論文をノートにを実際の教材で試す
左に元資料、右に復習で使える生成結果を表示します。
分散検索練習は導入生物学における外在的認知負荷を低減する
Liu, J., Park, R., & Yamamoto, H. (2024)
DOI: 10.1037/edu0000789
本研究では、分散検索練習が外在的認知負荷を低減し、導入生物学における遅延再生を改善するかを検討した。被験者内計画を用いた2つの実験（N = 128 大学生）において、分散検索を行った学生は再読群と比較して有意に高い遅延再生（1週間後）を示した。
参加者（N = 128）は、カウンターバランスを取った被験者内計画で2つの学習条件を実施した：分散検索練習対再読。遅延再生は、最終セッションの1週間後に標準化された自由再生テストで評価され、2名の独立評価者により採点された（κ = .91）。
§2.3 "desirable
difficulty"
— me, 03/04
- 方法 · 3 ページ · pp. 412–414
- 参加者: N = 128 名の学部生
- 被験者内・順序を均衡化
複数論文を統一フィールドで抽出したいときに。
生成済み
方法 — 完全抽出ノート
方法 — 完全抽出ノート
❓研究課題
- 主要 RQ: 間隔をあけた想起練習は外在的認知負荷を下げ、遅延想起を改善するか？ 再読との比較。
- 副次 RQ: 主題の複雑性と交互作用するか？
- H1: 間隔想起 > 再読（遅延想起、片側検定）。
- H2: 間隔想起 < 再読（自己報告外在的負荷 NASA-TLX）。
🧑🎓参加者
- サンプル: N = 128 名、生物学入門課程の学部生。
- 人口統計: 年齢 18–22 歳（M = 19.4）、女性 62%、単一研究大学。
- 除外: 注意確認失敗で 4 名除外、最終 N = 124。
- 検出力: G*Power: η² = .10、α = .05 のもとで Power 0.80 に N = 110 必要。
🧪実験計画
- タイプ: 被験者内・完全均衡化（全員が両条件を経験）。
- 条件: 間隔をあけた想起練習 vs 再読対照。
- 事前登録: 計画・仮説・分析プランをデータ収集前に OSF（osf.io/x42q8）に登録。
- ランダム化: ラテン方陣で条件順序を均衡化、主題複雑性で均衡。
📚材料
- 学習文章: 生物学 2 章（細胞シグナル、生態学）、各約 1,200 語、Flesch 60–65。
- 想起プロンプト: 各文章に短答 5 問。2 セッションで 4 回間隔をあけて出題。
- 干渉課題: 学習と想起の間に数独を挟み即時リハーサルを防ぐ。
- NASA-TLX: 6 項目の認知負荷自己報告。各学習条件直後に実施。
📋手順
- セッション 1（Day 0）: 全員が両文章を学習 — 半数は想起、半数は再読。均衡化。
- 遅延（Day 0–7）: 材料に触れない期間。7 日後に正確に復帰。
- セッション 2（Day 7）: 両文章の自由想起テスト + NASA-TLX 再評定。
📏アウトカム
- 遅延想起（主要）: 最終学習から 1 週間後の自由想起テスト。
- 採点: 事前指定の 50 アイデア単位コードに照らし、想起された単位の比率（0–1）。
- 認知負荷（副次）: 各学習直後の NASA-TLX 自己報告。
✅採点と信頼性
- 独立評価者 2 名: 条件盲検の博士課程院生が全 256 プロトコルを二重コーディング。
- 評価者間 κ: = .91 — 「ほぼ完全」一致（Landis & Koch 1977）。
- 不一致: 256 件中 11 件で第三者の調停が必要。
📊統計計画
- 主要検定: 2 × 2 反復測定 ANOVA: 学習条件 × 主題複雑性。
- α: .05、両側（H1 は片側だが透明性のため両側で報告）。
- 効果量: 偏 η² を F 値とともに報告。事前計画で η² ≥ .06 を最小目標。
- 感度分析: 課題時間を共変量に加えて時間混同を除外。
論文をノートにで変わる勉強の流れ
大事なのは機能そのものではなく、授業・復習・試験準備の中でどう役立つかです。
論文をノートにの流れ
学習素材を入れるだけで、復習しやすい形に整った内容へ進めます。
論文をアップロード
PDF、プレプリント、ジャーナル論文——1 本でも複数本まとめてでもアップロード可能。
ThetaWave がフィールド別に抽出
方法・結果・考察を構造化フィールドに分割し、論文間の比較に最適化します。
学術論文で試す
論文を選び、ThetaWave が方法・結果・限界・重要用語をどう抽出するか確認しましょう。
論文をノートにはどんな学生に使われている？
学び方の違う学生たちが、このツールを実際の勉強にどう組み込んでいるかを紹介します。
研究・論文
Extract a comparable set of fields across papers for your literature review or thesis.
大学院生
Built for the volume of reading graduate students need to absorb each term.
STEM系の学生
Methods and results-heavy STEM papers become easier to compare side-by-side.
日々の学習
Turn each paper you read into a reusable note in your daily study library.
学生の声
"When I prep a literature review with my students, ThetaWave's methods and findings extraction saves us a full evening per paper."
佐藤 美咲
東京大学
"Discussion and limitations finally show up as separate notes instead of a single blob of text."
山本 恒一
京都大学
"For my thesis I compared 32 papers using the same extraction fields. It made the comparison part of the review actually tractable."
中村 彩香
早稲田大学
論文をノートにを今すぐ試す
学習素材をアップロードすれば、数分で見返しやすく、覚えやすく、共有しやすい形に変えられます。