読むことと聴くことは、同じ学習なのか

本を開いて文字を追う読書と、イヤホンで音声を聴くオーディオブックなどの学習。現代は文字と音声の双方が身近になり、知識を得る選択肢が大きく広がりました。その一方で、「音声を聴くだけで本を読んだのと同じ知識が身につくのか」「どちらが効果的に学べるのか」という疑問を抱く人も少なくありません。

結論からいえば、両者は言語の意味を理解し、頭の中に一貫した理解の枠組みを組み立てていく中核的な認知処理において、多くの共通点を持っています。しかし、目から文字を受け取るか、耳から音声を受け取るかという感覚入力の違いや、提示される条件、そして理解がつまずいたときに前後に戻れる「操作性」において明確な相違が存在します。

中核の意味理解は共通していても、学びの体験や適した条件までが完全に等価であるわけではありません。この記事では認知科学の実証研究をもとに、両者の仕組みの違いと賢い使い分けを解き明かします。

言語理解の共通基盤：単語の先にある「状況モデル」の構築

文字を読むことと音声を聴くことが根本で共通している理由は、私たちが言葉を理解するときの脳の働きにあります。

文章を理解するプロセスは、単語の意味を辞書のように引き出して文法通りに並べるだけでは完結しません。読解や聴解における最も本質的な作業は、「状況モデル（Situation Model）」（またはメンタルモデル）と呼ばれる心的枠組みを頭の中に構築することです（Kendeou et al., 2013）。

状況モデルとは、文章に登場する表面的な言葉を超えて、「その文章が述べている世界で何が起きており、登場人物や事物がどのように関連し合っているのか」を、自身の背景知識と結び付けながら統合的にまとめ上げた理解の枠組みを指します。

たとえば、「太郎は傘を持たずに家を出た。数分後、空が急に暗くなり激しい雷が鳴り響いた。彼が駅の改札に着いたとき、肩を落として上着の裾を絞っていた」という短い文章を考えてみましょう。ここには「雨が降った」「太郎がずぶ濡れになった」という直接的な表現はありません。それでも私たちが「太郎が大雨に降られて服を濡らした」と当たり前のように理解できるのは、文章の記述と「雷が鳴り、服を絞るということは激しい雨が降ったのだ」という日常の背景知識を結び付け、状況モデルを作り上げているからです。

ここで重要な注意点があります。状況モデルとは、「全員が同じ鮮明な立体映像や映画のような情景を脳内に思い描くこと」を意味するわけではありません。情景が視覚的なイメージとして思い浮かぶ度合いには個人差があります。状況モデルの本質は視覚像の有無ではなく、「出来事の因果関係、論理的なつながり、時間や空間の整合性が筋道立って整理されているか」という概念的な枠組みにあります。

文章を読み進めたり聴き進めたりする過程で新しい情報が登場するたび、私たちは先行する文脈から構築した状況モデルを参照し、新情報と矛盾がないかを確認しながら枠組みを更新（Updating）していきます（Kendeou et al., 2013）。

この「状況モデルを構築し、更新する」という認知処理は、文字を目で読んでいる場合でも、音声を耳で聴いている場合でも共通して求められる中核的な能力です。要旨を捉えたり行間を推論したりする力は、感覚器官の違いを超えた共通の言語理解ネットワークに基づいています。

提示条件と感覚入力の違い：視覚的走査と音声の操作性

言語理解の中核が共通している一方で、読むことと聴くことの間には、教材の提示条件や感覚入力に由来する決定的な違いが存在します。

神経科学の研究（Buchweitz et al., 2009）では、ポルトガル語の文の真偽を判断する課題を用いて、fMRI（機能的磁気共鳴画像法）により視覚提示と音声提示における脳活動を比較しました。この実験は、提示速度を一定にそろえるために画面中央へ単語を順次提示するRSVP（Rapid Serial Visual Presentation）という統制手法を用いた厳密な実験です。

その結果、左下前頭回や側頭頭頂領域など、言語理解や意味処理に関わる広範なネットワークが、読む条件と聴く条件の双方で共通して活性化することが確認されました。しかし同時に、視覚提示では視覚皮質を含む後頭葉が強く活動し、音声提示では聴覚皮質を含む上側頭回が活動するという、感覚入力固有の差異も明確に観察されました。

ここで慎重でなければならないのは、「脳活動の一部が重なっているからといって、学習成果や記憶の定着までもが同一であるとは言えない」という点です（Buchweitz et al., 2009）。実験室で速度統制された単一の文を判定することと、私たちが実生活で本や講義からまとまった知識を学ぶこととの間には、情報の提示条件と操作性において大きな隔たりがあります。

提示条件における最大の違いは、「空間的な広がり」を持つ文字と、「時間的な流れ」に縛られる音声の性質です。

通常の紙面や電子書籍の文字は、ページの上に空間的に配置されています。そのため、読み手は自分の理解度に応じて視線を自由に動かせます。文章の意味が曖昧だったり、前の文との因果関係が分からなくなったりしたとき、読み手は瞬時に視線を前後の行に戻し、文脈を見比べることができます。この「戻り読み」の容易さは、作業記憶（ワーキングメモリ）への過剰な負荷を防ぎ、深い理解を助ける大きな強みです。

これに対して、音声は時間とともに次々と流れていく性質を持っています。ただし、現代の学習で利用されるオーディオブックや録音講義などの「録音音声」を、生の発話と同一視して「不可逆で一切戻れない」と決めつけるのは正しくありません。録音音声には、一時停止、巻き戻し、再生速度の変更、指定位置へのジャンプといった操作機能が備わっています。

しかしながら、録音音声で内容を確認するためには、「ボタンを押して数秒巻き戻す」「スライダーを調整して該当箇所を探す」という外的な物理操作が必要です。目線をわずか数ミリ動かすだけで前の単語と見比べられる読書に比べると、戻る操作に伴う認知的・時間的な手間は大きく、気軽な確認は難しくなります。また、音声では情報が時間的に流れていくため、耳からの刺激を保持し続けなければならない負担が作業記憶に集中しやすいという側面もあります。

上の図は、読むことと聴くことの入口の違いと、言葉や出来事を理解する働きの共通点を整理した模式図です。学習効果の優劣を一律に判定する図ではありません。

左側は文字・書体・配置を手掛かりに、視線を戻して読み比べられることを示します。右側は声の抑揚やテンポを手掛かりに、録音なら一時停止や巻き戻しができることを示します。両者は下部で、情報を一時的に保ち、言葉や出来事のつながりを理解する働きに合流します。図は文字と音声の違いを単純化しており、理解の過程がこの順番だけで進むという意味ではありません。

この図は理解の手掛かりを整理する模式図です。脳内の経路を実測した画像でも、読む・聴くのどちらかが常に優れると示す成績グラフでもありません。図の操作の違いは録音音声を想定しており、生放送や対面の会話にはそのまま当てはまりません。

発達と技能による寄与の変化：文字認識と言語理解の関係

読むことと聴くことの学習効果を考える上で重要なのが、学習者の発達段階と読字の習熟度です。同じ教材であっても、学ぶ人の技能によって文字と音声のどちらが有利に働くかは大きく変化します。

この関係を説明する重要な理論的枠組みが「単純読解モデル（Simple View of Reading）」（Gough & Tunmer, 1986; Hogan et al., 2014で概説）です。

単純読解モデルでは、文章を読んで理解する力（読解力）を、大きく2つの要素の掛け合わせとして捉えます。 1つ目は「文字認識（デコード：Decoding）」です。並んだ文字の形を見て、それがどの音や単語に対応しているかを正確かつスムーズに認識する技能です。 2つ目は「言語理解（Linguistic/Listening Comprehension）」です。耳で聴いた言葉の意味を理解するのと同様に、単語や文法の意味を把握し、状況モデルを構築して文章全体の筋道を捉える能力です。

発達の初期段階にある子どもや初心者の場合、文字認識（デコード）が円滑に行えません。一文字ずつ文字の形や発音を確認することに脳の作業記憶や注意資源の大半が奪われ、文章全体の意味を考える言語理解の工程に十分な認知資源を割り振れなくなります。

そのため、小学校低学年の子どもや読字に困難を抱える学習者においては、自分で本を読む理解度よりも、誰かに音読してもらう（耳で聴く）理解度のほうがはるかに高いという現象が日常的に見られます。耳から聴く場合は文字認識の負担が軽くなるため、持っている言語理解の力を最大限に発揮して複雑な物語や概念を理解できるのです。

しかし、読書の経験を積み重ねるにつれて文字認識のあり方は変化します。単語の視覚的なパターンが蓄積され、文字を見た瞬間に自動的に単語が認識される「自動化（Automatization）」が進むからです。

文字認識が自動化されると、デコードに消費される認知的負荷は極めて小さくなります。その結果、読書中の認知資源のほとんどを文脈の統合や意味理解へと注ぎ込めるようになり、学年が進むにつれて読解力の個人差を説明する要因として言語理解力の寄与が圧倒的に高まっていきます（Hogan et al., 2014）。文字認識が自動化した成人の熟達者においては、文字認識の障壁がほぼ消失しているため、読解力と聴解力の測定結果は非常に高い相関を示すようになります。

ただし、単純読解モデルは読解の構造を理解するための理論モデルであり、成人の読解成績と聴解成績が常に完全に一致することを保証する計算式ではありません。また、文字認識が自動化したからといって、脳内の神経基盤が必ず特定の一形態に収束すると断定できるわけでもありません。技能の発達に伴って認知的負担のバランスが変化するという傾向として捉えることが正確です。

「どちらが優れているか」の誤解：実証研究と学習スタイル仮説

文字認識が十分に自動化した成人を対象にした場合、文字を読むことと音声を聴くことでは、どちらが客観的な学習成果において優れているのでしょうか。

この疑問に対して直接的な検証を行ったのが、Rogowskyら（2016）の実証研究です。研究チームは成人91名を対象に、ノンフィクションの書籍を用いて実験を行いました。参加者を「電子テキストを読む群」「音声を聴く群」「電子テキストを見ながら音声を聴く（併用）群」の3つのグループに無作為に割り振り、内容の理解度を測定したのです。

その結果、学習の直後に行われた理解度テストにおいても、2週間後に行われた遅延記憶テストにおいても、3つのグループの間で理解度スコアに統計的な有意差は検出されませんでした。この実験条件下においては、読むこと、聴くこと、そして併用することの間に明確な優劣は見られなかったのです。

しかし、この結果から「あらゆる教材や読書において、読むことと聴くことは完全に同等である」と一般化することはできません（Rogowsky et al., 2016）。

なぜなら、Rogowskyらの実験では厳密な条件統制を行うため、電子テキスト群は画面が自動的にスクロールし、参加者が自分の意志で前のページに戻って読み直す「読み戻し」が禁止されていました。同様に、音声群も一時停止や巻き戻しが禁止されていました。すなわち、この実験は通常の読書が持っている自由なペース配分や戻り読みという強みを封じた状態での比較でした。したがって、この結果は走査性を奪われた条件下での同等性を示したものであり、自由な学習場面全般にそのまま当てはまるわけではありません。

さらに、このテーマをめぐっては「学習スタイル」に関する根強い誤解も存在します。 世間ではよく、「自分は目から覚える視覚学習者だ」「耳から聴くほうが頭に入る聴覚学習者だ」といった型分けが語られます。そして、「自分のスタイルに合った媒体で学べば学習効果が高まる」と信じられがちです。

しかし、教育心理学の大規模な検証研究（Pashler et al., 2008）は、この「学習スタイルの型分け一致仮説（メッシュ仮説）」を否定しています。数多くの厳密な統制実験をレビューした結果、個人の好む学習スタイルと教材の提示形式を一致させても、学習成績が有意に向上するという科学的根拠は得られませんでした。学習者が感じる主観的な好みと、実際の客観的な学習効果との間には明らかな乖離があるのです。

ここで極めて重要なのは、科学的根拠のない学習スタイルの型分けと、学習者の技能差や感覚上の特性に応じたアクセシビリティ上の配慮を明確に区別することです。

たとえば、発達性ディスレクシア（読字障害）のように文字のデコードに困難を抱えている人が音声教材を活用することや、視覚に障害を持つ人がスクリーンリーダーを利用することは、学習機会を保障するための不可欠な配慮です。また、専門用語の予備知識が不足している場合に図解やテキストをじっくり確認できるようにすることも合理的な調整です。根拠のない型分けに自分を当てはめて学習手段を狭めてしまうことと、自身の認知的条件や課題に合わせて最適な手段を選ぶことは、全く別の事柄として理解されなければなりません。

教材の構造と環境に応じた使い分けの視点

読むことと聴くことのどちらが優れているかという二項対立ではなく、それぞれの媒体が持つ認知的な特性を理解した上で、教材の構造や学習環境に応じて適切に使い分けることが実践的な知恵となります。

第1の視点は、「教材の構造」に応じた選択です。 教材を文学なら音声、学術書なら文字といったジャンルだけで絶対視することは適切ではありません。注目すべきは、その教材がどのような論理構造や情報形式を持っているかです。

数式、グラフ、詳細な図表、複雑な専門用語が頻出する教材や、論理の分岐が多く前後の定義を厳密に照合する必要がある文書は、文字媒体が圧倒的に適しています。文字が持つ空間的な配置と瞬時の走査性により、必要に応じて立ち止まり、図と本文を往復しながら論理の整合性を確認できるからです。

一方、時系列に沿って出来事が展開する歴史の物語、登場人物の対話を中心としたエッセイ、あるいは特定の分野の全体像を大づかみに把握するための入門書などであれば、音声によるインプットが極めて有効です。音声が持つ自然なリズムや話者の抑揚、ポーズといった聴覚的要素が文脈の理解を助け、無理なく状況モデルを構築することができます。

第2の視点は、「学習環境と注意資源の配分」です。 通勤・通学中や家事の合間に音声を聴く「ながら学習」は時間を活用できる利点がありますが、認知心理学の観点からは注意資源の限界を意識しておく必要があります。

言語理解は脳の広範なネットワークを動員する高度な作業です。そのため、車の運転のように周囲の状況を絶えず判断しなければならない活動や、文章の作成のように別の言語処理を伴う作業と並行して音声を聴いた場合、認知資源の激しい競合（干渉）が発生します。その結果、耳からは言葉が届いていても、それらを統合して深い状況モデルを構築することが難しくなり、表層的な聞き流しにとどまりやすくなります。「ながら聴き」を取り入れる場合は、散歩や単純なルーチン作業など、認知的負荷が極めて低い活動と組み合わせることが現実的な工夫となります。

第3の視点は、「受動的なインプットから能動的な確認への転換」です。 Rogowskyら（2016）の研究でも示されたように、文字を見ながら音声を同時に聴く「併用」を行ったからといって、自動的に理解が2倍深まるわけではありません。

真に理解を深め、強固な状況モデルを記憶に定着させるために決定的なのは、文字か音声かという媒体の違いではなく、「学んだ内容を自分の頭で能動的に再構成したか」というプロセスです。章が終わるごとに音声を止めたり本を閉じたりして、重要点を自分の言葉で要約してみる、誰かに説明するように頭の中で言語化してみる（自己説明：セルフエクスプラネーション）。こうした能動的なアウトプットを挟むことこそが、どちらの媒体を用いた学習であっても最大の効果を引き出す鍵となります。

よくある疑問（FAQ）

読者から寄せられることの多い疑問について、実証研究の知見をもとに回答します。

Q1. オーディオブックを聴くだけで「本を読んだ」と言ってよいでしょうか？ 日常会話や読書体験の共有という文脈であれば、内容を正しく理解している限り「その本を読んだ」と言って差し支えありません。背景知識を活用して状況モデルを構築し、文脈の要旨を捉える中核的な言語処理は、読解でも聴解でも共通して働いているからです。ただし、緻密な論理展開を検証したり、図表や数式と照合しながら深く探究したりすることが目的である学習では、視線を自由に行き来させられる文字媒体のほうが適している場面が多いことも事実です。学習の目的に応じて柔軟に捉えるのが適切です。

Q2. テキストを見ながら音声を聴く「併用」は、理解度を2倍に高めますか？ 必ずしも効果が倍増するとは言えません。成人を対象とした直接比較の実験（Rogowsky et al., 2016）においても、テキストと音声の併用群が、テキスト単独群や音声単独群を有意に上回る学習成績は示されませんでした。自分の自然な読書スピードと音声の再生速度が一致しない場合、文字を追うことと音声を追うことの間で認知的葛藤が生じ、集中を妨げてしまうこともあります。併用が常に万能の解決策になるわけではない点に注意が必要です。

Q3. 簡易的な診断テストで「視覚優位」や「聴覚優位」と言われたのですが、それに従うべきですか？ 自分の好むスタイルに教材の形式を合わせれば学習効果が向上するという「学習スタイルの型分け一致仮説」は、科学的な研究（Pashler et al., 2008）によって否定されています。主観的な好みに基づいて「自分は聴覚型だから活字は読まない」と決めつけてしまうと、図表の読み解きや深い論理的思考といった文字媒体ならではの利点を逃してしまいます。学習スタイルの型分けに囚われるのではなく、教材の構造（図表の多さや論理の複雑さ）や学習環境に合わせて媒体を柔軟に選択することをお勧めします。

結び

読むことと聴くことは、どちらかが一方的に優れていて、どちらかが劣っているという対立関係にはありません。目から入る文字であれ、耳から届く音声であれ、私たちが最終的に到達すべきゴールは「頭の中に豊かな状況モデルを築き上げ、自分自身の知識として血肉化すること」です。

文字が持つ「自分のペースで立ち止まり、視線を自在に行き来させられる空間的な走査性」と、音声が持つ「話者のニュアンスを伴いながら時間とともに滑らかに知識を届けてくれる手軽さ」。それぞれの媒体が持つ独自の性質を見極め、教材の構造、自分自身の習熟度、そして周囲の環境に応じて賢く使い分けること。それこそが、科学的な知見に裏打ちされた最も効果的な学びの姿勢といえます。