メインコンテンツへスキップ
コラム一覧に戻る
コラム

「みんなの意見」に確信度を足すと正答率は上がる。さらに足しても、上がらない

2026年8月29日
最終更新: 2026年10月8日
5

2026年10月8日に128人が50問のTrue/Falseトリビアを解く社会的情報実験を再確認した。回答分布へ各陣営の平均確信度を加えた中程度の情報は分布だけより正確さを改善したが、他者の回答や確信度の予想まで含む全情報は安定した追加利得を示さず、複雑さが効果を弱める可能性があった。学生サンプルと課題の結果を会議や世論へ移さず、結論・確信度・根拠・反証条件・保留・更新理由を別欄で比較する。

会議で意見を集めると、情報を増やすほど判断がよくなると思いがちです。2026年の実験は、回答分布だけでなく、各陣営の確信度を足したときの変化と、さらに高次の情報を足したときの限界を比べました。

研究を読み直した日と範囲

2026年10月7日に、He、Lien、ZhengのHumanities and Social Sciences Communications論文を一次論文で再確認しました。128人が50問のTrue/Falseトリビアに答え、回答分布、回答者の確信度、他者の回答や確信度についての予想を段階的に見ました。事前登録ではない実験で、学生の実験課題です。

30秒で要点

  • 参加者は自分の回答、確信度、他者の見方を回答し、社会的情報の量と種類を変えた
  • 回答分布だけの情報より、各陣営の平均確信度を加えた中程度の情報の方が、正確さを改善した
  • 高次信念まで含む全情報は、中程度の情報を安定して上回らず、複雑さが利得を消す可能性が示された
  • 情報の効果は問題の難しさや多数派の正しさで変わり、社会的情報が常に正解を増やすわけではない
  • 会議へ移すときは、結論と確信度を先に集め、使った情報、保留、更新を別に記録する
社会的情報を回答分布・確信度・高次信念に分けて比較する図
情報量を増やす前に、正確さへ寄与する種類と、読み手が処理できる複雑さを点検する。

表が収まらない場合は、横にスクロールできます

条件見せた情報読み方
NI社会的情報なし個人の初期判断と確信度
LI回答分布多数派と分散
MI分布+各陣営の平均確信度多数派と信号の強さ
FIMI+他者の回答・確信度の予想高次情報の複雑さ

この実験は何を比べたか

参加者は歴史、地理、文学、科学などのTrue/False問題を50問解き、最初の答えと確信度を記録しました。その後、条件に応じて他者の回答分布、各陣営の平均確信度、他者がどう答えると思うかという高次信念を見て、答えを改訂しました。

この設計で分かるのは、同じ問題と同じ参加者群で、どの情報表示が改訂と正確さに関係したかです。日常の会議のような役割、権限、利害、専門性、時間制約を直接測ったものではありません。

多数派に確信度を足す意味

回答分布だけでは「70%がAを選んだ」ことしか分かりません。Aを選んだ人の確信度が低く、少数派Bの確信度が高いなら、分布と確信度を組み合わせて読み直せます。論文は、確信度を含む中程度の情報が、分布だけの条件よりよい正確さをもたらしたと報告しました。

ただし、確信度は正しさの保証ではありません。参加者は過信する傾向も示し、問題ごとに多数派が正しいとは限りません。確信度を収集するなら、根拠、反証条件、分からないという選択肢を同じ欄に置きます。

情報を足し続けると、読み手が迷う

全情報条件では、他者の回答と確信度の予想まで提示しましたが、中程度の条件を安定して上回る追加利得は確認されませんでした。論文は、高次の情報が参加者を混乱させ、中程度の情報の利点を弱める可能性を示しています。これは「情報を足すほど悪くなる」という普遍則ではなく、この課題と表示方法での結果です。

情報の追加には、回答者の負担、集計・説明の時間、誤解のリスクがあります。新しい欄を増やす前に、既存の確信度が正答の識別や行動の見直しに使われているかを測ります。

会議へ移すときの小さな検証

  1. 議論を始める前に、各人の結論と確信度を個別に取る。
  2. 多数派の人数と、各陣営の確信度の分布を並べる。
  3. 根拠、反証条件、保留理由を別欄に書く。
  4. 他者の予想や高次信念を追加するなら、判断時間と正確さがどう変わるか測る。
  5. 会議後に、どの情報を使って更新したか、結果が正しかったかを記録する。

最初から複雑なダッシュボードを作らず、一つの論点で、情報を増やす前後の判断時間・正確さ・納得度を比較します。会議の最終決定者と、保留や追加調査を決める人も置きます。

研究の範囲を外さない

この論文は、128人の学生が2019年に行ったTrue/Falseトリビアの実験で、事前登録ではありません。結果は、社会的情報の種類と正確さの関係を示す一例であり、企業会議、オンライン世論、採用、医療の判断をそのまま説明するものではありません。問題難易度、参加者の専門性、表示方法、利害が変われば結果も変わります。

判断の土台として押さえておくこと

  • 結論と確信度を分けて取る:人数だけでなく、信号の強さと根拠を残す。
  • 情報の追加を測る:新しい欄の正確さ、時間、負担、誤解を比べる。
  • 高次情報を正解扱いしない:面白い予想と、正確さに効く情報を分ける。
  • 保留を結果として残す:判断できないときに調査へ戻る条件を置く。

次の一手:判断の前提と指標を揃える/AIの助言への依存を点検する/判断ハブを見る

よくある質問(FAQ)

この記事の関連リンク

判断軸として

First byte Method 完全ガイド

AI×心理学×統計学で判断の質を高める実践的手法