統計的学習と因果的推論の統合によって集団の内部構造を推測する

社会的生活の見えない網を見通す

新しい職場や教室、スポーツチームに足を踏み入れると、誰が実権を握っているか、誰が親しい友人か、誰がさりげなく他者を指導しているかを素早く把握します。しかし通常、目にするのはほんの短いやり取りの断片にすぎません。本稿は、こうしたまばらでノイズの多い行動の断片から、人々が日常生活を形作る見えない社会的地図をどのように再構築しているかを探り、私たちの心が舞台裏で驚くほど洗練された種類のデータ分析や因果的推論を行っている可能性を示します。

わずかな手がかりから構造を読み取る方法

著者らは、人間は誰が誰とやり取りしているかを単に追跡するだけでなく、統計的学習と日常的な「民間社会学」の組み合わせを用いてより深い構造を推定していると主張します。統計的側面では、人々がどの頻度でどのように交流するかのパターンに気づき、これらのパターンに基づいて個人をサブグループに心的にクラスタリングします。社会学的側面では、権威関係、友情、メンタリングといった関係についての直感的な期待を持っており――誰が命令を出しがちか、誰が誰を社交に誘うか、誰が助言を求めたり提供したりしやすいか――これらを前提にします。この二つの能力を組み合わせることで、どの関係が存在するかだけでなく、それらが将来の行動をどのように形作るかも推測できるのです。

ノイズの多い動画から隠れた社会地図へ

この仮説を検証するため、研究者たちはオンライン参加者に、オフィスの設定で五つの色付きの人物が相互作用する短い漫画風の動画を見せました。それぞれのクリップでは、一人の人物が別の人物に近づき、命令、社交の誘い、助言の依頼を表す記号を送信し、相手から肯定的あるいは否定的な反応を受けます。ごく少数のこうしたやり取りの後で、視聴者は複数の候補図のどれがその集団の内部構造を最もよく表しているかを判断するよう求められました。たとえば特定の指揮系統、友情クリークのパターン、あるいはメンターネットワークなどです。限られた情報とときどき矛盾する交流があるにもかかわらず、人々は一貫して基礎にあるパターンと一致する図を選び、複数の構造が妥当に見える場合には確信度に段階的な差を示しました。

次に何が起きるかを予測する

研究チームは次に、人々がこれらの推定された構造を将来の行動の予測に使うかどうかを調べました。第二の一連の研究では、参加者は再び交流の連続を見た後、たとえば一人の従業員がオフィスを離れており別の誰かが仕事を割り当てる、勤務後に誰かを誘う、助言を求めるといった状況を伝えられました。参加者は残っている同僚のうち誰が選ばれる可能性が高いかを評価しました。彼らの予測は「最も頻繁に交流した人を選ぶ」といった単純な規則ではよく説明されませんでした。代わりに、まず基礎となる社会構造を推定し、その構造と命令・誘い・助言に関する常識的期待を踏まえて、この新しい状況で誰が最も自然な相手かを問う計算モデルとよく一致していました。

社会的影響の流れを追う

最後の実験では、同じ集団内で命令、誘い、助言依頼の三種類のやり取りを混在させることで状況をより現実的にしました。その後、参加者には誰が特定の人物の週末の予定（追加シフトに誘う、映画に誘う、任意の授業を取らせる）に最も影響を与えやすいかが問われました。問いによって引き出される関係の種類は異なりました：追加シフトは権威のラインに沿う傾向があり、映画の予定は友情を反映し、授業の決定はメンタリングを反映しました。ここでも、人々の回答は「最も接触が多い」という一律の規則ではなく、各決定にふさわしい種類の関係に選択的に依存するモデルによって最もよく説明されました。

社会的知性を理解するうえでの意義

総じて、これらの研究は通常の大人がごくわずかな証拠から素早く豊かな集団構造の内部地図を構築し、それを使って社会的行動を説明・予測・計画していることを示唆します。本研究は、誰がどのグループに属しているかを知るだけでなく、誰が誰より上か、誰が誰と親しいか、誰が誰の選択を導いているかを、証拠が断片的であっても推測していることを示しています。日常的に言えば、私たちの脳は散発的なやり取りをオフィスの政治、友情の網、メンターチェーンの作動モデルへと変換しており、そのモデルは誰に近づくべきか、誰を信頼するべきか、どう適応すべきかといった意思決定を導くのに十分に強力なのです。

引用: Davis, I., Jara-Ettinger, J. & Dunham, Y. Inferring the internal structure of groups through the integration of statistical learning and causal reasoning. Nat Commun 17, 1959 (2026). https://doi.org/10.1038/s41467-026-68754-0

キーワード: ソーシャルネットワーク, 階層構造, 統計的学習, 因果推論, 社会的認知