ダニエル・カーネマンのレビュー一覧

ファスト＆スロー （上）

ダニエル・カーネマン / 村井章子

認知的錯覚について様々な種類が紹介されている。
話の軸は「システム１（直感）とシステム２（熟慮）型の認知」、「エコン（経済人）とヒューマン（普通の人間）」、「経験する自己と記憶する自己」

幸せの感じ方の議論が「経験する自己と記憶する自己」の流れであり重要

ＮＯＩＳＥ下 組織はなぜ判断を誤るのか？

ダニエル・カーネマン / オリヴィエシボニー / キャス R サンスティーン / 村井章子

上巻では「判断のばらつき」という怪物の正体に震えました。この下巻は、その怪物と戦うための「武器」と「防具」を手に入れるための物語です。自分の人生を自分で選びたい人にとって、これほど頼もしいガイドはありません！

本書が提案するのは、「判断ハイジーン（判断の衛生管理）」という考え方です。感染症を防ぐために手を洗うように、判断にもミスを減らすための手順を取り入れる。特に印象に残ったのは、「まず結論を出す」のではなく、判断材料を細かく分けて個別に評価し、最後に統合するというシンプルな方法でした。採用、人事評価、会議はもちろん、私たちの日常の選択にも応用できる考え方です。

さらに興味深かったのは、人間は「物語」で世界を理解するように進化してきたため、統計よりも直感や納得感を優先してしまうという指摘でした。だから判断がぶれるのは、能力が低いからではなく、人間という生き物の自然な特徴でもあります。本書は、その弱さを否定するのではなく、「仕組み」で補えばいいと教えてくれます。

読み終えて感じたのは、「より良い判断は、優秀な人が生み出すものではなく、優れた仕組みから生まれる」ということでした。上巻で世界の複雑さを知り、下巻でその向き合い方を学ぶ。この二冊は、自分の判断だけでなく、組織や社会を見る視点まで変えてくれると思います。仕事で意思決定に関わる人はもちろん、「人はなぜ判断を誤るのか」という素朴な疑問を持ったことのある人にも、ぜひ読んでほしい一冊です。

ＮＯＩＳＥ上 組織はなぜ判断を誤るのか？

ダニエル・カーネマン / オリヴィエシボニー / キャス R サンスティーン / 村井章子

「同じ症状なのに、病院が違うと診断が変わる」「面接官によって評価がまるで違う」。そんな経験や話を聞いて、「結局、運なのかな」と感じていました。

本書が扱うのは、私たちが普段あまり意識していない「ノイズ（判断のばらつき）」という問題です。『ファスト＆スロー』で有名なダニエル・カーネマンらは、判断ミスの原因は「バイアス（偏見）」だけではなく、人や状況によって判断が大きく揺れることにもあると指摘します。

特に衝撃だったのは裁判の例です。同じような事件でも、担当する裁判官によって刑罰が大きく変わることがある。医療の診断、保険の査定、採用面接、人事評価まで、専門家の判断でさえ想像以上に「運」に左右されているという事実には驚かされました。

読みながら何度も思ったのは、私たちは「人によって意見が違うのは個性だから仕方ない」と受け入れすぎていたのではないか、ということです。本書は、そのばらつきは改善できる「問題」であると教えてくれます。

仕事で意思決定に関わる人はもちろん、日常で「なぜ人によって言うことが違うのだろう」と感じたことがある人にもおすすめしたい一冊です。上巻では「ノイズ」という見えない存在に気づかされ、自分の判断さえも疑ってみる大切さを学びました。下巻で、そのノイズとどう向き合うのかを読むのが今から楽しみです。

ファスト＆スロー （上）

ダニエル・カーネマン / 村井章子

いや〜若干読みにくいけど、面白い本でしたよ。
心理学の知見が実例と共に得られるので興味深いです。
ただ、割り箸を横に加えて顔が笑顔っぽくなるから認知機能や感情的幸福感が上がるってところは、ちょっと微妙みたいですね。後の実験で効果はほとんどない、と結論づけられてるみたいです。
下巻も今から読みまーす。

「バカ」の研究

ジャン゠フランソワ・マルミオン / セルジュ・シコッティ / イヴ゠アレクサンドル・タルマン / ブリジット・アクセルラッド / アーロン・ジェームズ / エヴァ・ドロツダ゠サンコウスカ / ダニエル・カーネマン / ニコラ・ゴーヴリ / パトリック・モロー / アントニオ・ダマシオ / ジャン・コトロー / ライアン・ホリデイ / フランソワ・ジョスト / ハワード・ガードナー / セバスチャン・ディエゲス / クローディ・ベール / ダン・アリエリー / ジャン゠フランソワ・ドルティエ / ローラン・ベーグ / アリソン・ゴプニック / デルフィーヌ・ウディエット / ジャン゠クロード・カリエール / ステイシー・キャラハン / トビ・ナタン / 田中裕子

カーネマンやガードナー，アリエリーなどの著名な心理学者がたくさん出てくる。インタビューを記事化。バカは自分がバカとは思っていない。知識や技能が平均以下をバカとは言わない。人は誰でもバカになりえる。知識や技能が極めて高くてもバカはいる。バカの代表例として「トランプ氏」がよく出てくる。その扱いもバカのような気がする。バカはシステム1がメジャー，システム2がうまく働かない。より動物（畜生）に近いのがバカか。バカが多数派なら，非バカは生きづらい。バカだから生き残ったのかも。バカと非バカの違いも大きくない気もする。

ＮＯＩＳＥ上 組織はなぜ判断を誤るのか？

ダニエル・カーネマン / オリヴィエシボニー / キャス R サンスティーン / 村井章子

ノーベル経済学賞受賞　ダニエル・カーネマンの著書。
同じ著者の『ファスト&スロー』は、人間の意思決定に関する行動経済学であったが、今回は組織の「判断」に関する内容だった。
感想は下巻に記載します。

「バカ」の研究

ジャン゠フランソワ・マルミオン / セルジュ・シコッティ / イヴ゠アレクサンドル・タルマン / ブリジット・アクセルラッド / アーロン・ジェームズ / エヴァ・ドロツダ゠サンコウスカ / ダニエル・カーネマン / ニコラ・ゴーヴリ / パトリック・モロー / アントニオ・ダマシオ / ジャン・コトロー / ライアン・ホリデイ / フランソワ・ジョスト / ハワード・ガードナー / セバスチャン・ディエゲス / クローディ・ベール / ダン・アリエリー / ジャン゠フランソワ・ドルティエ / ローラン・ベーグ / アリソン・ゴプニック / デルフィーヌ・ウディエット / ジャン゠クロード・カリエール / ステイシー・キャラハン / トビ・ナタン / 田中裕子

バカを相手にしない
自覚のないバカ
行動修正がいらないと思うバカ
バカでいることは保身か
しかし自分を守ろうとしない賢者はいるのか？
バカの傾向が分かります

ファスト＆スロー （上）

ダニエル・カーネマン / 村井章子

研究結果や人間の心理からどのようにして判断を行っているかの仕組みが詳しく書かれている。難しい内容。下巻もあるので読んでみようと思う。システム1、システム2

「バカ」の研究

ジャン゠フランソワ・マルミオン / セルジュ・シコッティ / イヴ゠アレクサンドル・タルマン / ブリジット・アクセルラッド / アーロン・ジェームズ / エヴァ・ドロツダ゠サンコウスカ / ダニエル・カーネマン / ニコラ・ゴーヴリ / パトリック・モロー / アントニオ・ダマシオ / ジャン・コトロー / ライアン・ホリデイ / フランソワ・ジョスト / ハワード・ガードナー / セバスチャン・ディエゲス / クローディ・ベール / ダン・アリエリー / ジャン゠フランソワ・ドルティエ / ローラン・ベーグ / アリソン・ゴプニック / デルフィーヌ・ウディエット / ジャン゠クロード・カリエール / ステイシー・キャラハン / トビ・ナタン / 田中裕子

バカな行動を避けるには人間が陥りやすいバイアスをメタ認知することが重要
知性は鍛えても上がりづらいからクリティカルシンキングを鍛えよう

「バカ」の研究

ジャン゠フランソワ・マルミオン / セルジュ・シコッティ / イヴ゠アレクサンドル・タルマン / ブリジット・アクセルラッド / アーロン・ジェームズ / エヴァ・ドロツダ゠サンコウスカ / ダニエル・カーネマン / ニコラ・ゴーヴリ / パトリック・モロー / アントニオ・ダマシオ / ジャン・コトロー / ライアン・ホリデイ / フランソワ・ジョスト / ハワード・ガードナー / セバスチャン・ディエゲス / クローディ・ベール / ダン・アリエリー / ジャン゠フランソワ・ドルティエ / ローラン・ベーグ / アリソン・ゴプニック / デルフィーヌ・ウディエット / ジャン゠クロード・カリエール / ステイシー・キャラハン / トビ・ナタン / 田中裕子

ずっと積読になっていた本。読めてスッキリした。タイトルよりもずっと奥深い本だったな。トランプ大統領を念頭に考えている人が多いのはちょっと笑えた。バカになるのは簡単。自分もすぐにバカになる。時代に関係なくバカはいるし、バカな人が偉くなることもある。大切なのは、どう考えてどう行動するか。バカにならないように慎重なったり、行動しないことはおバカさん。なかなか面白かった。

ＮＯＩＳＥ上 組織はなぜ判断を誤るのか？

ダニエル・カーネマン / オリヴィエシボニー / キャス R サンスティーン / 村井章子

【感想】
本書は行動経済学の世界的ベストセラーである「ファスト＆スロー」の著者、ダニエル・カーネマンによって書かれた意思決定論である。「ヒューリスティクス」や「システム1」など、ファスト＆スローに出てきた概念も登場するため、事実上の続編といってもよいかもしれない。

本書のテーマは「ノイズ」という概念だ。ノイズとは何かを判断する際、誤謬や一貫性の欠けにより、不規則に目標からズレてしまうことを指す。いわゆる「ばらつき」である。これに対して、一定の規則性をもって目標からズレていることを「バイアス」と呼ぶ。従来の組織論の中で言及されていたのはもっぱら「バイアス」であり、例えば人種や性別といった無関係な要素を不当に連関して評価しがちであることが問題視されていた。これに比べて、「ノイズ」は「バイアス」と同程度に重要なファクターであるが、あまり取り上げられていない。

読者の中には、「専門家が何百回も下す判断の中にそんなに間違いが含まれているのか？」や、「裁量の余地があまり残されてない分野（法に基づく裁判など）について、あらためて問題提起するほどノイズは発生しているのか？」という疑問を持つ人がいるかもしれない。だが、これは間違いなく存在するし、しかも相当に深刻だ。

例えば、民間の保険会社にノイズ検査を実施したケース。何人かの保険の引受担当者と査定担当者に、同一のケースの保険申込みの査定をしてもらった。
結果、引受担当者間の見積額の格差の中央値は55％だった。一人が保険料9,500ドルと見積もったとすると、もう一人は1万6,700ドルと見積もったことになる。査定担当者のほうは、査定額の格差の中央値は43％だった。この道何十年のベテラン同士が比較した結果が「保険料1.5倍」なのだから、もはやヒューマンエラーでは済まされないレベルだ。

また、ノイズにも複数の種類があり、レベルノイズ（判断者ごとの判断の平均的なレベルのばらつき）とパターンノイズ（特定のケースにおける判断者の反応のばらつき）が存在する。レベルノイズの二乗とパターンノイズの二乗を合計するとシステムノイズの二乗に等しくなる。これらももちろん、保険や法律といった分野にたくさん存在している。
例えば保釈審査。最も寛大な裁判官（保釈承認率の高いほうから上位20％）は被告の83％の保釈を認めたが、最も厳格な裁判官（同下位20％）は61％にとどまった。同じ被告に対しても、裁判官の間で判断のばらつきが大きく、ある判事がリスクは低いとみなした被告を、おおむね寛大な別の判事がハイリスクだと考えたりする。これはあきらかにパターンノイズが存在する証拠だ。
よりくわしい分析を行ったところ、判事間の判断のちがいの67％は事案に由来し、33％はシステムノイズだった。システムノイズにはレベルノイズ（裁判官固有の寛大さ加減）も含まれるものの、79％はパターンノイズであることが判明している。
こうした「裁判官自身の価値基準」+「事案ごとのブレ」に加えて、「機会ノイズ」という要因も、エラーを生じさせる。機会ノイズとは単に「何となくブレる」ということだ。信じられないかもしれないが、裁判官は贔屓の地元チームが勝った次の日のほうが、負けた次の日よりも寛大な判決を下しやすいという。一見どうでもいいような要因（晴れの日、空腹時、誕生日）も、人間の判断を歪める原因になる。

こう見ていくと、もはや人間に判断させないほうがマシなんじゃないかと思うかもしれないが、実はその通りなのだ。機械を使い、多少いい加減なモデルを組み立てて自動実行したほうが、人間が熟慮して下した判断よりもよい成績を残すのだ。
機械的手法のうち、倹約モデルと呼ばれる超シンプルな予測モデル（予測変数を2個しか使わないモデル）であっても、機械学習を使った高度な予測モデルであっても、人間の専門家の判断より正確だったことが、実験で分かっている。予測変数にあなた独自の解釈をプラスしても、予測精度が高くなるどころか悪化するという。残酷なことに、「人間らしい判断」が実際の選好に与えるのは悪影響だけであり、たまにいい結果をもたらしても――例えばとある外れ値を見つけることができたとしても――それは誤差の範囲に吸収されてしまうのだ。
―――――――――――――――――――――――
以上がおおまかな本書のまとめである。
読む前は、テーマがテーマだけに複雑な本だと思っていたが、実際には非常にシンプルで、具体例も多く、内容がスッと頭に入ってきた。行動経済学の本だが数式やグラフは全くないため、初学者でも理解しやすいのが嬉しい。
上巻と下巻に分かれているが、上巻は「あらゆる判断のもとにはノイズが発生する」ことの説明に終始し、下巻で「ノイズを考慮してよりよく判断するためにはどうしたらいいか」という解決策を提示しているようだ。上巻だけでも非常に面白かったので、引き続き下巻も読み進めてみたい。

―――――――――――――――――――――――
【まとめ】
０　まえがき
バイアス…一定の規則性をもって目標（基準点）からズレていること。
ノイズ…不規則に目標（基準点）からズレていること。いわゆる「ばらつき」。

判断のエラーを理解するには、バイアスとノイズの両方を理解することが必要になるし、ときにはノイズのほうが重大な問題であることもめずらしくない。ところがヒューマンエラーを研究者が論じるときも、公的機関や企業が問題にするときも、ノイズはほとんど意識されない。いつも主役はバイアスである。


１　判断あるところにノイズあり
ともに前科のない二人の男性が偽造小切手の現金化で有罪になった。金額は、一人は58.40ドル、もう一人は35.20ドルである。下された量刑は、前者は懲役15年、後者は30日だった。法律というルールに基づいて判断を下す職業であっても、明らかに乖離している。
1974年に連邦裁判所判事のフランケルが中心になって行ったノイズの実態調査では、架空の事案を数種類用意し、さまざまな地方の裁判官50人に各事案の被告人の量刑を決定するよう求めた。その結果わかったのは「判断が一致することのほうがめずらしい」ということであり、量刑のばらつきは「度肝を抜かれるほどだった」。たとえばヘロインの売人の量刑は懲役1年から10年の間でばらつきがあった。銀行強盗は5年から18年である。恐喝では、最も軽くて懲役3年罰金なし、最も重いと懲役20年プラス6万5,000ドルの罰金だった。とりわけ驚愕させられるのは、20件中16件では、そもそも刑務所に送るべきかどうかで意見が一致しなかったことである。

民間の保険会社にも同様のノイズ検査を実施した。何人かの保険の引受担当者と査定担当者に、同一のケースの保険申込みの査定をしてもらったのだ。
結果、引受担当者間の見積額の格差の中央値は55％だった。一人が保険料9,500ドルと見積もったとすると、もう一人は1万6,700ドルと見積もったことになる。査定担当者のほうは、査定額の格差の中央値は43％だった。しかもこれらの数字はあくまで中央値だった。つまり半分のケースでは、格差はもっと大きかったのだ。

理想的にはつねに同一であるべき判断に、不可避的に入り込む好ましくないばらつきを「システムノイズ」という。システムノイズはシステムに一貫性や統一性が欠けているために生じ、不正義の蔓延、金銭的コストの増大をはじめ、さまざまなエラーを引き起こす。
システムノイズの決定的な特徴は、望ましくないことである。好みやアイデアといった要素にはばらつきや多様性は歓迎すべきものだ。一方で、システムノイズはシステムの問題であり組織の問題であって、市場の問題ではない。同等の資格や知識を持つ専門家集団の判断にばらつきがあるのは、大問題である。そのようなノイズの存在は、システム自体の信頼性を著しく傷つける。


２　ノイズを測るものさし
本書では判断を評価するにあたり、実際の結果と照合する方法と、判断に至るまでのプロセスの質を評価する方法の二つに焦点を合わせる。検証可能な判断の場合、同じケースであっても、評価方法次第で結論がちがってくる可能性がある点に注意されたい。有能で注意深いエコノミストが精度の高いツールとテクニックを使って予測しても、ある四半期についてインフレ予想をまちがうことは大いにありうる。逆に一つの四半期だけなら、チンパンジーのダーツ投げで偶然に当たることだってありうるのだ。
じつに間の悪いこの問題を解決するために、意思決定の研究者は、一回限りのケースでは結果ではなくプロセスに注目せよとアドバイスする。だが現実にはプロセスが重視されることはあまりない。プロフェッショナルが下す判断の場合、自分の下した判断が検証可能な結果にどれだけ近かったかが重視される。
要するに検証可能な判断の場合、大方の人が予測を結果にぴたりと的中させたいと思っている。そして実際にやっているのは、検証可能かどうかにかかわらず、自分の判断が証拠や事実とそこそこ一致したときに内から発信される「もうよし！」のシグナルを聞くことなのである。しかしほんとうにやらなければならないのは、そんなことではない。規範的に言うなら、類似のケース全体について精度の高い判断が下せるような判断プロセスを確立することである。


３　誤差方程式
バイアスとノイズが誤差に果たす役割は、誤差方程式と呼ばれる二つの方程式で表すことができる。第一の式は、単独の計測値で表された誤差をバイアス（平均誤差）とノイズによる誤差に分解する。
●誤差（単独の計測値）＝バイアス＋ノイズ

第二の方程式は、平均二乗誤差（MSE）――個々の測定誤差の二乗を平均した値――を構成要素に分解したものである。
●平均二乗誤差（MSE）＝バイアスの二乗＋ノイズの二乗

この式は、「バイアスとノイズのどちらを優先して減らすべきか？」という疑問に答えを与えてくれる。互いは独立した要素であり、どちらを減らしても全誤差に対する寄与度は（互いの重みが等しいとすれば）同じである。ただし、バイアスがノイズより大きくても、全誤差への寄与度はノイズと同程度に収まる。通常、基準値を大幅に外れるバイアスはそうそうないと考えれば、ノイズのほうがバイアスより大きい状況があっても不思議ではない。

誤差方程式と、そこから導き出した結論は、全誤差の計測値としてMSEを使うことが前提になっている。このルールは、純粋な予測的判断には適切に当てはまる。純粋な予測的判断とは、予想や見積もりなど、できるだけ正確（バイアスを最小化）且つばらつきなく（ノイズを最小化）真の値に近づけることを目的とするものをいう。
ただし誤差方程式は、評価的判断には当てはまらない。なぜなら、真の値に左右される誤差というものが、評価的判断にはなじまないからだ。そのうえ、仮に誤差を特定できたとしても、そのコストはまずもって対称ではないし、二乗に正確に比例するということもない。


４　ノイズの種類
・レベルノイズ…判断者ごとの判断の平均的なレベルのばらつき（たとえば厳しめの裁判官と甘めの裁判官）。
・パターンノイズ…特定のケースにおける判断者の反応のばらつき（再犯者に厳しい、共犯者に甘い、など）。
・機会ノイズ…一過性の原因による判断のばらつき（今日はたまたま天気がよかった、判断者の虫の居所が悪かった、など）。

●システムノイズの二乗＝レベルノイズの二乗＋パターンノイズの二乗

量刑調査では、レベルノイズとパターンノイズはおおむね等しいことがわかった。だがパターンノイズには一過性の原因による機会ノイズが含まれている可能性が高く、機会ノイズは偶発的なランダムエラーとして扱う必要がある。


５　人間の判断は正確か？
臨床的判断…患者の訴える症状や、医師が自分の感覚などに基づいて判断すること。要は人間的判断のこと。

臨床的予測と機械的予測の両方が可能な場合、果たして人間による判断は単純な数式にまさるのか？
1954年にミネソタ大学の心理学教授ポール・ミールがある研究結果を発表した。ミールは、学業成績や精神科の診断などに関する臨床的予測と統計的予測を対比した20の調査報告を分析・評価し、一般に単純な機械的ルールのほうが人間の判断よりすぐれていると結論を下したのである。

予測的判断には妥当性の錯覚がついて回る。というのも予測は二段階に分けて行われるのに、人間はその二つをごちゃまぜにしているからだ。第一段階では与えられた情報に基づいて現時点の評価を行い、第二段階で将来の結果を予測する。人間が自信たっぷりにやっているのは、たいていの場合、二人の候補のうちAのほうが現在よさそうに見えるという評価である。にもかかわらず、Aのほうが将来もよいと言ってしまう。だが、それとこれとは別物だ。
一方、機械的予測（線形回帰モデル）では、同一のルールが全てのケースに適用され、予め決められた最適の重みがつけられる。

では、何故人間の判断のほうが機械に劣ってしまうのか。

人間の決定的な弱点の一つは、ノイズが多いことである。
大学院の成果を予測するという研究がある。まず98人の実験参加者は、大学院生90人の10項目の評価に基づき、将来の成績平均点（GPA）を予測した。次にこの予測に基づいて、実験主催者が各参加者の判断の線形回帰モデルを構築する。その後、このモデルで予測を行い、本人の予測と照合する。つまり、「あなたの予測をもとに粗雑なモデルをつくり、あなたの予測の代わりをさせた」のだ。
すると、98人の実験参加者全員について、モデルのほうが予測精度が高かったという結果が出た。数十年後に50年分の研究報告の評価が行われたが、このときもまた判断者モデルの予測精度は、そのもとになった本人を上回ることが確認された。

なぜこんなことが起こるかというと、人間の判断にはパターンノイズや恣意的なエラーが常に介入しており、それを排したモデルのほうが正確だったからである。もっと言えば、もし判断において複雑で微妙で「人間的」なルールを用いていたとしても、それはノイズの悪しき影響を埋めるには至らないということだ。複雑で微妙なルールに利点があるとしても、それはあっという間に誤差に飲み込まれてしまう。

また、膨大な量のデータが存在すると、高度なAIは予測に有効なパターンをすぐさま見つけ出し、単純なモデルを上回る予測精度を示す。このようなAIモデルは、単にノイズがないだけでなく、多くの情報を活用する能力（明らかな外れ値を検出するなど）の点でも人間より優位に立つ。


６　ヒューリスティクス
ヒューリスティクス…人間は困難な質問に直面したとき、簡単な質問に便宜的に置き換えて答えを出すこと。

ヒューリスティクスを起動させるのは、だいたいにおいて速い直感的思考の「システム1」である。システム1はとても役に立つし、まあまあ適切な答えをひねり出すことができる。だがときに、次のようなバイアスを生じさせることもある。
・置き換え…難しい判断を簡単な判断に置き換えてしまい、本来判断すべき情報に正しい重み付けをしない。
・結論バイアス…はじめから結論ありきで物事を決め、あとから選択的に証拠を集めて都合よく解釈してしまう。
・過剰な一貫性…第一印象に引きずられ、後から異なる情報が出てきても、一貫性を保持し続けてしまう。

心理的バイアスは、多くの人に同じバイアスがかかっている場合には統計的バイアスを生む。だがそれぞれにちがう方向にバイアスがかかっていれば、システムノイズを生むことになる。

ＮＯＩＳＥ上 組織はなぜ判断を誤るのか？

ダニエル・カーネマン / オリヴィエシボニー / キャス R サンスティーン / 村井章子

・どんな意思決定にも予測的判断がかかわってくる。予測的判断においては、正確性が唯一の目標であるべきだ。だからあなた個人の価値観は事実から切り離しておくように
・人間はご機嫌だとでたらめを受け入れやすくなり、また全般的に騙されやすくなる。つまり、つじつまの合わないところを探し出したり、嘘を見抜いたりする気がなくなってしまう
・カスケード効果：情報カスケードとは大勢の人が順番に前の人の選択情報を参照しながら判断する場合に、自分自身の持つに基づかず、多数派の選択肢を選ぶ傾向を指す
・機械学習アルゴリズムは、ほかのモデルが見落としてしまうような変数の組み合わせの中に重要なシグナルを見つける。データに隠れているある種の極めて稀なパターンがハイリスクと強く創刊しており、アルゴリズムはそれを発見できる
・結論バイアス：初めから特定の結論を目指して判断プロセスを開始すること
・過剰な一貫性：予断を持っているとき、それを裏付ける証拠ばかり探し矛盾する証拠は無視する各省バイアスも、後から出てきた重要な証拠を過小評価する点で似ている

ＮＯＩＳＥ下 組織はなぜ判断を誤るのか？

ダニエル・カーネマン / オリヴィエシボニー / キャス R サンスティーン / 村井章子

判断ある所にはノイズがある。アルゴリズムで判断した方が直感よりもノイズが少ないという理論は理解できるが、そればかりで面白味のない世の中になるような気がする。その弊害も指摘されているが、思ったよりもノイズが多いこととその弊害も多いことがわかった。

ＮＯＩＳＥ上 組織はなぜ判断を誤るのか？

ダニエル・カーネマン / オリヴィエシボニー / キャス R サンスティーン / 村井章子

人の判断には様々なノイズが入り込んでいる。経験や直感から下した判断より、機械的に平均を求めた判断の方が正しい。自分の勘を頼りにすることもあるが、冷静に数字や事実を分析する必要があると感じる。

「バカ」の研究

ジャン゠フランソワ・マルミオン / セルジュ・シコッティ / イヴ゠アレクサンドル・タルマン / ブリジット・アクセルラッド / アーロン・ジェームズ / エヴァ・ドロツダ゠サンコウスカ / ダニエル・カーネマン / ニコラ・ゴーヴリ / パトリック・モロー / アントニオ・ダマシオ / ジャン・コトロー / ライアン・ホリデイ / フランソワ・ジョスト / ハワード・ガードナー / セバスチャン・ディエゲス / クローディ・ベール / ダン・アリエリー / ジャン゠フランソワ・ドルティエ / ローラン・ベーグ / アリソン・ゴプニック / デルフィーヌ・ウディエット / ジャン゠クロード・カリエール / ステイシー・キャラハン / トビ・ナタン / 田中裕子

★「バカ」と一括りにしてしまうのは簡単、でもとても奥深いワードである

タイトルに一目惚れをし購入。
「バカ」って言葉は不思議ですよね。
侮蔑で悪い単語と受け取ってしまえばそれまでですが、とても奥深い！

・なぜあの時「バカ」な行動をしてしまったのだろう
・あの人はなぜ「バカ」な発言をしたのだろう
・あいつはなぜいつも「バカ」なのだろう
深掘りすればするほど色々な解が見つかります。

「バカ」な事をした時ほど著書を読んで深掘りしていきたいものです。

ＮＯＩＳＥ下 組織はなぜ判断を誤るのか？

ダニエル・カーネマン / オリヴィエシボニー / キャス R サンスティーン / 村井章子

ノイズを減らすための各ステークホルダーの合意は取れるのだろうか。
そのプロセスに大きなコストがかかりそうな気がする。

ＮＯＩＳＥ上 組織はなぜ判断を誤るのか？

ダニエル・カーネマン / オリヴィエシボニー / キャス R サンスティーン / 村井章子

■組織はなぜ判断を誤るか。それは、バイアスとノイズがあるから。では、バイアスとは何か、ノイズとは何か。特に、ノイズに注目して論説しているのがこの本のテーマである。
■バイアスとノイズという考え方が新鮮だが、きちんと理解するのに時間がかかる。何回も読み返す。
■和訳に違和感はない。

ＮＯＩＳＥ上 組織はなぜ判断を誤るのか？

ダニエル・カーネマン / オリヴィエシボニー / キャス R サンスティーン / 村井章子

以前に「ファスト＆スロー」を読んだので、認知・判断にノイズやバイアスが発生するメカニズムは理解していて、新たに得るものは多くないと感じた。

また、タイトルに「組織はなぜ判断を誤るのか？」とあるので、企業の組織運営的な内容に期待したが、ちょっと違っていた。医療や裁判などで括られた”集団”を組織としている感じがする。

ファスト＆スローと同様に「人間の判断なんて不確かだ」の研究結果やインタビュー（公式、非公式）の内容を織り交ぜて説明されているので理解しやすい。
特に、自分が正しいと思っていることを肯定する情報は正しく、矛盾している情報は無視する行動はあるあるだなと思った。

また、各章が短いので隙間時間で読書が進められるのはうれしい。

「バカ」の研究

ジャン゠フランソワ・マルミオン / セルジュ・シコッティ / イヴ゠アレクサンドル・タルマン / ブリジット・アクセルラッド / アーロン・ジェームズ / エヴァ・ドロツダ゠サンコウスカ / ダニエル・カーネマン / ニコラ・ゴーヴリ / パトリック・モロー / アントニオ・ダマシオ / ジャン・コトロー / ライアン・ホリデイ / フランソワ・ジョスト / ハワード・ガードナー / セバスチャン・ディエゲス / クローディ・ベール / ダン・アリエリー / ジャン゠フランソワ・ドルティエ / ローラン・ベーグ / アリソン・ゴプニック / デルフィーヌ・ウディエット / ジャン゠クロード・カリエール / ステイシー・キャラハン / トビ・ナタン / 田中裕子

「バカ」というよりは愚かなこととかバカバカしさとかのほうが個人的にはよりしっくりくる表現かもしれない。
様々な角度から語るスタイルはおもしろいし、自分自身の振り返りにも役立つ視点が多い。
ただ、研究というからにはもう一段深い考察や見解を知りたかったかな。
それぞれの章で著書が紹介されるので、この本は辞典的に使い、興味深いと感じた章はその方の著書で深彫するという使い方がよいのかもしれない。

「バカ」の研究

ジャン゠フランソワ・マルミオン / セルジュ・シコッティ / イヴ゠アレクサンドル・タルマン / ブリジット・アクセルラッド / アーロン・ジェームズ / エヴァ・ドロツダ゠サンコウスカ / ダニエル・カーネマン / ニコラ・ゴーヴリ / パトリック・モロー / アントニオ・ダマシオ / ジャン・コトロー / ライアン・ホリデイ / フランソワ・ジョスト / ハワード・ガードナー / セバスチャン・ディエゲス / クローディ・ベール / ダン・アリエリー / ジャン゠フランソワ・ドルティエ / ローラン・ベーグ / アリソン・ゴプニック / デルフィーヌ・ウディエット / ジャン゠クロード・カリエール / ステイシー・キャラハン / トビ・ナタン / 田中裕子

まわりのバカがなんでバカなのか知りたく、自分はバカとは言われたくなく、読んでみたけど。うーん。

バカを語る切り口が多様で、頭は取っ散らかる。
わずかにでも知的に生きていきたいと思う。

————/

・ヒエラルキーを尊重しすぎるのは大きなリスク要因のひとつ。
例）大韓航空のコックピット内のいきすぎた上下関係

・ダニング＝クルーガー効果、同一性の法則
自らの能力の低さに気付かず、自分自身や自分がしたことを過大評価する傾向

・バカのメカニズムは知性とは関係ない。あるグループの者たちが、みるみるバカになっていくことがある。

・SNSで起こっていること
①生活のスペクタクル化
②何でも裁きたい
③有名になりたいという欲求