自分の比較対象のプールを意図的にキュレーションする

定期的に自分を比較する相手を選ぶ——頂点にいる外れ値ではなく、似た段階にいる仲間を。

Why it works

フェスティンガーの元の理論は、人は能力を評価する際に似た他者と比較することを好むとしていました。アルゴリズムによるSNSは、外れ値——最も優れたパフォーマンス、最も美的にキュレーションされた、最も成功した例——を表面化させることでこの好みを侵害します。本当に似た仲間の比較プールを積極的にキュレーションすることは、比較の妥当性を回復させ、正確で有用なデータを生み出します。

How to do it

1. 自分の旅の似た段階にいる人々を特定する——上位1%ではなく、あなたがいる場所から始めて六か月から二年先を行っている人々。
2. 野心的な外れ値ではなく、集団が似ているコミュニティ、フォーラム、あるいは人間関係を求める。
3. 本当に卓越した人々を、基準（「もうそこにいるべきだ」）としてではなく、インスピレーション（「これは達成可能だ」）として使う。
4. 誰と比較しているかを定期的に監査し、そのプールが外れ値に向かって漂ったら較正し直す。

エビデンス

Festinger (1954) established the original theory: comparison is most informative and least distorting when done against similar others. This principle underpins the harm of algorithmic feeds that surface dissimilar outliers. (observational)

Practical pool-curation advice extrapolates from the original theory; direct RCTs on curated comparison pools are limited.

出典

• Festinger (1954), "A theory of social comparison processes," Human Relations

よくある間違い

自分より少し遅れている人々の比較プールを選んでしまうこと——これは偽りの安心を生みますが、次にどう成長すべきかについての有用な較正は提供しない。