Loading article…
クロスインパクト分析は、1966 年に Theodore J. Gordon とOlaf Helmerによって開発された手法で、事象間の関係が結果として生じる事象にどのように影響するかを判断し、将来の不確実性を低減するのに役立ちます。[ 1 ] : 1中央情報局(CIA) は、1960 年代後半から 1970 年代初頭にかけて、さまざまな要因や変数が将来の決定にどのように影響するかを予測するための分析手法として、この手法に関心を持つようになりました。[ 2 ] 1970 年代半ばには、未来学者が特定の事象の確率を予測し、関連する事象が互いにどのように影響するかを判断する手段として、この手法をより多く使用するようになりました。[ 1 ] : 1–2 2006 年までに、クロスインパクト分析は、未来学者や情報分析官だけでなく、企業やコミュニティでも使用できる、多くの関連手法へと成熟しました。[ 3 ]
クロスインパクト分析の基本原理は1960年代後半に遡りますが、当初のプロセスは比較的単純で、ゲームデザインに基づいていました。やがて、クロスインパクト分析の原理を応用するための高度な技術、方法論、プログラムが開発され、現在ではその基本手法は未来予測シンクタンク、ビジネス環境、情報機関などで活用されています。セオドア・J・ゴードンは、クロスインパクト分析は「将来の出来事がどのように相互作用するかについての認識に基づいて予測を行うことができるか？」という疑問から生まれたと述べています[ 1 ]： 1
この方法の最初の形式は「Future」というカードゲームで、イベントは確率、特別なサイコロ、および以前にプレイされたイベントの影響によって決定されました。[ 1 ]： 1この最初のゲーム形式のクロスインパクト分析は、1968年にUCLAのコンピュータ用にプログラムされました。[ 1 ]： 1-2この時点から、この方法論は、ユーザーの特定のニーズと条件を満たすために、ますます発展し、洗練されていきました。
1970年代初頭にクロスインパクト分析が拡大するにつれ、研究者や未来学者は方法論を改善するために基本原則を修正した。1972年、未来研究所の研究者は「時間スライス」の代わりに時系列を追加し、ノーマン・ダルキーは条件付き確率を使用し、ジュリアス・ケインはイベントではなく時系列変数間の相互作用を使用するシミュレーション技術「KSIM」を開発した。[ 1 ]： 2 1974年、デュペランとゴデはフランスで将来予測研究のためにクロスインパクトシステムとマトリックス（またはSMIC）を開発した。[ 3 ]
シミュレーションモデルの進歩は1980年代にも続いた。1980年、カリフォルニア大学のセルウィン・エンザーは、インターアックスと呼ばれるシミュレーション手法にクロスインパクト分析を組み込んだ。1984年にはデルファイ法がクロスインパクト分析と組み合わされ、テキサスA&M大学の研究者は、KSIMのケインのアルゴリズムに基づいた「EZ-IMPACT」と呼ばれるプロセスでクロスインパクトを使用した。[ 1 ]： 2
クロスインパクト分析のシミュレーションモデルと手法が開発されると、アナリストはそれが扱うことができるトピックの範囲を開発し始めました。クロスインパクト分析は、ジョン・ストーバーがウルグアイの経済をシミュレートするためにこの方法論を適用したように、現実世界の問題を解決するために使用されていました。[ 1 ] : 2しかし、この方法論の現実世界への適用は1990年代に急速に進歩しました。1993年までに、SMICは原子力産業、世界の地政学的進化、2000年までの企業活動と雇用など、さまざまな主題に使用されました。[ 1 ] : 2-3 1999年、ヴァンダービルト大学オーウェン経営大学院のロバート・ブラニングとブルース・ライニグは、英国が中華人民共和国に統治権を返還した際に、香港と香港経済の将来を決定するために、クロスインパクト分析の修正された形式を使用しました。[ 4 ]
クロスインパクト分析には、2つの学派とアプローチ方法がある。1つ目は、この手法を最初に開発した未来予測スタイルである。2つ目は、情報分析官のサブスクールであり、彼らは元の手法を自分たちのニーズによりよく対応できるように修正した。いずれにせよ、クロスインパクト分析は、出来事や活動は真空状態で起こるのではなく、他の出来事や周囲の環境が特定の出来事の発生確率に大きく影響するという前提に基づいている。[ 1 ]： 4
クロスインパクト分析は、イベントと変数間の関係を結びつけようとするものです。これらの関係は、互いにプラスまたはマイナスに分類され、特定の時間枠内でどのイベントやシナリオが最も起こりやすいかを判断するために使用されます。[ 3 ]
先物予測の手法は、1970年代と1980年代に開発されたシステムと方法に基づいており、いくつかの厳格な手順に従う。[ 1 ]： 4-5
まず、分析者は分析対象とするイベントの数と種類を検討し、イベントセットを作成する必要があります。各イベントは他のすべてのイベントと相互作用するため、ゴードン氏は10～40個のイベントを使用することを推奨しています。
第二に、分析者は各事象の初期確率を考慮に入れなければならない。事象の確率は、それぞれ独立して考慮する必要がある。
第三に、アナリストは事象同士が互いに持つ条件付き確率を算出する必要があります。これは基本的に、「事象Aが発生した場合、事象Bが発生する新たな確率はいくらか？」という問いに相当します。これは、事象間のあらゆる相互作用について行う必要があります。
第四に、アナリストは初期条件付き確率に数学的な誤りがないことを確認するために、その値を検証する必要があります。これは通常、コンピュータ上でシミュレーションを複数回実行することによって行われます。
第5に、アナリストは分析を実行して将来のシナリオを決定したり[ 3 ]、他のイベントが特定のイベントにどれほど重要であるかを判断したりすることができる[ 1 ]。10
クロスインパクト分析という未来予測手法は、そのプロセスにおいて確率と数学に大きく依存している。初期確率と条件付き確率は、パーセンテージ[ 1 ] : 5、またはパーセンテージに相当する係数[ 3 ]を用いて計算される。研究者は、正確な結果を確保し、事象間の影響が現実的で矛盾しないことを保証するために、数値またはパーセンテージを非常に正確に計算する必要がある。さらに、負の影響を計算する際には、負の影響が数学的に不可能な結果を生み出す可能性があるため、研究者は注意しなければならない[ 1 ] : 5 。
この数学的な厳密さにより、クロスインパクト分析という未来予測スタイルは統一され、実際の分析手法、シミュレーション、プログラムの違いは、特定の研究者やアナリストのニーズに合わせてわずかな違いにとどまる。
数学の正確性と特定の事象には、事象または議論のトピックに関する特別な専門知識が必要です。事象と計算に必要な洞察を得るために、アナリストは通常、多数の専門家に連絡を取り、グループとして直接[ 1 ] : 5、またはアンケートを通じて事象または確率に関する意見を尋ねます。[ 3 ]
これらのグループ分けは、デルファイ法によく似ています。デルファイ法とは、あるテーマに関する専門家グループを集め、シナリオや予測について意見を求める分析手法です。通常、アナリストは平均的な予測やシナリオを最も起こりやすいものとみなします。[ 5 ]この2つは非常に密接に関連しているため、アナリストはしばしば2つの手法を組み合わせて、あるいはより大きな方法論の一部として使用します。[ 1 ] : 2
クロスインパクト分析の未来予測スタイルには、いくつかの重要な強みがあります。専門家グループを使用することで、事象の確率を計算する際に考慮すべき意見が多数確保されます。確率計算における数学のレベルにより、研究者が可能な限り正確な結果が得られます。さらに、他の分析手法と併用することで、この種のクロスインパクト分析は、そうでなければ定性的な分析に対して、より定量的な結果をもたらすことができます。[ 1 ] : 5方法の相対的な一致により、異なる方法やシミュレーションを使用するアナリストが同様の結果にたどり着くことができ、より広い設定で結果を検証できます。
クロスインパクト分析という未来予測スタイルの強みの多くは、同時に多くの弱点にもつながっています。このスタイルの均一性は、環境条件や政治問題など、事象以外の変数を扱う際に、ある程度の柔軟性の欠如を生み出します。さらに、このスタイルで用いられる高度な数学は、確率の数学的正確性を確保するためにシナリオを実行する必要があるため、長い遅延につながります[ 1 ]： 5-9 、またはベイズの定理に関する特定の問題が現れることがあります[ 6 ]。また、この数学のレベルは、研究者が数学に精通しているか、またはこの方法のシナリオと確率を扱うための追加のコンピュータプログラムが必要であることを要求します。
セオドア・ゴードンとオラフ・ヘルマーが最初のクロスインパクト法を開発してから間もなく、アメリカの情報機関はこの技術を採用し、30年以上にわたって使用してきた。[ 2 ]
複数の変数間の関係性や影響という基本的な前提は変わらないものの、情報機関は様々なニーズに合わせて相互影響分析を修正してきた。
情報機関は、元の方法論よりも柔軟で多様なシステムを構築しました。イベントの関係性や影響は、未来学者が採用した方法と依然として類似しています。[ 7 ]しかし、情報分析官は、イベントの比較を超えて、環境、政治情勢、世論などの変数を含めて、特定のイベントの確率に影響を与えるクロスインパクト分析のパラメーターを拡張しました。[ 8 ]さらに、情報分析官は、非イベント変数を含めるために、従来の方法論の厳格な数学の代わりに、「強化」、「抑制」、「無関係」などのより柔軟な測定方法を選択することもできます。[ 9 ]
情報分析手法であるクロスインパクト分析の重要な要素の一つが、クロスインパクトマトリックスです。このマトリックスはクロスインパクト分析を視覚化したものであり、修正も可能です。また、直接的な1対1の関係だけでなく、最も影響力のある変数と、他の多くの変数から影響を受ける変数の両方を分析者が特定することを可能にします。[ 10 ]いくつかの従来のクロスインパクト分析手法ではマトリックスの作成が推奨されていますが、優先順位は依然として確率、1対1の関係、および事象の順序に基づいています。[ 1 ]： 5-9
インテリジェンス分析スタイルのクロスインパクトマトリックスでは、アナリストは数値の代わりにプラスとマイナスを使用し、非イベント変数を考慮に入れ、計算なしで変数を他のすべての変数と直接比較できるようにします。[ 11 ]
インテリジェンス分析スタイルのクロスインパクト分析には、いくつかの重要な利点があります。モデルの柔軟性により、アナリストは起こりうる事象だけでなく、さまざまな種類の変数を相互に比較することができます。[ 12 ]さらに、厳密な数学的基準を排除できるため、研究者はクロスインパクト分析を使用するために高度な数学の訓練や専用ソフトウェアを必要としません。これにより、ある分野の専門家は、未来予測スタイルで直面する多数の計算を相互検証することなく、比較的迅速にこの方法論を使用できます。[ 1 ]： 6-9
情報分析スタイルにおける厳格な手順の欠如は、大きな欠点ももたらします。このスタイルの柔軟性は、関係するアナリストの意見や知識に大きく依存しており、異なるグループで結果を再現することは困難です。さらに、数学を排除する選択肢は、数値的な裏付けのない結果を生み出すことで、アナリストに悪影響を与える可能性があります。数学の欠如は、最初はプロセスを容易にするかもしれませんが、未来予測スタイルと比較すると、専用ソフトウェアの数が限られているため、変数の数が増えるにつれて作業はより煩雑になります。
研究者は、さまざまな用途にクロスインパクト分析を使用できます。未来学者は、特定の産業、政治、市場、さらにはコミュニティ全体の出来事を予測するために、すでにこの方法論を使用しています。[ 1 ]： 2-3 [ 4 ]
インテリジェンス分析では、アナリストは、地域、国家、国際レベルのさまざまな変数や条件に基づいて、出来事、状況、または決定を予測するためにこの方法を使用できます。[ 12 ]
<ref>タグに不明なパラメータ "<ref" があります。サポートされているパラメータは dir、follow、group、name です (ヘルプ ページを参照してください)。