数字は正確なのに、なぜ判断できないのか？要点と数値を分けるファジートレース理論

売上、利用率、解約率、工数、費用対効果。提案書や経営報告には、判断を支える数字が並びます。数字を正確に載せることは欠かせません。しかし、表を追加し、注釈を増やし、小数点までそろえた結果、会議で返ってくるのが「それで、何を決めればよいのですか」という質問なら、問題は情報不足ではありません。

読み手が必要としているのは、数字そのものに加えて、その数字が選択肢の違いとして何を意味するのかです。正確さを守りながら意味を先に渡すには、どう設計すればよいのでしょうか。

結論：数字を減らすのではなく、「要点」と「事実」の層を分ける

結論から言えば、数値資料は次の二つを同時に満たす必要があります。

• 判断の要点：どちらが有利か、何が変わるか、何を決めるべきか
• 正確な事実：元の数値、算定条件、比較対象、幅や不確実性

要点だけでは、都合のよい誘導や単純化になりかねません。反対に、事実だけでは、読み手に解釈作業を丸投げしてしまいます。大切なのは、どちらかを削ることではなく、要点を入口にして、必要な人が正確な数値までたどれる構造を作ることです。

この考え方を支えるのが、認知心理学のファジートレース理論です。名前は難しく見えますが、中心となる考えは明快です。人は情報を、細部を保った形と、全体の意味をつかんだ形の両方で捉える、というものです。

ファジートレース理論とは何か

ファジートレース理論は、Valerie ReynaとCharles Brainerdが記憶・推論・意思決定を説明するために発展させた理論です。1995年の体系的な論文では、私たちが情報から二種類の記憶を作ると整理されています。

• 細部を保つ記憶：「18.4％」「年間420万円」「95人中14人」といった正確な言葉や数値
• 大意を保つ記憶：「差は小さい」「費用は増えるが損失を抑えられる」「何もしないより安全」といった全体の意味

ここでいう大意は、雑な要約という意味ではありません。判断する人にとっての「結局どういうことか」です。同じ18.4％でも、前年が18.1％なら「ほぼ横ばい」、目標が10％なら「改善が必要」、許容上限が20％なら「上限に近い」と解釈されます。数字だけでは、どの意味を取るべきかは決まりません。比較対象、目的、許容範囲が加わって、初めて判断につながります。

Reynaは医療意思決定の研究で、正確なリスク情報を理解できても、適切な意味を取り出せなければ、よい判断には結びつかないと論じています。一方で、大意さえ伝えればよいわけでもありません。大意が正しいかどうかは、前提知識、比較対象、価値基準に左右されるからです。

なぜ、数字が正確でも判断できないのか

1．数字は、それだけでは「大きい」「小さい」を決められない

「不具合率が2％です」と書いても、読み手は判断できません。前年は何％だったのか。業界平均は何％か。2％の不具合が起きたときの損失はいくらか。改善費用はいくらか。数字の意味は、比較と目的によって変わります。

米国CDCのClear Communication Indexも、数字を載せるときは、その数字がなぜ重要なのかを説明するよう求めています。また「高い」「低い」という言葉だけで済ませず、数字と意味を対応させることを勧めています。つまり、正確な数値と解釈は競合するものではなく、組にして示すものです。

2．読み手は、複雑な情報をそのまま保持し続けない

1991年の三つの実験では、選択肢から数値を省いてもフレーミング効果が残る場合があり、判断が細かな計算だけで決まっているわけではないことが示されました。参加者は、情報を単純な意味へ置き換えて選んでいたと解釈されています。

これは「人は数字を読まない」という話ではありません。人は数字も処理しますが、判断の場面では、より単純な意味を使いやすいということです。資料の作り手が意味を設計しなければ、読み手は自分の経験や関心に基づいて意味を補います。その結果、同じ表を見ても、営業は売上機会を、経理は固定費を、現場は運用負担を中心に読み取るかもしれません。

3．細かな数字と要点は、時間がたつと残り方が違う

細部の記憶と大意の記憶は、同じ速さで失われるとは限りません。会議中には「18.4％」を覚えていても、翌週には「悪化していた」「まだ許容範囲だった」という意味のほうが残りやすくなります。だからこそ、作り手が望む結論を押しつけるのではなく、数字から妥当に導ける意味を明示する必要があります。

ここには注意もあります。大意は記憶に残りやすい一方で、誤った大意も残り得ます。「わずか2％」という表現が、重大事故の2％なのか、軽微な入力ミスの2％なのかで意味はまったく違います。形容詞で印象を固定する前に、比較対象と影響を示さなければなりません。

研究から、どこまで言えるのか

ファジートレース理論は、実験研究だけでなく、健康情報や教育への応用でも検討されています。ただし、その結果を企業の提案書へそのまま移せるわけではありません。何が確認され、何がまだ推論なのかを分けて見ておきましょう。

健康情報では、要点を補うことで理解が改善した研究がある

英国の大腸がん検診情報を使った無作為化比較試験では、標準資料だけを送る群と、標準資料に要点版を加える群が比較されました。回答者では、十分な知識に達した割合が要点版ありで95％、標準資料のみで91％でした。一方、検診を受ける意向は両群とも非常に高く、差は確認されませんでした。

この結果は重要です。要点を加えれば、あらゆる行動が変わるわけではありません。知識は改善しても、すでに意向が高い場面では行動意図に差が出ないことがあります。さらに、調査票の返送率は22％で、回答した人に偏りがある可能性もあります。

要点を中心にした介入が、行動に結びついた研究もある

米国の高校生など734人を対象にした無作為化比較試験では、既存のリスク教育、ファジートレース理論を加えた教育、対照群が比較されました。要点と価値判断を結びつける教育は、いくつかの行動指標や心理指標で、より大きく持続する効果を示しました。

ただし、対象は思春期の性行動リスクです。経営会議、営業提案、研究発表とは、参加者も目的も違います。「要点を先に出せば受注率が上がる」といった結論には使えません。ここから実務へ移せるのは、正確な知識だけでなく、状況に合った意味と価値基準の呼び出しが意思決定に関わる、という設計上の示唆です。

図の種類によって、要点の理解が変わった研究もある

韓国の中学生315人を対象に、カフェイン情報を異なる図で見せた研究では、要点を表す図と正確な情報を表す図は、装飾的な図よりも要点の知識獲得に有効でした。一方、正確な細部の知識には、図の種類による有意な違いが確認されませんでした。

ここでも、対象と内容は限定されています。それでも、図を入れる目的が「飾ること」ではなく、読み手が正しい意味を取り出せるようにすることだと分かります。画像を増やすだけでは不十分です。図のタイトル、比較軸、強調箇所が、本文の結論と一致している必要があります。

根拠の限界：要点は、正確さの代用品ではない

ファジートレース理論を資料作成へ応用するとき、少なくとも四つの限界があります。

1. 企業資料での直接効果は未検証です。主要な応用研究は医療、健康、教育、リスク判断に多く、受注率や会議時間を直接検証したものではありません。
2. 大意は作り手の価値判断を含みます。何を「重要」と呼ぶかによって、同じ数字でも結論は変わります。反対の解釈や不確実性を隠してはいけません。
3. 細部が必要な人もいます。研究者、審査員、経理、法務などは、再計算や監査のために元の数値と条件を必要とします。
4. 単純化しすぎると誤解を作ります。「Aが有利」という要点だけでは、費用、期間、リスクのどの基準で有利なのか分かりません。

したがって、実務の原則は「数字を捨てる」ではなく、先に意味を示し、その直下に検証できる根拠を残すことです。

「ピラミッドストラクチャー」で、意味と数字を階層化する

伸滋Designの伝わる設計マップでは、複雑な提案書や報告書に適した型として「ピラミッドストラクチャー」を紹介しています。主メッセージを頂点に置き、その下へ根拠のまとまり、さらに個別の事実を置く構造です。

ファジートレース理論の示唆を、この型へ次のように当てはめます。

1. 頂点：判断してほしいこと
   「A案を採用する」「今期は解約対策を優先する」など、今回決めることを一文にします。
2. 中段：数字が示す意味
   「初期費用は高いが、2年目までの総費用と停止リスクは低い」のように、比較基準と方向を示します。
3. 下段：正確な数値と条件
   費用、期間、分母、算定式、信頼区間、除外条件、出典を示します。

頂点だけを読んでも判断の方向が分かり、中段を読めば理由が分かり、下段まで進めば検証できる。この順序なら、急いでいる経営者と、数字を確認したい実務担当者が、同じ資料を異なる深さで読めます。

具体例：システム更新の比較表を、判断資料へ変える

ここからは架空の例です。現行システムを延命するA案と、新システムへ移行するB案を比べるとします。

数字だけの資料では、初期費用、月額費用、移行期間、障害時間、保守工数、教育時間が一枚の表に並びます。数字は正しくても、どの基準を優先すべきかが書かれていません。参加者は、自分の部署に関係する列だけを見て話し始めます。

階層化した資料では、最初にこう示します。

結論：2年以上使う前提なら、B案は初期費用が高いものの、総費用と停止リスクを抑えやすい。

次に、「初期費用」「2年間の総費用」「停止リスク」の三つを比較基準として示します。その下に、各数値と算定条件を置きます。さらに、利用期間が1年未満ならA案が有利になることも併記します。

これなら、B案を都合よく売り込む資料ではありません。どの前提なら結論が変わるかまで示しているため、読み手は要点をつかみながら、自分で確かめられます。

実践手順：数値資料を四つの問いで点検する

問い1．この資料で、何を決めるのか

説明の目的ではなく、読み手の判断を書きます。「売上推移を説明する」ではなく、「解約対策を今期の優先施策にするか決める」とします。

問い2．数字を一文の意味にすると何か

「増えた」「高い」だけでは足りません。「前年より増え、目標との差が広がった」「短期費用は高いが、2年総額は低い」のように、比較対象と判断軸を含めます。

問い3．反対の結論になる条件は何か

利用期間、対象人数、価格、成功確率など、前提が変われば結論も変わります。その境界を明記すると、要点が宣伝文句ではなく、検証可能な判断になります。

問い4．元の数字まで戻れるか

表の脚注、補足ページ、出典リンク、計算式を残します。本文の流れを止めない場所へ置きつつ、確認したい人が迷わず到達できるようにします。見出しとリンクの手掛かりについては、「情報の匂い」で設計する見出し・目次・リンクも参考になります。

数値資料のチェックリスト

• 今回、読み手に決めてほしいことが一文で書かれている
• 主要な数字について、比較対象と判断上の意味が示されている
• 「高い」「低い」「大幅」といった形容詞だけで印象を決めていない
• 要点と元の数値が矛盾していない
• 結論が変わる条件や不確実性を隠していない
• 分母、期間、単位、算定条件、出典が確認できる
• 最初のページだけで、結論と主要な理由が分かる
• 詳細を読みたい人が、表や補足ページまで迷わず進める
• グラフの種類が、比べてほしい内容に合っている
• 第三者に「この数字は結局何を意味するか」を言い直してもらった

グラフの比較精度そのものを見直す場合は、円グラフはなぜ比較しにくいのかを、分類の仕方が判断へ与える影響を点検する場合は、区分依存から考える比較表の設計をあわせてご覧ください。

まとめ：読み手が必要なのは、数字と「数字の意味」

正確な資料が伝わらないとき、数字を減らすだけでは解決しません。読み手は、細かな数値と全体の意味を別々に捉え、判断では意味のほうを使うことがあります。だから資料には、次の両方が必要です。

• 先に分かる、判断の要点
• 後から確かめられる、正確な数値と条件

ピラミッドストラクチャーを使い、結論、比較の意味、個別の数値を階層化すれば、正確さを失わずに判断しやすい資料へ近づけます。

経営報告、提案書、研究発表の数字が「並んでいるだけ」になっている場合は、グラフを整える前に、数字が示す意味と判断の構造から見直す必要があります。伸滋Designでは、資料の目的、相手、意思決定の場面に合わせて、構成と図表を一緒に設計しています。現在の資料で何を残し、何を先に見せるべきか整理したい方は、無料相談からご相談ください。

参考文献

1. Reyna, V. F., & Brainerd, C. J. (1995). Fuzzy-trace theory: An interim synthesis. Learning and Individual Differences, 7(1), 1–75. https://doi.org/10.1016/1041-6080(95)90031-4
2. Reyna, V. F., & Brainerd, C. J. (1991). Fuzzy-trace theory and framing effects in choice: Gist extraction, truncation, and conversion. Journal of Behavioral Decision Making, 4(4), 249–262. https://doi.org/10.1002/bdm.3960040403
3. Reyna, V. F. (2008). A theory of medical decision making and health: Fuzzy trace theory. Medical Decision Making, 28(6), 850–865. https://pmc.ncbi.nlm.nih.gov/articles/PMC2617718/
4. Reyna, V. F., & Mills, B. A. (2014). Theoretically motivated interventions for reducing sexual risk taking in adolescence: A randomized controlled experiment applying fuzzy-trace theory. Journal of Experimental Psychology: General, 143(4), 1627–1648. https://pmc.ncbi.nlm.nih.gov/articles/PMC4115050/
5. Smith, S. G., Raine, R., Obichere, A., Wolf, M. S., Wardle, J., & von Wagner, C. (2015). The effect of a supplementary gist-based information leaflet on colorectal cancer knowledge and screening intention: A randomized controlled trial. Journal of Behavioral Medicine, 38, 261–272. https://pmc.ncbi.nlm.nih.gov/articles/PMC4353886/
6. Cho, Y. H., You, M., & Choi, H. (2018). Gist-based design of graphics to reduce caffeine consumption among adolescents. Health Education Journal, 77(7), 778–790. https://doi.org/10.1177/0017896918765024
7. Blalock, S. J., & Reyna, V. F. (2016). Using fuzzy-trace theory to understand and improve health judgments, decisions, and behaviors: A literature review. Health Psychology, 35(8), 781–792. https://pmc.ncbi.nlm.nih.gov/articles/PMC4979567/
8. Centers for Disease Control and Prevention. (2014). CDC Clear Communication Index: User Guide. https://www.cdc.gov/ccindex/pdf/clear-communication-user-guide.pdf