2026年10月8日にWasonの1960年論文本文を再確認した。三つの数の規則課題は、仮説に合う例だけを試し反証候補を探しにくい探索を示す小規模な概念課題であり、職場の個人特性や全ての意思決定へ直接一般化するものではない。仮説、予測、支持・反証の探索、未観測、撤回条件、独立レビュー、更新履歴を分け、賛成材料を集めた量だけで確信度を上げない。
確証バイアスは、反対意見を嫌う性格の名前ではありません。仮説を立てた後に、支持する証拠を探しやすく、反証する観察を試しにくいという情報探索の偏りです。意思決定の手順へ反証を組み込むと、問題を個人の意志の強さだけにしないで済みます。
公式資料を読み直した日と範囲
2026年10月7日に、P. C. Wasonの1960年の実験論文を確認しました。論文は三つの数の規則を当てる概念課題で、29人中6人が誤った結論なしに正解へ到達し、複数の誤った結論へ進んだ参加者は仮説を十分に試せなかったと報告します。これは一つの課題・小規模実験であり、すべての職場や個人の判断を測った結果ではありません。
30秒で要点
- 仮説を支持する例を集めるだけでは、別の仮説も同じデータを説明できる
- Wasonの課題は、反証になる例を試す設計がないと誤った規則を維持しやすいことを示した
- 「反対データを探す」を気合いにせず、事前登録、反証条件、独立レビューへ落とす
- 反証が見つからないことは、仮説が真であることの証明ではない
表が収まらない場合は、横にスクロールできます
| 段階 | 偏りが入りやすい動き | 手順に置く問い |
|---|---|---|
| 仮説 | 最初の説明を結論のように扱う | 別の説明を少なくとも一つ書いたか |
| 検索 | 支持する語や事例だけを探す | 何が起きたら仮説を捨てるか |
| 解釈 | 都合のよいデータを重く見る | 分母、欠測、反対の傾向は何か |
| 決定 | 既に使ったコストを正当化する | 中止・延期の条件を誰が確認するか |
何が「確証」になっているのかを分ける
情報が支持するのは、仮説そのものではなく、仮説が予測した観察の一部です。たとえば「新機能で継続率が上がる」という仮説なら、良い感想だけでなく、対象顧客、利用頻度、離脱、比較期間を同じ表に置きます。支持するレビューが増えても、回答しなかった顧客や利用しない顧客の結果は埋まりません。
検索結果や生成AIの回答も同じです。最初に見つけた説明を引用し続けるのではなく、原典、反対の結果、測定定義、データの欠け方を確認します。異なる情報源が同じ結論でも、独立した測定かどうかを確かめます。
実務の型：反証を先に置く
- 決定前に、仮説、予測、判断期限、撤回条件を一枚に書く。
- 「何が起きれば私たちは間違いか」を数値または観察可能な状態で表す。
- 賛成側と反対側の検索語・データ源を同じ時間で集め、欠測と選外を記録する。
- 提案者と別の人が、最も強い反証と代替説明を先に読む。
- 反証が出なかった場合も、検出力・期間・観測範囲の限界を決定記録へ残す。
反証が見つからない理由も点検する
反証がないのではなく、測れていない、期間が短い、対象が狭い、または指標が仮説に合っていない可能性があります。チーム内で反対意見が出ないときは、心理的安全性や役割の重なりも確認します。反証を求める手順は、相手を論破するためではなく、判断を取り消せる形に保つためのものです。
公式資料の範囲を外さない
Wasonの1960年論文は確証的な探索と仮説検証を考える基礎研究です。29人の単一課題の結果から、特定の組織の意思決定品質や個人の性格を診断することはできません。反証チェックを導入しても、データ品質、権限、利害、判断基準の問題が自動的に解決するわけではありません。