勉強ができることとスポーツができることの共通点は、思ったより狭い

はじめに

韓国の自己啓発の言説には、古い一文があります。勉強ができる人はスポーツもできるし、スポーツができる人は仕事もできる。ひとつをきちんとやった人は、ほかのこともきちんとやる。

この文は気分がよくなります。いま自分がやっているひとつが、いつか全部の役に立つと言ってくれるからです。問題は、この文が心理学でもっとも長く、もっとも何度も検証され、もっとも頻繁に失敗してきた仮説のひとつだという点です。

この記事はその失敗を説明します。そして失敗した広い主張の代わりに、生き残った狭い主張を提示します。狭いということを先に強調しておきたいと思います。この記事を読み終えると、読者が信じるものの数は減るはずです。代わりに残ったものは、もう少し固くなります。

1. 転移という概念をまず分けなければならない

学習研究において転移とは、ある場所で学んだものが別の場所で使われる現象を指します。ところがこの言葉は、ふたつに割らないと何も言えなくなります。

近転移は、訓練した課題と重なる要素が多い課題へ移っていく場合です。作業記憶の訓練をして別の記憶課題が上手になること、フォアハンドを練習して似た角度のフォアハンドがよくなること。

遠転移は、訓練の状況とはまったく違う状況へ移っていく場合です。チェスを指して数学ができるようになること、脳トレゲームをして日常の判断がよくなること、楽器を習って論理力が上がること。

大衆的な言説が言っているのは、いつも遠転移です。そして研究が繰り返し確認してきたのは近転移です。このずれが、この記事全体の骨組みです。

2. 遠転移の証拠はなぜ消え続けるのか

もっとも直接的な資料は、認知トレーニング分野の二次メタ分析です。メタ分析をもう一度メタ分析した研究という意味です。Salaらが2019年にCollabra: Psychologyで発表した研究は、作業記憶訓練、ビデオゲーム、音楽、チェス、運動ゲームを含む複数のメタ分析を統合しました（Sala 他, 2019, 2026-08-16 閲覧）。

結果はこう分かれました。近転移を扱ったモデル（k = 99）では、作業記憶訓練が記憶課題へ移っていく効果が確認され、その大きさは対象集団によって変わりました。一方、遠転移を扱ったモデル（k = 119, k = 233）では効果が小さいか、ありませんでした。著者らの表現をそのまま移すと、プラセボ効果と出版バイアスを統制したとき、全体の効果量と真の分散がどちらもゼロになりました。

この結論は、特定のプログラムの失敗ではありません。プログラムの種類を変えても、対象が子どもでも成人でも高齢者でも結果が同じだった、というのがこの研究の要点です。

ふたつめの資料は、脳トレ産業についての総合レビューです。Simonsらが2016年にPsychological Science in the Public Interestで発表したレビューは、脳トレ企業が自ら根拠として提示した論文だけを選んで検討しました。もっとも有利な証拠だけを集めて見たことになります（Simons 他, 2016, 2026-08-16 閲覧）。

結論は三段階に整理されます。訓練した課題そのものの遂行がよくなるという証拠は豊富である。密接に関連した課題へ移っていくという証拠はそれより少ない。遠く離れた課題や日常の認知遂行がよくなるという証拠はほとんどない。そして引用された研究のうち、著者らが提示した模範的な手続きをすべて満たしたものはひとつもありませんでした。

みっつめの資料はスポーツの側です。Fransenが2024年にSports Medicineに出した論考は、ストロボ視覚訓練、ニューロフィードバック、実行機能訓練といった一般的な知覚・認知訓練ツールを検討し、商用の認知訓練機器が実際の競技力へ移っていくという根拠は乏しいと整理します（Fransen, 2024, 2026-08-16 閲覧）。

三つの資料が、それぞれ違う分野で同じ形の結論に到達します。訓練したものはよくなる。その隣のものは少しよくなる。遠くにあるものはよくならない。

3. この結論が崩す文たち

遠転移が弱いという事実ひとつだけで、かなり多くの大衆的な主張が無効になります。

チェスや囲碁を指すと思考力が全般的によくなる。
脳トレアプリで集中力を育てれば業務能力が上がる。
楽器を習うと数学ができるようになる。
難しい科目を勉強すること自体が脳を鍛える。

これらの文の共通構造は同じです。特定の活動Xをすれば、領域と無関係な一般能力が上がるというもの。そしてこの構造が失敗するというのが、この20年の認知トレーニング研究のもっとも堅固な発見のひとつです。

ここでひとつはっきりさせておきます。チェスを指すのが悪いとか、楽器を習うのが無駄だという話ではありません。チェスが上手になり、楽器が上手に弾けるようになります。それ自体で十分な価値があります。崩れるのは活動の価値ではなく、その活動を別の能力への迂回路として売る論法です。

4. ところで、なぜこの直観は生き残り続けるのか

遠転移の証拠がこれほど弱いのに、勉強とスポーツが通じるという感覚は消えません。ここにはデータではなく、観察の構造の問題が混ざっています。以下の三つは研究結果ではなく、なぜ私たちの目にそう見えるのかについての解釈です。

第一に、選択効果です。私たちが両方の領域をどちらもできる人をよく見かける理由は、両方の領域を試すことができた人たちが、すでにふるいにかけられた集団だからです。時間と体力と指導者にアクセスできた人だけが両方を試します。その集団のなかで相関を見れば、能力が移ったように見えます。

第二に、基準率の無視です。勉強もできてスポーツもできる人は目立ち、記憶に残ります。勉強はできるがスポーツは平凡な人、スポーツはできるが成績は平凡な人は、話のタネにならないので数えられません。

第三に、成功した人の回顧です。ある分野で成功した人が自分の成功を説明するとき、たいていは移ってきたものを強調することになります。そのほうが物語として面白いからです。しかし同じやり方で訓練して成功しなかった人たちは、回顧を残しません。

構成した例で整理してみます。ある会社でアマチュアマラソンをする開発者五人が全員、評価がよいとしましょう。ここから走ることが業務能力を育てたと結論づける前に、数えるべきものがあります。走らない開発者のうち評価がよい人は何人か、走っていて途中でやめた人は何人で、その人たちの評価はどうだったか。このふたつのマスを数えなければ、どんな相関も確認されません。これは実際の事例ではなく、論理を示すために構成した例です。

5. では、実際に移っていくものは何か

ここからは証拠の等級がひとつ下がります。その点を先に言っておきます。

遠転移がほとんどないというのは、反復検証された結論です。一方、これから述べること、すなわち学習行動は移っていくという主張は、それほど強い直接証拠を持っていません。これは複数の研究結果から逆に推論した整理に近いものです。ですから以下のリストは、確立した事実ではなく、根拠のある作業仮説として読むべきです。

5.1 フィードバックの扱い方

専門性研究で繰り返し登場する条件は、即時で情報の入ったフィードバックです。Ericssonが2020年に自分の1993年の枠組みを説明し直したときに提示した五つの基準のうちのひとつが、まさにそれです。遂行について即時に、有益に、行動に移せる形でフィードバックを受けなければならない、という条件です（Ericsson, 2020, 2026-08-16 閲覧）。

フィードバックは領域ごとに形が違います。卓球ならボールがどこへ行ったか、コードならテストが通るか、言語なら相手が聞き取れたか。形は違っても、人がそれを扱うやり方には個人差があります。ある人は否定的なフィードバックを自分への評価として受け取り、ある人は次の試行の入力値として受け取ります。後者の習慣をすでにひとつの領域でつくった人は、別の領域でもその位置を早く見つけます。

5.2 練習を構造化するやり方

何をどれだけ反復するか、どんな順番で混ぜるか、いつ休むかを決めることは、領域知識よりも手続きに近いものです。あとで詳しく扱いますが、間隔をあけて反復することと検索を練習することは、複数の領域で効果が確認された学習技法です（Dunlosky 他, 2013, 2026-08-16 閲覧）。

この手続きを一度身につけた人は、新しい領域で最初から発明し直さなくてもよくなります。ただしこれが能力が移ったことなのか、それとも単によい方法を知っていて適用しただけなのかは区別しなければなりません。後者に近いです。そして後者だという事実は、むしろ実用的にはよい知らせです。方法は学べるからです。

5.3 自分の誤りを診断するやり方

もっとも移る可能性が高そうに見えるのがこれです。自分が何をできないのかを具体的に言える能力。

初心者と熟練者の違いのひとつは、失敗を記述する解像度です。初心者は今日はうまくいかなかったと言い、熟練者はバックハンドに来たときに体が先に開いてタイミングが遅れたと言います。後ろの文には、次に練習することがすでに入っています。

この習慣は領域知識を必要とします。バックハンドという言葉を知らなければ、その文はつくれません。ですからこれも完全な遠転移ではありません。移っていくのは診断の中身ではなく、診断をその解像度まで押し上げようとする習慣です。

6. なぜ真面目さや一般能力では説明が足りないのか

「結局、真面目な人がなんでもうまくやる」という説明は広く使われますが、ふたつ問題があります。

第一に、循環論法になりやすいことです。うまくやっている人を見て真面目だったと言い、真面目だったからうまくやると言えば、何も予測できません。

第二に、練習量そのものの説明力が大衆的な期待より小さいことです。Macnamaraらが2014年にPsychological Scienceで発表したメタ分析は、意図的な練習が遂行の分散の何パーセントを説明するのかを領域別に計算しました。ゲーム26パーセント、音楽21パーセント、スポーツ18パーセント、教育4パーセント、職業領域は1パーセント未満でした（Macnamara 他, 2014, 2026-08-16 閲覧）。

著者らの結論は、練習が重要ではないということではなく、主張されてきたほど重要ではないということでした。そしてこの数値は領域ごとに大きく違います。ルールが明確でフィードバックが速い領域ほど大きく、そうでない領域ほど小さくなります。つまり、真面目さというひとつの変数ですべての領域を説明しようとする試み自体が、データと合っていません。

一般能力で説明しようとする試みも、似た問題にぶつかります。この部分はこのシリーズの四本目の記事で別に扱います。ここではひとつだけ書いておきます。一般能力が存在するという統計的観察と、その能力が訓練で上がるという主張は、まったく別の問題です。前者は丈夫で、後者はそうではありません。

7. 主張ごとの証拠等級

主張	証拠等級	根拠
近転移は観察される	反復検証済み	Sala 他 2019, モデル1
遠転移の効果は統制するとゼロに収束する	反復検証済み	Sala 他 2019, モデル2・3
脳トレが日常の認知を改善する	根拠はほぼない	Simons 他 2016
一般的な認知訓練が競技力へ移っていく	根拠はほぼない	Fransen 2024
意図的な練習の説明力は領域ごとに違う	反復検証済み	Macnamara 他 2014
フィードバック処理の習慣が領域を越えて再利用される	作業仮説	直接の検証資料なし
誤り診断の解像度が領域を越えて再利用される	作業仮説	直接の検証資料なし
真面目さがすべての領域の達成を説明する	根拠不足	Macnamara 他 2014と食い違う

何が検証されていないか

この記事でもっとも弱い部分は5章です。学習行動が領域を越えて移っていくという主張を直接検証したメタ分析を、私は見つけられませんでした。ですから5章の三項目は根拠のある推論であって、確立した結果ではありません。

遠転移研究そのものにも残る論点があります。Sala 他 2019が扱ったのは認知トレーニングのプログラムです。数年にわたる正規教育や職業経験のような、はるかに長く複雑な介入はこの分析の対象ではありませんでした。短い訓練プログラムで遠転移がないということと、長い経験が人を変えないということは、同じ言葉ではありません。

もうひとつ。この分野はプラセボ効果と出版バイアスにとくに敏感です。統制すると効果がゼロになったということは、逆に言えば、統制しなかった研究では効果が現れたという意味です。今後も肯定的な結果を載せた個別研究は出続けるでしょう。個別研究ひとつでこの結論がひっくり返ることはありませんが、逆にこの結論が永遠に固定されたわけでもありません。

最後に、この記事が扱わなかったこと。動機、アイデンティティ、環境、アクセス権といった要因が達成に及ぼす影響は、ここではまったく扱いませんでした。転移研究はその問いに答えません。

おわりに

整理するとこうです。勉強ができることとスポーツができることのあいだに共有される一般能力があるという主張は、証拠が弱いです。共有されるものがあるとすれば、それは能力ではなくやり方である可能性が高いです。フィードバックの扱い方、練習の組み立て方、自分の誤りを見る解像度。

これはもともとの期待よりずっと狭い結論です。しかし狭いぶん実行可能です。一般能力は訓練できませんが、やり方は変えられます。

同じ結論に別の経路で到達した記事がひとつあります。卓球から学んだ14のことは研究ではなく経験から出発して、楽しく打つだけでは上達しないとか、できないことを練習しなければならないという結論に到達します。経験から出た結論とデータから出た結論が重なる地点は信頼でき、重ならない地点は両方とも疑ってみる価値があります。

続く記事：

次の記事：専門家は多く知っているのではなく、違うふうに見ている — チェス盤の実験から始まる知覚の話。
意識的な練習の経路ツール — 弱点を決めておいて反復周期を組むツール。

参考資料

以下は、この記事を書きながら2026-08-16に直接確認した資料です。リンクは実際に読んだアドレスであり、一部はEurope PMCの公開API応答です。