあたる。
本ページ「潜在クラスモデル」「潜在プロファイル」の項を参照。
本ページ「潜在クラスモデル」の項で述べた成分数の選択問題を共有する。
Patz & Junker (1999) が、マルコフ連鎖モンテカルロ法(MCMC)を、項目反応理論をはじめとする教育測定モデルのパラメータ推定に実用的に応用する手順を整理した。従来の最尤推定法では扱いにくかった複雑なモデル（多次元IRT、認知診断モデル等、本ページ各項参照）にも、比較的簡便にベイズ推定を適用できる道を開いた。[1]
パラメータを固定された未知数としてではなく、事前分布を持つ確率変数として扱い、観測データを踏まえて事後分布を計算する、というベイズ統計学の一般的な立場を測定モデルに適用する。
多次元IRT・認知診断モデル・ナレッジトレーシングの拡張モデルなど、複雑な測定モデルの推定で標準的に用いられている（本ページ各項参照）。
事前分布の設定が結果に影響を与えうるため、事前分布の選択自体が分析者の判断に依存する部分がある。また、MCMCの収束診断（十分にサンプリングが収束したかの確認）には専門的な知識を要し、不十分な収束診断のまま結果を報告してしまうリスクが指摘されている。
ベイズ推定（本ページ該当項参照）の考え方に基づいて構築されるモデル全般の呼び名。ベイジアン・ナレッジトレーシング（本ページ該当項参照）は、教育データ分析におけるベイズモデルの代表例の一つにあたる。[1]
本ページ「ベイズ推定」の項を参照。
本ページ「ベイズ推定」「ベイジアン・ナレッジトレーシング」の項を参照。
本ページ「ベイズ推定」の項を参照。
源流はCronbach & Meehl (1955) が心理テストの妥当性検証の論理を定式化した論文。Messick (1995) の統一的妥当性観、Kane (2013) の議論ベースの妥当性検証を経て発展してきた（詳細な理論解説は理論の背景v2の構成概念妥当性エントリを参照）。[1]
妥当性は「テストの属性」ではなく「テスト得点の解釈と使用が理論と証拠によってどの程度支持されるか」の属性である、という現代的な定義。詳細は理論の背景v2の該当エントリを参照。
AERA/APA/NCMEのStandardsに採用された、測定の質を論じる際の共通言語。詳細は理論の背景v2の該当エントリを参照。
帰結を妥当性に含めるMessickの立場への「概念が広すぎる」という批判。詳細は理論の背景v2の該当エントリを参照。
Cronbach (1951) が、テストの内的一貫性（項目群がどれだけ同じものを測っているか）を単一の係数（クロンバックのα係数）で要約する一般公式を導出した。これは、それ以前に個別に提案されていたクーダー・リチャードソンの公式などを特殊ケースとして含む一般化であり、以後もっとも広く使われる信頼性係数になった。[1]
古典的テスト理論（本ページ該当項参照）における「誤差分散の小ささ」として定義される。一般化可能性理論（本ページ該当項参照）は、この誤差を評価者・課題・時点など複数の要因に分解する拡張として位置づけられる。
ほぼすべての心理・教育測定で標準的に報告される指標である。
α係数は、項目群が単一の因子を測っている（一次元性）という前提のもとでのみ内的一貫性の妥当な指標になるが、多次元的な尺度に対してもしばしば機械的に計算・報告されてしまう誤用が、測定学のコミュニティで繰り返し指摘されている。信頼性が高いことは妥当性（本ページ該当項参照）を保証しないという区別も、繰り返し確認すべき基本的な注意点である。
項目反応理論（本ページ該当項参照）において、項目の困難度・識別力パラメータを実際のデータから推定し、項目バンク（本ページ該当項参照）に登録可能な状態にする作業を指す。Lord (1980) の『Applications of Item Response Theory』が、この較正手順を含む実用的な体系を確立した（詳細は理論の背景v2の項目反応理論エントリを参照）。[1]
項目パラメータは、十分な人数の受検者データがあれば、受検者集団に依存しない形で安定的に推定できるという前提（本ページ「項目反応理論」の項参照）。較正された項目は、異なるテスト間でのスコア比較（等化、本ページ該当項参照）の基盤になる。
大規模資格試験の項目バンク運用で標準的に実施されている。
較正に用いる受検者サンプルが、実際の受検者集団と系統的に異なる場合（サンプルの代表性が低い場合）、較正されたパラメータにバイアスが生じることが知られている。
すべての測定には、標準誤差（古典的テスト理論、本ページ該当項参照）や事後分布の広がり（ベイズ推定、本ページ該当項参照）という形で、避けられない不確実性が伴うという認識。個別の決定的な原典を持つ固有理論というより、本ページの複数の測定モデルに通底する、測定という営みそのものの限界を指す語である。
推定値には常に不確実性の幅（信頼区間・事後分布の分散等）が伴い、それを無視して点推定値だけを一人歩きさせることは、測定の誤用につながるという前提。
本ページ「古典的テスト理論」「ベイズ推定」「項目反応理論」の各項を参照。
教育現場・政策決定の場面では、不確実性の幅を無視して単一の点推定値（テストスコア、順位等）だけが一人歩きしやすく、これが測定学者から繰り返し警告されてきた実務上の課題である。
Holland & Thayer (1988) が、同じ能力水準の受検者であっても、性別・人種等の属性グループによって特定の項目への正答率が系統的に異なる現象を検出する統計的手法として、Mantel-Haenszel法を教育測定に応用した。全体の能力水準を統制した上で、グループ間の項目レベルでの正答率の差を検定できるようにし、公平性（本ページ該当項参照）を実証的に検証する標準的な手法を確立した。[1]
同じ能力水準にある受検者は、属性グループによらず同じ正答確率を持つべきである、という公平性の統計的な定義。この前提から外れる項目を「特異項目機能を持つ」と判定する。
大規模資格試験・学力調査の項目開発プロセスで標準的に実施されている。
統計的にDIFが検出された項目が、必ずしも「不公平」であるとは限らず、実際に測定対象と関連する構成概念上の理由でグループ差が生じている場合（真のグループ差）との区別には、統計的検定だけでなく内容専門家による判断を要する。
測定における公平性は、特異項目機能（本ページ該当項参照）の検出技術の発展と並行して、AERA/APA/NCMEのStandards for Educational and Psychological Testingの中で、妥当性（本ページ該当項参照）と並ぶ測定の質の中核基準として明文化されてきた。[1]
すべての受検者が、測定対象と無関係な属性（性別・人種・母語等）によって不当に不利益を受けないことがテストの質の条件である、という前提。特異項目機能の検出はこの公平性を検証する統計的な手段の一つにあたる。
大規模資格試験・学力調査の開発プロセスで標準的な検証項目になっている。
統計的な公平性（グループ間の予測の等価性等）の定義そのものが複数存在し、ある定義で「公平」なテストが、別の定義では「不公平」と判定されうるという、統計的公平性概念間のトレードオフが、教育測定・機械学習公平性研究の双方で共通の論点になっている。
複数のテストフォーム（同一試験の異なる版）間でスコアを比較可能にする必要から発展した。Kolen & Brennan (2014) の『Test Equating, Scaling, and Linking』は、等化・尺度化・リンキング（本ページ各項参照）を包括的に整理した標準的な体系書として、25年以上にわたり版を重ねている。[1]
同じ構成概念を測る、難易度の異なる複数のテストフォームについて、スコアを共通の尺度上で比較可能にする統計的手続き。項目反応理論に基づく等化（項目バンクの較正パラメータを共通尺度に載せる）と、古典的テスト理論に基づく等化（等パーセンタイル法等）に大別される。
毎年複数回実施される資格試験・学力調査で標準的に実施されている。
等化の精度は、等化に用いる共通項目（アンカー項目）の数・質、受検者サンプルの代表性に強く依存し、これらの条件が満たされない場合は等化誤差が無視できない大きさになりうる。
等化（本ページ該当項参照）が「同じ構成概念を測る、難易度だけが異なるテスト」間の厳密な対応づけを指すのに対し、リンキングは、部分的に異なる構成概念を測るテスト間で、スコアの対応関係をゆるやかに関連づける、より広い概念として、Kolen & Brennan (2014) が整理した。[1]
本ページ「等化」の項を参照。リンキングは等化ほど厳密な互換性を要求しない分、適用範囲が広い一方、対応づけの精度・意味づけには等化より慎重さが必要になる。
異なるテスト間のスコアの目安を示す用途（異なる資格試験間のスコア対応表など）で使われている。
リンキングは等化ほど厳密な保証を持たないため、リンキングされたスコアを、あたかも等化されたスコアであるかのように扱ってしまう誤用のリスクが、測定学の実務上繰り返し注意喚起されている。
生の正答数といった素点を、解釈しやすい報告用の尺度（偏差値、標準得点等）へ変換する手続き。等化・リンキング（本ページ各項参照）と合わせて、Kolen & Brennan (2014) が体系的に整理した3つの中核技術の一つ。[1]
素点は、テストの難易度や項目数に依存し、それ単体では意味を持ちにくいため、参照集団の分布に基づいて解釈しやすい尺度に変換する必要があるという前提。
大規模学力調査・資格試験のスコア報告で標準的に実施されている。
尺度化に用いる参照集団（規準集団）が変われば、同じ素点でも報告される尺度得点が変わりうるため、規準集団の設定・更新のタイミングが、スコアの経時的な比較可能性に影響を与える。
Angoff (1971) が、テスト得点のどこに「合格」「不合格」を分ける基準を置くべきかを、専門家パネルの判断を統計的に統合して決める手続き（アンゴフ法）を提案した。各専門家に「最低限合格すべき受検者が、この項目に正答する確率」を項目ごとに見積もらせ、その平均を合格基準点とする、という具体的な手続きを示し、以後の標準設定研究の標準的な出発点になった。[1]
「合格・不合格」といった質的な判断は、最終的には専門家の価値判断を要するが、その判断を構造化された手続きに落とし込むことで、恣意性を減らし再現可能にできるという前提。アンゴフ法以外にも、実際の受検者集団の得点分布を参照するブックマーク法など、複数の手法が存在する。
資格試験の合否判定基準、学力調査の到達度レベル設定などで広く使われている。専門家パネルの判断は手法・パネル構成によって基準点が変動しうることが、多くの比較研究で確認されている。
Impara & Plake (1998) は、アンゴフ法が前提とする「専門家は最低限合格すべき受検者の項目正答確率を正確に見積もれる」という仮定自体が、実証的には成立しにくいことを示し、手法の心理測定学的な基盤に疑問を投げかけた。[2]
Mislevy, Steinberg & Almond (2003) が、テストを設計する際に「何を測るか（能力モデル）」「どんな行動がその証拠になるか（エビデンスモデル）」「その証拠を引き出す課題は何か（タスクモデル）」の3層を明示的に切り分けて設計する枠組みとして提唱した（詳細は本ページ「ステルス評価」の項参照）。[1]
本ページ「ステルス評価」の項を参照。テストや評価活動を、後づけで妥当性を検証するのではなく、設計段階から「何を、どんな証拠で、どう測るか」の主張を明示的に組み立てるべきだという前提。
ステルス評価・シミュレーション型評価・ゲーム型評価（本ページ各項参照）の測定学的な基盤として広く採用されている。
3層構造を厳密に設計するには専門的な測定学の知識と相応の開発コストを要し、簡易なテスト作成には過剰な枠組みになりうることが実務上の制約として指摘されている。