「半減」と聞けば大きな成果に見えるのに、実際には何が変わったか説明できない。そんな数字に出会っても、数学が苦手な自分を責める必要はありません。元の値を見せずに変化だけを語る説明では、誰でも大きさをつかみにくくなるからです。
まず見るのは、何人中の話か、元の値からどれだけ変わったか、どの資料で確かめられるかです。数字の表し方を扱う研究から、読みやすさに助けられながら、印象だけで結論を決めない三つの見方を整理します。
割合を何人中何人に戻す
ベイズ推論を扱う実験では、確率の形で示すより、自然な頻度の形で示したほうが、未訓練の参加者でも適切な推論をしやすくなりました【Gigerenzer et al.(1995)】。
人の能力だけでなく、情報の表示形式も理解に関わるのです。割合を見たら、何人を対象にして何人で起きた話なのかを探します。対象全体の人数と、条件を満たす人の人数が途中で入れ替わっていないかも見ます。この順番は計算が得意になる保証ではなく、問題の形を見えるようにする工夫です。
増減の割合だけで元の値を消さない
リスクの伝え方を解説した論文では、相対的な増減だけではなく、絶対数や自然頻度を使って基準値を示す方法が説明されています【Gigerenzer et al.(2003)】。
医療の説明を中心にした論文ですが、ここでは数字の読み方に限って参考にします。半減という見出しでも、もともとどれくらいあったのかが不明なら、変化の実際の大きさはわかりません。増えたか減ったかだけでなく、比較前後の値、対象、期間をそろえて見る。都合のよい数字だけが切り取られていないかも確認します。
計算式より先に情報の配置を覚える
推論を教える研究では、頻度の表現を作る訓練は、確率を式へ入れる訓練に比べて、直後の学習効果や時間を空けた安定性で有利でした【Sedlmeier et al.(2001)】。
すべての統計が図にすれば簡単になるとはいえませんが、数字をどの集団に属するかで整理する視点は使えます。紙に全体と内訳を書き、同じ人を二重に数えていないか確認します。難しい式を覚える前に、何と何を比べているか説明できる状態を目指すと、質問すべき点を見つけやすくなります。
何度も見る数字にも元の資料が必要
知識と繰り返しを扱う実験では、正しい知識を持っていても、繰り返された文をより真実らしく評価する効果がありました【Fazio et al.(2015)】。
この研究自体は統計表の理解を測ったものではありませんが、よく見るから信頼できると決めない視点になります。三つ目の確認は、元の資料へたどれるかです。調査の対象、質問、測定方法がわからない数字は、精密に見えても解釈が定まりません。確認できないときは不明な点を残し、重要な判断の根拠をその一つに集中させないようにします。
あわせて、人は数字と物語のどちらで動くのかと口コミは平均点だけで信じると外しやすいも読むと、今回の考え方を自分の生活に合わせて整理できます。
結論：割合の勢いより、全体と元の値を見る
半減がどれほどの変化かは、もとの人数や値によって違います。難しい計算より先に、何人中、何人から何人へ変わったのかを書き出しましょう。出典にその情報がなければ、判断を保留できます。
数字を見たら、何人中の話か、元の値からどう変わったか、出典で同じ説明を確認できるかを順番に確かめます。わからない箇所があること自体は失敗ではありません。どこが不明かを言葉にできるだけでも、数字の印象に押されず判断を保留しやすくなります。
参考文献
- Gigerenzer et al.(1995) — How to improve Bayesian reasoning without instruction: Frequency formats.。
- Gigerenzer et al.(2003) — Simple tools for understanding risks: from innumeracy to insight.。
- Sedlmeier et al.(2001) — Teaching Bayesian reasoning in less than two hours.。
- Fazio et al.(2015) — Knowledge does not protect against illusory truth.。
