動的な意思決定

動的意思決定（DDM）とは、意思決定者の過去の行動や意思決定者の制御外の出来事によって時間の経過とともに変化する環境で行われる相互依存的な意思決定である。 ^{[1] [2]}この意味で、動的意思決定は、単純で従来の1回限りの意思決定とは異なり、通常より複雑でリアルタイムで行われ、人々が経験を活用して特定の複雑なシステムを制御できる範囲を観察することを含み、時間の経過とともにより良い意思決定につながる経験の種類も含まれる。^[3]

動的意思決定研究では、現実の状況を実験室で再現したコンピュータシミュレーションを使用します。これらのコンピュータシミュレーションは「マイクロワールド」 ^[4]とも呼ばれ、シミュレートされた現実世界の設定で人々の行動を調べるために使用されます。この設定では、人々は通常、後の決定が以前の決定の影響を受ける複雑なシステムを制御しようとします。^[5] DDM研究は、過去のより古典的な意思決定研究と次の点で異なります。

• DDMでは、単一の決定とは異なり、一連の決定を使用して目標を達成します。
• DDMにおける決定は、以前の決定から独立しているのではなく、以前の決定に依存している。
• DDMにおける変化する環境の動的な性質は、変化しない静的な固定環境とは異なり、
• DDMタスクでは、時間的なプレッシャーがない状況とは異なり、リアルタイムで意思決定が行われるという事実

また、DDM を調査するためのツールとしてマイクロワールドを使用すると、 DDM 研究者に実験制御が提供されるだけでなく、非常に古い古典的な意思決定研究とは異なり、DDM 分野が現代的なものになります。

動的な意思決定状況の例としては、気候変動の管理、工場の生産と在庫、航空管制、消防、自動車の運転、戦場での軍事指揮統制などが挙げられます。DDM の研究では、意思決定者が特定のシステムを制御するために経験をどの程度活用しているか、意思決定における経験の獲得と活用の根底にある要因、動的なタスクでよりよい意思決定につながる経験の種類を調査することに重点を置いています。

動的意思決定環境の主な特徴は、ダイナミクス、複雑性、不透明さ、動的複雑性です。環境のダイナミクスとは、システムの状態が以前の状態に依存していることを指します。システムのダイナミクスは、正のフィードバック(自己増幅ループ) または負のフィードバック(自己修正ループ) によって駆動される可能性があり、その例としては、それぞれ貯蓄銀行口座の利息の発生や食事による空腹の緩和などが挙げられます。

複雑さは、システム内で相互作用または相互接続された要素の数に大きく関係し、システムの動作を予測することが困難になる可能性があります。しかし、システム コンポーネントは、システム内のコンポーネントの数、コンポーネント間の関係の数、およびそれらの関係の性質によって異なるため、複雑さの定義には依然として問題があります。複雑さは、意思決定者の能力によって決まる場合もあります。

不透明度とは、動的システムのいくつかの側面が物理的に見えないことを指し、意思決定者がシステムのコンポーネントに関する知識を獲得する能力にも依存する場合があります。

動的複雑性とは、意思決定者がシステムから受け取るフィードバックを使用してシステムを制御する能力を指します。Diehl と Sterman ^[6]は、動的複雑性をさらに 3 つのコンポーネントに分類しました。システムに存在する不透明性は、意図しない副作用を引き起こす可能性があります。システムのコンポーネント間には非線形の関係があり、実行されたアクションとその結果の間にはフィードバックの遅延がある可能性があります。システムの動的複雑性により、最終的には意思決定者がシステムを理解して制御することが困難になる可能性があります。

マイクロワールドは、動的な意思決定を研究するために設計された制御された実験で使用される複雑なシミュレーションです。動的な意思決定の研究は主に実験室ベースで行われ、コンピューターシミュレーションマイクロワールドツール（意思決定ゲーム、DMGames）が使用されます。マイクロワールドは、合成タスク環境、高忠実度シミュレーション、インタラクティブ学習環境、仮想環境、スケールワールドなど、他の名前でも知られています。マイクロワールドは、現実の状況の実験室アナログとなり、実験制御を維持しながら時間と空間を圧縮することで、DDM研究者が意思決定を研究するのに役立ちます。

DMGames は、それが表す現実世界の問題の最も重要な要素を圧縮し、人間の行動を収集するための重要なツールです。DMGames は、認知能力、フィードバックの種類、フィードバックのタイミング、意思決定中に使用される戦略、 DDM タスク実行中の知識獲得など、さまざまな要因の調査に役立っています。ただし、DMGames は現実世界のシステムの重要な要素を表すことを目指していますが、さまざまな点で現実世界のタスクとは異なります。現実のタスクではリスクが高くなる可能性があり、意思決定者の専門知識は、DDM タスクのように数分、数時間、または数日ではなく、何年もかけて獲得されることがよくあります。したがって、DDM は多くの点で自然主義的意思決定(NDM) とは異なります。

DDMタスクでは、最適レベルが判明または判明している場合でも、人々は最適レベルを下回るパフォーマンスを示すことが示されています。たとえば、森林火災シミュレーションゲームでは、参加者は頻繁に本部が全焼するのを許しました。^[7]同様のDDM研究では、緊急治療室の医師役の参加者が、実際には診断につながらない検査結果を待ち続けている間に患者が死ぬのを許しました。^{[8] [9]} DDMでの経験から得られる意思決定に関する興味深い洞察は、学習はほとんどが暗黙的であり、繰り返し試行することでパフォーマンスが向上したにもかかわらず、人々はそのための戦略を言葉で表現できないということです。^[10]

学習はDDM 研究の不可欠な部分です。DDM における主な研究活動の 1 つは、マイクロワールド シミュレーション ツールを使用して、特定のシミュレートされたシステムを制御することを人間がどの程度学習できるかを調査し、DDM タスクにおける学習を説明する要因を調査することです。

学習理論の 1 つは、特定のタスクに関連する戦略またはアクション ルールの使用に依存しています。これらのルールは、特定のルールまたは戦略が適用される条件を指定します。これらのルールは、状況 S を認識した場合はアクション/戦略 A を実行するという形式です。たとえば、Anzai ^{[11] は、}特定のゲート セットを介して船を操縦する DDM タスクを実行する一連の生成ルールまたは戦略を実装しました。Anzai の戦略は、人間の参加者によるタスクのパフォーマンスをかなりうまく模倣しました。同様に、Lovett と Anderson ^[12]は、Lurchins の水差し問題と同型である棒組み立てタスクで、人々が if – then タイプの生成ルールまたは戦略をどのように使用するかを示しました。^{[13] [14]}棒組み立てタスクの目標は、構築する 3 つの長さの棒が与えられたときに、特定の希望する長さの棒を構築することです (それぞれの長さの棒は無制限に供給されます)。基本的に、この問題を解決するために使用する戦略は 2 つあります。アンダーシュート戦略は、小さな棒を取り、目標の棒まで伸ばしていく戦略です。オーバーシュート戦略は、目標よりも長い棒を取り、目標の長さに達するまで、小さな棒と同じ長さの棒を切り落としていく戦略です。Lovett と Anderson は、特定の問題に対して 1 つの戦略のみが機能するように調整し、2 つの戦略のうちの 1 つが大多数の問題で機能する問題を被験者に与えました (そして、彼女は、より成功した戦略を被験者間でバランスさせました)。

他の研究者の中には、DDMタスクにおける学習はコネクショニスト理論またはコネクショニズムによって説明できると示唆する人もいます。ユニット間の接続の強さや重みは、以前の経験に依存します。したがって、特定のユニットの出力は、接続の強さによって重み付けされた前のユニットの出力に依存します。例として、Gibsonら^{[15]は、コネクショニストニューラルネットワーク機械学習モデルが、BerryとBroadbentの砂糖生産工場タスク[説明が必要]}における人間の行動をうまく説明できることを示しました。

事例ベース学習理論（IBLT）は、クレオティルデ・ゴンザレス、クリスチャン・レビエール、ハビエル・レルヒによって開発された、人間が動的タスクでどのように意思決定を行うかに関する理論です。^[3]この理論は、クレオティルデ・ゴンザレスとヴァルン・ダットによって、サンプリングと反復選択と呼ばれる動的タスクの2つの異なるパラダイムに拡張されました。 ^[16]ゴンザレスとダット^[16]は、これらの動的タスクでは、IBLTが人間の行動を最もよく説明し、他の多くの競合モデルやアプローチよりも優れたパフォーマンスを発揮することを示しました。IBLTによると、個人は蓄積された経験に依存して、メモリに保存されている同様の状況に対する過去の解決策を検索することで意思決定を行います。したがって、意思決定の精度は徐々に、および同様の状況との相互作用を通じてのみ向上します。

IBLTは、特定のインスタンスや経験、または例が記憶に保存されていると仮定しています。^[17]これらのインスタンスは、状況、決定、および効用（またはSDU）を含む3つの異なる部分によって定義される非常に具体的な構造を持っています。

• 状況とは環境の手がかりを指します
• 決定とは、特定の状況に当てはまる意思決定者の行動を指します。
• 効用とは、その状況における特定の決定の正しさを指し、期待効用（決定を下す前）または経験効用（決定の結果に関するフィードバックを受け取った後）のいずれかです。

インスタンスの事前定義された構造に加えて、IBLTは、認識、判断、選択、実行、フィードバックの5つの段階からなるグローバルで高レベルの意思決定プロセスに依存しています。^[16]人々は特定の環境の状況に直面したとき、決定を下すために記憶から類似のインスタンスを検索する傾向があります。非定型的な状況（過去に遭遇したものと類似していない状況）では、記憶からの検索は不可能であり、人々は決定を下すためにヒューリスティック（記憶に依存しない）を使用する必要があります。定型的でインスタンスを検索できる状況では、必要性のレベルを超えるまで、類似のインスタンスの有用性の評価が行われます。^[16]

必要性は通常、意思決定者の「願望レベル」によって決定されます。これは、サイモンとマーチの満足度戦略に似ています。ただし、必要性レベルは、時間的制約などの外部環境要因によって決定される場合もあります (緊急治療室の医師が時間的に厳しい状況で患者を治療する医療分野など)。必要性レベルを超えると、最も効用の高いインスタンスに関する決定が行われます。決定の結果は、受け取ったら、最初に決定を下すために使用されたインスタンスの効用を更新するために使用します (予想から経験へ)。この一般的な意思決定プロセスは、経験から決定が下されるあらゆる動的な意思決定状況に適用されるものと想定されます。

IBLTの計算表現は、認知の一般理論であるACT-Rによって提案されたいくつかの学習メカニズムに依存しています。現在、IBLTには人間の行動を正確に再現し説明する多くの意思決定タスクが実装されています。^{[18] [19]}

フィードバック介入はDDMタスクのパフォーマンスに有益であることがわかっていますが、結果フィードバックは単純で、認知能力が低く、繰り返し練習されるタスクに効果があることが示されています。 ^[20]たとえば、IBLTは、DDMの状況では、結果フィードバックのみからの学習は遅く、一般的に効果がないことを示しています。^[21]

DDMタスクにおけるフィードバック遅延の存在と参加者によるその誤解は、DDMタスクにおける最適なパフォーマンスの低下につながります。^[22]このようなフィードバックの遅延は、意思決定者の行動と動的システムからの結果の間に遅延があるため、タスクのシステムダイナミクスを支配する関係性を人々が理解することを困難にします。

フィードバック遅延の影響のよく知られた例として、ビール流通ゲーム(またはビール ゲーム) があります。このゲームには、ロールによる注文と注文されたビールのケースの受け取りの間に時間遅延が組み込まれています。ロールのビールが不足した場合 (つまり、顧客の現在のビール ケースの需要を満たせない場合)、ケースごとに 1 ドルの罰金が科されます。これにより、人々は将来の予期しない需要を満たすためにビールを過剰に在庫する可能性があります。結果は、長期にわたる安定した均衡を予測する経済理論に反して、人々が注文しすぎることを示しています。これは、注文と在庫の受け取りの間に時間遅延があるため、新しい注文が入ってくると在庫が不足すると考え、反応してより大きな注文を行うためです。在庫が積み上がり、注文が入ってくると認識すると、将来の注文を大幅に削減するため、ビール業界は過剰注文と不足注文の振動パターン、つまりコストのかかる好況と不況のサイクルを経験することになります。

フィードバック遅延の影響に関する同様の例は、過去に NEWFIRE と呼ばれる消防ゲームの消防士の間で報告されており、タスクの複雑さと消防士の行動と結果の間のフィードバック遅延が原因で、参加者は頻繁に本部が全焼するのを許していました。

DDM に関する証拠が増え続けるにつれ、ストック、流入、流出など、単純な動的システムの基本的な構成要素の一部を理解する上で、成人にも大きな問題があることが示されています。多くの成人は、流入が流出を上回る (または下回る) とストック (または蓄積) が増加する (または減少する) という、動態の基本原則を解釈できないことが示されています。この問題はストックフロー障害 (SF 障害) と呼ばれ、よく知られた状況と簡略化された情報表示のもとで、十分な動機付けのある参加者が行う単純なタスクでも、永続的に発生することが示されています。ストックがフローと同じように振舞うという考えは、非線形システムを判断する際によく使われる、一般的だが誤ったヒューリスティック（「相関ヒューリスティック」と呼ばれる）である。^[23]相関ヒューリスティックや比例推論の使用は、さまざまな領域で広く行われており、学童と教育を受けた成人の両方において頑健な問題であることがわかっている（Cronin et al. 2009; Larrick & Soll, 2008; De Bock 2002; Greer, 1993; Van Dooren et al., 2005; Van Dooren et al., 2006; Verschaffel et al., 1994）。

DDM タスクにおける個人の成績には大きなばらつきがあり、これは DDM タスクに取り組む個人のスキルや認知能力の差によるものかもしれません。個人差は存在し、DDM タスクでよく見られますが、これらの差が認知能力の差から生じるかどうかについては議論があります。いくつかの研究では、知能テストで測定された認知能力と DDM タスクの成績の間に関連性があるという証拠は見つかりませんでした。しかし、その後の研究では、この関連性がないのは DDM タスクの信頼できる成績測定法が存在しないからであると主張しています。^{[24] [25]}

他の研究では、作業負荷と認知能力の関係が示唆されている。^[26]低能力参加者は一般的に高能力参加者よりも成績が良いことがわかった。作業負荷が厳しい状況では、低能力参加者はトレーニングでもテストでも成績の向上が見られない。証拠によると、低能力参加者は、特にタスクがより速い試行や時間的プレッシャーを要求する場合に、より多くのヒューリスティックを使用し、これはトレーニングとテストの両方の条件で起こる。^[27]

実験室のミクロワールド ツールを使用して意思決定を調査する DDM に関連して、DDM 研究でも最近、現実世界での意思決定に焦点を当てるようになりました。これは、実験室での研究を軽視するものではなく、DDM の基礎となる研究の幅広い概念を明らかにしています。現実世界での DDM では、人々は目標設定、計画、知覚および注意のプロセス、予測、理解のプロセス、フィードバックへの対応など、さまざまなプロセスに興味を持っています。これらのプロセスの研究により、DDM 研究は状況認識と専門知識に近づきます。

例えば、DDMの研究では、10年以上の経験や専門知識（運転経験年数で）を持つ運転手は、3年未満の経験を持つ運転手よりも危険への対応が速いことが示されています。^[28]また、経験豊富なため、そのような運転手はそれほど経験のない運転手よりも危険の手がかりをより効果的かつ効率的に探す傾向があります。^[29]このような行動を説明する方法は、DDMタスクにおける状況認識により、専門知識を持つ人にとっては特定の行動が自動的に行われるという前提に基づいています。この点で、経験豊富な運転手にとっては危険につながる可能性のある環境内の手がかりを探すことは自動的なプロセスである可能性がありますが、初心者の運転手の状況認識の欠如により、そのような手がかりを見つけようとする意識的な非自動的な努力につながる可能性があり、危険にまったく気付かないことによって危険に遭遇しやすくなります。この行動は、パイロットや小隊長についても文書化されています。^[30]仮想現実戦闘シミュレーターでの新人小隊指揮官と経験豊富な小隊指揮官を調べたところ、経験が多いほど知覚能力や理解力が高くなることが示されました。つまり、さまざまなDDMタスクを経験することで、意思決定者はより状況を認識し、知覚力と理解力のレベルが高くなります。

関連分野

• ヒューマンファクター
• システムダイナミクス
• システム思考
• 堅牢な意思決定
• 確率的制御

• 複雑意思決定研究グループ 2009-03-11 にラ・トローブ大学のウェイバックマシンにアーカイブされました
• カーネギーメロン大学のダイナミック意思決定研究室
• カンザス州立大学マイクロワールド研究室