【「認知チャンク」を読む前に】認知能力・メタ認知・認知チャンク・認知OSを、一度ここで整理しておきます

「認知チャンク」を読む前に

認知能力・メタ認知・認知チャンク・認知OSを、一度ここで整理しておきます

こんにちは、ぜっとです。

これまで私は、生成AI、学習、レポート、仕事、経験、判断について考える中で、

「認知チャンク」

という言葉を使ってきました。

最近では、さらに、

「独自の認知チャンク」

「認知OS」

「経験の認知チャンク化」

「会社の認知資産」

といった言葉まで使うようになっています。

ただ、記事を重ねていくうちに、一度ここで言葉を整理しておいた方がよいと思うようになりました。

というのも、

「認知能力」

「認知」

「チャンク」

「メタ認知」

などは、すでに心理学、教育、認知科学などで使われている言葉だからです。

私が記事の中で使っている「認知チャンク」や「認知OS」は、それらと無関係な言葉ではありません。

しかし、まったく同じ意味でもありません。

ここを曖昧にしたまま話を進めると、

「認知能力の新しい分類を作っているのか」

「心理学のチャンクと同じ意味なのか」

「認知OSという学術用語が存在するのか」

といった混乱が起きる可能性があります。

そこでこの記事では、

この認知チャンク連載を読む前のガイダンスとして、

私がそれぞれの言葉を、どの意味で使っているのか

を一度整理しておきます。

最初に結論を書いておきます。

私は「認知能力」という既存の概念を別の意味に置き換えようとしているわけではありません。

むしろ、

認知能力を使い、知識や経験を統合した結果として、人の中にどのような「再利用可能な見方」が作られるのか。

そして、その見方をどう現実の判断へ使うのか。

そこを考えるために、

「認知チャンク」

「認知OS」

という実践的な言葉を使っています。

まず、「認知能力」とは何か

一般に認知能力という言葉は、

物事を理解する。

記憶する。

推論する。

言葉を扱う。

問題を解く。

情報を比較する。

といった知的な情報処理に関係する能力を指します。

例えば、

文章を読んで意味を理解する。

複数の数字を比較する。

ある情報から別の可能性を推測する。

過去に覚えた知識を思い出す。

こうした働きです。

私は、この意味での「認知能力」を否定したり、別のものへ置き換えたりするつもりはありません。

むしろ、

認知チャンクを作るためにも、こうした認知能力は必要です。

資料を読む。

違いを見つける。

関係を考える。

分類する。

推論する。

言語化する。

これらがなければ、新しい認識のまとまりを作ることも難しくなります。

ですから、

認知能力と認知チャンクは、同じものではありません。

「非認知能力」とも別の話です

教育の世界では、

認知能力に対して、

「非認知能力」

という言葉も使われます。

例えば、

自律性。

粘り強さ。

協調性。

自己統制。

好奇心。

レジリエンス。

自己効力感。

などです。

これらも非常に重要です。

例えば、どれだけ論理的に考えられても、

失敗するとすぐ諦めてしまう。

他人の意見を聞けない。

感情が強く動くと判断できなくなる。

自分で行動を続けられない。

ということはあります。

つまり、

考える能力と、

その考えを現実の行動として維持する力は、

完全に同じではありません。

この連載では非認知能力そのものを中心テーマにはしていませんが、

認知チャンクを現実で使うためには、当然こうした能力も関係してきます。

では、「チャンク」とは何か

「チャンク」という言葉も、もともと認知心理学などで使われています。

簡単に言えば、

複数の情報を、一つの意味あるまとまりとして扱うこと

です。

例えば、

1

9

4

5

という四つの数字を、それぞれ別々に覚えるより、

「1945年」

という一つのまとまりとして捉えた方が扱いやすくなります。

人間は、大量の情報をそのまま一つずつ扱っているわけではありません。

ある程度まとめ、

意味を付け、

一つの単位として扱います。

私は、この考え方にかなり重要なヒントがあると思っています。

ただし、

この連載で使う「認知チャンク」は、

この意味だけではありません。

この連載でいう「認知チャンク」

ここからが、この連載独自の使い方です。

私は「認知チャンク」を、

複数の知識、経験、観測結果を統合し、

区別、比較軸、関係、条件分岐、判断基準などとして構造化され、

別の問題にも再利用できる認識単位

と定義して使います。

少し長いので、もっと簡単に言います。

認知チャンクとは、

「この問題は、こう見ると整理できる」

という、再利用可能な見方です。

例えば、

「AIを使ったか、使っていないか」

だけで学生のレポートを評価するとします。

しかし、それではかなり粗い。

そこで、

問いを立てる。

資料を探す。

比較する。

推論する。

結論を選ぶ。

文章化する。

という工程に分けてみる。

すると、

「AIを使ったかどうか」

ではなく、

「どの思考工程までAIへ渡したのか」

という新しい見方が生まれます。

さらに、

「最終的な判断主体は誰に残っているのか」

という評価軸も作れる。

このまとまりは、

大学レポートだけでなく、

企画書。

経営判断。

採用。

AI活用。

などにも応用できます。

私は、こうしたものを、

「認知チャンク」

として扱っています。

認知チャンクは「知識」そのものではない

ここはかなり重要です。

例えば、

「生成AIには誤情報が含まれる可能性がある」

という情報を知っている。

これは知識です。

しかし、

「AIの出力は、事実・推論・提案に分け、事実部分だけ原資料へ戻って確認する」

という判断の型まで作れば、

一つの認知チャンクに近づきます。

知っていることと、

使える見方を持っていること

は少し違います。

知識は素材です。

認知チャンクは、

その素材を使って作られた「認識の型」

と考えると分かりやすいと思います。

「独自の認知チャンク」とは何か

この連載では、

さらに、

「独自の認知チャンク」

という言葉も使っています。

ここでいう独自性は、

世界中で誰も考えたことのない理論

という意味ではありません。

学生のレポートでも、

仕事の改善でも、

もっと小さな独自性があります。

例えば、

今まで一緒に扱われていた二つの概念を分けた。

誰も比較していなかった二つを、同じ軸で比べた。

三つの資料に共通する構造を見つけた。

一般論を現場へ当てはめた結果、新しい条件を見つけた。

成功事例と失敗事例の差から、新しい判断基準を作った。

こうしたものです。

つまり、

既存知識をそのまま再生するのではなく、

その人が新しく、

何かを区別できるようにした。

何かを比較できるようにした。

何かを説明できるようにした。

そこに独自性があります。

私は、この知的な成果を、

「独自の認知チャンク」

として考えています。

ただし、造語を作れば認知チャンクになるわけではない

ここも誤解してほしくありません。

新しい名前を付ければいいわけではありません。

難しい言葉を作る。

格好のよいモデル名を付ける。

AIに新しい概念名を考えてもらう。

それだけでは、認知チャンクとは呼びません。

重要なのは、

その見方によって、

今まで見えなかった何が見えるようになったか

です。

私はこれまで、

独自の認知チャンクを見る基準として、

差分性。

統合性。

根拠追跡性。

再利用可能性。

反証・限界。

という五つの観点を考えてきました。

つまり、

新しいかどうか

だけではありません。

根拠があるか。

複数の情報を統合しているか。

別の場面にも使えるか。

どこでは使えないか。

そこまで含めて、認知チャンクの質を考えます。

「メタ認知」と認知チャンクも同じではない

もう一つ混同しやすい言葉があります。

メタ認知です。

メタ認知とは、

自分がどのように考えているかを、自分で観察・調整すること

と大まかに捉えられます。

例えば、

「自分はいま感情で判断しているかもしれない」

「この問題について、自分は知識が足りていない」

「一つの資料に引っ張られている」

と気づく。

これはメタ認知です。

一方、認知チャンクは、

そこで使われる「見方のまとまり」です。

例えば、

「事実と解釈を分けて考える」

という認知チャンクを持っていれば、

自分の考えをメタ認知したとき、

「これは事実なのか、それとも自分の解釈なのか」

と確認できます。

つまり、

メタ認知は、

自分の認知そのものを見る働き。

認知チャンクは、

その観測や判断に使える構造化された認識単位。

私はそのように分けています。

では、「認知OS」とは何か

もう一つ、この連載で使う言葉があります。

「認知OS」です。

これは一般的に確立された心理学の正式用語として使っているわけではありません。

コンピュータのOSになぞらえた、

実践上の比喩です。

私は認知OSを、

人が情報を受け取ったとき、

何を観測し、

何を区別し、

何と比較し、

何を重要と判断し、

どの認知チャンクを使い、

どのように意思決定を行うかを方向づける認知運用体系

として考えています。

例えば同じ売上低下を見ても、

ある人は、

「広告が足りない」

と考える。

別の人は、

客数。

客単価。

来店頻度。

欠品。

商品構成。

競合。

に分解する。

さらに別の人は、

短期売上だけではなく、

粗利益。

人件費。

顧客維持。

ブランド。

半年後の影響。

まで見る。

同じ数字を見ています。

しかし、

何を見るか。

何と比較するか。

どう意味づけるか。

どこまで考えるか。

が違います。

私は、その人が世界をどう処理しているかという上位構造を、

「認知OS」

という言葉で扱っています。

認知能力、認知チャンク、認知OSを並べる

ここまでを一度まとめます。

認知能力は、

「考えるための能力」。

認知チャンクは、

「考えた結果として作られた、再利用可能な見方」。

認知OSは、

「その見方を、どのように選び、使い、更新するかという運用体系」。

という関係になります。

たとえて言えば、

認知能力が処理能力。

知識や経験が素材。

認知チャンクが再利用できる認識モジュール。

認知OSが、それらをどう動かすかという上位の運用体系。

というイメージです。

もちろん、人間の認知がコンピュータと同じ仕組みだと言っているわけではありません。

理解するための比喩です。

視点・視座・切り口・価値観は、どこに入るのか

これまでの記事では、

視点。

視座。

切り口。

価値観。

という言葉も使ってきました。

これらも整理しておきます。

【視点】

何を見るか。

例えば、売上を見るのか、顧客を見るのか、従業員を見るのか。

【視座】

どの位置、時間軸、責任範囲から見るか。

担当者なのか。

管理職なのか。

経営者なのか。

今日だけを見るのか。

五年後を見るのか。

【切り口】

何によって問題を分けるか。

年代別。

顧客別。

工程別。

利益別。

リスク別。

【価値観・判断基準】

何を良いとするか。

効率。

安全。

成長。

利益。

公平性。

顧客満足。

これらを使いながら、

過去に作ってきた認知チャンクを呼び出し、

現実を判断する。

その全体的な運用の癖や構造を、

認知OS

と考えることができます。

経験は、認知チャンクの原料になる

ここから、最近書いている「経験の資産化」にもつながります。

経験しただけでは、

まだ一つの出来事です。

例えば、

「あの商品を多く仕入れて失敗した」

という経験。

そこから、

何が起きたのか。

何と比較したのか。

どこに違和感があったのか。

成功した場合と何が違ったのか。

どんな条件なら逆の判断をするのか。

次回は何を先に見るのか。

まで取り出す。

すると、

単なる思い出だった経験が、

次回にも使える判断モデルへ変わります。

つまり、

経験

↓

観測

↓

差分

↓

条件

↓

判断

↓

認知チャンク

という変換が起こります。

さらに、その認知チャンクを何度も使い、

修正し、

別のチャンクと組み合わせる。

すると、

その人なりの認知OSも変化していきます。

AIは認知チャンクを作れるのか

この連載では、ここも重要な問題になります。

生成AIは、

分類できます。

比較できます。

共通点を探せます。

新しい名称を提案できます。

条件分岐も考えられます。

つまり、

「認知チャンク候補」

を作ることは、かなりできます。

だから、

認知チャンクを作ること自体が、人間だけに可能だ

と単純に言い切るつもりはありません。

しかし、

どの問題を見るのか。

どの資料を信用するのか。

どの違いを重要とするのか。

どの価値を優先するのか。

現実へ使ってよいのか。

結果の責任を誰が引き受けるのか。

ここには、まだ人間側の役割が大きく残っています。

AI時代に重要になるのは、

AIよりたくさん情報を出すことではありません。

AIが出した候補を含めて、

自分が何を採用し、

何を捨て、

何を修正するか

だと思っています。

この連載は「頭の良さランキング」を作るものではありません

ここも明確にしておきたいところです。

認知チャンクという考え方は、

人間を優秀・劣等に分けるためのものではありません。

認知チャンクの数が多ければ偉い、という話でもありません。

むしろ、

自分がどんな見方を持っているか。

その見方は、どんな経験から作られたのか。

どんな場面では役に立つのか。

どんな場面では間違うのか。

更新できているか。

そこを観測するための考え方です。

ベテランほど強い認知チャンクを持つ場合もあります。

一方で、

昔は有効だったチャンクが、

環境変化によって固定観念になることもあります。

だから認知チャンクは、

持つだけではなく、

更新すること

まで含めて考える必要があります。

私がこの言葉を使う理由

では、なぜ既存の言葉だけで説明せず、

「認知チャンク」

という言葉を使うのか。

理由は、

学習と仕事を同じ構造で考えられるからです。

学生が複数の論文を読んで、

新しい比較軸を作る。

管理職が20年間の経験から、

判断基準を作る。

経営者が複数の数字から、

自社独自の判断モデルを作る。

技術者が失敗事例から、

異常を見抜く条件を作る。

一見まったく違う活動です。

しかし、

情報や経験から差を見つけ、

関係を作り、

再利用できる形にする

という構造では似ています。

この共通部分を扱う言葉として、

「認知チャンク」

を使ってみようと考えました。

現時点では「実践概念」として扱います

ここは、この連載全体で重要な但し書きになります。

「認知チャンク」

「独自の認知チャンク」

「認知OS」

「認知資産」

といった言葉について、

私は既存の学術用語として紹介しているわけではありません。

既存の認知科学、心理学、教育学などにある考え方を参考にしながら、

AI時代の学習、仕事、経験、判断を考えるために、

実践的に再構成して使っている言葉です。

したがって、

今後さらに調べる中で、

もっと適切な既存概念が見つかるかもしれません。

定義を修正する可能性もあります。

私は、それでよいと思っています。

言葉を守ることが目的ではありません。

現象を少しでも正確に観測することが目的です。

もし言葉と現実がずれたなら、

言葉の方を直せばいい。

この連載自体も、その前提で進めます。

認知チャンク連載を読む順番

ここまでの整理を踏まえると、

連載は次の順番で読むと流れが分かりやすいと思います。

1つ目は、

「コピペ率を下げても、あなたの考えは増えない」

文章の類似率と、自分で考えることは別である、という入口です。

2つ目は、

「『自分の言葉』とは、語尾を変えることではない」

自分はレポートのどこに現れるのかを考えています。

3つ目は、

「『独自の認知チャンク』とは何か」

既存知識から、新しい比較軸や見方を作ることへ進みます。

4つ目は、

「AI時代の論文・レポート評価論」

独自の認知チャンクを、差分性、統合性、根拠追跡性、再利用可能性、反証・限界という観点から評価できないかを考えています。

そこから、

学生の学習

から、

企画。

管理職の判断。

経験の資産化。

会社の知的資産。

社内AI。

へと話を広げていきます。

おわりに

AI時代になると、

「何を知っているか」

だけではなく、

「知っていることを、どう組み合わせるか」

が問われるようになります。

さらに、

「何を新しく区別できるようになったか」

「どんな比較軸を作ったか」

「どんな判断モデルを持っているか」

「その判断モデルは、どんな条件では使えないか」

「経験によって、どう更新されたか」

というところまで見る必要が出てくると思っています。

認知能力は、そのための重要な力です。

非認知能力も、現実でそれを使い続けるために重要です。

メタ認知は、自分自身の認知を観測するために必要です。

そして私は、その中で作られた、

再利用可能な「見方のまとまり」

を、

この連載では、

「認知チャンク」

と呼んでみます。

さらに、

それらをどう使い、

どう判断し、

どう修正していくかという上位の運用構造を、

「認知OS」

と呼びます。

これは、完成した理論を宣言するための言葉ではありません。

むしろ、

AI時代に人間が、

何を学び、

何を経験し、

何を自分の中へ残し、

それをどう次の判断へ使っているのか。

そこを観測するための仮の地図です。

地図は、現実そのものではありません。

でも、

どこを見ればよいのかを考えるためには役に立つ。

この連載では、

そんな距離感で、

「認知チャンク」

という言葉を使っていきたいと思います。

そして次の記事から、

この地図を使って、

「自分の言葉」

「独自性」

「学習」

「経験」

「判断」

「AI」

を、一つずつ見ていきます。

#認知チャンク
#認知OS
#認知能力
#メタ認知
#非認知能力
#生成AI
#AI活用
#思考法
#学び方
#探究学習
#自己理解
#思考力