# 2026年、FSRS で試験勉強する方法: 試験日までに終えられる Flashcards plan を作る

*2026-04-01*

試験の 19 日前に、自分の AI study stack が flashcards を作る能力に比べて、review へ持っていく能力はずっと弱いと気づくのは最悪です。lecture notes から 420 枚、PDF からさらに 160 枚、そして「今週末にたくさんやればいい」という妙に sincere な plan が手元に残ります。

人が **study for an exam with flashcards** と検索し始めるのは、たいていそのときです。

もう card creation が難しいからではありません。難しいのは、それらの cards を test day までに実際に終えられる review plan に変えることです。

## AI は勉強の前半をずっと速くした

ここは急速に変わりました。

今では notes、PDF、lecture recordings、さらには NotebookLM outputs まで、ほとんど friction なく draft cards に変えられます。その部分が normal になりつつあります。問題は移動しました。

bottleneck は、もはや「どうやって flashcards を作るか」ではありません。

次の問いです。

- 何枚作るべきか
- いつ new cards を止めるべきか
- reviews の爆発をどう防ぐか
- exam date が fixed のときはどうするか

manual copy-paste よりはずっと良い問題ですが、それでも real problem です。

## exam date は flashcards strategy 全体を変える

ここを人は飛ばします。

期限のない学習と、deadline-driven な exam prep は同じではありません。

long run の語学学習なら、cards をゆっくり増やし続けて scheduler を数か月単位で伸ばせます。でも 4 月 20 日に exam があるなら、runway は無限ではありません。deck は試験前の週にまだ膨らみ続けるのではなく、その前に calm になっている必要があります。

つまり良い **FSRS exam prep** workflow は、good cards の話だけではありません。timing の話でもあります。

## exam date から逆算して始める

私は、恥ずかしいほど simple に保ちます。

残り時間を 3 つの phase に分ける。

| Time left | Main goal | What to do |
|---|---|---|
| 3 to 6 weeks | deck を慎重に作る | highest-value material からだけ new cards を加える |
| 1 to 2 weeks | review load を安定させる | new cards はごく少なく、主に review と weak cards の clean up |
| Final days | recall を守る | due cards を review し、short targeted cramming、巨大な import はしない |

最もよく見る mistake は、最後まで new material を deck に注ぎ続けることです。card count が増えるので productive に感じられます。

でも recall はたいてい悪くなります。

exam が近いなら、deck はより boring になるべきで、より ambitious になるべきではありません。

## AI-generated cards にも human pass が 1 回必要

ここは今むしろ重要です。

最新の study tools は、ほぼどこからでも cards を生成できます。それは useful です。でも、deck が helpful になるか irritating になるかを決めるのは、依然として card quality です。

bad AI cards は、たいていおなじみの失敗をします。

- 1 枚に 3 つの ideas が入っている
- answer が paragraph になっている
- wording は neat だが記憶には残りにくい
- front が recall ではなく recognition を test している
- source を開き直さないと意味が通らない

私は 300 枚の polite garbage より、120 枚の clean cards を review したいです。

だから scheduler に執着する前に、1 回 pass して weak stuff を切る。future review pain を減らす最速の方法は、どうせうまく覚えられない cards を消すことです。

algorithm 自体をもっと深く知りたいなら、こちらが合います。

- [2026年の FSRS vs SM-2: どの spaced repetition algorithm がより多く覚えられるか](https://flashcards-open-source-app.com/ja/blog/fsrs-vs-sm-2/)

## FSRS は助けるが、bad planning は救わない

私は FSRS が好きです。古い systems より calm な review rhythm を与えてくれることが多いからです。

でも、学期全体の loose studying を、4 回の heroic evening に magically 圧縮してくれるわけではありません。

遅すぎるタイミングで cards を入れすぎれば、algorithm はその mess を材料に動くしかありません。

だから実用的な問いは、「FSRS を使うべきか」だけではありません。

「この review load は、exam 前の actual life にまだ収まるか」です。

## worst normal day でも終えられる daily load を決める

最もやる気のある土曜日を基準に plan を立てないほうがいい。

疲れていて、頭の中がすでにいっぱいで、それでも system に持ちこたえてほしい平日を基準にする。

つまり:

- ego が望むより早く new cards に cap をかける
- 最初の wave のあとで reviews が増えると見込む
- extra passes が必要な weak topics のために slack を残す
- 授業や仕事の full day のあとに 500 reviews を cheerful にこなす自分を想定しない

多くの exam prep は、もっと discipline があり、もっと time があり、照明も少し良い future-you を前提にするせいで壊れます。

実際に存在する version の自分に合わせて作るべきです。

その load の見積もりをもっと clean にしたいなら、こちらも exam workflow と相性が良いです。

- [2026年、1日に何枚の新しい Flashcards を追加すべきか: 本当に終えられる FSRS review load を作る](https://flashcards-open-source-app.com/ja/blog/how-many-new-flashcards-per-day/)

## source workflow と memory workflow は分けておくべき

これは、自分の study habits に対して行った中でも最も良い変更の 1 つです。

source processing では次をやります。

- notes を読む
- PDF を candidate cards に変える
- AI に first pass を draft させる
- definitions と examples を比較する

memory training では次をやります。

- due なものを review する
- weak cards を rewrite する
- finish できるサイズに deck を保つ
- 明確な gap がない限り sources を触らない

この 2 つが blur すると、studying は productive に感じられても recall は改善しません。すでに目の前にある cards を強化する代わりに、きれいな new cards を 1 時間かけて作ることになります。

だから exam prep では、boring な boundary がとても役に立ちます。早い段階では card drafting、後半は card reviewing。

## Flashcards がこの workflow により合う理由

[Flashcards](https://flashcards-open-source-app.com/ja/) は、この problem と相性が良いです。product が、同じ仕事だと pretend せずに、その両半分を扱えるからです。

現在の stack には次があります。

- file attachments と plain text uploads を備えた AI chat
- front/back card creation
- FSRS review scheduling
- hosted web app
- repository 内の offline-first clients

つまり、practical な exam workflow はこうなります。

1. 1 つの source chunk を upload または paste する
2. AI chat に draft front/back cards を頼む
3. weak cards をすぐ短くするか split する
4. review する価値のある cards だけを作る
5. 次の review timing は FSRS に任せる
6. final week は bulk generation ではなく recall に集中する

これは、絶対に review し切れない giant deck を AI に作らせるより、ずっと良い使い方です。

## final week は別物として扱う

exam 前の最後の 1 週間は、1 か月放置していた textbook chapter を新たに giant import する時期ではありません。

やるべきは次のことです。

- due reviews
- obvious gaps を埋める small targeted additions
- まだ fuzzy な cards の clean up
- おそらく formulas、vocab、definitions など、本当に extra reps が必要なものだけに絞った focused cram set

ここで panic して、learner ではなく content pipeline のように振る舞い始める人が多いです。

やることは減らす。review を増やす。すでに半分覚えかけている cards を守る。

## これは AI-generated decks ではさらに重要

AI は overproduction を簡単にします。

これが modern study tools の hidden tax です。typing ではなく selecting と editing が real work になるほど、多くの candidate cards を生成できます。

面白いのは、それでもまだ良い trade だという点です。

ただし benefit が出るのは、厳格でいる場合だけです。

- small batches で generate する
- generous に delete する
- best cards だけを残す
- exam window が tight になったら new material を止める

1 時間 deck を prune するだけで、あとで何時間もの miserable review を救えることがあります。

## では 2026 年、FSRS で exam をどう勉強するべきか

私はまず AI で first draft を速くし、その後はより厳しい exam mode に切り替えます。

- date から逆算する
- 欲しいより小さな deck に保つ
- 増殖する前に cards を clean up する
- final week の前に queue を安定させる
- late chaos の excuse としてではなく、scheduling engine として FSRS を使う

これが、実際に sustainable に感じられる **spaced repetition for exams** です。

その workflow を支える product が欲しいなら、[Flashcards](https://flashcards-open-source-app.com/ja/) はかなり合っています。AI-assisted drafting、front/back cards、FSRS review を 1 つの open-source stack にまとめてくれるので、5 つの study tools と exports の folder に workflow を分散させずに済みます。

## まだ終えられる exam deck を作る

この workflow を試したいなら:

- [Flashcards を開く](https://flashcards-open-source-app.com/ja/)
- [app を開く](https://app.flashcards-open-source-app.com/)
- [features page を読む](https://flashcards-open-source-app.com/ja/features/)
- [GitHub で source を見る](https://github.com/kirill-markin/flashcards-open-source-app)

source material がさらに 1 段前に残っているなら、こちらも役立ちます。

- [2026年、PDF を Flashcards に変える方法: lecture slides、textbooks、research papers を FSRS cards にする](https://flashcards-open-source-app.com/ja/blog/how-to-turn-a-pdf-into-flashcards/)
- [2026年、ChatGPT を使って Flashcards を作る方法: prompt を良くし、cards を良くし、FSRS で review を良くする](https://flashcards-open-source-app.com/ja/blog/how-to-use-chatgpt-to-make-flashcards/)
- [2026年、NotebookLM Flashcards を real spaced repetition に変える方法: export し、clean up し、FSRS で review する](https://flashcards-open-source-app.com/ja/blog/notebooklm-flashcards-to-spaced-repetition/)

最良の exam deck は、たいてい一番大きい deck ではありません。

countdown が uncomfortable になってからも、まだ calm に review できる deck です。

---
*[このページのスタイル付き HTML 版を見る](https://flashcards-open-source-app.com/ja/blog/how-to-study-for-an-exam-with-fsrs/)*

*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。*

*ヒント: https://flashcards-open-source-app.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。*