数多くのベストセラー、企業研修、SNS動画で語られてきた心理学の通説が、実は単なる統計的錯覚かもしれない。
先週、カナダのマギル大学（McGill University）科学と社会オフィスによる2020年の旧記事がHacker Newsのトップページに再浮上し、110ポイントと112件のコメントを集めて激しい議論を呼んだ。著者Jonathan Jarryが「直感的に正しそうな常識」を検証すべく文献のうさぎ穴に飛び込んだ結果、導き出された結論は痛烈なものだった。広く知られるダニング＝クルーガー効果（Dunning-Kruger effect）——「能力の低い人ほど自分の能力を過大評価する」——は、データが生み出した数字のトリックに過ぎない可能性がある。
この効果はもともと何だったのか
1999年、コーネル大学のJustin KrugerとDavid Dunningは『Journal of Personality and Social Psychology』誌に論文『Unskilled and Unaware of It』を発表した。学生たちに文法、ユーモア、論理的推論のテストを受けさせ、自分のスコアが全体の中でどの位置にあるかを予想させた後、実際の成績と比較した。その結果、最下位グループ（下位25%）は自分の成績を大幅に高く評価し（実際は15パーセンタイル、自己評価は60パーセンタイル）、最上位グループはわずかに低く評価していた（自己評価70パーセンタイル、実際は90パーセンタイル）。翌年、この研究はイグノーベル賞を受賞した。
メディアやネット文化は、この発見を1つの曲線と4つのフェーズ（「愚昧の山」「絶望の谷」「開眼の坂」「継続の台地」）に単純化した。そして「自分が何も知らないことを知らない」人々を「愚昧の山」の頂点に据えた。しかし、原著論文にはこれら4つのフェーズは存在しない。これらは後にネット上で二次創作された概念である。
さらに見落とされがちなのは、Dunning本人の言葉だ。Jarryへの返信の中で、Dunningは「この効果は他人のことではなく、私たち自身についてのものです」と記している。本来の意味は、「人間は誰しも、自分が不慣れな分野においては自分を過大評価しやすい」ということだ。決して「他人の愚かさを笑うための免許証」ではなかった。
あの有名なグラフはどのように描かれたのか
問題の根本は、あの有名なグラフにある。元の実験では、各学生に「自己評価」と「実際のスコア」という2つのデータ点が存在する。DunningとKrugerは学生を実際の成績に応じて4つのグループ（四分位）に分け、各グループの平均値を算出して2本のラインを結んだ。
図：成績の四分位別に描かれた「自己評価 vs 実際のスコア」曲線。最下位組が過大評価し、最上位組が低く見積もっている。出典：mcgill.ca
一見すると動かぬ証拠に見える。成績の悪い人は、自分が悪いことに気づいていないように思える。
しかし問題は、このグラフが「人間」のデータを必要とせずに描けてしまう点だ。統計学者Ed Nuhferらのチームは2016年と2017年、数学誌『Numeracy』に2本の論文を発表し、コンピュータで生成した完全なランダムデータからほぼ同一のグラフが再現できることを示した。マギル大学の記事著者が心理学者Patrick McKnightに再現を依頼したところ、もともとダニング＝クルーガー効果を信じて授業でも教えていたMcKnightは、Rでシミュレーションを実行した後に前言を撤回した。さらに遡ると、2002年にAckermanらのチームも同様のシミュレーションを行っていたが、当時はほとんど注目されなかった。
図：McKnightが純粋なランダムデータを用いてシミュレーションした曲線。原著論文とほぼ完全に一致する。出典：mcgill.ca
なぜランダムデータが心理学法則に化けるのか
これこそが「平均への回帰（regression to the mean）」である。
テストの運で例えるとわかりやすい。普段80点前後の実力を持つ人が、ある時体調や運が悪く60点しか取れなかった場合、次回は実力通りにスコアが上がっていく確率が高い。逆に超常的に95点を取った場合、次回は平均へ戻っていく。パフォーマンスが極端であるほど運の要素が大きくなり、次は平均レベルへと近づく。スポーツにおける「ルーキーの壁」や2年目の不振、熱が出た翌日に解熱するのも同じ理屈だ。
ダニング＝クルーガー効果のデータには、逆方向の全く同じメカニズムが潜んでいる。自己評価のスコアと実際の成績は完全には一致せず、自己評価には大量のノイズ（その日の気分、自信、問題への馴染みやすさ）が含まれる。測定ノイズが大きくなると、幾何学的に不可避な効果が発生する。最も成績の悪い人は自己評価が上に偏るしかなく（下にブレる余地がほぼない）、最も成績の良い人は下に偏るしかない。 心理的な偏見が一切存在しなくても、「実力」と「自己評価」が完全に連動しない限り、グラフを描けば自然とダニング＝クルーガー曲線が出現する。
Hacker Newsのコメント欄で、あるユーザーが的確に指摘した。低スコア層はそれ以上自分を過小評価できず、高スコア層はそれ以上過大評価できない。2つの変数が完全相関でない限り、この曲線は自ずと現れる。真に検証すべきなのは曲線から外れた非線形の部分だが、現在のデータにおいてそのシグナルは非常に弱い。
2020年、GignacとZajenkowskiは学術誌『Intelligence』にIQの自己評価データを用いた厳密な分析結果を発表した。タイトルは『ダニング＝クルーガー効果は（ほぼ）統計的錯覚である』。より適切な手法で検証したところ、効果はほぼ消失した。彼らのシミュレーションはさらに、測定誤差が大きくなればなるほど、ダニング＝クルーガー効果が強く現れることも示した。「誤差が大きいほど結論が強まる」という現象は科学史において極めて珍しく、それ自体が強い警鐘となっている。
議論は終わっていない：双方にある根拠
懐疑派はNuhferやGignacだけではない。しかし擁護派も次々と反論を掲げ、この議論は5年以上経った現在も決着がついていない。
| 懐疑派 | 擁護派 |
|---|---|
| Nuhferら (2016/2017): ランダムデータで効果が再現される | Dunningチーム: 2002年および2008年の研究で平均への回帰を直接検証し、ノイズ除去後も効果は残ると主張 |
| Ackermanら (2002): シミュレーションで同様の結果を実証 | Jensenら (2021): 3,500人以上を対象とした2つの研究でメタ認知仮説を支持 |
| Gignac & Zajenkowski (2020): 効果の大部分は統計的錯覚 | Dunkelら (2023): 別手法で同データを再分析し、効果は非常に小さいが統計的に有意と主張 |
| Hiller (2023): Gignac & Zajenkowskiのデータ処理方法に疑問を提示 | 2025年: Dunningが英国心理学会の刊行物で反論を展開 |
現在最も合意に近い着地点は、それほどドラマチックではない折衷案である。「ダニング＝クルーガー効果は実在するかもしれないが、著しく誇張されている」。「大半の人間は自分を正しく評価できない」という普遍的法則としては成り立たないが、「一部の人間が著しく自分を過大評価する」現象としての証拠は残る。Nuhferのデータでも、「能力が低く自覚もない」条件に当てはまる人は全体の約5〜6%に過ぎなかった。
一般の人々にとって何を意味するのか
第一に、「ダニング＝クルーガー効果」という言葉を他人にレッスンを垂れたりレッテルを貼る道具にしないことだ。誰かが自信満々に間違った発言をしたとしても、それはダニング＝クルーガー効果ではなく、単なる過信バイアス（overconfidence bias）や「平均以上錯覚」（ドライバーの8割以上が自分の運転技術は平均以上だと思い込んでいる現象）かもしれない。これらの効果は実在するものであり、心理学は自信に満ちた愚かさを説明するためにダニング＝クルーガー効果を必要としない。
第二に、Dunningの「この効果は私たち自身についてのものだ」という言葉こそ、最も記憶にとどめるべき洞察だ。自分が不慣れな領域において、感覚ほど当てにならないものはない。だからこそ、客観的な外部フィードバック——テストの点数、健康診断結果、同僚のレビュー、市場の評価——が「自分は理解している」という感覚よりもはるかに価値を持つ。
第三に、「話として面白すぎる」心理学の通説には少しの懐疑心を持つことだ。ダニング＝クルーガー効果が20年間にわたり流行したのはストーリーがあまりにも魅力的だったからだ。「ほら、あの人は自分が何も知らないことすら分かっていない」と誰もが高みに立って語ることができる。結論が心地よいものであるほど、「原始データは本当にそう言っているのか？」と問い直す価値がある。
「無知な人ほど自信過剰」という通俗的な神話として、ダニング＝クルーガー効果はデータの再検証によって大きく揺らいでいる。しかし20年以上にわたる科学的議論として、まだ終局には至っていない。心理学者と統計学者が議論を続けていること自体が、私たちへの貴重な教訓だ。結論が美しいものであるほど、生のデータに戻って検証しなければならない。それこそが、2020年の古い記事が今なおHacker Newsで112件のコメントを集めて熱弁されている理由なのだ。
参考リンク：
- McGill OSS: The Dunning-Kruger effect may just be a data artefact
- HN 議論 (item?id=49160437)
- Kruger & Dunning (1999): Unskilled and Unaware of It
- Gignac & Zajenkowski (2020): The Dunning-Kruger effect is (mostly) a statistical artefact
- Nuhfer ら (2016/2017): Numeracy 掲載論文
- Dunkel ら (2023): Reevaluating the Dunning-Kruger effect
- Dunning (2025): The Dunning-Kruger effect and its discontents（英国心理学会）
