判断する前に目標属性を構成要素に分解する

難しい質問をその構成部分に分解し、ヒューリスティックに全体を答えさせるのではなく、それぞれを直接答える。

Why it works

属性代替は未分化な難しい質問(「これは良い投資か?この人は信頼できるか?」)を好む。質問を分解すること——「期待リターンは何か?下方リスクは何か?時間軸は何か?」——は各構成要素に特定の目標を与え、それぞれの下位質問には自然に合致する候補となるヒューリスティックの答えが少なくなるため、代替を難しくする。

How to do it

1. 難しい質問を取り、その構成属性をリストアップする(答えを一緒に決定する3〜5の次元)。
2. 全体的な印象ではなく、証拠や意図的な推論を使って各構成要素を別々に答える。
3. 全体としての印象を信頼するのではなく、構成要素の答えを明示的に組み合わせる。

エビデンス

分解と構造化された分析は、医療診断から信用リスク評価に至る領域で全体的判断を上回ることが示されている。そのメカニズムは、分解が単一属性の代替の余地を減らすことだ。Groveら(2000)は136の研究をメタ分析し、機械的(構造化され、分解された)予測が、およそ10回中9回、全体的な臨床判断に匹敵するか上回ることを発見した——これは分化されていない全体的な印象がどれだけのコストを伴うかを数値化している。 (observational)

分解は認知的コストを追加し、過剰に適用されることがある。それは、新規で、賭け金が高く、統計的に複雑な判断に最も有用であり、日常的な決定には向かない。

出典

• Grove, W. M., Zald, D. H., Lebow, B. S., Snitz, B. E., & Nelson, C. (2000). Clinical versus mechanical prediction: A meta-analysis. Psychological Assessment, 12(1), 19–30.

よくある間違い

質問を分解しておきながら、全体的な印象を使って構成要素に重みをつけてしまうこと——分解が機能するのは、各構成要素がそれ自体の根拠に基づいて答えられる場合だけだ。