人に仕事を任せるとき、何を見て任せているのか。能力そのものを見ているつもりでも、実際に手がかりにしているのはその人が自分の判断をどう扱っているかだったりします。「できます」と言ったことは大体できる、「分かりません」と言うところは本当に分からない。そういう人には任せやすい。
この見立てを、別の領域に持ち越せるかどうかが問題です。数字の読み方について見立てが確かな人は、人の採用についても見立てが確かなのか。現場の感覚では「あの人は判断が確かだから」と、領域をまたいで持ち越していることが多い。
ここで引っかかるのは、そもそも何を見て「確かだ」と言っているのかです。自信がある人を確かだと言っているのか、それとも自信と結果の対応が取れている人を確かだと言っているのか。この2つは、普段の会話では混ざっています。そして混ざったまま持ち越すと、持ち越せないものを持ち越すことになります。
本記事の見立てを先に置きます。評価の場で見えているのは自信の高さのほうで、任せる判断にとって効くのは自信と正しさの対応の鋭さのほうではないか。そして後者は、一つの能力としてまとまっていないのではないか——というのが仮説です。
扱わないものも置きます。採用や人事評価の設計はここでは扱いません。参照する研究は実験室の課題を対象にしたもので、業務判断への適用については何も書いていないからです。実務への接続は、記事側の解釈として節を分けて書きます。
30秒で要点
- 分けるべき指標は2つ。メタ認知バイアス（平均確信度 − 正答率。自信の高さ）とメタ認知効率（自信と正解の対応の鋭さ）
- 参照した研究の結論は「弱い領域汎用性」。知覚課題用のモジュールと認知課題用のモジュールという2つに分かれるという解釈である
- ただし「2因子が最良」は条件つき。どの研究をまとめるかで最良モデルが変わる
- 2つのモジュールは無関係ではない。有意な中〜大の共分散があり、論文は似た過程で動作している可能性を述べている
- 課題間相関の大きさは推定方法で動く（階層推定 r = .62／非階層 r = .18 という例がある）。相関を能力の実体として読めない
混ざっている2つを、先に分ける
参照するのは Audrey Mazancieux ら5名の「Metacognition in Decision-Making Across Domains and Modalities: Evidence From Three Studies」です（Psychological Science, Volume 37, Issue 2, pp. 106–124、DOI 10.1177/09567976251415354。オンライン初出は2026年2月3日、2026年2月号掲載。CC BY のオープンアクセス。所属は Université Libre de Bruxelles、Jagiellonian University、Aarhus University／Copenhagen University Hospital Rigshospitalet。EU COST Action CA18106 とポーランド国立科学センターの助成。2026年10月24日に本文を取得して確認）。
この論文は「最新の研究」ではありません。 公表は2026年2月で、本記事はそれを今になって読み直しているだけです。
論文が区別している2つの指標が、本記事の骨格になります。
1つめは、メタ認知バイアス。 分母と分子を明示すると、こうです。平均の生の確信度——回答が正解である確率の主観的な見積り、単位はパーセント——から、実際の正答率（正答数 ÷ 試行数、単位はパーセント）を引いた値です。0に近いほど正確で、正なら自信過剰、負なら自信の過小評価を意味します。確信度は全課題で6段階（50%〜100%、10%刻み）で集められました。
2つめは、メタ認知効率。 こちらは meta-d′ という枠組みで推定されています。確信度が一次成績（判断そのものの当たり外れ）に対してどれだけ敏感かを、判断の感度と同じ単位で表す考え方です。平たく言えば、正解したときには高い自信を、間違えたときには低い自信を割り振れているかという対応の鋭さです。
日常の評価で見えるのは、ほぼ前者です。会議で「自信がありそう／なさそう」として読まれるのは、自信の水準だからです。一方、任せる判断で効いてほしいのは後者です。「この件は大丈夫、こちらは怪しい」の切り分けが当たっている人に任せたい。
研究が何をしたか——人数より先に、重なりを見る
データはデンマークとポーランドで実施された3つの研究、10課題、成人の参加者（分析によって N = 253〜547）です。
- 研究1：253人（女性139人、18〜49歳、平均25.08歳）。4つの二者択一課題——エピソード記憶（対になった語の学習）、意味記憶（一般知識問題）、視覚の数量知覚（点の多い円を選ぶ）、実行機能／注意の切り替え——を各120試行
- 研究2：298人（女性187人、18〜40歳、平均23.88歳）。聴覚・視覚・触覚・痛覚の4課題を各192試行（痛覚のみ倫理的配慮で144試行）
- 研究3：547人（女性327人、平均24.42歳）。視覚（縞模様のパッチ）と聴覚の識別課題を各152試行。難易度は試行ごとに自動調整される方式で統制
ここで、人数を並べる前に押さえるべき事実があります。この3つの研究は、独立した3標本ではありません。
研究3の547人のうち、246人は研究1の課題も実施しており、290人は研究2の課題も実施していました。研究3だけを実施したのは15人です。
つまり「3つの研究で確認された」という要約は成立しません。大きく重複した参加者集団を、課題の組み合わせを変えて何度か分析している、という構造です。論文自身も、全研究をまとめたモデルが識別されなかった理由として、研究1と研究2が別の参加者によって実施されたことを挙げています。
もう1つ、分析人数に関わる事実があります。メタ認知効率の推定が偏らないよう、課題ごとに正答率95%超または55%未満の参加者と、全体で単一の確信度しか使わなかった参加者が除外されています。除外数は課題で大きく違い、研究1のエピソード記憶課題では82人、実行機能課題では32人が除外されました（意味記憶は1人、視覚知覚は0人）。
82人という規模は、253人の約3分の1です。記憶課題は、正答率が基準から外れる人が多かったということになります。分析に残った人の構成は、課題ごとに違います。
「2つのまとまりに分かれた」と言えるのは、どこまでか
論文の結論は、メタ認知の「弱い領域汎用性」です。知覚課題のためのメタ認知モジュールと、認知課題のためのもう一つのモジュールが存在するという解釈です。
「弱い」という語が重要です。これは、単一のモジュールで全部を説明する立場（強い領域汎用性）と、課題ごとに独立している立場（領域特異性）の中間を指しています。「領域をまたがない」という意味ではありません。
そしてここが、要約するときに最も落ちる部分です。「2因子モデルが最良だった」は、どの研究をまとめたかによって変わります。
(a) 3研究すべてをまとめた分析では、2因子モデル（認知因子＝エピソード記憶・意味記憶・実行機能／知覚因子＝残りの課題）が最良で、モデルの当てはまりの良さを比較する指標の重みのうち70%を占めました（単一因子の全般モデルは30%）。2因子モデルは全般モデルを有意に上回り（Δχ² = 5.26, p = .021）、2因子間の共分散も有意でした（共分散 0.65, z = 2.82, p = .005）。
(b) 研究1＋研究3の分析では、最良は「研究ごとに1因子」のモデルでした（重み39%）。2因子モデルは33%、全般モデルは29%。2因子モデルが全般モデルを上回ったのは限界的（Δχ² = 3.65, p = .056）で、研究ごとモデルは適合を有意には改善しませんでした（Δχ² = 2.63, p = .105）。
(c) 研究2＋研究3の分析——こちらは知覚課題だけです——では、最良は全般モデルでした（重み67%）。3因子モデルは8%、研究ごとモデルは25%。論文はこれに注記を付けています。認知課題を含まないため、ここでの全般モデルは単一の知覚モジュールに相当する、と。
3つを並べると、言えることはこうなります。3研究をまとめたときに2因子が最良であり、知覚課題だけを見るなら単一のモジュールで足りる。 これは「弱い領域汎用性」という結論と整合しています。一方、「2因子構造が確認された」という単文の要約は、(b) と (c) を落としています。
なお、3研究をまとめた分析では、4因子モデル（視覚・聴覚・体性感覚・認知）と研究ごと1因子のモデルは推定が収束せず、解が得られませんでした。これは「4因子ではなかった」ではなく「4因子モデルは推定できなかった」です。区別しておきます。
2つのモジュールは、別の能力ではない
ここで振り返りが必要になります。「知覚の自己評価と思考の自己評価は別物だった」と読みたくなる結果ですが、論文はそう書いていません。
論文は、2つのモジュール間に有意な中〜大の共分散が見られたことから、両者が似た過程で動作している可能性を述べています。さらに結論部で、認知因子の信頼性についてはさらに検討が必要だと自ら書いています。
したがって「知覚と思考はまったく別の能力である」と書くと、論文の記述と矛盾します。言えるのは、一つの指標で全部をまとめるには足りないらしいという程度です。
相関の大きさは、測り方を含んだ値である
もう1つ、結論を読む前に通る必要がある節があります。
論文は、階層ベイズ推定による指標が、非階層推定より課題間相関を系統的に大きくしたことを示しています。階層推定とは、個人ごとの推定を全体の分布の情報も使って行う方法で、推定が安定する代わりに個人差が全体平均の方へ引き寄せられます。
論文はその一因として、試行ごとの難易度のばらつきが大きい課題——あらかじめ刺激が決まっていて難易度がランダムに現れる研究1など——ほど相関が大きくなることを挙げています。具体例として、視覚知覚課題と意味記憶課題では、階層推定で r = .62、非階層推定で r = .18 という差が最も大きかったと書かれています。
r = .62 と r = .18 は、結論の向きを変える差です。前者を見れば「かなり共通している」、後者を見れば「ほとんど別」になります。同じデータで、推定方法を変えただけです。
ここから言えることは、課題をまたいだ相関を「共通の能力の大きさ」として読むことはできないということです。相関は、能力と測り方の両方を含んだ値です。この点を落とすと、前節の条件つきの結論を読み誤ります。
一方で、相関が全部見かけのものだったわけでもありません。論文は探索的な分析として、メタ認知バイアスの影響を回帰で除いても相関パターンは大きく変わらなかったと報告し、知覚因子・認知因子の中で見られた課題間相関は領域汎用的なバイアスによる見かけの相関ではないと述べています（探索的分析であると論文が明記しています）。
なぜ、自信の高さを確かさとして読んでしまうのか
ここまでの区別をしても、現場では自信の高さが確かさとして読まれ続けます。理由は、観測のしやすさの違いにあります。
自信の高さは、1回の発言で観測できます。 「大丈夫だと思います」の語調で足ります。一方、自信と正しさの対応は、複数回の予測と結果の照合がないと観測できません。1つの判断からは、対応が取れていたのかどうかは原理的に分かりません。
そして組織の時間の流れは、照合に向いていません。判断の結果が出るのは数か月後で、そのときには誰がどれくらいの確信度で言ったかの記録が残っていない。残っているのは「あの人は自信があった」という印象だけです。照合できない環境では、照合を要する指標は使われず、1回で読める指標が代わりに使われます。
もう1つは、言葉の側の問題です。「判断が確かだ」という表現は、2つの指標を区別しません。区別する語彙が日常にないので、分けて考える必要があることにも気づきにくい。この記事が最初に指標を2つに分けたのは、そのためです。
自信が何を測っているのかという問いは、別の角度からも扱っています。自信の強さが能力ではなく環境の見えにくさを反映している可能性は自信の強さは、その人の能力ではなく「場の見えなさ」を測っているのかもしれないで、確信度が正しさよりも判断基準の位置を映している可能性はその自信は、正しさよりも「そのとき基準がどこにあったか」を映しているかもしれないで扱いました。本記事はそれらと違い、対応の鋭さという指標そのものが、領域をまたいで一つではないらしいという点に限定しています。
ここから先は、記事側の解釈である
線を引きます。ここまでが論文の記述で、ここからは本記事の解釈です。
参照した論文には限界節がありません。実験室の知覚・記憶・実行機能課題を対象にした研究であり、業務判断への適用について論文は何も述べていません。参加者は精神疾患や脳損傷の既往がない18〜50歳の健常者で、MRI研究の一部として募集された人たちです。一般人口の代表標本ではありません。
その上で、持ち越せる考え方として書けるのは次のことです。
「判断が確かな人」という評価は、領域を指定しないと意味が薄い。 少なくとも、知覚的な識別の自己評価と、記憶や実行機能を要する判断の自己評価は、一つの指標でまとめるには足りないらしいと分かっています。業務の判断がどちらに近いのかも自明ではありません。
そして、評価に使うなら対応の記録が必要になる。 自信の高さは発言から読めますが、対応の鋭さは照合なしには読めません。照合の記録がない組織では、「判断が確かな人」は実質的に「自信がある人」を指しています。
これは論文が示したことではなく、論文の区別を業務に当てはめたときに出てくる帰結です。
手元で試せる最小の確認
自分について1つだけ試せることがあります。
次の1週間、判断を下すたびに「当たる確率」を数字で書き残す。
形式は単純でかまいません。判断の内容を1行、そのとき自分が思う正しさの見積りをパーセントで1つ。50%、70%、90%のように、刻みは粗くてよいです。
1週間後に結果が出たものだけ照合します。見るのは平均ではなく、90%と書いたものの外れ方です。90%のうち1割程度外れているなら対応は取れています。90%と書いたものがほとんど外れないなら、確信度を低く見積もりすぎています。半分外れるなら、90%という数字が機能していません。
そしてもう1つ、記録を2種類に分けておくと、本記事の論点を自分で確かめられます。数字や記憶を扱う判断と、見た目や印象を扱う判断を別の列に書く。 一方の列だけ対応が取れているなら、「自分の判断は確かだ」を領域をまたいで持ち越すことは、少なくとも自分についてはできていないことになります。
この確認は数十件では結論になりません。それでも、自信の高さと対応の鋭さが自分の中で別に動くことに気づくには足ります。
確かなことと、確かでないこと
確かなこと（2026年10月24日に本文を取得して確認した範囲）：論文の結論が「弱い領域汎用性」であること。2指標の定義と測り方。3研究の人数・課題構成・試行数。研究3の547人のうち246人が研究1、290人が研究2の課題も実施し、研究3のみは15人であること。研究1での除外人数（記憶82人・実行機能32人・意味記憶1人・視覚知覚0人）。3つの分析ごとの最良モデルと重み、各検定の値。4因子モデルと研究ごとモデルが収束しなかったこと。2モジュール間に有意な中〜大の共分散があり、似た過程の可能性が述べられていること。階層／非階層推定の相関差（r = .62 と r = .18）。バイアスを除いても相関パターンが大きく変わらなかったこと（探索的分析）。
確かでないこと：この研究から「知覚と思考の自己評価は別の能力である」とは言えません。2因子構造も無条件の結論ではなく、どの研究をまとめたかで最良モデルが変わります。課題間相関の大きさは推定方法と課題設計で動くため、能力の実体として読むことはできません。
本記事が範囲を広げていないこと：対象は実験室課題であり、論文には限界節がなく業務判断への適用の記述もありません。前節の実務への接続は、論文の主張ではなく本記事の解釈です。また、補足資料は取得していないため、因子負荷量の個別値には触れていません。
人に任せるときに立ち返る問い
立ち返りたいのは、「私はこの人の、どちらを見ているのか」という問いです。自信の水準を見ているのか、自信と結果の対応を見ているのか。前者なら、見ているのは1回の発言から読める量です。後者なら、照合の記録が必要です。記録がないなら、後者を見ているつもりで前者を見ています。
もう1つは、「この確かさは、どの領域での確かさだったのか」という問いです。数字の読みで対応が取れていた人が、人の見立てでも取れている保証は、少なくとも実験室の課題の範囲では得られていません。領域を指定せずに「判断が確かな人」と言うとき、指定されていないぶんは、こちら側が埋めています。
自分の判断についても同じです。ある領域で見立てが当たってきた経験は、別の領域での見立てを支えません。 支えているように感じるのは、当たった経験が「自信」として一般化され、領域の指定が落ちるからです。落ちた指定を自分で戻せるかどうかが、任せる側にも任される側にも効いてきます。
参考資料・引用元
- Metacognition in Decision-Making Across Domains and Modalities: Evidence From Three Studies（Audrey Mazancieux, Katarzyna Hat, Renate Rutiku, Michał Wierzchoń, Kristian Sandberg、Psychological Science, Volume 37, Issue 2, pp. 106–124、DOI 10.1177/09567976251415354。オンライン初出2026年2月3日、2026年2月号掲載。CC BY のオープンアクセス。2026年10月24日にブラウザで本文を取得して確認）