社会心理学特殊講義：　講義メモ

　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　２０００年　６月１日（木曜）

　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　高木英至

 2.3　集団過程

2.3.1　集団討議

2.3.1.1　背景

・集団討議の結果は成員の初期の意見分布から確率的に予測できる。（下図）

・ただし「寛容効果」

☆　隠されたプロフィール（hidden profile）

 TABLE 1：成員Ｘ、Ｙ、Ｚ。　選択肢A、Ｂ。

・Ａに有利な情報は７個　−　うち１個（ａ１）だけが全員に共有されている。

・Ｂに有利な情報は４個　−　うち１個（ｂ１）だけが全員に共有されている。

→　この場合、議論前も議論後も、全員がＡを選ぶだろう。

TABLE 2：　隠されたプロフィール

・Ａに有利な情報は７個　−　うち１個（ａ１）だけが全員に共有されている。

・Ｂに有利な情報は４個　−　そのすべてが全員に共有されている。

→　議論前はＢが有利。しかし討議によって情報が共有化されればＢが選ばれるはず。

　　　が、集団討議によっても、隠されたプロフィールは必ずしも明らかにならない。

Stasser & Titus(1985) の実験

　・４人集団のＳｓ

　・3人の候補者（Ａ、Ｂ、Ｃ）から適任者（学生自治会長）を選ぶ。

　・Ａの長所が多い。

　・3条件（下表）

                Shared：すべての条件が共有されている。

                Unshared/Concensus, Unshared/Conflict：隠されたプロフィール条件

　結果：下表

　→　集団討議によっても、隠されたプロフィールは克服されない。

なぜか？

１．共有された情報が討議に出やすい。

２．成員は現在の自分の考えを支持する情報を再生しやすい。

2.3.1.2  Stasser(1988) のシミュレーション（DISCUSS モデル）

☆モデルの構成

（１）入力

（１・１）課題パラメータ

                討議の選択肢

                各選択肢の情報項目数

                情報項目の valence

                成員間の valence の分散

（１・２）討議パラメータ

                集団サイズ

                参加度

                                討議集団成員の参加度はランクづけられる。

                                Ｐ_ｉ：ｉ 番目のランクの成員の参加確率、ｒ：参加パラメータ、ｎ：集団サイズ

                                Ｐ_ｉ　＝　ｒ^ｉ／Σｒ^ｉ、　ｉ　＝　１、２、・・・、ｎ．

                                                ｒが小さいほどトップランクの成員が討議を支配する。

                決定ルール：決定に必要な最低成員数

                Advocacy：成員が自己の現在の選好を発言に反映させる程度

                                （Advocacy / Nonadvocacy）

                Norm：ある項目への支持的発言によって項目の valence の成員間の差が縮小する程度

                                （Norm / Nonnorm）

（１・３）選択サブモデル：選択肢の評価のモデル

                Ｅ_Ａ：選択肢Ａへの（ある成員の）評価、ｖ_ｊ：成員がＡについて再生したｊ番目の情報項目のvalence

                ｍ：その成員が再生した情報項目数

                加算サブモデル  Ｅ_Ａ　＝　Σｖ_ｊ

                平均サブモデル  Ｅ_Ａ　＝　Σｖ_ｊ／ｍ

（１・４）討議前の情報分布

（２）シミュレーション

（２・１）討議前局面

                情報項目の再生：項目数（情報負荷、Ｎ）が大きいほどある項目の再生確率（Ｐｒ）は低い。

                                Ｐｒ　＝　ａ／Ｎ　＋ｂ　　（ａ、ｂ：正の定数）

                選択肢の評価：再生および選択サブモデルで決める。

（２・２）討議局面（期間ごとに）

                発言者：参加の確率による。

                何（どの情報項目）を話すか？　−　成員の再生による。

                発言→成員はその項目を再生→評価の変化

                                （Norm の場合、聞き手の ｖ_ｊ は発言者の ｖ_ｊ の方向に動く。）

（２・３）討議終了

                一致（Consensus）：決定ルールが充たされたとき

                行き詰まり(Stalemate)："no decision"

（３）出力

                討議前の選好分布

                集団決定分布

                など

☆　シミュレーションの実施

（１）パラメータ設定：過去の実験結果から判断し、以下を当てはめる。

                valence：選択肢Ａの８つの正の項目のうち４つは＋２、残り４つは＋１．５

                                　　　　　　　　　　　負の項目は−１

                valence の分散　＝　１

                参加パラメータ　ｒ　＝　0.75

（２）２(Advocacy / Nonadvocacy)×２(Norm / Nonnorm)×３(Shared / Unshared-Consensus / Unshared Conflict)

☆　結果

・データ（TABLE 4）との当てはまりが良かったのは Nonadvocacy-Norm モデルと Advocacy-Norm モデル

→　Norm の要因がなしに情報交換だけでは、データのような Consensus は得られない。

・TABLE 7：Nonadvocacy-Norm モデルと Advocacy-Norm モデルに基づく予測

☆　追加のシミュレーション：隠されたプロフィール下での少数派の効果

多数派サイズ：４／８／１２

少数派サイズ：０／１／多数派の４分の１

結果：少数派は隠されたプロフィールの発見に貢献する（TABLE 8 −　討議でＡが選ばれる比率）。

Nonadvocacy-Norm モデルで特に少数派の効果は大きい。

参考文献

Baron, R.S., Kerr, N. & Miller, N. (1992)  Group process, group decision, group action.  Buckingham: Open Univ. Press.

Kerr, H.L. & MacCoun, R.J. (1985).  The effect of jury size and polling method on the process and product of jury deliberations. Journal of Personality and Social Psychology, 48, 349-363.

Larson, Jr., J.R. (1997). Modeling the every entry of shared and unshared information into group discussion: A review and BASIC language computer program.  Small Group Research, 28, 454-479.

Stasser, G. (1988). Computer simulationj as a research tool: The DISCUSS model of group decision making.  Journal of Experimental Social Psychology, 24, 393-422.

Stasser, G. & Titus, W. (1985). Pooling of unshared information in group decision making: Biased information sampling during discussion. Journal of Personality and Social Psychology, 48, 1476-1478.

2.3.2　コミュニケーションネットワーク（ＣＮ）

2.3.2.1　ＣＮ実験研究

☆　コミュニケーション・ネットワーク研究が扱う状況

　1.位置が異なる成員が別々の情報を持つ。

　2.情報を総合して解を出す課題に取り組む。

　3.情報はネットワークを通して伝達される。

☆　ネットワークの型と課題

・主なネットワークの型：　車輪型(Wheel)、鎖型(Chain)、Ｙ型、円型(Circle)、

　　　　　　　　　　　　完全連結型(Completely Connected, ComCon)

・ネットワークの中心性

・ネットワーク上の位置：中心的／周辺的

・課題：  単純　−　共通シンボル課題

　　　　　 複雑　−　算術計算課題、など

☆　主要な実験的知見(Shaw, 1964　など)

�@中心性の高いＣＮ(e.g., Wheel 型)で成員間の階層的な役割分化が生じやすい。

�A特に「リーダー」は中心的位置で出現しやすい。

�B中心性の高いＣＮは単純な課題で、中心性の低いＣＮは困難な課題で、効率的となる。

�C成員の満足度はＣＮの型や位置に依存する。中心性の高いＣＮの成員や周辺的位置の成員は満足度が低い。

2.3.2.2　ＣＮのシミュレーションモデル（高木, 1999）

☆　問題　−　ＣＮ実験の知見は被験者の特有の心理過程の結果か、構造的要因の結果か？

☆　時間は短い単位時間（ステップ）ごとに離散的に推移

☆　環境（ＣＮと課題）要因

（１）ＣＮ：　Ｎ×Ｎの2値（０１）行列 N　N = (n_ij) 。

            ・位置 i から位置 j への情報経路が開いているとき n_ij = 1

                ・閉じているとき n_ij = 0 である(ただし n_ij = 0, i=j)。

            ・ Ｎ（仮想被験者の数）とＣＮの型　−　自由に変更できる。

            ・双方向的情報経路からなるＣＮ（ N は対称行列）だけを考える。

（２）課題

　形式的な共通性

            1.各被験者が初期状態で固有の（他の被験者が持たない）課題情報を持つ。

            2.全員の課題情報を集めてはじめて課題の解が出せる。

            3.全員が実験者に解を報告した時点で課題遂行が完了したと判断する。（１セッションが終了）

　解決困難度：　すべての情報を集めた仮想被験者が１人で解決するのに要する期待時間

                        ガンマ分布（反応時間の確率分布）にしたがうと仮定

☆　仮想被験者の課題行動

（１）作業

　・仮想被験者は選択局面と遂行局面に交互に入る。

            選択局面　−　遂行すべき作業がある限り作業を１つ選ぶ。

            遂行局面　−　作業を遂行

　・選択できる作業は次の４種類だけ

�@情報伝達　自分の課題情報もしくは他者から受け取った課題情報を、選択した１人の他者に送る。

�A解答　まだ解を得ておらず、すべての課題情報を保有した状態で選択局面にある仮想被験者は確率 P(S) で解答を選択する。解答を選択すると次ステップ以降の遂行局面で仮想被験者は解答に専念する。

�B達成報告　自分で解を出すか他者から解を受信することによって解を得た仮想実験者は、次の選択局面で達成報告を選び、続く遂行局面で達成を実験者に報告する。所要時間は１ステップ。

�C解伝達　達成報告の後は優先的に解伝達に移る。所要時間は１ステップとする。

（２）仮想被験者の「構え」

次の３状態があると仮定

　状態１：自分では�Bの解答を放棄し、課題情報の伝達�@に専念する。解は他者に依存する。（受け身）

　状態２：解答と情報送信の両方を行う。（デフォールト）

　状態３：解答（と解伝達）に専門化し作業�@を行わない。（中心的役割への構え）

・同一セッション中は各仮想被験者の構え状態は変化しない

・最初のセッションでは全員がデフォールトの状態２

・セッション間での構えの変化

1.状態２の仮想被験者

       a.直前のセッションで自分で解を出さず解を他者に依存したなら確率 P(1|2) で状態１に移る。

       b.直前のセッションで自ら解を求め他者に解を依存しなければ、確率 P(3|2) で状態３に移る。

2.状態１ないし３にいる仮想被験者：直前セッションでの集団の課題遂行がまずければ現在の作業配置を変更しようとする。

       a.前回のセッションで状態１にあり、かつ課題遂行時間（ステップ数）が前々回より N(2|1)以上多ければ状態２に戻る。

       b.前回のセッションで状態３にあり、かつ課題遂行時間（ステップ数）が前々回より N(2|3)以上多ければ状態２に戻る。

3.状態１ないし３であるとき、もし現セッションでのステップ数が前セッションのステップ数をこえたならば、各ステップで、仮想被験者は確率 P(R) で現在凍結している作業（状態１なら�A、状態３なら�@）を選択可能と再定義する（次のセッションで構えは状態２に復帰）。

☆　パラメータ　

（１）行動パラメータ：　P(S)、P(R)、P(1|2)、P(3|2)、N(2|1) 、 N(2|3)

                P(S)、P(1|2)、 P(3|2) の値が高い　→　集権的配列への個人レヴェルでの誘発性

（２）環境パラメータ

　　1.集団サイズ　＝　５

　　2.ＣＮの型　＝　Wheel、 Chain、 Y、 Circle、 ComCon

　　3.情報伝達時間　＝　メッセージを書くステップ数　＋　メッセージ送信自体の時間

            メッセージ送信自体の時間　＝　最小ステップ数の 1

                メッセージを書く時間　＝　課題情報数に比例

　　4.解答時間 　＝　ガンマ分布乱数値

（３）解答時間（課題の困難度）の操作　→　低困難度条件／中困難度条件／高困難度条件

2.3.2.3　シミュレーション結果

（１）最適行動パタン

                ＣＮはいかなる行動を被験者に促すか？

                ＣＮ型別に、仮想被験者の最適行動パタンを調べる。

                最適　＝　課題解決時間の最小化

                遺伝的アルゴリズムの適用

結果(Fig. 1)

ａ． P(S) の値は困難度やＣＮ型にかかわらず１に近い。

            →　課題情報が集まったときは早期に解答に入るのが合理的

ｂ．役割分化への構えを示すパラメータ［ P(1|2) と P(3|2］がＣＮの型によって異なったパタンを示す。

            中心性が高い Wheel 型　−　0.5 前後

            中心性が低い Circle、ComCon　−　ほとんど  0.0

                中心性が中間的な Chain と Y は両者の中間

　→　中心性が低いＣＮに比べ、中心性が高い Wheel では、役割分化への課題要請が構造的に強い。

（２）課題解決時間

                ３種類のパラメータでＣＮ型を比較

                　・デフォールト：P(1|2) = P(3|2) = 0.0 とおく。P(S) = 0.93［（１）の中困難度条件の全体平均］

                        （役割分化への構えなし）

            　・中困難度条件の Circle での最適値

            　・中困難度条件の Wheel での最適値

　結果：Fig.3（困難度条件ごとの平均を１としたときの相対時間）

            ・中心性が高い Wheel では課題が困難なほど相対解決時間は長くなる。

            ・中心性が高い Circle、ComCon では逆。

　　ある程度、主要な知見の�B（2.3.2.1）と符号

（３）役割分化

事後的な４つの役割

                                                自分で解を出す               出さない

                他者に解を送る   KeyPerson                            Relayer

                送らない            LoneSolver                            EndPerson

２種類のパラメータ値

                デフォールト値（役割分化への構えなし）

                Wheel 最適値（役割分化への構えが強い）

結果　   Fig.4：ＣＮ型別の役割分布

          
      Fig.5a：KeyPerson の出現位置

━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━

ＣＮ型                デフォールト値                 Wheel 最適値

─────────────────────────────────

Wheel                    どちらでも、1 KeyPerson 対 4 EndPersons（１段階層）

Chain                EndPerson - Relayer - Keyperson - Relayer - EndPerson（２段階層）

Y                             LoneS.が増える               中心に KeyPerson

Circle                      複数解答者体制             Chain と同じ２段階層

ComCon                 複数解答者体制             Wheel と同じ１段階層

━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━

・過去の役割構造の記述は上の表の範囲内にある。

・KeyPerson の出現位置の予測は実測値と符合する。

参考文献

Bavelas, A. (1950) Communication patterns in task oriented groups. Journal of the Acoustical Society of America, 22, 725-730.

Leavitt, H.J. (1951) Some effects of certain communication patterns on group performance. Journal of Abnormal and Social Psychology, 46, 38-50.

Shaw, M.E. (1964) Communication networks. Advances in Experimental Social Psychology, 1, 111-147.

高木英至 (1999) 「コミュニケーションネットワークにおける創発的集団構造　−　シミュレーションによる分析」, 『社会心理学研究』、14巻、３号、113-122.