プライミング効果はなぜ崩れたか、高齢者歩行実験の顛末

「しわ」「ビンゴ」「フロリダ」。 高齢者を連想させる単語をパズルの中で目にしただけで、実験室を出た学生の歩く速さが遅くなった。 1996年に報告されたこの実験は、プライミング効果（先に見聞きした情報が、本人の自覚がないまま後の行動に影響する現象）の看板として教科書とベストセラーに載り続けた。

その看板が、2012年に崩れる。 歩行時間の計測を人間のストップウォッチから赤外線センサーに置き換えた追試で、効果は消えた。 さらに「被験者は遅く歩くはずだ」と実験者に信じ込ませた条件でのみ、効果は復活した。 擁護者だったノーベル経済学賞受賞者Daniel Kahnemanは同じ年、この分野の研究者たちに宛てて「列車事故（train wreck）が迫っているのが見える」と書簡を送る。 心理学の再現性危機の号砲となったこの顛末は、一次資料でほぼ全部を追える。 そして決着のつき方は、「元の研究者が捏造していた」でも「追試が雑だった」でもない、もっと居心地の悪いものだった。

30人の学生と、一本の廊下

発端の実験は単純である。 John Barghらが1996年にJournal of Personality and Social Psychology誌で発表した論文（Bargh, Chen & Burrows, 1996）の実験2で、ニューヨーク大学の学生は「単語を並べ替えて文を作る」課題を解いた。 半分の学生の課題には、高齢者ステレオタイプを連想させる単語（しわ、ビンゴ、フロリダなど）が紛れ込ませてあった。 「遅い」「歩く」といった速度に直接関わる単語は、意図的に外してある。

計測されたのは課題の成績ではない。 課題を終えて実験室を出た学生が、廊下の端まで歩くのにかかった時間である。 時間はストップウォッチを持った実験協力者が手動で測った。 結果、高齢者の単語に触れた学生は、中立な単語の学生より有意に（偶然のばらつきでは説明しにくい差で）遅く歩いた。

差の大きさを、効果量d（2つの条件の平均の差を、ばらつきの単位である標準偏差で割った指標）で見ておきたい。 2回行われた実験の効果量はd=1.04と0.79。 d=1とは「分布が丸ごと1標準偏差ずれる」という意味で、人間の行動を扱う研究では例外的に大きい。 一方で、被験者は各実験およそ30人だった。 30人という規模と1前後の効果量の組み合わせが、後にこの実験の急所になる。

ベストセラーが与えたお墨付き

この実験は独走したわけではない。 「大学教授」を思い浮かべた学生は雑学クイズの成績が上がる（Dijksterhuis & van Knippenberg, 1998）、お金を連想すると利己的になる、といった社会的プライミング（ステレオタイプや概念の活性化が社会的行動を変えるとする研究群）の報告が1990年代後半から2000年代に量産され、高齢者歩行実験はその筆頭に置かれた。

決定的だったのは2011年である。 Kahnemanが世界的ベストセラー『ファスト&スロー』でこの研究群を紹介し、英語の原文で「disbelief is not an option（信じないという選択肢はない）」とまで書いた。 結果は捏造でも統計的なまぐれでもない、主要な結論を真実として受け入れるほかない、という趣旨の一節である。 行動科学の知見がビジネス書や製品設計へ流れ込む経路は当時も今も太く（AIの応答画面を待ち時間の心理学から読み解いたAIの回答が一気に出るのはなぜか、待ち時間の科学で読むのような読み方は現在も有効である）、プライミングはその最良の輸出品に見えた。

ただし、当の研究コミュニティの内側では、この効果はすでに素直な顔をしていなかった。

追試が付けた条件

2000年代の追試は、効果を再現できても「条件付き」の再現だった。 Hullら（2002年、Journal of Personality and Social Psychology）は、歩行が遅くなるのは自己意識の高い人に偏ると報告した。 Cesarioら（2006年、同誌）は高齢者の顔写真を意識に上らない速さで提示する方法で追試し、遅くなるのは高齢者に好意的な態度を持つ人だけで、否定的な態度の人はむしろ速く歩いたと報告した。 効果はある、ただし誰にでも出るわけではない、という報告が積み重なっていく。

この経過は二通りに読める。 好意的に読めば、境界条件が特定されて理論が精緻になった。 意地悪く読めば、「30人で1標準偏差」という元の主張は、追試のたびに小さく、条件付きになっていった。 どちらの読みが正しいかを判定するには、元の実験と同じ設計で、測定だけを人間の手から切り離した追試が要る。 それを実行したのがブリュッセル自由大学のStéphane Doyenらだった。

赤外線センサーでの再計測

Doyenらが2012年にPLoS ONE誌で発表した追試（Doyen, Klein, Pichon & Cleeremans, 2012）の実験1は、元の設計をほぼ踏襲しつつ2点を変えた。 被験者を120人と元の実験の倍以上にしたこと、そして廊下の歩行時間をストップウォッチではなく赤外線センサーで自動計測したことである。

結果、高齢者プライム条件の平均は6.27秒、統制条件（中立な単語の条件）は6.39秒。 差は統計的に意味のある水準に届かないどころか、方向すら元の報告と揃わなかった。

Doyenらが本領を発揮するのは実験2である。 今度は被験者50人に加えて、実験を運営する実験者10人の側を操作した。 半分の実験者には「プライムされた被験者は遅く歩くはずだ」と伝え、残り半分には「速く歩くはずだ」と伝える。 そのうえで歩行時間を、実験者が持つストップウォッチと赤外線センサーの両方で記録した。

手動計測の結果はこうなった。 「遅くなるはず」と聞いた実験者のもとでは、プライム条件7.25秒に対し統制条件6.73秒で、有意に遅い。 「速くなるはず」と聞いた実験者のもとでは、プライム条件5.80秒に対し統制条件6.43秒で、今度は逆に速い。 同じ課題、同じ単語で、実験者の思い込みのとおりに記録が動いた。

ここで結論を「遅くなっていたのは被験者の脚ではなく、ストップウォッチを持つ実験者の手だった」と一行にまとめたくなるが、Doyenらのデータはもう一段複雑である。 「速くなるはず」と聞いた実験者の条件では、手動計測だけが速くなり、センサーは差を記録しなかった。 これは純粋に、測る側の手が期待に引きずられたことを示す。 一方「遅くなるはず」と聞いた実験者の条件では、センサーの自動計測でもプライム条件6.95秒対統制条件6.52秒の有意な差が出た。 実験者が効果を信じていると、その振る舞い（接し方や課題の渡し方）が被験者の実際の歩行まで変えてしまい、手動計測がそれをさらに増幅した、と読める。 歪んでいたのは手だけではなく、手と脚の両方だった。 そしてどちらの歪みも、元の実験デザインでは検出できない。 元の実験には、期待を持たない実験者も、人間を介さない計測もなかったからである。

炎上、そして公開書簡

追試の作法としてDoyenらの論文は模範的で、元の研究への敬意も保たれていた。 燃えたのは、その後の応酬である。

Barghは2012年3月、Psychology Todayに寄せたブログ記事「Nothing in Their Heads」で反論した。 反論の中身は追試の手続き上の差異の指摘だったが、筆致は個人攻撃に傾いた。 追試の著者らを「無能か、無知か（incompetent or ill-informed）」と評し、掲載誌PLoS ONEの査読水準を疑い、追試を報じた科学ジャーナリズムを浅薄だと断じた。 記事は科学者たちからの広い批判を浴び、後に削除される。 「追試の失敗」という科学の日常業務が、人格をかけた防衛戦になり得ることを、この一件は衆目に晒した。

背景には、もっと大きな火があった。 2011年にはオランダの社会心理学者Diederik Stapelによる大規模なデータ捏造が発覚しており、プライミングを含む社会心理学の華々しい知見全体に疑いの目が向き始めていた。

そして2012年9月26日、Kahnemanがプライミング研究者たちに宛てて書簡を送る。 Nature誌のニュース記事が報じたこの書簡は、「この手紙を書く理由は、列車事故が迫っているのが見えるからだ（I see a train wreck looming）」という一文で始まる。 Kahnemanは自分がプライミング研究の「総合的な信奉者（general believer）」であると断ったうえで、疑念の嵐が分野の信頼を壊す前に、主要な研究室が互いの実験を検証し合う連鎖を作るべきだと提案した。 『ファスト&スロー』で「信じないという選択肢はない」と書いた本人が、その1年後に書いた文章である。

号砲の後に分かったこと

書簡の後、検証は分野全体に広がった。 Shanksら（2013年、PLoS ONE）は、大学教授を思い浮かべるとクイズ成績が上がるという先述の知能プライミングを、9つの実験と計475人で追試し、効果を再現できなかった。 Harrisら（2013年、PLoS ONE）も、高い成果目標を無意識に活性化させるという別の看板研究の追試に2度失敗している。

規模で言えば、2015年にScience誌で発表されたOpen Science Collaborationの国際プロジェクトが画期だった。 心理学の主要3誌に掲載された100件の研究を独立チームが追試したところ、元の論文では97件が統計的に有意（偶然のばらつきでは説明しにくい差がある、という判定）だったのに対し、追試で有意な結果を得られたのは36%にとどまった。 プライミングだけの問題ではなく、心理学の出版慣行そのものの問題だったことが、ここで数字になった。

『ファスト&スロー』も再検証を免れなかった。 心理学者Ulrich Schimmackらは2017年、ブログ「Replicability-Index」で同書第4章（プライミングの章）が引用する12論文31研究を統計的に分析し、31研究のすべてが有意な結果を報告している一方、各研究の検定力（効果が実在する場合にそれを検出できる確率）の中央値は57%しかない、という不整合を指摘した。 検定力57%の研究を31回やって31回成功する確率は極めて低く、出版された結果が「うまくいった回」に偏っていることを強く示唆する。 Kahnemanはこの分析へのコメントで応じ、「検定力の低い研究を信頼しすぎた（I placed too much faith in underpowered studies）」と誤りを認めた。 小さいサンプルを信頼しすぎる人間の癖は、彼自身が1970年代に「少数の法則の信奉」として論文にした認知バイアスそのものである。 この皮肉の認め方も含めて、一連の対応は科学者の誤りの引き受け方の手本として引かれることが多い。

なお、これで「プライミング効果は存在しない」と決着したわけではない。 単語の意味処理が速くなるような知覚レベルのプライミングは今も頑健に再現される。 崩れたのは、「単語数個で複雑な社会的行動が大きく変わる」という強い主張と、それを30人規模の実験で立証できるという方法論への信頼だった。 事前登録（実験前に仮説と分析方法を登録して後出しを防ぐ仕組み）や大規模多施設追試といった現在の改革は、この崩れ方への応答として広まっている。

測る側の期待という古い問題

振り返ると、Doyenらの追試の決定打は理論でも論争でもなく、赤外線センサーという装置だった。 測定から人間の手を外した瞬間に、効果の一部が測る側の期待の産物だったことが露わになった。

これは新しい発見ではない。 1900年代初頭、計算ができると評判になった馬「賢馬ハンス」は、心理学者Oskar Pfungstの検証で、出題者が無意識に発する身体の合図を読んでいただけだと判明した。 1960年代にはRobert Rosenthalらが、同じ系統のネズミを「賢い系統」「鈍い系統」と偽って学生に渡すと、迷路実験の成績報告がラベルどおりに分かれることを示した。 観察する側の期待が測定と対象の両方を歪める現象は実験者効果と呼ばれ、医学の臨床試験が二重盲検（被験者からも実施者からも割り付けを隠す方法）を標準にしたのも、この歪みを断つためである。 高齢者歩行実験の顛末は、社会心理学がこの古い教訓を自分の看板実験で学び直した事件だった、と言える。

そしてこの教訓は、実験室の外の記録にもそのまま当てはまる。 打ち合わせの内容を後から思い出して書くメモは、ストップウォッチを持つ実験者の手と同じ構造を持つ。 「こう言ったはずだ」という期待が、記録の側を先に動かす。 録音は、この構造への一番安直で一番確実な対処である。 AIボイスメモのメモリスは、スマホで録音しておけば、録音後にAIが文字起こしと要約を数分で仕上げる。 記憶と期待を頼りに書き起こすのではなく、音声そのものから記録を起こせるという一点は、赤外線センサーが果たした役割の日常版と言えるかもしれない。

科学の側の物語は、まだ終わっていない。 Kahnemanの書簡が警告した列車事故は、衝突というより長い総点検になり、その点検は今も続いている。 30人の学生と一本の廊下から始まった実験は、効果そのものより、「測る側を疑う」という手続きの価値を残した。 自分の仕事の記録を眺めて、そこに立っているのが赤外線センサーなのかストップウォッチを持つ手なのかを考えてみる価値は、実験室の外でも十分にある。