現代のモラル教師は誰か――親・学校・宗教から、物語・推し・アルゴリズムへ
現代のモラル教師は誰か
――親・学校・宗教から、物語・推し・アルゴリズムへ
1 私たちは、どこで「卑怯」を覚えたのだろう
「人を傷つけてはいけない」
「弱い者をいじめてはいけない」
「約束を守るべきだ」
こうした言葉を、私たちは親や学校から教えられたかもしれない。
では、
「この人は卑怯だ」
「この行動は格好いい」
「この裏切りだけは許せない」
「この人には事情がある」
「この人を助けたい」
という感覚は、どこで覚えたのだろう。
家庭。
学校。
信仰。
友人。
法律。
実体験。
もちろん全部ある。
しかし現代人には、もう一つ巨大な経験領域がある。
漫画。
アニメ。
小説。
映画。
ドラマ。
ゲーム。
YouTube。
配信者。
VTuber。
アイドル。
スポーツ選手。
そしてSNS。
私たちは毎日、実在しない人物を含む多数の他者を見て、
誰に共感するか。
誰に怒るか。
誰を嫌うか。
誰を許すか。
誰を英雄と呼ぶか。
を繰り返している。
だから私は最初、
現代のモラル教師は、親や学校から、物語・推し・アルゴリズムへ移ったのではないか。
と考えた。
しかし調べていくと、この問い自体が少し間違っていた。
現代では新しい「教師」が登場したのではない。
むしろ、
道徳は一人の教師から教わるものだ、という模型そのものが崩れている。
らしいのである。
2 まず「道徳」を一つの箱に入れない
「エンタメがモラルに影響する」
と言うと分かりやすい。
しかし、「モラル」が大きすぎる。
たとえば映画を見て悪役に同情したとする。
それは、
悪役へ注意を向けた
ということかもしれない。
あるいは、
悪役への嫌悪が弱まった
のかもしれない。
しかし、
悪役の行為を正しいと思った
とは限らない。
まして、
自分も同じ行為をする
とは限らない。
少なくとも次の五つは分けた方がよい。
道徳的注意
誰の苦痛、利益、行為を見るのか。
情動評価
誰に共感し、怒り、嫌悪し、賞賛するのか。
規範知覚
「周囲の人々は何を許し、何を許さないと思っているか」。
道徳的自己像
「私はこういう人間でありたい」。
行動方策
助ける、止める、罰する、発言する、無視する。
さらに、
事実・因果についての知識
も入る。
善意があっても、事実を知らなければ他人を傷つけることがある。
つまり、
知識＝道徳
でもなければ、
共感＝道徳
でも、
物語＝道徳
でもない。
モラル的行為は、それら複数の状態が接続された結果として生じる。
3 物語は「善悪の答え」より先に何を教えるのか
学校の道徳教材なら、
「友達を大切にしましょう」
と書ける。
これは命題である。
しかし映画は違う。
主人公が危機に陥る。
友人が逃げずに戻ってくる。
自分も傷つく危険を冒して助ける。
音楽が流れる。
過去の思い出が挿入される。
主人公が助かる。
観客は泣く。
誰も、
「友情にはモラル的価値があります」
とは言っていない。
それでも観客には一つの仮想経験が残る。
物語が信念、態度、意図、行動に一定の説得効果を持ちうることはメタ分析でも確認されている。ただし、効果は一様でも巨大でもなく、条件や個人差を左右する未同定の要因も残る。したがって「良い物語を読ませれば善人になる」という単純な因果は支持できない。
ここで重要なのは、もっと手前である。
物語は、
何を重要な出来事として見るか。
誰の内面に時間を使うか。
誰の苦痛を具体的なものとして描くか。
を選んでいる。
主人公には名前がある。
家族がいる。
記憶がある。
恐怖がある。
一方、敵兵は画面の奥から撃ってくるだけかもしれない。
同じ人間でも、
一方には二時間の人生があり、もう一方には二秒しかない。
物語は善悪を直接注入しなくても、
モラル的注意の分布
を変えることができる。
これが、エンタメと道徳を考えるときの最初の接点ではないかと思う。
4 共感することと、正しいことは同じではない
ここで「共感」という言葉にも注意が必要になる。
物語は共感を広げることもある。
敵側の事情を知れば、単純な善悪二元論が崩れることもある。
しかし共感は、常に普遍的な方向へ広がるわけではない。
主人公には共感する。
主人公が倒した名無しの敵には共感しない。
推しには強く共感する。
推しと対立した人物については切り抜きだけを見る。
目の前の一人の苦痛には反応するが、統計の中にいる一万人には反応しにくい。
だから、
共感＝善
ではない。
むしろ共感は、
モラル的注意をどこへ集中させるかを決める入力の一つ
と考えた方がよい。
問題は共感を最大化することではない。
誰への、どの種類の共感を、どの情報と照合し、どう校正するか
である。
5 そして「推し」が入ってくる
映画俳優やテレビスターとの一方向的な親近感は昔からあった。
しかし現在では、それが日常化・高頻度化している。
配信者は毎日話す。
SNSに投稿する。
ファンのコメントへ反応する。
成功する。
失敗する。
謝罪する。
泣く。
視聴者は長期間、その人物について情報を蓄積する。
メディア研究でいうパラソーシャル関係である。
2020年のメタ分析は四十年分、120研究を統合し、パラソーシャル関係を「現実の人間関係が乏しい人の単なる代用品」とみなす説明を支持しなかった。一方で、同一化、物語への没入、説得的帰結などとは関連していた。
ただし、ここから、
推しが人間のモラルを作る
と飛躍してはいけない。
より弱く、
推しは、人物評価や価値判断、許容・非難を繰り返し考える高頻度の対人的チャネルになりうる。
と置く。
推しが問題発言をする。
ファンは考える。
これは許せるのか。
何を謝罪すべきなのか。
被害者はいるのか。
過去の功績をどう評価するのか。
ファン同士も議論する。
さらに推し本人がその反応を見る。
だから、
推し → ファン
だけではない。
推し
↔ ファン
↔ ファンダム
↔ SNS
という循環になる。
6 アルゴリズムは「先生」ではない
そこへ推薦アルゴリズムが入る。
しかし、
「アルゴリズムが人間へモラルを教える」
という言い方は擬人化しすぎている。
推薦システムは普通、
「勇敢とは何か」
「正義とは何か」
を教えるために動いているわけではない。
クリック。
視聴時間。
共有。
返信。
滞在。
などを予測して並べ替えている。
それでもモラル形成と無関係ではない。
なぜなら、
何を一度見るか
ではなく、
何を何度見るか
を変えられるからである。
2025年に公刊されたTwitterのアルゴリズム監査では、エンゲージメント型ランキングは逆時系列表示より、感情的・党派的で、政治的外集団への敵意を含む投稿を多く選んだ。また、利用者が実際に反応する投稿と、本人が「見たい」と明示的に答える投稿は必ずしも一致しなかった。
そこで私は以前、
アルゴリズムはモラル教材の時間割編成者である。
と書いた。
これはまだ使える。
しかし、今なら一つ追加したい。
短期的には時間割編成者。長期的には教材市場の選択環境でもある。
なぜなら、表示順位によって再生数や収益が変われば、作り手自身が内容を変えるからである。この可能性はMilliらの研究自身も、ランキングのインセンティブが将来生産されるコンテンツを変えうる問題として指摘している。
7 ただし、アルゴリズムは万能の洗脳装置ではない
ここは非常に重要である。
フィードを変えれば、人間の思想も自在に変わる。
そんな単純な証拠はない。
MetaのFacebook・Instagramを対象にした2023年の大規模研究では、アルゴリズム表示から時系列表示へ変更すると情報曝露の構成は変化したが、主要な政治態度について有意な差が出なかった。
一方、2025年の実験では、反民主主義的・党派敵対的な投稿の表示量を意図的に再ランキングすることで、政治的外集団への感情評価が変化した。
さらに2026年に公刊されたX上の7週間のランダム化実験では、時系列フィードからアルゴリズムフィードへの変更で、一部の政治的意見が保守方向へ動いた。しかし逆方向の変更では対応する効果は見られず、感情的分極や自己申告の党派性にも有意な変化はなかった。アルゴリズム経由でフォローしたアカウントが後まで残ることが、この非対称性の一因として示唆されている。
つまり、
アルゴリズムあり → 思想変化
ではない。
より正確には、
誰が、どの状態から、どの内容へ、どの期間曝露され、その後どんな選択をしたかによって効果が変わる。
なのである。
8 人間は推薦されるだけでなく、自分でも選んでいる
もう一つ忘れてはいけない。
私たちは受動的な容器ではない。
もともと好きな漫画を読む。
もともと自分に近い政治家をフォローする。
嫌いな人をミュートする。
好きな推しを見る。
似た考えの友人と付き合う。
つまり、
メディア → 人間
だけではなく、
人間 → メディア選択
もある。
そこで真の回路は、
既存価値観
↓
作品・人物を選ぶ
↓
反応する
↓
推薦系が学習する
↓
次の曝露分布が変わる
↓
注意・情動・規範知覚が少し変化する
↓
次の選択が変わる
↺
となる。
「アルゴリズムに操られる人間」
でもない。
「すべて自分で自由に選んでいる人間」
でもない。
選択する人間と、選択を観測して次の環境を変更するシステムが共適応している。
9 さらに作り手も変わる
これで終わりではない。
視聴者が変わる。
推薦系が変わる。
そして作り手も変わる。
動画Aが伸びる。
動画Bは伸びない。
怒りを誘うタイトルがクリックされる。
涙を誘う演出が共有される。
ある種の謝罪が評価される。
すると次の作品が変わる。
だからモデルは、
人間だけが学習する
では足りない。
少なくとも、
人間
↔ 推薦系
↔ 作り手
の三者が更新される。
簡略化すると、
人間の状態 xₜ
→ 反応
→ 推薦系 θₜ₊₁
→ 曝露
→ 人間 xₜ₊₁
同時に、
反応
→ 再生・収益・炎上
→ 作り手 cₜ₊₁
→ 次の内容
となる。
そして再び推薦される。
人間
→ 推薦
→ 人間
→ 作り手
→ 内容
→ 推薦
→ 人間
↺
これが現代の特徴である。
10 昔にはなかったのか
ここも注意しなければならない。
「昔は親と宗教、現代は相互作用するメディア」
という歴史ではない。
昔の村落にも相互監視はあった。
祭りもあった。
芝居もあった。
講談も説教も英雄譚も噂話もあった。
観客の反応を見て演者が内容を変えることだってあった。
つまり、相互作用そのものは新しくない。
現代に特徴的なのは、
大量性
高速性
常時接続性
個人別最適化
反応の機械的計測
その計測値による即時的な再配給
が一つの系として接続したことだろう。
人間が何に反応したかがデータになる。
データが次の表示を変える。
その表示への反応が、またデータになる。
昔の村の噂話にもフィードバックはあった。
しかし毎秒クリック率を計測して、次の噂話を一人ずつ変えて配る装置はなかった。
11 そしてSNSでは「みんなの道徳」まで誤認する
モラル形成に関して、もう一つ重要なものがある。
他人は何を普通だと思っているのか
という認識である。
SNSで怒っている人を大量に見る。
すると、
「みんな怒っている」
と思う。
しかし実際には、それすら正確とは限らない。
BradyらはTwitter上で、観察者が投稿者本人の自己報告よりも強いモラル的憤激を読み取る傾向を示した。さらに実験では、その過大知覚によって、集団全体の怒り、敵対的コミュニケーション規範、政治的分極やイデオロギー的極端さについての認識まで膨らんだ。
ここで変化しているのは、
「私は何が正しいと思うか」
だけではない。
「みんなは何が正しいと思っている、と私は思っているか」
である。
これはかなり違う。
人は自分の価値判断だけで行動しているわけではない。
周囲の規範も推定している。
だから、
見える怒り
→ 社会全体の怒りの推定
→ 規範知覚
という回路も、モラル環境の一部になる。
ただしその先、
自分も怒りを表明する
→ エンゲージメントが増える
→ 同種表現が増える
まではBradyらが直接証明した結果ではない。
そこから先は、他の社会的学習・推薦機構を接続した本稿側の仮説である。
観測されたことと、そこから作ったモデルは分けておく。
12 類型で見る
ここで「わからない」の類型を当ててみる。
A型――規約依存
西部劇。
ヤクザ映画。
少年漫画。
恋愛ドラマ。
それぞれ、作品世界の中で「勇気」「裏切り」「義理」「卑怯」の切り方が違う。
ただし、
「作品全体がA型」
なのではない。
同じ行為へどの切れ目を入れ、どの評価語を与えるかがジャンル規約に依存する部分にAマーカーを置く。
B型――今回は該当なし
人間の認知容量に限界がある。
法律に拘束される。
身体的性質がある。
これらは重要だが、それだけではB型ではない。
B型は、
指定された前提・入力・要求条件では一般解が存在しない
という強い構造的不能である。
今回は無理に置かない。
第三型P₁――分類が現実へ戻る
作品で、
「毒親」
「英雄」
「卑怯者」
「被害者」
といった人物類型が共有される。
↓
人がその語で現実の自分や他人を分類する。
↓
社会の自己理解が変わる。
↓
次の作品がその新しい社会を材料にする。
社会規範ₜ
→ 作品ₜ
→ 解釈
→ 分類更新
→ 社会規範ₜ₊₁
↺
これは第三型である。
一つの作品内部の固定された規約を調べるならA型。
作品と観客が長期間相互作用する系を調べるならP₁。
系の境界と時間尺度が違う。
P₂――指標へ適応する
エンゲージメントを、
「利用者にとって価値ある経験」
の代理指標として使う。
すると、作り手も利用者も推薦系も、その指標へ適応する。
もし、
価値ある経験
ではなく、
反応が取れる経験
が増えていき、両者の対応が崩れるならGoodhart型の乖離が起こる。
「善いこと」
ではなく、
善く見え、反応が取れること
が選択される可能性もここに入る。
E型とU
ある人の価値観が変わった。
家庭教育か。
友人か。
物語か。
推しか。
アルゴリズムか。
本人の人生経験か。
現在の観測だけでは識別できない。
まずUマーカーを置く。
その理由が、
「長期曝露データにアクセスできない」
ならE型。
あるいは、
「道徳的注意の変化と態度変化を区別する測定概念そのものが不足している」
なら別種のE型になる。
「わからない」で終わらず、
なぜ識別できないのか
を次に診断する。
13 H₁とH₂
この問題は「情報が人間を作る」だけではない。
H₁――認識・制度内
善悪カテゴリー。
物語文法。
ファンダム規範。
「普通の人ならこう思う」という認識。
道徳的自己像。
「教師」「教育」という概念そのもの。
H₂――物質・身体・実装
有限な注意。
身体的苦痛。
情動・報酬。
スマートフォン。
通信網。
計算資源。
推薦システム。
広告モデル。
収益。
法律。
職場。
家族。
生活条件。
つまり、
物語が全部決める
でも、
生物学が全部決める
でもない。
H₁ ↔ H₂
として更新される。
14 この仮説が間違っているなら、どうなるか
ここまで言うなら、反証条件を置かなければならない。
第一。
長期間、フィードの曝露内容を実験的に変えても、
誰の苦痛へ注意を向けるか
に持続的な差が生じないなら、
アルゴリズムは道徳的注意を配分する
という仮説を弱める。
第二。
パラソーシャル関係の強い人と弱い人で、推しの不祥事に対する、
許容閾値。
責任帰属。
被害者への注意。
に差が生じないなら、
推しはモラル判断の高頻度チャネルである
という仮説を弱める。
第三。
推薦指標が変わっても作り手の内容が変わらないなら、
推薦系は長期的に教材生産まで変える
というP₂仮説を弱める。
そして最も重要なのが第四。
曝露を変える。
注意が変わる。
情動が変わる。
規範知覚も変わる。
それでも、
長期的な自己像や現実の行動が変化しない
なら、
エンタメがモラルを形成する
という強い命題は撤回する。
その場合には、
エンタメは主としてモラル的注意・情動・規範知覚を変調する
まで後退すればよい。
15 では、現代のモラル教師は誰なのか
最初の問いへ戻ろう。
親か。
学校か。
宗教か。
法律か。
物語か。
推しか。
アルゴリズムか。
答えは、
誰でもない。
である。
親も重要である。
学校も重要である。
法律は現実の行為を強く拘束する。
友人も職場も地域も重要だ。
エンタメも、推しも、SNSも影響しうる。
しかし、そのどれか一人が教師になったわけではない。
むしろ、
「教師から生徒へ道徳が伝達される」という模型では、現代のモラル形成を十分に記述できない。
のである。
結論――顔のない教師がいるのではない。教師モデルが崩れたのだ
現代の人間は、
家庭から言葉をもらい、
学校から制度的規範を学び、
法律から禁止と権利を知り、
友人から集団の作法を覚え、
科学から事実と因果を知り、
物語から架空の人生を経験し、
推しを長期間観察し、
SNSで他人の道徳判断を観測し、
推薦系によって次に出会う対象の確率を変えられている。
しかし同時に、
自分で見るものを選び、
推しを選び、
フォローし、
ブロックし、
反応し、
その反応によって推薦系を変え、
作り手の行動にも影響する。
したがって現代の道徳形成は、
教育する側
→ 教育される側
ではない。
身体
↔ 個人
↔ 物語
↔ 推し
↔ 仲間集団
↔ 推薦系
↔ 作り手
↔ 市場・制度
↺
という多層の共適応系である。
私はこれを暫定的に、
分散型・共適応的なモラル学習生態系
と呼びたい。
だから、
「現代のモラル教師は誰か」
という問いへの最終回答は、
物語でもない。
推しでもない。
アルゴリズムでもない。
顔のない巨大な教師が誕生したのでもない。
そもそも、教師は一人ではなかった。
そして現代では、その事実が、機械的な推薦・計測・相互フィードバックによって以前よりはっきり見えるようになった。
私たちは毎日「道徳の授業」を受けている。
ただし、そこには統一された教科書も、
一人の教師も、
卒業試験もない。
見る。
感じる。
選ぶ。
反応する。
表示が変わる。
作品が変わる。
自分も少し変わる。
そしてまた見る。
モラルは、その循環の中で作られ、維持され、時には壊され、修正されている。
だから本当に問うべきなのは、
「誰が私たちへ道徳を教えているのか」ではない。
「どんな回路の中で、何への注意が増え、何への感情が強まり、何が普通だと見え、その反応が次の環境をどう作っているのか」
なのである。
出典
1．物語は信念・態度・意図・行動に影響しうる
Braddock, K. & Dillard, J. P. (2016)
“Meta-analytic evidence for the persuasive effect of narratives on beliefs, attitudes, intentions, and behaviors”
Communication Monographs, 83(4), 446–467.
物語説得研究のメタ分析です。「物語を読めば善人になる」という研究ではなく、物語への曝露が物語と整合的な信念・態度・意図・行動に小～中程度の影響を持ちうる、という本稿の限定的な根拠です。
https://www.tandfonline.com/doi/abs/10.1080/03637751.2015.1128555
DOI：
https://doi.org/10.1080/03637751.2015.1128555
2．パラソーシャル関係――「推し」の節
Tukachinsky, R., Walter, N. & Saucier, C. J. (2020)
“Antecedents and Effects of Parasocial Relationships: A Meta-Analysis”
Journal of Communication, 70(6), 868–894.
40年間・120研究を統合。パラソーシャル関係を「現実の社会関係が不足した人の代用品」とする単純モデルを支持せず、同一化、narrative transportation、説得的帰結などとの関連を報告しています。
https://academic.oup.com/joc/article/70/6/868/5964783
DOI：
https://doi.org/10.1093/joc/jqaa034
3．推薦アルゴリズムは何を多く見せるか
Milli, S. et al. (2025)
“Engagement, user satisfaction, and the amplification of divisive content on social media”
PNAS Nexus, 4(3), pgaf062.
本稿の、
「アルゴリズムは道徳教材の時間割編成者」
の主要根拠です。
Twitterのengagement-based rankingを逆時系列表示と比較し、感情的・政治的外集団敵対的なコンテンツを増幅すること、さらにランキングされた内容が利用者の明示的な「見たい」という選好とは一致しないことを示しています。
https://academic.oup.com/pnasnexus/article/4/3/pgaf062/8052060
PubMed：
https://pubmed.ncbi.nlm.nih.gov/40070432/
DOI：
https://doi.org/10.1093/pnasnexus/pgaf062
4．ただしフィードを変えれば必ず思想が変わるわけではない
Guess, A. M. et al. (2023)
“How do social media feed algorithms affect attitudes and behavior in an election campaign?”
Science, 381.
Facebook・Instagramでアルゴリズム表示を時系列表示へ変更した大規模実験。曝露内容や利用行動は大きく変化した一方、主要な政治態度や感情的分極などには有意な変化が確認されませんでした。
https://www.science.org/doi/10.1126/science.abp9364
DOI：
https://doi.org/10.1126/science.abp9364
これは本稿で「アルゴリズム＝万能洗脳装置」というモデルを退ける重要な対抗証拠です。
5．一方、精密な再ランキングで政治的感情が動く場合もある
Piccardi, T. et al. (2025)
“Reranking partisan animosity in algorithmic social media feeds alters affective polarization”
Science, 390.
実際のSNSフィード上で、反民主主義的態度・党派敵意を含む投稿の露出を再ランキングし、政治的外集団への感情評価が変化しうることを示したフィールド実験です。
https://www.science.org/doi/10.1126/science.adu5584
DOI：
https://doi.org/10.1126/science.adu5584
したがって現状の証拠は、
アルゴリズムは影響しない
でも、
アルゴリズムが思想を自由自在に変える
でもありません。
6．Xのアルゴリズムを実際にON/OFFした2026年研究
Gauthier, G. et al. (2026)
“The political effects of X’s feed algorithm”
Nature.
米国の実際のX利用者を7週間追跡したランダム化実験。アルゴリズムをONにすると一部の政策・時事意見が保守方向へ動きましたが、感情的分極や党派性には有意な変化がなく、逆方向への切替にも対称的効果はありませんでした。
https://www.nature.com/articles/s41586-026-10098-2
DOI：
https://doi.org/10.1038/s41586-026-10098-2
本稿の、
既存状態 → 選択 → 曝露 → 更新 → 次の選択 ↺
という履歴依存的・状態依存的モデルに非常に重要です。
7．SNSでは他人の「怒り」を過大評価する
Brady, W. J., McLoughlin, K. L. & Crockett, M. J. (2023)
“Overperception of moral outrage in online social networks inflates beliefs about intergroup hostility”
Nature Human Behaviour, 7, 917–927.
Twitter投稿者本人の自己申告したmoral outrageと、閲覧者が読み取ったoutrageを比較し、閲覧者が怒りを系統的に過大推定することを示しています。さらに、その過大推定が集団間敵意や敵対的コミュニケーション規範についての認識を膨らませました。
https://www.nature.com/articles/s41562-023-01582-0
DOI：
https://doi.org/10.1038/s41562-023-01582-0
これは本文の、
怒っている投稿を見る
→「みんな怒っている」
→「ここでは怒るのが普通だ」と推定する
という部分の直接的な根拠です。
8．外集団敵意はエンゲージメントを取りやすい
補強資料として、
Rathje, S., Van Bavel, J. J. & van der Linden, S. (2021)
“Out-group animosity drives engagement on social media”
PNAS, 118(26), e2024292118.
政治的外集団への言及がソーシャルメディア上で高いエンゲージメントと関連することを、大規模投稿データから分析しています。Brady 2023やMilli 2025の背景として有用です。
https://www.pnas.org/doi/10.1073/pnas.2024292118
DOI：
https://doi.org/10.1073/pnas.2024292118
Braddock & Dillard 2016 — 物語説得
https://doi.org/10.1080/03637751.2015.1128555Tukachinsky et al. 2020 — パラソーシャル関係
https://doi.org/10.1093/joc/jqaa034Brady et al. 2023 — moral outrageの過大知覚
https://doi.org/10.1038/s41562-023-01582-0Guess et al. 2023 — 時系列フィード変更の帰無結果
https://doi.org/10.1126/science.abp9364Milli et al. 2025 — engagement rankingと敵意・感情コンテンツ
https://doi.org/10.1093/pnasnexus/pgaf062Piccardi et al. 2025 — 再ランキングと感情的分極
https://doi.org/10.1126/science.adu5584Gauthier et al. 2026 — XアルゴリズムON/OFF実験
https://doi.org/10.1038/s41586-026-10098-2
moralと「道徳」
日本ではmoral の翻訳語に『老子道德經』由来の「道徳」をあてました。
「今日学者社会ニテ道徳ト云ヘバ、皆其如何ナル物ト云コトヲ知ル。然レドモ審カニ其意義ヲ叩クトキハ、明白ノ答ヲ為ス者少ナシ。按ズルニ今世間ニテ言フ所ノ道徳ト云ヘル語ハ、支那ノ儒教ヨリ来レル語ニ非ズシテ、西洋ノ翻訳語ヨリ来レル者ナリ。希臘ニエシックスノ語アリ、拉丁ニMoralノ語アリ。現今法英二国ニモ亦Moralノ語アリ…何レモ己ガ身ヲ修メテ善良ナラシムルノ義ニシテ、支那ノ辞書ニ之ヲ訳シテ、或ハ純善、或ハ正経、或ハ善徳ト為ス。本邦ノ辞書皆之ヲ訳シテ、道徳、又ハ道徳学ト為ス（或ハ倫理学ト訳スル者モアリ）」
「此道徳及道徳学ノ語、学者間ノ普通ノ語トナリ、凡ソ善ク其ノ身ヲ修ムル者ヲ道徳者ト称シ、是ヲ教フルノ学問ヲ道徳学ト云フ。是ヨリ支那ノ儒道ヲモ亦道徳学ト称スレトモ、儒者ハ自ラ己ノ学ヲ道徳学トハ称セズ。経書ニ道徳の二字ヲ連用スルコトアレドモ道ハ自ラ道、徳ハ自ラ徳ニシテ、二語ヲ合セテ一意ト為シタル者ニ非ズ…中庸曰天命之謂性率性之謂道脩道之謂教トアリ…此中庸ノ本文ニアル所ノ道ト云フハ、英語ノMoralト同一ニシテ、今世間ニテ言フ所ノ道徳トイフモノ是ナリ。其教ト云フハ英語ノMoral science又Moral philosophyト同一ニシテ世間ニ云フ所ノ道徳学トイフモノ是ナリ」
（明治26年)
「上編 一」
「第一 道徳 道徳学」
石部統久・ChatGPT5.６
査読：ChatGPT5.６・Claude Opus5・Grok・Gemini3.6（Parcae Protocol）
