ダニング=クルーガー効果の有名な曲線は原論文にない

「能力が低い人ほど自信満々になる」。この現象を説明するとき、決まって一枚のグラフが添えられる。横軸に経験や知識、縦軸に自信。左端で急峻にそびえる「バカの山（Mount Stupid）」、直後に落ち込む「絶望の谷」、そこから緩やかに登り直す坂。SNSでも研修資料でも、このカーブはダニング=クルーガー効果（能力の低い人ほど自分の能力を過大評価するという心理学の仮説）の説明図として何度も目にする。

ところが、このグラフを出典とされる論文に探しに行くと、見つからない。KrugerとDunningが1999年に発表した原論文に、山も谷も描かれていないのである。話はそれで終わらず、原論文に実際に載っているグラフのほうも、2016年に「乱数だけでほぼ同じ形を再現できる」ことが示された。2020年には「効果は（ほとんど）統計的アーティファクトである」と題した論文が出て、2023年にはそれへの反論と再反論が続いている。

つまり現状はこう整理できる。有名な曲線は創作で、原論文のパターンはノイズでも生成でき、それでも効果そのものが幻かどうかは研究者の間でまだ決着していない。この記事では、1999年の原論文から2023年の応酬まで、主要な研究を突き合わせながらこの論争を追いかける。

見覚えのある曲線の出どころ

まず、あの山型の曲線がどこから来たのかを確かめておく。

Kruger, J., & Dunning, D. (1999) がJournal of Personality and Social Psychology誌に発表した論文「Unskilled and unaware of it」には、折れ線グラフが数枚載っている。どれも横軸が成績の四分位（参加者を成績順に4等分したグループ）、縦軸がパーセンタイル（自分が100人中下から何%の位置にいるか）という形式で、線は2本。実際の成績の線と、自己評価の線である。山もなければ谷もない。後で見るとおり、2本ともおおむね右上がりの、地味な図である。

では「Mount Stupid」はどこから来たのか。この名前の由来としてよく挙げられるのは、ウェブコミックSaturday Morning Breakfast Cereal（SMBC）が2011年末に掲載した1コマである。ただしこのコミックが描いたのは能力と自信の関係ではなく、「少しかじっただけの話題ほど意見を言いたがる」という自虐的な観察で、ダニング=クルーガー効果への言及はない。その後、誰かが（作者は特定されていない）この山を「自信」対「能力」の軸に描き直し、ダニング=クルーガー効果の名を付けて流通させた。「絶望の谷」「啓蒙の坂」といったラベルつきの現行バージョンは、新技術への期待の浮き沈みを描くガートナーのハイプサイクルと見た目がよく似ており、複数の図式が混ざり合ってできた合成物と考えられる。

出典が創作でも、中身が正しければ実害は小さいはずである。問題は、あの曲線が原論文の主張とも一致していないことにある。原論文のデータでは、成績下位の人の自信が上位の人を上回る箇所はない。下位の人の自己評価は「実力よりはるかに高い」だけで、絶対値では上位の人より低いままである。「初心者の自信が熟練者を超えて天を突く」という山の形は、原論文のどのデータとも対応していない。

原論文が実際に示したもの

次に、原論文が何を示したのかを確かめる。

KrugerとDunningは、コーネル大学の学部生を対象に4つの研究を行った。題材はユーモアの判定、論理的推論、英文法の3領域である。参加者はテストを受けたあと、「自分の成績は同じ受験者100人の中で下から何%の位置か」を見積もった。客観的な採点結果と、本人の見積もり。この2つを突き合わせるのが実験の骨格である。

結果は論文の要旨に集約されている。4つの研究を通じて、成績が下位四分位（下から25%）に入った参加者の実際の成績は平均12パーセンタイル、つまり下から12%の位置だった。ところが本人たちの自己評価の平均は62パーセンタイル。50ポイントの過大評価である。一方、上位四分位の参加者はむしろ自分の相対的な位置をやや低く見積もった。

このデータを四分位ごとに折れ線で描くと、実際の成績の線は左下から右上へ急な角度で伸び、自己評価の線は60台から70台の間でほぼ水平に近い緩い右上がりになる。2本の線の間隔が、左端(下位)で大きく開き、右端(上位)で逆転する。これが原論文の「本物のグラフ」である。

著者らはこのパターンを、能力の低さそのものが原因だと解釈した。たとえば文法の問題を正しく解く能力と、自分の解答が正しいかどうかを判定する能力は、同じ知識に依存する。だから能力が低い人は、成績が悪いだけでなく、成績が悪いことに気づく手段も欠いている。この「二重の重荷」という説明が、論文の中心的な主張だった。

発表3年後に始まった統計論争

この解釈への疑義は、インターネットでグラフが有名になるよりずっと早く、学術誌の上で始まっていた。

Krueger, J., & Mueller, R. A. (2002) は同じJournal of Personality and Social Psychology誌で、原論文と同種の実験を再現した上で、別の説明を提示した(紛らわしいことに、原著者Krugerとは綴りの異なる別の研究者Kruegerである)。彼らの説明は2つの既知の現象の組み合わせである。1つは、能力にかかわらずほとんどの人が「自分は平均より上」と答える傾向(平均以上効果)。もう1つは、平均への回帰と呼ばれる統計現象である。

平均への回帰は、この論争全体を貫く論点なので、少し丁寧に説明したい。テストの点数は「実力」と「その日の運」の合計である。まぐれ当たりもあれば、うっかりミスもある。すると、成績で下位25%を切り出したグループには、実力どおり低かった人に加えて「実力はそこそこだが、運悪く低い点が出た人」が必ず混ざる。その人たちの自己評価は自分の実力に沿ったものなので、テストの点数と比べれば「過大評価」に見える。逆に上位グループには「運良く高い点が出た人」が混ざり、集計すると「過小評価」に見える。つまり、測定に誤差がある限り、「下位は過大評価、上位は過小評価」というパターンは、誰の認識も歪んでいなくても機械的に生成されるのである。

KrugerとDunningもこの指摘に同誌上で応答し、KruegerとMuellerの再現実験は信頼性の低いテストを使っており、回帰と平均以上効果だけでは原論文の実験結果を説明できないと反論した。論争の第1ラウンドは、こうして双方が譲らないまま閉じる。ここで確認しておきたいのは、「あのパターンは統計の産物ではないか」という疑いが、2002年の時点で既に活字になっていたことである。

乱数が「無知の山」を再現した

この疑いを、誰にでも見える形で突きつけたのが、数理リテラシーの専門誌Numeracyに掲載された一連の研究である。

Nuhfer, E. ら (2016) は、「実力」と「自己評価」の間に何の関係もない乱数のペアを大量に生成し、それを原論文と同じ流儀、つまり四分位に分けてパーセンタイルの平均を折れ線で描くという方法でプロットした。結果は、下位で大きく開き上位で閉じる、あの見慣れた2本の線である。中身がただのノイズでも、集計と作図の手順そのものが「下位ほど過大評価」の形を生み出すことを、シミュレーションで示したわけである。

これは「効果が存在しない証明」ではない。乱数で同じ形が出るという事実が意味するのは、あのグラフの形は効果の証拠として使えない、ということまでである。本物の効果があってもなくても同じ絵が出るなら、その絵からは何も区別できない。

そこでNuhferら (2017) は続報で、実データに別の集計方法を適用した。1,154人の参加者に科学リテラシーの試験と自己評価を課し、四分位の平均ではなく個人ごとのズレを直接見たのである。四分位の平均という集計は、グループ内の「正確な人」と「大きく外す人」を混ぜて1点に潰してしまう。個人単位でほどくと、景色は変わった。成績下位四分位の参加者のうち、自分の能力を大幅に過大評価していたのは16.5%。大幅に過小評価していた人も3.9%いて、残りの約8割は自分の実力をほぼ正確に見積もっていた。

「無知の山」のイメージとは対照的に、この分析では成績が低い人の大多数は自分の出来の悪さを自覚していた。著者の一人Gazeはのちに一般向けの解説で、ダニング=クルーガー効果として知られるパターンは研究デザインの産物であり、人間の思考の本質ではないと総括している。

効果は「(ほとんど)統計的アーティファクト」なのか

乱数シミュレーションが揺さぶったのは作図の手順だった。次の一撃は、検定の手順に向かう。

Gignac, G. E., & Zajenkowski, M. (2020) は、知能研究の専門誌Intelligenceで「ダニング=クルーガー効果は(ほとんど)統計的アーティファクトである」と題した論文を発表した。アーティファクトとは、現象そのものではなく測定や分析の手続きが作り出した見かけ上のパターンのことである。彼らは一般参加者929人に、自己評価した知能と、図形の規則性を見つける標準的な知能検査(レーヴン漸進的マトリックス検査)の両方を課した。分析には四分位の平均ではなく、ダニング=クルーガー仮説をそのまま検定できる2つの手法を使う。1つは、能力が低い側でだけ自己評価のズレのばらつきが大きくなっていないかを調べる不均一分散の検定(Glejser検定)。もう1つは、能力と自己評価の関係が直線から曲がっていないかを調べる非線形回帰である。仮説が正しければ、低能力側でズレが膨らむか、関係が曲がるか、少なくともどちらかが観測されるはずである。

結果はどちらも空振りだった。測定された知能と自己評価の関係はほぼ直線で、自己評価のズレの大きさは能力の全域でほぼ一定。「能力が低い人ほど特別に自分を見誤る」という証拠は見つからず、見つかったのは「誰もが同じ程度に自分を見誤る」という平凡な事実だけだった。

それでも効果は消えていない

ここまでを読むと、ダニング=クルーガー効果は完全に否定されたように見える。実際の論争は、そう単純には転がらなかった。

まず、GignacとZajenkowskiの分析自体に反論が出る。Hiller, A. (2023) は同じIntelligence誌のコメント論文で、2020年論文の測定の変換手続きを突いた。参加者の自己評価は「平均よりかなり上」のような段階選択式で集められており、これをIQの数値に換算する際、Gignacらは各段階を等間隔の直線的な尺度に割り付けていた。Hillerは、IQのように正規分布する(平均付近に人が密集し、端に行くほど希薄になる)量なら、段階の間隔も分布に合わせて割り付けるべきで、等間隔への割り付けこそが「ズレは全域で一定」という結果を作り出した疑いがあると論じたのである。アーティファクト説への、アーティファクト疑惑の返礼だった。これに対しGignacとZajenkowskiは「Still no Dunning-Kruger effect」と題した再反論を出し、Hillerの推奨する変換で再分析しても効果の証拠は出なかったと報告している。

第二に、同じ手法で逆の結果を出した研究がある。Dunkel, C. S. ら (2023) は、米国の全国代表性のあるデータを使って2020年論文の再検証を行い、Gignacらの推奨した統計手法のもとでも、小さいながら統計的に有意なダニング=クルーガー効果を検出した。効果はゼロではない。ただし、あの曲線が示唆するような劇的なものでもない。サンプルの取り方と尺度の設計次第で、有意にも非有意にも転ぶ規模の効果だということである。

第三に、パターンの再現性そのものは疑われていない。Jansen, R. A., Rafferty, A. N., & Griffiths, T. L. (2021) はNature Human Behaviour誌で、論理と文法の2課題をそれぞれ3,000人超のオンライン参加者で実施し、1999年の集計パターンを大規模に再現した。その上で彼らは、「限られた手がかりから合理的に自分の成績を推測している」と仮定するベイズ的なモデル(事前の思い込みを証拠で更新していく計算モデル)を当てはめる。合理的な推測と測定ノイズだけでも過大評価のパターンはある程度出る。しかし下位の参加者の見積もりは、合理モデルの予測よりさらに外れていた。成績の低い人は、自分の出来についての手がかりを評価に反映しにくい、つまり証拠への感度が低いという原論文寄りの解釈を、部分的に支持する結果である。

研究を並べると、対立の構図は見かけより整理されている。「下位ほど過大評価に見える」という集計パターンが頑健に再現されることには、ほぼ全員が同意している。争われているのは、そのパターンのうち何割が測定ノイズと平均への回帰で説明され、何割が「能力の低さが自己認識を曇らせる」という心理メカニズムの取り分なのか、という配分である。全部がノイズだとする陣営と、小さくても心理的な効果が残るとする陣営が、尺度の変換方法という細部を挟んで対峙している。これが2026年時点の戦況である。

一枚のグラフから引き取れるもの

冒頭の山に戻る。

この論争から持ち帰れる教訓は3つある。1つ目は、広く共有された図ほど出典を確かめる価値があるということである。「バカの山」は、原論文に存在しないだけでなく、原論文のデータとも矛盾する形をしている。それでも10年余り、心理学の知見として流通し続けた。図は文章より速く拡散し、検証はほとんどされない。

2つ目は、もっともらしいパターンはノイズからも生まれるということである。四分位の平均という集計方法は、乱数にすら「無知の山」の輪郭を与えた。グラフの形が印象的であることと、それが現象の証拠であることは、別の問題である。

3つ目は、「嘘だった」への飛びつきも同じ罠だということである。アーティファクト説の論文にも尺度変換への反論が付き、同じ手法で有意な効果を出した再検証もあり、大規模再現では下位者の証拠への鈍感さを支持するモデリング結果も出ている。「有名なグラフは偽物」から「効果そのものが嘘」までの距離は遠く、その間を埋める作業が今も学術誌の上で続いている。

そして、どの陣営の研究にも共通する足場が1つある。主観の自己申告だけでは、何も検証できなかったということである。1999年の原論文も、それを崩しにかかった乱数シミュレーションも、929人の知能検査も、3,000人超のオンライン再現も、すべて「本人の見積もり」と「客観的な記録」を突き合わせることで初めて成立した。自己評価のズレが心理の産物かノイズの産物かは未決着でも、ズレ自体は双方向に存在する。過大評価する人もいれば、実力より低く見積もる人も一定数いる。だからこそ、突き合わせる相手になる客観的な記録には価値がある。仕事の文脈でも、成果や理解度を体感だけで判断する危うさは繰り返し報告されており、AIツールを配布しただけでは営業成績が伸びなかったという調査はその一例である。

日々の会議や商談も、記憶と自己申告だけに頼れば「言ったつもり」「伝わったつもり」の検証はできない。AIボイスメモのメモリスは、スマホで録音しておけば、録音終了後にAIが文字起こしと要約を数分で作成する。発言の記録がテキストとして残るので、自分の説明が実際にどうだったかを、あとから見積もりではなく記録で確かめられる。一枚の派手なグラフより、一本の地味な記録のほうが、自己認識の役に立つことがある。