1. No category

᪥ᚰ➨ 㻣㻞 ᅇ኱఍䠄㻞㻜㻜㻤䠅
ㄆ▱㻌 㻟㻱㼂㻝㻜㻣㻌
推論フレームが再認ヒューリスティックに及ぼす影響
〇阿部慶賀1
本田秀仁2
2
（ 青山学院大学情報科学研究センター） （ 東京工業大学 大学院社会理工学研究科）
Key words : 再認ヒューリスティック、フレーミング効果
12
Table 1
背 景
推論時におけるヒューリスティックをめぐる研究にはすで
に多くの蓄積があるが，近年，ヒューリスティックの合理的
側面に着眼した高速倹約ヒューリスティックというアプロー
チが注目されている．現在関心が向けられているいくつかの
ヒューリスティックの一つに，
「二択のうち一方を再認でき，
もう一方を再認できなかった場合は再認できたものを基準よ
り高い値を持つと判断する」という Recognition Heuristics(以
下，RH と表記) が挙げられる．このヒューリスティックに
関する研究では，選択肢についての情報を不完全にしか知ら
ない場合でも完全に知っている状況下と勝るとも劣らないパ
フォーマンスを示すという “less is more effect” が知られてい
る (Goldstein & Gigerenzer, 2002)．
目 的
「多い」
「高い」などの，正の方
この RH を扱った研究では，
向性をもった選択肢を選ぶような課題での検討が行われてき
た．しかし，このような二者の比較から基準に合う選択肢を
選ぶタイプの推論では，問題の記述の視点に応じて判断が変
化するというフレーミング効果が生じることも知られている
．また，RH においては，再認
（Tversky & Kahneman,1981）
できたものを盲目的に選択するわけではない (Oppenheimer,
2003)．これらのことから，RH が適用可能な状況下で「少な
い」
「低い」などの負の方向性をもった選択肢を選ぶよう問わ
れた場合，選択パターンや処理に要した時間に変化が生じる
と考えられる．本研究ではこのような再認ヒューリスティッ
ク適用時における推論フレームの影響を明らかにすることを
目的とし，以下の心理学実験によって検討を行った．
実 験
方法 女子大学生 64 名を被験者とした．うち 33 名を，ど
ちらがより人口が多いかを判断させる「多い」回答群，残り
の 31 名を，どちらがより人口が少ないかを判断させる「少な
い」回答群に割り当てた．
被験者には人口推定課題として，後述する高知識リスト 15
都市と，低知識リスト 15 都市の組み合わせからなる 105 組
の都市名ペアを提示し，どちらがより人口が多い（
「多い」回
答群の場合），または少ない（「少ない」回答群の場合）と思
うかを選択させた．この課題は PC 上で実施し，都市名ペア
の提示，選択，回答の確定，という手順を 105 問行った．
この課題で用いた高知識リストは，47 都道府県の各県にお
ける人口最多の都市リストから，人口数上位 15 都市を抽出し
たもので，低知識リストは同様の要領で各県の人口数第 2 位
の都市リストから上位 15 都市を抽出したものである．大学
生 25 名を対象としてリストの各都市名を聞いたことがある
か否かを問う予備調査では，高知識リストでは平均 13 都市，
低知識リストでは平均 8.56 都市という結果となり，低知識リ
ストでは RH の適用が可能な状況が多いことが確認された．
この人口推定課題ののち，課題で提示された都市について，
聞いたことがあるかないかの 2 択，および聞いたことがある
と回答した場合には「1. 名前を知っているだけ」から「4. 非
「多い」回答群
「少ない」回答群
Table 2
人口推定課題の正答率
高知識リスト
低知識リスト
0.75
0.76
0.64
0.63
人口推定課題における反応時間（単位：秒）
「多い」回答群
「少ない」回答群
既知-既知ペア
既知-未知ペア
2.62
3.14
2.36
2.84
常によく知っている」までの 4 件法で都市に対する知識量を
答えさせる知識量測定課題を行った．
結果 高知識リストの平均再認都市数は 14.92，低知識リス
トでは 10.36 となり，リスト間で再認都市数に有意差が確認
された（t(63) = 15.40, p < .0001)．これは本実験でも低知識
リストに対する RH の適用可能性が高いことを示している．
人口推定課題の推論成績ついては推論形式に応じた正答率
の差は見られず (F (1, 62) = 0.20, p = .65)，両群ともに高知識
リストの方が低知識リストより正答率が高かった (F (1, 62) =
111.30, p = .001)．この結果は問題の形式によらず選択肢の両
方が既知である状況化での知識主導での推論が，未知の選択
肢を含む状況よりも正答しやすいことを示している．
では，被験者は RH を利用しなかったのだろうか．低知識
リストに対する知識量推定課題で，RH 適用条件下（[既知&未
「多
知] の都市対）において既知の都市を選んだ割合をみると，
い」回答群では 83.2%，「少ない」回答群では 80.3%となり，
両群とも RH を適用したと考えられる．
そうなると，本研究が予想するような推論フレームによる
影響はないのであろうか．そこで，推論フレームによる処理
の違いを，都市名ペアの提示から回答確定までの時間を計測
したところ，両方の都市名ペアを知っている場合でも，一方
の都市を知らない場合でも，
「少ない」回答群は「多い」回答
群よりも回答に時間がかかった．
考 察
本研究の結果からは，推論フレームによらず RH が適用可
能な状況では被験者は RH を適用していることが示された．
また，反応時間では推論フレームによって差が見られたが，
これは再認と正の相関をもつ方向に推論フレームを形成しや
すいものと考えられる．
引用文献
Goldstein, D.G., & Gigerenzer, G.(2002).Models of ecological rationality: The recognition heusitic.Psychological Review, 109,
75-90.
Oppenheimer, D.M.(2003). Not so fast! (and not so frugal!): Rethinking the recognition heuristic.Cognition, 90, B1-B9.
Tversky, A. and D. Kahneman.(1981).The Framing of Decisions
and the Psychology of Choice, Science, 211, 453-458.
(ABE Keiga, HONDA Hidehito)
㸫783㸫