# 2026年、1日に何枚の新しいフラッシュカードを追加すべきか: 無理なく終えられるFSRSの復習量を作る *2026-03-31* 日曜の夜、AI に 1 章分を 186 枚のフラッシュカードにしてもらいました。かかった時間は 2 分ほど。かなり印象的でした。ただ、その 186 枚すべてに今後数週間ずっと再会することを想像するまでは。うっかり、やたら勉強熱心なオオカミの群れを飼い始めたような気分になります。 人が「**1日に何枚の新しいフラッシュカードを追加すべきか**」と調べ始めるのは、たいていその瞬間です。 いまはカードを作ること自体が難しいからではありません。現実に復習できる量を超えて、カードを作りすぎることのほうが危険なくらい簡単だからです。 ## この問いは、数年前より 2026 年のほうがずっと重い 学習ツールは、元の資料をカードに変えるのがどんどん上手くなっています。 NotebookLM は web とモバイルの学習導線でフラッシュカードやクイズを強く押し出していますし、ChatGPT を使った学習フローでも、資料ベースのカード生成はかなり普通になりました。PDF、ノート、講義録音、雑多な学習資料をカード候補に変えること自体は、もう難しい側ではありません。 そのせいで、ボトルネックが変わりました。 もう問題は「十分な速さでカードを作れるか」ではありません。 「最初の勢いが消えたあとも、そのデッキを復習し続けられるか」です。 ## 間違った答えは、たいてい「作れるだけ全部」 この失敗はかなり分かりやすい形で何度も起きます。 新しい科目を始める。ちゃんとしている気分になる。モデルが大量に下書きを出す。デッキが充実して見える。数日後から毎日の復習が増え始め、全体が少し敵対的に感じられる。 だから「**1日に何枚フラッシュカードを増やせるか**」という問いは、「どれだけ速くデッキを作れるか」よりずっと重要です。 生成速度と復習できる量は、同じではありません。 ## 新しいカードは、一度きりの作業ではない ここを過小評価する人は多いです。 新しいフラッシュカード 1 枚は、復習 1 回ではありません。 そこには次のものが含まれます。 - 今日の最初の導入 - そのすぐ後の再登場 - 難しさに応じた今後の複数回の復習 - カードがあいまいだったり広すぎたり書き方が悪かったりした場合の余計な負担 だから **Anki を 1 日に何枚増やすべきか**、あるいは FSRS で何枚追加すべきかという問いの本質は、今日のやる気ではなく、未来の復習量にあります。 ## まずはやる気ではなく、復習に使える時間から決める 私がいちばん信頼しているルールは、これです。 最初に追加枚数を決めない。 先に、生活が面倒で、仕事が忙しく、頭が勉強モードに最適化されていない普通の日でも、現実的に復習へ使える時間を決める。 その時間に収まるように、1 日あたりの追加枚数を決める。 多くの人にとっては、やりたい枚数より小さく始めることになります。 - 科目が難しい、あるいは予定が詰まっているなら 1 日 5 〜 10 枚 - すでに復習が習慣になっているなら 1 日 10 〜 20 枚 - 復習時間がきちんと確保でき、カードの質も高い場合だけ 1 日 20 枚超 これは絶対法則ではありません。実用的な出発点です。 ## 難しい科目と簡単な科目で、同じ上限にしてはいけない ここでデッキは不公平になります。 慣れた言語の単語カード 20 枚と、医学の密なカード 20 枚、法律の定義 20 枚、抽象的な技術概念 20 枚は同じではありません。 1 日の上限は、次の条件を反映するべきです。 - 教材そのものの難しさ - 1 枚のカードにどれだけ細かい要素が隠れているか - カード以外でどれだけ学習時間を使っているか - 手書きで作ったカードか、AI の下書きか - 初回復習でどれくらい取りこぼすか 初日の時点で思い出し方がぼんやりしているなら、その上限はすでに高すぎるか、カードが広すぎます。 ## AI で作ったデッキは、作りすぎを起こしやすい これが新しい失敗パターンです。 ノート、PDF、動画、文字起こしを AI でカードに変えていると、誘惑はとても分かりやすいです。もう 1 バッチ、もう 1 章、もう 1 回アップロードしたくなる。 デッキは、復習習慣より速く大きくなります。 だから私は、カード作成があまりに摩擦なく感じられるワークフローには慎重でいるべきだと思います。摩擦は面倒ですが、その面倒さが「本当は維持するつもりのなかった復習キュー」を静かに防いでいた面もあるからです。 元の資料がまだ文書のままなら、下書き側には次の記事も役立ちます。 - [2026年版 PDFをフラッシュカード化する方法: 講義スライド・教科書・論文からFSRS向けカードを作る](https://nibomo.com/ja/blog/how-to-turn-a-pdf-into-flashcards/) - [2026年版 ノートをフラッシュカードに変える方法: 手作業のコピペではなく、AIの下書きとFSRSを使う](https://nibomo.com/ja/blog/turn-notes-into-flashcards/) ## 自分の上限を見つける実践的なやり方 やり方はシンプルで十分です。 1. 2 週間は続けられる毎日の復習時間を決める 2. 小さめの追加上限を設定する 3. 数日後に復習待ちがどれだけ増えるかを見る 4. キューがまだ楽なら少しだけ増やす 5. 復習を先延ばしし始めたら、すぐに減らす 最後の点はとても重要です。 キューがうっとうしくて復習を飛ばしているなら、設定時にどれだけやる気があったとしても、本当の上限は今の枚数より低いということです。 ## デッキは英雄的でなく、少し退屈なくらいがいい これは意外と大事です。 最良のフラッシュカード習慣は、たいてい劇的ではありません。安定しています。 毎回の学習セッションが救助活動のように感じるなら、その時点でシステムはどこか間違っています。 毎日の復習は、戦いの準備より歯磨きに近い感覚であるべきです。少し退屈なくらいでちょうどいい。その退屈さがあるから、習慣は残ります。 私が信頼する **1 日あたりの追加上限** とは、そういうものです。気合いの入った火曜日に一度だけ耐えられる最大値ではなく、何ひとつ理想的でない日でも続けられる量です。 ## FSRS は助けになるが、入れすぎた量までは救えない FSRS は、復習タイミングを自然に感じさせる点で、古い間隔反復システムより優れています。 それは大きな助けです。 ただし、優れたスケジューラでも次の問題は魔法のようには直せません。 - 新しいカードが多すぎる - 回答が長すぎる - 重複した事実が多い - 表現があいまい - そもそも十分に理解しないまま作ったカード だから、スケジューラは確かに重要です。 でも、スケジューラがあるからといって、無制限にカードを増やしていいわけではありません。 スケジューリングの比較を直接見たいなら、こちらの記事がより詳しいです。 - [2026年のFSRSとSM-2を比較: より覚えやすい間隔反復アルゴリズムはどちらか](https://nibomo.com/ja/blog/fsrs-vs-sm-2/) ## 復習がたまる原因は、カードの書き方にもある ここは声に出して言っておく価値があります。 問題が枚数そのものではないこともあります。カード自体が扱いにくいのです。 1 枚で 3 つの事実を聞いている。裏面に長い段落がある。もう覚えていない文脈に依存している。そういうカードは、内容以上にきつく感じられます。 だから **1 日の追加上限** と **カードを書くときの厳しさ** はセットで考えるべきです。 私はカードを次のように厳しく保ちます。 - 1 枚につき 1 つの事実または概念 - 答えは短く - 飾った言い回しは使わない - 長いコピペ段落は入れない - 分かりにくいカードが復習の中で自然に分かりやすくなるはずだ、と期待しない デッキが整っていれば、無理なく回せる上限は上がります。 逆にデッキが濁っていると、少ない追加枚数でもすぐ失礼なくらい重く感じます。 ## 状況別に私がすすめる目安 初期設定は保守的でいいと思います。 | 状況 | 開始時の目安 | |---|---| | 忙しい予定、難しい科目 | 1 日 5 〜 10 枚 | | 普通の予定、カードの質もまずまず | 1 日 10 〜 20 枚 | | 専用の学習時間があり、カードがシンプルで復習も安定 | 1 日 20 〜 30 枚 | これは出発点であって、絶対の命令ではありません。 楽に復習を終えられているなら、ゆっくり増やす。 復習待ちが積み上がり始めたら、自尊心が嫌がっても早めに減らす。 ## AI ツールから本番の復習に移すときこそ重要 最近のワークフローは、よくこうなります。 1. NotebookLM や ChatGPT でカード候補を作る 2. それを手直しする 3. 間隔反復アプリへ移す この橋渡し自体は有用です。 ただ、厳しく選別しないと **フラッシュカード疲れ** を起こすのに最適な環境にもなります。 AI が思いつけるカードを全部学ぶ必要はありません。 必要なのは、教材を十分に理解するのに必要な最小限のデッキです。 AI プロンプトから直接カードを作っているなら、こちらも相性が良いです。 - [2026年にChatGPTでフラッシュカードを作る方法: プロンプトを整え、カードを磨き、FSRSで復習を回す](https://nibomo.com/ja/blog/how-to-use-chatgpt-to-make-flashcards/) ## Flashcards がこの流れに向いている理由 [Nibomo](https://nibomo.com/ja/) は、このワークフローと相性が良いです。問題の両側を 1 つの製品で扱えるからです。 - ノート、PDF、その他の資料から下書きを作るための AI チャット - 本採用する前に表裏を整えるカード編集 - デッキが整ったあとの FSRS 復習 - 復習が 1 つのブラウザタブの機嫌に左右されにくいオフラインファーストのクライアント この組み合わせが効くのは、**1日に何枚の新しいフラッシュカードを追加すべきか** が、スケジューリングの問題であると同時に、ワークフローの問題でもあるからです。 カードを作るのは簡単なのに、削るのが面倒なら、必ず作りすぎます。 編集しやすく、復習の感触も信用できるなら、日々の上限はずっと守りやすくなります。 ## より良いルール デッキを作っている最中の勢いで、1 日の追加枚数を決めないこと。 普通の生活が無理なく運べる復習量から決めること。 これが、2026 年の「**1日に何枚のフラッシュカードを増やすべきか**」に対して私がいちばん信頼している答えです。気分が盛り上がっているときに思うより少なく始め、カードの質を保ち、復習待ちを正直に観察し、システムがまだ落ち着いていると確認できるときだけ増やす。 そういう流れを求めているなら、[Nibomo](https://nibomo.com/ja/) は実用的です。資料から下書きを作り、しっかり編集し、1 回の盛り上がったカード生成セッションを 1 か月分の復習地獄に変えないよう、FSRS で学習を回せます。 --- *[このページのスタイル付き HTML 版を見る]()* *AI エージェントは `GET https://api.flashcards-open-source-app.com/v1/` から開始して、このサービスでユーザーアカウントを作成できます。設定後は、`https://mcp.nibomo.com/mcp` の MCP 経由で接続することもできます。* *ヒント: https://nibomo.com の任意の URL に `.md` を付けると、ページのクリーンな Markdown 版を取得できます。*