
『うちの婆ちゃん』はなぜメタ分析に勝つのか


※もっと簡単に読める版もあります
SNSコメント欄で『正論』が500倍負ける本当の理由 〜小学生でもわかる『インプレッション即時報酬市場』の仕組み〜
ある日、健康系の解説動画を見みつけた。日本人の体質(ALDH2遺伝子変異)と飲酒リスクを扱った、エビデンスのしっかりしたコンテンツだが・・・・
コメント欄を開いて、予想通りで笑ってもうた。
「うちの婆ちゃんは毎日酒とたばこやって、ポテチとか加工食品食べまくって、排気ガスの多い国道沿いに住んでたけど、100才まで元気に生きたよ!」
「そんな楽しみを奪うような事言うなよ。酒もたばこもやって太く短く生きてポックリいきたいw」
「お酒やたばこを我慢するストレスのほうが健康に悪い」
その下のほう、画面をスクロールしないと見つからない位置に、こういうコメントがあった。
「数万人規模の統計データを調査し、バイアスを排除する整理を行い、査読を受けた複数論文を横断的に分析したメタアナリシスから得られる知見では、その生活様式は健康によくなく、結果的に『太く短く生きる』こともできるとは限りません」

統計用語を律儀に並べたほうのコメントは、内容としては明らかに正しい方向を向いている。婆ちゃん話のn=1(標本数1)と、数万人規模のメタ分析を比べたら、後者のほうが疫学的には強い証拠になる。これは反論の余地が小さい話だ。
なのに、SNSではボロ負けする。10倍ではなく、500倍のイイネ差がついている。

似たようなパターンを、別の文脈でも観察した。
ある追突事故のニュースだった。スマホを見ながら運転していたトラックが、停車中の車列に突っ込み、被害家族全員が炎に焼かれ身元確認に時間がかる亡くなり方をした、という痛ましい事故。報道直後のYahooニュースのコメント欄が、SNSと似た構造で動いていた。
ほとんどのコメントは、運転手への糾弾だった。「死刑にしろ」「許せない」「業務上過失致死では生ぬるい」。これらにはGoodがたくさんついていた。
そこで自分は、こういう趣旨のコメントを書いてみた。
「この度は、心よりお悔やみ申し上げます。この事故は、自動運転や自動ブレーキ、自動車間距離制御といった新技術が普及していれば防げた可能性があります。同時に、現在の罰則規定は性善説ベースで運転手の良識に頼る設計になっており、立法側の判断としても再検討の余地があるのではないでしょうか。私事ですが、最後尾に停まった際はハザードをつけ、斜め気味に止めて後ろから迫るトラックに注視し、いざという時は路肩に逃げるスペースがあれば行けるように備えます。(これは逃げなかった犠牲者を責めるものではありません。)」
お悔みから入って、技術提案と立法批判を織り込んだ。論理の構造としては、糾弾コメントと矛盾しない。むしろ「同じ事故を二度と起こさないために何が必要か」という前向きな話だ。
ところが、結果は明確だった。BAD(青のバッドマーク)が大量についた。Goodはほとんど伸びなかった。

糾弾コメントは伸びる。構造分析は沈む。これは健康情報のコメント欄で見た構造と、同じ匂いがする。ここに何かがある。
先に、本記事で使う「勝つ」の定義を置いておく。
ここで言う「勝つ」は、真理に近いとか論理的に正当だとか、そういう意味ではない。短時間で理解され、反応を生み、初期エンゲージメント(イイネ・コメント・返信)を獲得し、その結果としてタイムラインや推薦アルゴリズムから可視性が増幅される、という意味だ。
つまり、ここで分析するのは「正しさの競技」ではなく「インプレッションの競技」のほうの話になる。両者がしばしば一致しないことが、本記事の出発点だ。
1.「労力非対称比」という補助線
これから扱うのは、SNSコメント欄での「勝敗構造」の話だ。
先に言っておくと、ここで使う労力非対称比という語は、自分が便宜的に置いた言葉で、学術用語ではない。これは定量的に測定された指標ではなく、少なくとも次の3つの非対称を束ねた便宜的ラベルだ、と思ってほしい。
第一に、コメントを生み出す制作コストの差。
第二に、それを読み解く読解コストの差。
第三に、コメントから読み手が得る満足が早いか遅いかという報酬の時間差。
中身としては、コグニティブ・ロード理論(認知負荷理論、Sweller 1988の発想を参照点として借りる)と、プロセシング・フルーエンシー(処理流暢性、Reber & Schwarz 1999他)、それにSNSにおける評判ヒューリスティック(Jordan & Rand 2020)の概念を、コメント欄評価という文脈に当てはめ直したものだ。
で、何が「非対称」なのか。
書き手と読み手のあいだには、いつも労力の非対称がある。
正確な反論を組み立てる側は、論文を読み、用語を選び、反論可能性を潰し、誤読の余地を狭めるために言葉を増やす。書く労力が高い。そして、それを読む側にも、その文章を解釈する労力がかかる。「メタアナリシス」「年齢調整罹患率」「ALDH2変異」を理解するには、脳のCPUを貸さなきゃいけない。
一方、軽口を投げる側は違う。婆ちゃんを思い出すか、「太く短く」みたいな手垢のついたフレーズを投げるだけでいい。書き手も読み手も、ほとんどリソースを使わない。
このとき、SNSの評価ボタンを押す指は、後者に向かう。
これは個別のユーザーが愚かだから起きるわけじゃない。人間の認知システム全体が、低労力でかつその場で報酬が返ってくる情報に向かうように配線されているから起きる。
イタリアのプログラマー、アルベルト・ブランドリーニが提唱した「でたらめ非対称の法則(Bullshit Asymmetry Principle、ブルシット・アシメトリー・プリンシプル)」は、ここに近い話を扱っている。乱暴に要約すると、「でたらめを生み出す労力に比べて、それを反証するために必要な労力は1桁、あるいはそれ以上大きい」というものだ。
労力非対称比という呼び方は、この発想を SNS の評価構造に当てはめ直したものだと思ってほしい。
なお、ここまでは「読み手の指がどう動くか」という心理レベルの話だが、その指の動きが集団的に積み重なると、別の回路が起動する。低労力・高報酬コメントは初期の反応を取りやすく、その初期反応がランキングや推薦アルゴリズムへの入力になり、露出が増えてさらに反応が増える。心理レベルの非対称が、可視性レベルの非対称に増幅される。この回路は4節で扱う。

2.健康情報ケース:「うちの婆ちゃん」が勝つ4つの機構
最初の婆ちゃん話の例に戻る。あれが勝つ理由は、たぶん4つ。
機構1:プロセシング・フルーエンシー(処理流暢性)バイアス

ダニエル・カーネマンが『ファスト&スロー』で詳述した、システム1(直感的・自動的処理)の話だ。
人間の脳には、「処理が楽な情報=正しそうな情報」と感じる癖がある。Reber & Schwarz(1999)は、文字の視認性(背景とのコントラスト)を操作するだけで、書かれている内容が真実っぽく評価されることを実験で示した。Alter & Oppenheimer(2009)はさらに広く、知覚的・概念的・言語的な「読みやすさ」がメタ認知的手掛かりとして機能することを整理している。これをコグニティブ・イーズ・バイアス(認知的容易性バイアス)と呼ぶ。
なぜ脳がこんな省エネ判定をするかというと、日常環境で「スラスラ頭に入ってくる情報」は、過去に何度も接触した情報か、周囲の誰もが同意している情報である確率が高いからだ。脳はこれを真偽判定のショートカットとして利用している。普段はそれなりに機能するヒューリスティックなので、簡単には抜けない。
「うちの婆ちゃん」は、読んだ瞬間に意味が取れる。だから「なんか正しそう」に感じる。
問題は、正確な情報ほど処理労力が高くなりやすいことだ。「年齢調整罹患率」は「ガン」より字数も意味処理も重い。同じ事実を表していても、流暢性で負ける。
ただし、これは「常に単純語が勝つ」という法則ではない。最近の研究では、専門用語が逆に「専門性・信頼性」のシグナルとして機能する文脈もあると示されている。だから機構1は、「文脈依存の確率的効果」として読んでほしい。SNSコメント欄では低労力側に振れやすい、というだけの話。
機構2:ナラティブ・トランスポーテーション(物語没入)

Green & Brock(2000)の研究で、人は物語に没入すると、その物語と整合する信念を取り込みやすくなり、反論を生成する認知(カウンターアーギュイング)が弱まることが確認されている。これをナラティブ・トランスポーテーションと呼ぶ。
注意してほしいのは、これは「反論能力が一時停止する」というほど強い現象ではない、ということだ。停止ではなく後景化、と言うほうが原典に近い。物語に乗っているあいだ、反論モードが完全に消えるのではなく、優先順位が下がる。
「うちの婆ちゃんが100才まで元気だった」は、短いが立派な物語になっている。婆ちゃん、酒、たばこ、加工食品、国道沿いの家、そして「でも元気だった」というオチ。読み手は瞬間的に婆ちゃんの生活を頭の中で再生する。その間、統計反論モードは後景に下がる。
一方、「数万人規模のメタアナリシス」には登場人物がいない。誰も想像できない。物語にならない。物語にならないものは、物語と戦って負ける。
機構3:サイコロジカル・リアクタンス(心理的反発)

Brehm(1966)のリアクタンス理論。これは、自分の自由が脅かされたと感じたときに、それを回復しようとする動機づけ状態の話だ。
「酒たばこは健康に悪い」が規範的命令として処理されると、自由を脅かされたと感じた人の反発を呼ぶ。「太く短く生きよう」は自由の宣言として共感を集める。
これは医療系コンテンツのコメント欄で特に強く出る印象がある。「自分の身体は自分のもの」感覚が前提にあるから、健康情報は最初から「介入」として処理されやすい。コメンテーターは医者でも疫学者でもないただの読者なのだが、エビデンス側に立っているコメントは、なぜか「ディープステイト」「医者の手先」「説教する側」に分類される。
機構4:モチベイテッド・リーズニング(動機づけ推論)

Kunda(1990)の動機づけ推論研究。「酒が好き」という現在の選好を維持したい動機があると、脳は無意識にそれと整合する情報を選択的に検索・評価する。
ここで機構3との関係を整理しておく。両者は近接しているが、別の段階の話だ。リアクタンスは入口の感情反発、すなわち「説教されたくない」という脊髄反射に近い動機づけ状態。動機づけ推論はその後の情報処理、すなわち「だから自分に都合のよい逸話やフレーズを証拠採択する」という認知プロセス。前者が起動した後で、後者が走る。順番がある。
「自分の生活様式が間違っていない」と確認したい動機があるから、婆ちゃん話に飛びつく。同時に、「太く短く生きよう」という反抗的なフレーズには、認知的不協和を低減する自己正当化の心地よさがある。
科学的指摘を「説教」「楽しみを奪うもの」と拒否し、感情的に心地よい擁護コメントにイイネが殺到する構造は、ここに根がある。

3.交通事故ケース:「お悔み+構造分析」が負ける4つの機構
ここからが本題に近い。
冒頭の交通事故コメントの話だ。糾弾コメントが伸び、構造分析がBADを集める現象は、健康情報ケースと「労力非対称」という大枠は共有しているが、機構が部分的に違う。
健康情報ケースでは、コメンテーターは自分の生活を防衛する動機があった。だから婆ちゃん話に飛びつく。だが交通事故ケースでは、コメンテーターは加害者でも被害者でもない第三者がほとんどだ。なのに、なぜ構造分析が嫌われるのか。
機構を4つに分けて整理してみる。
機構5:モラル・アウトレイジ(道徳的義憤)の社会的シグナリング

Jordan & Rand(2020)は、匿名・一回限りの状況でも、人は評判ヒューリスティック(reputation heuristics)に引っ張られて、怒りや処罰の表明に評判への配慮が混入することを示した。Brady et al.(2017)はTwitter(現X)上で、道徳感情を含む語彙が拡散を有意に押し上げることを示している。McLoughlin et al.(2024、Science)はさらに、誤情報が信頼できる情報源より義憤を喚起しやすく、その義憤が誤情報のシェアを促進することを大規模データで示した。
これらは別々の研究で、各論文が個別にカバーしている射程は異なる。Jordan & Randは匿名・一回限りの実験室状況での評判動機、Bradyは政治的Twitter投稿における道徳感情語の拡散、McLoughlinは誤情報と義憤の関係。これらを束ねて読むと、SNSでの道徳的怒りの表明は、内容の伝達というより「自分は正しい側にいる」というアイデンティティ・シグナル(所属表明信号)として機能しやすい、という像が浮かび上がる。
「死刑にしろ」「許せない」というコメントは、内容としては具体的な政策提案ではない。だが、感情の表明としては明確だ。「自分は加害者を許さない側にいる」「被害者の側に立っている」という所属表明として機能する。
これにイイネを押す側も、似たことをやっている。同じシグナルを共有することで、「自分も正しい側にいる」を確認している。コメント欄が一種の道徳的同盟確認の場になる。
ここで、構造分析側に何が起きているかを正確に押さえておきたい。
「お悔みを申し上げます」と書いても、その後ろに「自動運転を導入すべき」「立法に問題がある」と続けると、所属シグナルとしての強度が下がる。場合によっては「加害者を擁護している」と誤読される。重要なのは、これが論理的な誤読ではないことだ。読み手はコメントを「内容として」評価する前に、「シグナルとして」処理している。糾弾コメントが純度100%の「許さない側」シグナルを発しているのに対し、構造分析は「許さないけど、技術と立法の話もしておこう」という混合シグナルになる。
この混合は、論理的には同等の強度の批判だ。だがシグナリング市場では、純度の低いシグナルとして処理される。「共に怒る」というシグナルを発しなかったコメントは、群衆から「信頼シグナルが欠如している」「敵に同情的かもしれない」と判定される。これがBADの正体だ。

機構6:コンストルアル・レベル理論(解釈レベル理論)

Trope & Liberman の解釈レベル理論によると、心理的距離が遠いほど認知の表象は高次・抽象的になり、近いほど具体的・文脈依存的になる。
事故直後の報道は、心理的距離が近い情報として処理される。「いま」「ここ」「具体的な被害者」。読み手は具体的・文脈依存的な処理モードに入る。
ところが、「自動運転」「自動ブレーキ」「立法判断」は、空間的にも時間的にも遠い、抽象的・構造的な話だ。
ここで起きるのは、「低解釈レベル=感情的、高解釈レベル=理性的」という単純な対比ではない。読み手の認知モードと、提示される情報のモードが噛み合わない、というだけの話だ。事故直後の近接的・具体的処理モードに、構造論や将来技術の話が投げ込まれると、内容の正誤を判定する前に「いま、その話じゃない」という場違い感が先に立つ。
技術や立法の話が、論理的に間違っているわけじゃない。読み手の認知モードと噛み合わないだけだ。だがSNSでは、この噛み合わなさがBADボタンに直結する。
機構7:罰則欲求の即時報酬性

Crockett(2017)はNature Human Behaviour誌のcommentary(短評論考)で、デジタルメディア環境が道徳的怒りの表出頻度や社会的帰結をどう変えるかを論じている。これ自体は実験論文ではないので、commentaryと明示しておく。
報酬系の話を支える神経科学側の証拠としては、de Quervain et al.(2004、Science)が、規範違反者を罰する costly punishment(自分にコストを払ってでも罰する行為)が背側線条体(報酬系の中核)の活動と関連することを示している。これは別系統の証拠なので、コメント欄行動の直接実証ではなく類推であることは明示しておく。
その留保を置いた上で言えるのは、加害者を罰する欲求は短期的な満足感を生み、その満足感が次の罰則表明への動機を形成する、という回路の存在だ。
「死刑にしろ」と書く、あるいはそれにイイネを押す行為は、書き手・読み手の双方に短期的な報酬を与える。この報酬は、SNSの予測不可能なフィードバック(自分のコメントへのイイネがいつ返ってくるかわからない)と組み合わさることで、習慣形成を促す。Crockettはここを問題視している。つまり、ユーザーは次第に「本気で怒っていなくても、報酬系を刺激するために反射的に糾弾コメントを投げる」ようになる可能性がある。感情と行動が切り離される、と言ってもいい。
一方、「自動運転を普及させるべき」「立法を見直すべき」は、遅延報酬だ。実装まで何年もかかる。法改正も時間がかかる。短期的な報酬回路には乗らない。(マシュマロテストも有名)
SNSの時間軸は短い。タイムラインを流れる速度と、評価ボタンを押すまでの判断時間で考えると、即時報酬の勝ちは決まっている。
機構8:コントラスト効果(社会的判断理論における対比効果)

最後に、構造分析が「加害者擁護」として誤読される問題がある。これは少し説明が要る。
「自動運転があれば防げた」という命題は、論理的には「もし自動運転があれば、運転手の過失だけでは事故が起きなかった可能性がある」という条件付きの話だ。運転手の責任を否定する話ではない。
しかし読み手の側は、糾弾コメントと比較したときの強度でこれを処理する。糾弾コメントは「運転手100%悪い」と言っている。構造分析コメントは「運転手の責任は前提として、技術や立法も改善余地がある」と言っている。
この違いが、読み手の脳内では「加害者の責任を一部相対化した」と処理される。実際にはしていないのに、糾弾コメントと比べた強度差から、相対的に擁護寄りに見えてしまう。
これは社会心理学のシェリフ社会的判断理論(Sherif & Hovland 1961)で扱われる対比効果(contrast effect)の一種だ。隣接する刺激の差が実際以上に拡大されて知覚される現象で、極端な他者の意見が比較基準になると、自分の意見との距離が実際より大きく見える。糾弾コメントという極端な基準点があると、その隣に置かれた構造分析は中立寄り、ひいては擁護寄りに対比される。ここで起きているのは、純粋な知覚的対比だけでなく、その対比を介した責任帰属フレームの歪みだ。糾弾コメントが「運転手100%悪い」という強い責任帰属フレームを設定することで、構造分析が「責任を薄めた」ものとして処理される。中立寄りに見えると、被害者側に立っていないという所属シグナルになる(機構5に戻る)。BADが押される。
広い意味でのフレーミング効果(Tversky & Kahneman 1981の決定研究の派生)と言ってもいいが、ここで起きているのは、シンプルな対比効果と、その対比に乗って起きる責任帰属の歪みだ。
プラットフォームの罪:アルゴリズムは何をしているか

ここまでは読み手・書き手の心理の話。プラットフォームの構造も無視できない。
Vosoughi, Roy & Aral(2018)のScience誌論文「The spread of true and false news online」では、Twitterで拡散される情報のうち、虚偽情報は真実情報よりも、より遠く、より速く、より深く、より広く拡散したと報告された。よく「6倍速い」と短縮して引用されるが、原論文の射程はそれより広い。
ここで重要なのは、これがアルゴリズムだけのせいではないことだ。虚偽情報は新規性に富み、驚きや嫌悪といった強い感情的反応を引き起こすという、人間側の反応特性が先にある。アルゴリズムはその反応を入力として増幅する。両者の相互作用の結果として、虚偽情報優位が成立している。
SNSのアルゴリズムの設計思想は、プラットフォームによって名目が違う。YouTubeは「長期的な視聴者満足」、Facebookは「価値が高いと予測される投稿の優先表示」、Xは「予測エンゲージメント」と説明している。名目は違うが、共通しているのは、ユーザーの行動シグナル(クリック、滞在時間、イイネ、コメント、シェア、返信)をランキングや推薦の入力として使う、という点だ。
行動シグナルが入力に使われる以上、初速で反応を取れるコンテンツが構造的に有利になる。低労力・高報酬の労力非対称比を持つコンテンツは、初速で勝つ。初速で勝つと露出が増える。露出が増えるとさらに反応が増える。これが3節の終わりで予告した可視性増幅の回路だ。
つまりSNSは、「意見の正確さで競争する場」じゃなくて「行動シグナルを最大化する場」として設計されている。これは2000年代のBBSとは設計思想が違う。
2000年代BBSとの差分:なぜ昔は科学派が勝てた(ように見えた)のか

2000年代初頭のBBSやWebチャットでは、専門知識を持つ人の発言が一定の敬意を集めていた、という記憶がある。これは個人的な印象論なので、ノスタルジア・バイアス(過去美化)の可能性込みで聞いてほしい。
それでも、構造的な差分は3つある。
第一に、評価ボタンの不在。「イイネ」がない。発言の価値は文章そのもので判断される。労力非対称比のペナルティが直接的には働かない。
第二に、時間軸の長さ。スレッドは数日〜数週間にわたって継続する。じっくり読んで返信を考える時間がある。反射ではなく吟味の時間が確保されていた。常連が文脈を蓄積するので、適当なことを言い続けると評判に傷がつく回収機構もあった。
第三に、観衆構造の違い。BBSは特定トピックに関心がある人だけが集まるニッチコミュニティで、参加者数が限定的だった。観衆向け演出のインセンティブが弱く、ROM(読むだけで発言しないユーザー)の存在が暗黙の質的圧力として働いていた。
SNSはこの3つを反転させた。即応評価ボタン・短時間反応・マス参加と観衆志向。労力非対称比のペナルティを最大化する設計になっている。
ただし、当時のBBSにも罵倒・デマ・荒らしは普通にあった。「全体として知識者が勝っていた」とまでは言えない。「affordance(場の許容構造)の差として、熟議に有利な条件が揃っていた可能性がある」程度の話として聞いてほしい。
じゃあどうすればいいのか
この認知傾向は普遍的で、ぼくも陥る

先に、ひとつ正直に書いておく。
ここまで「労力非対称比」「シグナリング」「リアクタンス」と並べてきたが、これは自分は冷静で、コメント欄の人たちは認知バイアスにハマっている、という話ではない。
誰でも疲れているときは低労力高報酬コンテンツに流れる。これは知能や教養の問題ではなく、認知資源の配分の問題だ。脳のCPUは有限で、長時間労働や睡眠不足のあとは、誰でも低労力モードがデフォルトになる。
自分自身、疲れた夜にXのタイムラインを眺めていて、婆ちゃん話に近いコンテンツに「いいね」を押している瞬間がある。手元のメタアナリシスを開く気力はない。糾弾コメントに脳の報酬系が反応してスクロールが止まる感覚も知っている。
機構1〜8は、他人を分析するためだけのフレームじゃない。自分が今どっち側のコンテンツに反応しているかをモニタリングするための道具でもある。
その前提を置いた上で、戦略の話に入る。
それでも正論を届けたい側の戦略(短縮版)

これは既存のソース記事や鈴木祐氏的なポピュラーサイエンスの議論で繰り返し出てくる話なので、駆け足で書く。
ナラティブ化(統計を物語に変換する)、短い決め台詞化(論証を一行に圧縮する)、諦める(SNSは科学コミュニケーションの場じゃないと割り切る)、観衆を選ぶ(note・Substackのような長文プラットフォームに移る)の4択。自分自身の選択は最後の2つで、いまこれを書いている。
ここでひとつ補助線を置いておく。物語そのものが悪いわけじゃない。検証補助としての物語(統計の意味を伝えるための具体例)と、検証回避としての物語(n=1で全体を語ること)は別物だ。前者は科学コミュニケーションの常套手段で、後者がSNSコメント欄で観察される現象。同じ「物語」でも、機能が逆になる。
正論はどうでもいい!収益化を狙う側のガイド
ここからは、視点を反転させる。
機構1〜8は、収益化を狙う側にとっては資源だ。AIオートメーション動画(自動生成された解説・ニュース動画)、ショート動画、SNSのインプレッション収益、いずれも構造は同じで、エンゲージメントの総量で収益が決まる。だったら労力非対称比を意図的に作りに行くのが合理的になる。
労力非対称比のサプライサイドに立つときの設計原理を、3つに整理する。
戦略1:物語の骨格を先に置く(機構1、2、6を回収)

最初に登場人物・場面・オチを置く。「うちの婆ちゃんは100才まで〜」の完成度の高さを思い出してほしい。あれは22文字で物語の三幕構成(人物・行動・結末)を完成させている。
AIオートメーション動画なら、サムネとイントロ3秒で人物と感情を出す。「30代会社員、年収400万、退職金で自営業を始めた結果……」のテンプレートが繰り返し効く理由はここにある。具体・感情・個人の低解釈レベル設計だ。
戦略2:所属シグナルを最大強度で出す(機構3、5、8を回収)

「正しい側」「許せない側」「自由を守る側」を、コンテンツ全体で明確化する。中立は損だ。中立は所属シグナルを薄めて、視聴者の脳内で「味方じゃない」と分類される。
事件・事故・不祥事を扱うショート動画でテンプレ化している「許せない」「考えられない」「絶対に許してはいけない」のリフレインは、内容の追加情報量はゼロだが、所属シグナル強度を上げ続ける効果がある。視聴者は「自分も同じ側にいる」を確認するためにイイネを押す。
リアクタンスを刺激するコンテンツ(権威への反抗、規範への反発)も同じ系統に入る。「医者が言わない真実」「テレビが報じない事実」のフレーミングは、所属シグナル+自由の宣言の二重構造で機能する。
戦略3:即時報酬を設計する(機構4、7を回収)

視聴者が動画・投稿を見終わった瞬間に、何らかの報酬を受け取れるよう設計する。糾弾の溜飲、自己肯定、優越感、所属確認、いずれでもいい。遅延報酬を残さないのがコツだ。
「この動画を見終わったあなたへの宿題」「次の動画で詳しく解説します」みたいな引き伸ばしは、ロングフォーム向けの戦略であって、ショートフォームでは逆効果になる。脳の報酬系は、その場で完結することを好む。
3戦略は組み合わせて使う。物語骨格+所属シグナル+即時報酬の3つがそろうと、労力非対称比は最大化される。
ここまで書いていて、ひとつ留保しておきたいのは、これは倫理判断とは独立した戦略論だ、ということ。労力非対称比を利用したコンテンツが社会にどういう影響を与えるかは、別の議論になる。本記事は構造の記述に留める。
自分はどうするか
自分は、こういう収益化はやらない。

理由は単純で、処理労力の高い文章を書くことに楽しみを覚えるタイプだし、生活に充分なお金を稼ぐ方法は別に確立しているから。つまり市場とのミスフィット(不整合)。労力非対称比のサプライサイドに立てる才能と、こうやって17000字書いて 2 イイネ側のコンテンツを量産する性向は、別の能力だ。自分は後者しか持ち合わせていない。
ただし、これは自分の選好の問題であって、サプライサイドに立つ人を批判する話ではない。SNSとAIオートメーションの組み合わせで一定の収益を上げる人たちがいて、彼らは機構1〜8を経験的に発見し、自然言語のレベルで使いこなしている。記事1本に何時間もかける自分のほうが、市場効率の観点では負けている。
労力非対称比を理解した上で、どこで何を書くかを選ぶこと。これがたぶん、この罠から距離を取る一番現実的な方法だと思っている。
自己反証
最後に、この記事自体への反証を置く。

第一に、「労力非対称比」は自分の便宜的造語。学術的にはこの語は存在しない。中身としては、認知負荷理論の発想、処理流暢性研究、評判ヒューリスティック研究を、SNSコメント評価という文脈に束ね直したもの。便利だけど、検証しにくい概念だという自覚は持っておきたい。
第二に、「2000年代のBBSは知識者が勝ってた」というのも、自分の記憶バイアス込みの可能性が高い。当時もくだらない煽り合いは大量にあった。ここは歴史叙述ではなく、「自己選択された参加者・長めの時間軸・評価ボタン不在というaffordanceの差が、熟議に有利だった可能性がある」という仮説の段階だと思ってほしい。現状の根拠だけでは、この一般化の真偽は判定不能だ。
第三に、交通事故ケースの「冥福+構造分析がBAD多数」という観察は、自分の体験に基づくn=1(標本数1)の事例だ。Yahoo!ニュースの他の事故・事件報道でも同じ構造(糾弾コメント高評価、構造分析低評価)は繰り返し観察できるが、定量的なデータ分析を経た主張ではないので、仮説提示の段階だ。
第四に、本記事が比較しているのは「メタアナリシス側コメント」と「婆ちゃんコメント」だが、前者は証拠ベースであるうえに、ひどく読みにくい。だから「正確な情報が負けた」というより、「処理負荷の高い提示が負けた」可能性のほうが、より精密な定式かもしれない。短くてナラティブ化されていて、しかも正確なコメントが同じ場でどう振る舞うかは、現行例だけでは判定できない。
これと表裏で、第五に、書き手側の構造的欠陥にも触れておく必要がある。正論を語る側が「知識の呪い(curse of knowledge)」、つまり自分が持っている背景知識を読み手も持っていると無意識に仮定してしまう傾向に陥り、課題外認知負荷(読み手にとって余計な認知負荷)を上げているケースがある。「正論が負けるのは読み手と環境のせい」だけではなく、「書き手のパッケージングが下手」という側面も、おそらくある。
第六に、本記事はイイネ・BADを集合的支持の指標として扱っているが、これらのボタンは共有・賛成・高品質評価・感情表出など複数の意味を持つ。本記事が観察しているのは「何が真だと信じられたか」ではなく、「何が反応しやすい形式として可視化されたか」だ。
第七に、4節で述べた可視性増幅回路はもっともらしいが、個別事例では「内容特性が初期反応を生んだ効果」と「上位表示が追加反応を生んだ効果」の寄与率を切り分けていない。可視性増幅という回路の存在自体はVosoughi 2018やMcLoughlin 2024と整合的だが、自分の n=1 事例で観察されたBADの分布が、心理機構と配置効果のどちらにどれだけ依存しているかは、識別できていない。ただし、その回路の最初の初速を作るのが人間側の選択(どこにイイネを押すか、どこで止まるか)である以上、心理機構が議論の起点であるという構造自体は変わらない。
それでも、構造的な仮説(評価ボタン・参加者数・時間軸・心理機構)は他の研究と整合的なので、大筋は外していないだろう、と今のところは思っている。
まとめ 正論は勝てないから無駄なのか?
SNSコメント欄で「正論が勝てない」のは、論理の問題じゃなくて、プラットフォームの構造と人間心理の組み合わせの問題だ。
健康情報のケースでは、生活防衛動機が婆ちゃん話を勝たせる。交通事故のケースでは、道徳的シグナリング・解釈レベルのミスマッチ・即時報酬の構造が、構造分析を負けさせる。
両者を貫くのは、書き手の労力と読み手の労力が非対称に配置された場では、低労力・高報酬・低検証負荷のコンテンツが初期反応を取り、その初期反応がアルゴリズムによる可視性増幅に乗って、エンゲージメントを総取りする、という構造だ。短くても正確なものはあるし、長くても間違っているものはある。「正確だから負ける」のではなく、「処理負荷が高く、即時報酬を返さず、所属シグナルを発しない提示」がインプレッション勝負では負けやすい、ということになる。
この傾向は誰でも陥るもので、ぼくも例外ではない。だから、敵視するより理解したほうが現実的になる。
正論を届けたい人は、論理の精度を上げる前に、労力非対称比をどう制御するかを考える必要がある。収益化を狙う人は、機構1〜8を意図的に使えば、サプライサイドに立てる。ぼく自身は、どちらでもなく、好きなだけ書いて2イイネをもらう側を続けているのであった
SNSやコメントで正論を書いたのに無視されたり、反応が思ったより薄かった人がもしいたら経験談をコメントに残してもらえると参考になります。

出典・参考文献一覧
Sweller, J. (1988). Cognitive Load During Problem Solving: Effects on Learning. Cognitive Science, 12(2), 257–285. → https://onlinelibrary.wiley.com/doi/10.1207/s15516709cog1202_4
Reber, R., & Schwarz, N. (1999). Effects of Perceptual Fluency on Judgments of Truth. Consciousness and Cognition, 8(3), 338–342. → https://pubmed.ncbi.nlm.nih.gov/10487787/
Jordan, J. J., & Rand, D. G. (2020). Signaling When No One Is Watching: A Reputation Heuristics Account of Outrage and Punishment in One-shot Anonymous Interactions. Journal of Personality and Social Psychology, 118(1), 57–88. → https://pubmed.ncbi.nlm.nih.gov/30985155/
Brandolini, A. (2013). Bullshit Asymmetry Principle(でたらめ非対称の法則). 査読論文なし。2013年1月のツイートが初出。 → https://en.wikipedia.org/wiki/Brandolini%27s_law(概説・出典確認用)
Kahneman, D. (2011). Thinking, Fast and Slow. Farrar, Straus and Giroux.(単行本・DOIなし) → https://www.worldcat.org/title/thinking-fast-and-slow/oclc/706020998
Alter, A. L., & Oppenheimer, D. M. (2009). Uniting the Tribes of Fluency to Form a Metacognitive Nation. Personality and Social Psychology Review, 13(3), 219–235. → https://journals.sagepub.com/doi/10.1177/1088868309341564
Green, M. C., & Brock, T. C. (2000). The Role of Transportation in the Persuasiveness of Public Narratives. Journal of Personality and Social Psychology, 79(5), 701–721. → https://pubmed.ncbi.nlm.nih.gov/11079236/
Brehm, J. W. (1966). A Theory of Psychological Reactance. Academic Press.(単行本・DOIなし) → https://books.google.com/books/about/A_Theory_of_Psychological_Reactance.html?id=0uN9AAAAMAAJ
Kunda, Z. (1990). The Case for Motivated Reasoning. Psychological Bulletin, 108(3), 480–498. → https://pubmed.ncbi.nlm.nih.gov/2270237/
Brady, W. J., Wills, J. A., Jost, J. T., Tucker, J. A., & Van Bavel, J. J. (2017). Emotion Shapes the Diffusion of Moralized Content in Social Networks. PNAS, 114(28), 7313–7318. → https://www.pnas.org/doi/10.1073/pnas.1618923114
McLoughlin, K. L., Brady, W. J., et al. (2024). Misinformation Exploits Outrage to Spread Online. Science, 386(6725), 991–996. → https://pubmed.ncbi.nlm.nih.gov/39607912/(本文はhttps://www.science.org/doi/10.1126/science.adl2829)
Trope, Y., & Liberman, N. (2010). Construal-Level Theory of Psychological Distance. Psychological Review, 117(2), 440–463. → https://pubmed.ncbi.nlm.nih.gov/20438233/
Crockett, M. J. (2017). Moral Outrage in the Digital Age. Nature Human Behaviour, 1(11), 769–771. → https://www.nature.com/articles/s41562-017-0213-3
de Quervain, D. J.-F., et al. (2004). The Neural Basis of Altruistic Punishment. Science, 305(5688), 1254–1258. → https://www.science.org/doi/10.1126/science.1100735
Sherif, M., & Hovland, C. I. (1961). Social Judgment: Assimilation and Contrast Effects in Communication and Attitude Change. Yale University Press.(単行本・DOIなし) → https://search.worldcat.org/title/social-judgment-assimilation-and-contrast-effects-in-communication-and-attitude-change/oclc/255508
Tversky, A., & Kahneman, D. (1981). The Framing of Decisions and the Psychology of Choice. Science, 211(4481), 453–458. → https://www.science.org/doi/10.1126/science.7455683
Vosoughi, S., Roy, D., & Aral, S. (2018). The Spread of True and False News Online. Science, 359(6380), 1146–1151. → https://www.science.org/doi/10.1126/science.aap9559
この記事は Claude Opus 4.7、ChatGPT 5.5 Thinking、Gemini 3.1Pro、SuperGrok 4.2、Perplexity 合計5つのAIとのセッションを通じて構成しています。理論への言及は元の研究文献に基づいており、事実関係は報道・公文書・公開資料に基づいています。