※以下の企画です
今回は前回の記事で少し触れた「フレーミング効果」を深ぼってみます。
これ、知れば知るほど「人間、チョロすぎないか...？」と怖くなってくる話でした。
それでは頑張ります〜
フレーミング効果
フレーミング効果おさらい
前回の記事で少し触れましたが、改めて定義しておきます。
フレーミング効果とは、「実質的に同じ内容であっても、表現方法（フレーム）が異なると、受け手の印象や意思決定が変わってしまう現象」 のことです。
情報工学的に言えば、「入力データ（Value）が同じでも、データ形式（Format）が違うだけで処理結果（Output）が変わるバグ」 みたいなものだと考えています。
人間という処理系、やっぱり例外処理が甘いですね。
有名な具体例：属性フレーミング
一番わかりやすいのが「属性フレーミング」と呼ばれるものです。
ある対象の「ポジティブな側面」を強調するか、「ネガティブな側面」を強調するかで評価が変わります。
- A：赤身75%のひき肉
- B：脂身25%のひき肉
これ、中身は全く同じ物体です。でも、多くの人は「A（赤身75%）」の方を「健康的」「品質が良い」と評価し、購買意欲が高まるそうです。
「生存率95%の手術」と「死亡率5%の手術」もこれですね。
人間の脳は直感で判断するときに、提示された情報の「ポジティブ/ネガティブ」のラベルに強く引きずられるようです。
アジアの病気問題（Asian Disease Problem）
フレーミング効果を説明する上で最も有名な実験が、トベルスキーとカーネマン（1981）による「アジアの病気問題」です。
これがプロスペクト理論（損失回避）と密接に関わってきます。
【設定】
ある病気が流行し、このままだと600人が亡くなると予想されています。対策として2つのプランがあります。
パターン1：利得のフレーム（助かることに注目）
- プランA：200人が確実に助かる
- プランB：$\frac{1}{3}$の確率で600人が助かり、$\frac{2}{3}$の確率で誰も助からない
この場合、多くの人（72%）が 「確実そうなプランA」 を選びます。
「せっかく助かる命をギャンブルに晒したくない」というリスク回避的な判断です。
パターン2：損失のフレーム（亡くなることに注目）
- プランC：400人が確実に亡くなる
- プランD：$\frac{1}{3}$の確率で誰も亡くならず、$\frac{2}{3}$の確率で600人が亡くなる
この場合、なんと多くの人（78%）が 「ギャンブルであるプランD」 を選びます。
「確実に400人死ぬ」という確定した損失を嫌がり、イチかバチかに賭けるリスク志向的な判断に切り替わるのです。
冷静に計算してみる
ここで期待値を計算してみます。
- プランA（助かる人数）：$200$人
- プランB（助かる期待値）：$600 \times \frac{1}{3} = 200$人
- プランC（亡くなる人数）：$400$人 $\rightarrow$ （助かるのは $600-400=200$人）
- プランD（亡くなる期待値）：$600 \times \frac{2}{3} = 400$人 $\rightarrow$ （助かるのは $200$人）
全部一緒じゃん。
論理的には「プランA＝プランC」「プランB＝プランD」なのですが、「助かる（Gain）」という言葉で飾られると保守的になり、「亡くなる（Loss）」という言葉で飾られるとギャンブラーになる。
これが人間です。
まとめ
今回は「フレーミング効果」について深掘りしました。
- 同じ期待値でも「ポジティブ表現」か「ネガティブ表現」かで判断が逆転する。
- 人間は「利益」の前では臆病になり、「損失」の前ではギャンブラーになる。
合理的であるはずの「数字」ですら、それを包む「言葉」によって意味が変わってしまう。
開発者としては、ユーザーに選択を迫る画面（エラーメッセージや課金ページなど）を作るときに、「これは利得フレームか？損失フレームか？」 を意識するだけで、UIの説得力が変わりそうだなと思いました。
それではまた明日！