ブラウンノイズの効果|集中力を高める理由
ブラウンノイズとは──低音がどっしり効いた集中BGM
ブラウンノイズは、ホワイトノイズ・ピンクノイズと並ぶ環境ノイズの一種で、低音域が強く、高音域がほとんど含まれないのが特徴です。「ザーッ」というより「ゴォー」という滝や雷鳴、深い波音に近い低く落ち着いた音で、TikTokやYouTubeで「集中 BGM」として紹介されることも増えています。
名前の由来は、水中の微粒子が不規則に動く「ブラウン運動」を数式的に音に変換したことから来ており、色とは関係ありません(ちなみに音のスペクトルが低音寄りであることを、光の色に例えて「ブラウン(茶色)」と呼んでいます)。
ホワイトノイズ・ピンクノイズとの違い
3つのノイズは、含まれる周波数のバランスで区別されます。
- ホワイトノイズ:全周波数が均等な強さで含まれる、いわゆる「ザーッ」というテレビの砂嵐のような音
- ピンクノイズ:周波数が上がるごとにエネルギーが減っていく(1/f特性)。ホワイトノイズより耳あたりが柔らかい
- ブラウンノイズ:ピンクノイズよりさらに急激にエネルギーが低音側に偏る(1/f²特性)。3つの中でもっとも低音が強く、耳への刺激が少ない
この違いから、ブラウンノイズは「高音が耳につく感じが苦手」「もっとどっしりした音が好き」という人に向いている環境ノイズと言えます。
集中力への効果
マスキング効果──気が散る音を打ち消す
ブラウンノイズを含む環境ノイズの基本的な働きは、周囲の雑音を均一な音でかき消すマスキングです。エアコンの音、隣の部屋の話し声、work from homeなら生活音など、集中を妨げる不規則な音を、一定のブラウンノイズで覆い隠すことで、脳が「次に何の音が来るか」を予測して注意を割く回数を減らします。
ADHD傾向との関係──2024年のメタ分析
2024年にJAACAP誌に掲載されたメタ分析(13研究・335人が対象)では、ホワイトノイズ・ピンクノイズについてADHD傾向がある人には成績の有意な向上、ADHD傾向がない人にはむしろ成績の低下という結果が報告されています[1]。ブラウンノイズ単体を対象にした研究はまだ少なめですが、同じ環境ノイズのカテゴリとして「最適覚醒レベル」理論(刺激を求めやすい脳には適度なノイズがプラスに働く、という考え方)が当てはまると考えられています[2]。
ワーキングメモリへの効果を示した実験も
ブラウンノイズ単体を扱った小規模な実験の中には、ワーキングメモリ課題の成績改善を示したものもあります[3]。ただし研究数自体がまだ少ないため、「ブラウンノイズが最強」と断定するのは時期尚早で、個人差の大きい領域であることは踏まえておく必要があります。
ブラウンノイズが自分に合うか試してみよう
CortexLabのフォーカスサウンドで無料再生
どんな人に向いているか
「静かだと逆に気が散る」タイプ
完全な無音の中だと、時計の秒針や換気扇の音など小さな物音が逆に気になってしまう人には、ブラウンノイズのような一定の環境音でその場を埋めてしまう方が集中しやすいことがあります。
オフィス・在宅ワークでの活用
オープンオフィスやカフェなど周囲の会話が聞こえる環境、あるいは在宅ワークで生活音が気になる環境では、ブラウンノイズをヘッドホンやスピーカーで流すことで、雑音の輪郭をぼかして集中作業に入りやすくなります。ヘッドホンなしでも効果があるため、スピーカー環境でも気軽に試せます。
聴き方のコツ
- 音量は「気にならない」レベルに:ブラウンノイズ自体が新たな注意対象にならないよう、控えめな音量から始める
- 作業開始時から流しておく:途中から再生すると音の変化自体に気を取られやすいので、最初から流しておくのがおすすめ
- 合わないと感じたらピンクノイズ・ホワイトノイズも試す:効果には個人差が大きいため、複数のノイズを比較するのが近道
CortexLabで聴く
CortexLabのフォーカスサウンドでは、ホワイトノイズ・ピンクノイズ・ブラウンノイズの3種類をWeb Audio APIでリアルタイム生成しています。ダウンロード不要でワンタップで再生でき、どのページからでも開けるミニプレイヤーでそのまま作業を続けられます。3種類を切り替えながら、自分に一番合うノイズを探してみてください。
ブラウンノイズは低音域が強い環境ノイズで、周囲の雑音をマスキングして集中の土台を作ります。ADHD傾向がある人には効果が出やすい一方、ない人には逆効果になるケースもある、個人差の大きい音です。まずは短時間試して、自分に合うかどうかを確かめてみましょう。
参考文献
この記事をシェア
ミッシェル リュウ
CortexLab 開発者・認知パフォーマンス研究者
ソフトウェアエンジニアとして認知科学とテクノロジーの融合に取り組む。科学的根拠に基づいた脳パフォーマンス測定ツールの開発に注力。