「教えるのがうまい先生」と聞いて、どんな人を思い浮かべるだろうか。
話が分かりやすい。
板書がきれい。
難しい問題を鮮やかに解く。
面白い話で生徒を引き込む。
私も最初は、そういうものだと思っていた。
ところが今回、予備校講師、高校教師、プロ家庭教師、そして教育系YouTuberまで調べていくと、少し違う景色が見えてきた。
ムンディ先生。
ヨビノリたくみ。
コバショーこと小林尚氏。
武田塾。
ただよび。
さらに、長年第一線で活動する予備校講師やプロ家庭教師、高校教師の授業実践まで調べた。
すると、優れた教育者ほど「どう説明するか」だけを考えていないことが分かった。
むしろ考えているのは、
「いつ教え、いつ考えさせ、いつ手を離すか」
なのである。
そして、この結論を2025～2026年の最新の認知科学・教育心理学研究と照合すると、かなり面白いことが分かった。
教育者によって「先生の仕事」の定義が違う
まず、今回調べた教育者を単純化して整理してみよう。
ムンディ先生は、歴史を年代の羅列としてではなく、「誰が、どうして、どうなった」というストーリーとして理解させることを重視している。板書も最初から完成形を見せず、話の展開と一緒に構築していく。
ヨビノリたくみ氏は、大学数学・物理で学生が挫折する問題から活動を始め、「理系の理系離れを防ぐ」ことを掲げている。難しい学問に入るための入口を作るタイプである。
コバショーのCASTDICEは「先取り・勉強量」を重視しつつ、現在の学力と志望校から教材や独学スケジュールまで個別設計する。単なる講義というより、受験戦略のコンサルティングに近い。
武田塾はもっと極端だ。
「授業をしない」を掲げ、
わかる → やってみる → できる
を明確に分ける。
授業を聞いて「分かった」だけでは足りず、確認テストや自学自習によって、自力で再現できるところまで持っていく。
一見すると、まったく違う教育思想に見える。
だが、本当にそうだろうか。
「教える派」と「教えない派」、どちらが正しいのか
教育論ではしばしば、
「先生がしっかり教えるべきだ」
という考え方と、
「先生が教えすぎてはいけない。生徒自身に考えさせるべきだ」
という考え方が対立する。
しかし2025年、この論争をかなり整理してくれる大規模なメタ分析が発表された。
Learning and Instruction に掲載された「expertise reversal effect（熟達度逆転効果）」のメタ分析である。
60の実験研究、5,924人、176効果量を統合したところ、
事前知識が少ない学習者では、支援の多い指導の方が有利だった。
効果量は、
d = 0.505
だった。
一方、事前知識が多い学習者では逆転する。
支援の少ない指導の方が有利になり、d = −0.428。
つまり研究から出てくる答えは、
「教えた方がいい」
でも、
「教えない方がいい」
でもない。
初心者には教える。上達したら、教える量を減らす。
なのである。
これは今回調査したプロ家庭教師の行動と非常によく似ている。
同じ数学の問題でつまずいていても、
「この子は基礎知識がない」
なら丁寧に説明する。
しかし、
「知識はあるが、自分で考える経験が足りない」
なら、すぐには説明しない。
ヒントだけ出して考えさせる。
つまり、本当に高度な教師の仕事は、
説明することではなく、「今この生徒には何％説明するべきか」を判断すること
なのかもしれない。
ヨビノリを見たら、その次に問題を解く
ここからYouTube教育の話が面白くなる。
例えばヨビノリの授業が非常に分かりやすかったとする。
動画を見終わって、
「完全に理解した」
と思う。
しかし、ここには罠がある。
理解した感覚と、自力で問題を解けることは同じではない。
武田塾が「わかる」と「できる」を区別している理由もここにある。
最適な使い方は、
ヨビノリを見る。
そして次のヨビノリを見る。
ではない。
ヨビノリを見る
→ 動画を閉じる
→ 自分で問題を解く
→ 詰まったところだけ戻る
なのである。
これは最新の動画学習研究とも一致する。
2025年の Educational Research Review のメタ分析では、46論文・54研究を統合し、
「動画を見るだけ」
と、
「動画の途中で質問に答える、問題を解くなどの活動を入れる」
場合を比較した。
結果はactive learningを組み込んだ動画の方が、
記憶保持：g = 0.33
理解：g = 0.28
転移：g = 0.43
と有利だった。
興味深いのは、認知負荷も少し高くなったことである。
つまり、
「楽に見られる授業」が必ずしも「よく学べる授業」ではない。
少し頭を使わされる方が学習成果は高かったのだ。
これは教育YouTubeにかなり重要な示唆を与える。
「最高に分かりやすい動画を作る」だけでは、まだ半分なのである。
最強の質問は「なぜ？」
では、生徒に何をさせればよいのか。
最新研究でかなり強いのが、
self-explanation（自己説明）
である。
要するに、
「なぜ、この公式を使った？」
「なぜ、この答えになる？」
「今の内容を自分の言葉で説明して」
と、自分自身に説明させる方法だ。
2025年の Educational Psychology Review のメタ分析では、
56研究、204効果量を統合。
自己説明を行った場合、
全体でg = 0.46
の効果が確認された。
さらに、
記憶保持：g = 0.31
転移：g = 0.33
遅延テスト：g = 0.35
と、その場で分かっただけではなく、後に残る学習にも効果があった。
ここでも、プロ家庭教師や高校教師の授業とつながる。
優れた先生は、正解した生徒にも聞く。
「どうして、その答えにしたの？」
正解だから終わり、ではない。
偶然正解したのか。
本当に論理を理解しているのか。
別の問題にも応用できるのか。
そこまで見る。
「復習は大切」は本当。ただしretrieval practiceは万能ではない
学習科学では、
retrieval practice
つまり「思い出す練習」がよく推奨される。
教科書を読み直すより、
本を閉じて、
「何が書いてあった？」
と思い出す。
これは強力な方法である。
ただ、最新研究を読むと少し注意が必要だ。
2025年の数学学習に限定したメタ分析では、27研究・53効果量を統合し、
spacing（時間を空けて学ぶ）にはg = 0.28
の効果があった。
つまり、
月曜日に10回やって終わり、
より、
月曜、木曜、翌週と分けて学習する方がよいという考え方にはかなり根拠がある。
一方、数学におけるretrieval practiceと再学習の比較では、
g = 0.18
だったものの、95％信頼区間はゼロをまたいだ。
つまり、数学では現時点で「必ず効く」とまでは言えない。
さらに2025年の別のメタ分析はもっと面白い。
retrieval practiceと単なる再読を比べるのではなく、
概念マップ、精緻化、説明など、
他の優れた学習方法
と比較した。
44研究・142比較を統合すると、retrieval practiceの優位はかなり小さくなった。
要するに、
「思い出すことだけが唯一の正解」ではない。
大切なのは、
思い出す。
説明する。
問題を解く。
間違いを修正する。
時間を空けてもう一度やる。
という組み合わせなのである。
フィードバックは「早ければ早いほどいい」わけでもない
これも私は意外だった。
間違えた瞬間に教師が正解を教える方がよさそうに思える。
しかし2026年の Educational Psychology Review のメタ分析では、51研究・160効果量を分析したところ、
即時フィードバックと遅延フィードバックの差は、
g = 0.03
だった。
平均的には、ほぼ差がない。
教育段階や教科などによって変わるので、「とにかく即答すればよい」とは言えない。
これはプロ家庭教師的な指導を考えると納得できる。
生徒が間違えた。
その瞬間、
「違う。答えは3です」
と言うのではなく、
「どこまでは合っていると思う？」
と問い返す。
少し考えさせる。
自分で誤りを発見させる。
それでも分からなければ説明する。
フィードバックは「早さ」の競争ではない。
次の思考につながる情報を返すこと
なのである。
すると、名教師たちが一つにつながった
ここまで調べて、ようやく最初の疑問に戻る。
ムンディ先生と武田塾は、正反対に見える。
一方は「非常に分かりやすく教える」。
一方は「授業をしない」。
ヨビノリは高度な講義を公開する。
コバショーは受験戦略を設計する。
家庭教師はマンツーマンで教える。
高校教師は、生徒同士に議論させることもある。
しかし、これは競合する思想ではなかった。
学習の違う局面を担当しているのである。
私なら、統合モデルをこうする。
1 診断する
まず、何を知っていて、何を知らないのかを見る。
2 全体像を見せる
ムンディ先生型である。
知識をばらばらに渡すのではなく、まず地図を渡す。
3 初心者には明確に教える
ヨビノリや一流予備校講師型。
分からない人に「自分で考えろ」と丸投げしない。
4 思考過程を見せる
先生が正解だけを書くのではない。
どう考えればその解法に到達するのかを見せる。
5 自分で解かせる
武田塾・コバショー型。
「分かった」で終わらせない。
6 「なぜ？」を説明させる
高校教師・家庭教師型。
自分の言葉に変換させる。
7 間違いを診断する
正誤だけではなく、
なぜ間違えたか
を見る。
8 必要なフィードバックを返す
答えを言う場合もあれば、ヒントだけの場合もある。
9 時間を空けて、もう一度解かせる
忘れることを前提にする。
10 できるようになったら助けを減らす
いつまでも丁寧に教え続けない。
11 最後は一人で未知の問題を解かせる
ここがゴールである。
AI時代には「説明の価値」が下がる
そして、この話は生成AI時代になるとさらに重要になる。
かつて、「分からないことを分かりやすく説明してくれる人」は希少だった。
今は違う。
ChatGPTなどに、
「中学生にも分かるように説明して」
「もっと具体例を入れて」
「図解して」
「別の説明をして」
と頼めば、何度でも説明してくれる。
説明そのものの供給コストは急激に下がった。
だからといって教師が不要になるわけではない。
むしろ教師の価値の中心が動く。
AI時代に重要になるのは、
この生徒は何を理解していないのか。
今、説明すべきなのか。
それとも問題を解かせるべきなのか。
どんな問いを投げれば、自分で気付くのか。
どの教材を次に使うべきか。
いつ支援を外すべきか。
を判断することである。
2025年のexpertise reversalのメタ分析が示したのも、まさにこれだった。
初心者と上級者に同じ教え方をしてはいけない。
名教師とは「説明がうまい人」ではなかった
今回、いろいろな先生を追いかけた。
最初は、
「一番分かりやすい教え方は何だろう？」
という疑問だった。
だが調べ終わると、問いそのものが変わった。
本当に優れた教師は、
「どう説明するか」だけを考えているのではない。
考えているのは、
「この生徒の頭の中を、次にどう動かすか」
なのである。
初心者には教える。
分かってきたら解かせる。
正解しても理由を説明させる。
間違えたら原因を探す。
忘れたころにもう一度やる。
そして、できるようになったら手を離す。
そう考えると、
ムンディ先生も、
ヨビノリも、
コバショーも、
武田塾も、
家庭教師も、
高校教師も、
実は同じゴールを別々の方向から目指している。
教師がいなくても、自分で学べる人をつくる。
最高の教師とは、
ずっと必要とされる教師ではない。
最後には、自分がいなくても生徒が前へ進めるようにする教師なのだと思う。
主な参考研究
Tetzlaff et al. (2025), A cornerstone of adaptivity – A meta-analysis of the expertise reversal effect, Learning and Instruction.
Zhang et al. (2025), Active learning strategies in video learning: A meta-analysis, Educational Research Review.
Enhancing Academic Performance Through Self-Explanation in Digital Learning Environments: A Three-Level Meta-Analysis (2025), Educational Psychology Review.
Murray, Horner & Göbel (2025), A Meta-Analytic Review of the Effectiveness of Spacing and Retrieval Practice for Mathematics Learning, Educational Psychology Review.
Gonçalves, Muniz & Jaeger (2025), Retrieval Practice Versus Elaborative Encoding: A Systematic and Meta-analytic Review, Educational Psychology Review.
Kandemir et al. (2026), A Meta-Analysis of the Impact of Feedback Timing on Learning Outcomes in Computer-Assisted Learning, Educational Psychology Review.