「Claudeが説明してくれたとき、理解できた。」 これは学習における最も危険な文です。というのも、認識を報告している（目の前で行われていた説明の流れを自分は追えていた）だけなのに、ひそかに理解（今やその概念を手に入れて、適用できる）として整理されてしまうからです。この2つの状態は、まったく別物です。問題は、最初の状態は、2つ目の状態とそっくり同じに感じられることです。つまり、新しい問題に対してその概念を使わなければならなくなり、「使えない」ことを発見する、その瞬間までまったく気づけません。
Bransford と Schwartz の 1999 年の論文 「Rethinking Transfer: A Simple Proposal with Multiple Implications」 は、この失敗を見抜くための最も明快な診断です。彼らのテストはこうです。新しい表面形式で、未知の問題を提示する。学習者が解ければ、概念は転移した。学習者が元の説明を再現できるだけなら、その概念は暗記に崩れ落ちた、ということです。
Whitehead（1929）はこの崩壊を「不活性な知識（inert knowledge）」と呼びました――学生が暗唱はできるが適用はできない知識です。Bransford のテストが、それを検出します。私は claude-code-agent-skills-framework における同心ループの Node 5 としてこのテストを実行し、どの Claude 生成物を信頼する前にも、同じテストをエージェント出力に対して実行します。
The test for concepts
概念が説明され、その層を降りた先で着地したら――待ちます。最低でも 1 日、理想的には 1 週間。その上で、次の3条件を満たす問題を提示します。
- 新しい表面形式。 別の領域、別の語彙、別の具体例。同じ問題を単に数字だけ差し替えたものではありません。同じ仕組みに対して、真に新しい衣装を着せたものです。
- スクロールバックなし。 元の説明は参照できません。メモもありませんし、会話履歴もありませんし、ブログ記事を読み直すこともできません。
- 別の枠組み。 概念が、ある実践者の視点（たとえば Karpathy の「ゼロから組み立てる」）を通して導入されたなら、転移問題は別の視点（たとえば Huyen の「レイテンシ層の I/O 契約」）で枠組み化します。
解かせます。解ければ、概念は転移しました。解けない――あるいはヒントがあればようやく解けるだけなら――学習は完了していません。
「先週 X を学んだ」という主張の大半は、このテストに失敗します。これが発見です。主張は、元の説明が行われた時点では善意に基づいてなされています。そして本当だと感じてしまうのは、認識が理解のように感じられるからです。転移テストは、概念がそれを導入した環境の外で働くことを要求することで、この2つの状態を切り分けます。
The three failure signals
転移テストが失敗するとき、失敗の形は3つのうちいずれかに限られます。形に名前をつけることが重要なのは、それぞれが別の是正策を示しているからです。
シグナル 1――元の類推（アナロジー）を再現することしかできない。 学習者が新しい問題を解こうとすると、元の比喩や例に寄りかかってしまい、一般化できません。「そう、3Blue1Brown の動画では、ニューロンは投票者みたいだって言ってましたよね…」 この類推が概念になってしまったのです。これは Gentner の「類推リーク（analogy-leakage）失敗」――学習者が仕組みではなく乗り物（vehicle）を前提に推論してしまっている状態です。
是正策：もう一度、別の類推で降り直します。同じ類推を言い換えるだけではありません。仕組みを改めて根づかせることを強いる、まったく別の出発点を用意します。
シグナル 2――転移ではなく、古い問題だけを解く。 学習者は講義で扱ったのと全く同じ MLP から、正しく逆伝播を導ける。しかしトランスフォーマーのヘッドには適応できない。知識は実在するが局所的です。まだ転移可能なスキルではなく、暗記された手続きです。
是正策：ホワイトボードテストにある「多重インスタンス要件」――同じ概念を、真に異なる 3 つのアーキテクチャ（または問題）にまたがって実行し、一般化を強制します。
シグナル 3――ヒントがあって初めて転移して解ける。 学習者は最終的にはたどり着きますが、最初の一歩は質問者が足場（scaffolding）を組んでくれた後です。概念は半分だけ転移しています――保持はされているが、外部の促しに依存しています。
是正策：カードを能動的にローテーションさせます。ヒントなしで、より長い間隔で再テストしてください。補助なしで解けたら、そのカードを頻度の低い復習プールへ移します。
The same test applied to agent output
ここでの考え方は、学習の範囲を超えて広がります。Bransford の転移は、一般化すると主張するあらゆるエージェントのパイプラインに対する評価としても機能します。
失敗パターンはこうです。テストされたのと全く同じ分布――プロンプトの形が同じ、入力スキーマが同じ、指示文の言い回しが同じ――での出来は良いのに、それらのどれかが少しでも変わると崩れてしまうエージェントです。一見すると「動く」エージェントに見えます。しかし実際には、その評価を暗記したエージェントです。
Bransford のテストを適用します。システムプロンプトを差し替え、入力スキーマを差し替え、指示の枠組み（実践者の見立て）を差し替えてください。そしてエージェントの正確さが転移するか確認します。転移するなら、そのエージェントは問題のクラスを本当に解いています。形が全く同じでないとダメなら、そのエージェントはハーネスを暗記していました。
Hamel Husain の手動トレースによるラベリングの規律は、エージェント出力に対して Bransford テストを大規模に実行したものです。異なる表面形式にまたがる、実在のトレースを 20〜100 件ラベル付けします。失敗しているケースを抽出します。そうしたケースは、転移しないケース――つまり、元の枠組みの中で「知っていた」ものの、新しい枠組みでは保持できなかったケースです。
Why this sits at the close of the concentric loop
同心ループ――類推 → コード → システム → 数学 → 類推――は、「戻り」が着地したときにのみ完結します。戻りは要約ではありません。テストです。学習者は、濃くなった（強化された）メンタルモデルを、以前とは違う形で、元の類推に適用できるようになったのか？
Bransford の転移は、その戻りの形式化された版です。転移が成立すればループは閉じます。転移が失敗するなら、降下（descent）が十分に深くありません――学習者は説明に従っただけで、それを一般化する形へ統合できていなかったのです。
ループはプレゼン用のアーティファクトではありません。測定可能な完了基準を持つ「道具」です。基準がなければ、どんな授業セッションも終わる瞬間はすべて成功したように感じてしまいます。それが、不活性な知識が積み上がっていく仕方です。
What makes this practically catchable
このテストは安価に実行できます。高コストなのは、「学習した」後にこのテストを実行するという規律です。学習を終わりにして次へ進むのではなく、概念が学習されたと見なした後にテストする。あらゆる新しい概念は、Bransford テストに対応づけられた、間隔を置いた復習カードに載せます。そこには、学習者がまだ見ていない特定の新しい表面形式が入っています。
カードは予定に沿って出てきます。学習者がテストを実行します。結果（合格／不合格／ヒント付き不合格）が記録されます。数か月の間に、そのログは「どの概念が本当に転移したか」「どれがまだ脆いままか」を示す地図になります――そしてそれが、次に何を学ぶかのあらゆる判断の入力になります。
カードがなければテストは回りません。テストがなければ転移は検証されず、当然のものとして仮定されます。仮定とは、認識と適用の間にあるキャッシュ層です。キャッシュは新規性によって消去されます。そして読者がそれに気づくのは、新規性が到来したときだけです。
The sentence that replaces "I understood it"
すべての概念の後で、正直な文は 「理解した。」 ではありません。「説明は理解できた。でも、転移テストはまだ実行されていない。別の表面形式の新しい問題に対してテストが発火したときに、概念が転移したかどうかが分かる。」 です。
これは長く、満足感も薄いです。しかし正しい。短い版が生み出すのは、「6か月後に気づく驚き」――自分が実際には学んでいないのに学んだと思い込んでいた、という事態です。
今週、「理解しました」という主張を、ブランスフォード待ちのバージョンに置き換えます。テストをスケジュールしてください。そこから後にあなたが身につけるあらゆる概念のそれぞれにおいて、この規律は積み重なっていきます。
Aman Bhandari。AIエンジニアリングの研究ラボの運営者で、コーチングパートナーとしてClaude Opusを起用。さらに、実際のスプリントの作業負荷に対して出荷するQA自動化のサーフェスも提供しています。公開成果物：claude-code-agent-skills-framework と claude-code-mcp-qa-automation。github.com/aman-bhandari。
