「締切を細かく切れば先延ばしは減る」は再現しなかった｜有名研究の追試が示す施策の前提の確かめ方

「締切を細かく切れば先延ばしは減る」は再現しなかった｜有名研究の追試が示す施策の前提の確かめ方

チームの進捗管理でマイルストーンや中間締切を設定するとき、その根拠として行動経済学の有名な実験が引き合いに出されることがあります。Ariely and Wertenbroch (2002) が示した「締切を細かく分割すると先延ばしが減る」という結果は、その代表格です。しかし2026年、この実験の一部に対する厳密な追試が、原典を再現しないという結果を報告しました。この記事では、追試とデータ不良の違いを整理したうえで、施策の根拠をどう持てばよいのかを考えます。

30秒で要点

• 2026年、Psychological Science誌にAriely and Wertenbroch (2002) のStudy 2（校正課題を用いた締切効果の実験）の厳密な追試が掲載され、原典は再現しなかった
• 締切の変更は3つの成績指標といくつかの調査指標に対してnegligible（無視できる程度）な効果しかなく、外部から課した等間隔の締切も先延ばし抑制で際立たなかった
• 著者らは、参加者行動の他のパターンとは整合していたと明記しており、この追試はデータの質を疑わせるものではない
• 追試は「今回の設計・サンプルでの結果」を示すにとどまり、「締切には効果がない」という一般化や、原典・締切研究全般の否定を意味しない

なぜ「再現しなかった＝元の研究が間違っていた」と思ってしまうのか

追試が「再現しなかった」と聞くと、多くの人は「元の研究のデータや分析に問題があったのではないか」と考えがちです。再現の失敗を、研究不正や不注意の証拠として読んでしまう反応です。しかし、厳密な追試における再現の失敗には、少なくとも2つの異なる意味があり得ます。1つは、元の研究や今回の追試のどちらかにデータの質や実施上の問題があった場合。もう1つは、両方の研究が正しく実施されていても、その効果が特定の条件下でしか観測されない、あるいは効果量が非常に小さく標本によって検出されたりされなかったりする場合です。今回のケースを理解するには、この2つを区別する必要があります。

何が追試されたのか

今回追試の対象になったのは、Ariely and Wertenbroch (2002) のStudy 2、校正課題を用いた締切効果の実験です。原典は、締切をどう設定するかによって参加者の先延ばし行動や成績がどう変わるかを検証したもので、行動経済学における「コミットメント装置」の効果を示す代表的な研究として広く引用されてきました。

この種の研究が実務の現場で参照されやすいのには理由があります。「締切を細かく分割すれば先延ばしが減る」という主張は、実行コストが低く、成果らしきものを示しやすい施策です。中間締切を1つ増やすだけであれば、大きな予算も体制変更も要りません。だからこそ、企業の進捗管理やプロジェクト設計の場で、根拠を深く確認しないまま「有名な行動経済学の知見」として採用されやすい構造があります。

「再現しなかった」は「データが悪い」ではない

この追試を読むうえで最も重要なのは、著者ら自身が、この結果をデータの質の問題として扱っていない点です。著者らは、主要な再現結果とは独立に予想される参加者行動のいくつかのパターンとは整合していたと明記しています。つまり、実験そのものは正常に機能しており、参加者は実験デザインが想定するとおりに行動していた。それでも、締切の変更という操作固有の効果だけが、今回は現れなかったということです。

著者らはさらに、この違いの理由についても慎重な立場を取っています。設計を変えた比較研究（原論文とは異なるタスク・インセンティブ・締切構造で行う研究）は「タスク・インセンティブ・締切構造の変化に対する頑健性の欠如」を示唆するにとどまるが、今回のような厳密な追試は「結果そのものの頑健性」についてより強く語れる、と位置づけています。また、原論文が「参加者がどう時間を使ったか」と「成績」の関係についての分析を報告していないため、なぜ再現に失敗したのかについて、これ以上踏み込んだ推論はできないとも明記しています。

「厳密な追試」と「応用の失敗」は、別の情報を持っている

ここで整理しておきたいのは、著者らが分けている2種類の検証の違いです。1つは、今回のような「厳密な追試」――同じ課題・同じ手続きで、同じ結果が出るかどうかを確かめる検証です。もう1つは、「設計を変えた比較研究」――課題やインセンティブ、締切の切り方を変えた別の状況で、同じような効果が出るかどうかを確かめる検証です。

この2つは、失敗したときに教えてくれることが異なります。設計を変えた比較研究がうまくいかなかった場合、それは「元の効果が、条件を変えても幅広く成り立つとは言えない」ということまでしか言えません。効果そのものが疑わしいのか、単に今回の変え方と相性が悪かっただけなのかは、区別がつきにくいからです。一方、厳密な追試が再現しなかった場合は、「その特定の条件のもとでさえ、効果が安定して出るとは言えない」という、より踏み込んだ情報になります。著者らが「結果そのものの頑健性についてより強く語れる」と位置づけているのは、この違いによるものです。

社内で行動経済学の知見を根拠にする場面では、しばしばこの2種類の検証が区別されないまま、「〇〇という有名な効果がある」という一文だけが伝わります。その効果がどちらの種類の検証を経てきたものか、あるいは今回のようにどちらの検証でも揺らいでいるものかを確認する作業は、施策の設計段階で省略されがちです。

確かなことと、まだ確かではないこと

確かなこと: 2026年、Psychological Science誌にAriely and Wertenbroch (2002) Study 2の厳密な追試が掲載されたこと。締切の変更が3つの成績指標といくつかの調査指標に対してnegligibleな効果しか示さなかったこと。著者らが、この結果をデータ不良ではなく、参加者行動の他のパターンとは整合する形の「締切操作の効果が出なかった」結果として位置づけていること。

まだ確かではないこと: サンプルサイズ、各条件への割付人数、効果量の具体的な数値は、参照した範囲では特定できていません。原論文が時間の使い方と成績の関係を報告していないため、なぜ再現に失敗したのかについての、これ以上の理由づけも明らかにされていません。

判断軸の提示

社内の進捗管理制度や顧客向け施策を、行動経済学の知見を根拠に設計するときは、「その効果が観測された条件」を先に確認すること。 有名な実験があるという事実は、その効果が自社のタスク・インセンティブ構造・締切の粒度でも同じように現れることを保証しません。今回の追試が示すように、厳密に同じ設計で追試しても効果が消えることがあり、それは元の研究が間違っていたことを意味するわけでも、施策全体が無意味だったことを意味するわけでもありません。施策の根拠は「効果があるかないか」という二択ではなく、「どの条件・どの規模で観測された効果なのか」という幅で持つ方が、追試のような結果に振り回されにくくなります。

確認したい問いは、次の3つに整理できます。

1. 根拠にしている研究は、厳密な追試を経ているか、それとも単発の実験結果にとどまるか
2. その研究のタスク・インセンティブ・締切の粒度は、自社の施策とどれだけ近いか
3. 「効果があった」という結論の裏に、効果量や条件の幅についての記述があるか、それとも効果の有無だけが伝聞で広まっているか

これらに答えられない状態で「有名な研究があるから」という理由だけで制度設計を進めると、今回の追試のような結果が出たときに、施策の前提そのものを一から見直す羽目になります。

自分でも試せる、最小の検証

自社のマイルストーンや中間締切の設計が、何らかの研究や通説を根拠にしている場合、その根拠となる研究のタスクの種類（今回であれば校正課題）と、自社のタスクの種類がどれだけ近いかを書き出してみてください。近さが低いほど、「その研究の効果がそのまま自社にも当てはまる」という前提は弱くなります。

この記事で扱ったような判断を、自社の状況に照らして整理したい場合は、無料診断ツールで状況を言語化するところから始めることができます。