1.0UX TIMEShttps://uxdaystokyo.com/articles大本 あかねhttps://uxdaystokyo.com/articles/author/akaneohmoto/rich600338<blockquote class="wp-embedded-content" data-secret="8fTU2ZpLks"><a href="https://uxdaystokyo.com/articles/difference-between-bias-and-error/">バイアスと誤謬の違い</a></blockquote><iframe sandbox="allow-scripts" security="restricted" src="https://uxdaystokyo.com/articles/difference-between-bias-and-error/embed/#?secret=8fTU2ZpLks" width="600" height="338" title="“バイアスと誤謬の違い” — UX TIMES" data-secret="8fTU2ZpLks" frameborder="0" marginwidth="0" marginheight="0" scrolling="no" class="wp-embedded-content"></iframe><script> /*! This file is auto-generated */ !function(d,l){"use strict";l.querySelector&&d.addEventListener&&"undefined"!=typeof URL&&(d.wp=d.wp||{},d.wp.receiveEmbedMessage||(d.wp.receiveEmbedMessage=function(e){var t=e.data;if((t||t.secret||t.message||t.value)&&!/[^a-zA-Z0-9]/.test(t.secret)){for(var s,r,n,a=l.querySelectorAll('iframe[data-secret="'+t.secret+'"]'),o=l.querySelectorAll('blockquote[data-secret="'+t.secret+'"]'),c=new RegExp("^https?:$","i"),i=0;i<o.length;i++)o[i].style.display="none";for(i=0;i<a.length;i++)s=a[i],e.source===s.contentWindow&&(s.removeAttribute("style"),"height"===t.message?(1e3<(r=parseInt(t.value,10))?r=1e3:~~r<200&&(r=200),s.height=r):"link"===t.message&&(r=new URL(s.getAttribute("src")),n=new URL(t.value),c.test(n.protocol))&&n.host===r.host&&l.activeElement===s&&(d.top.location.href=t.value))}},d.addEventListener("message",d.wp.receiveEmbedMessage,!1),l.addEventListener("DOMContentLoaded",function(){for(var e,t,s=l.querySelectorAll("iframe.wp-embedded-content"),r=0;r<s.length;r++)(t=(e=s[r]).getAttribute("data-secret"))||(t=Math.random().toString(36).substring(2,12),e.src+="#?secret="+t,e.setAttribute("data-secret",t)),e.contentWindow.postMessage({message:"ready",secret:t},"*")},!1)))}(window,document); //# sourceURL=https://uxdaystokyo.com/articles/wp-includes/js/wp-embed.min.js </script> https://uxdaystokyo.com/articles/wp-content/uploads/2025/06/6.png10801080「バイアス」と「誤謬（ごびゅう）」はどちらも判断の誤りや非論理的な思考に関係しますが、それぞれの意味と使い方には明確な違いがあります。 バイアス（bias）とは？ 無意識的・傾向的な思い込みや偏りのこと。 主に心理学や社会科学の文脈で使われる 意識せずに形成される判断の偏り 経験・文化・感情・教育・集団の影響などにより生まれる 正しい情報を与えられていても、バイアスによって判断が歪むことがある 例： 確証バイアス：自分の意見に合う情報ばかりを集め、反対意見を無視する 代表性バイアス：見た目や特徴から、その人や事象があるカテゴリーに属すると決めつける 誤謬（fallacy）とは？ 論理的に誤った推論や議論の誤りのこと。 主に論理学や議論・レトリックの文脈で使われる 意図的・無意識的を問わず、論理構造が誤っている 説得力があるように見えて、実は論理的に正しくない主張 例： 藁人形論法（ストローマン）：相手の主張を極端に単純化して批判する 滑りやすい坂（スリッパリー・スロープ）：Aを認めたら、必ずZまで悪化すると断定する バイアスの例（職場・UX） ① 確証バイアス（Confirmation Bias） UXの現場で： あるUXデザイナーが「ユーザーはこの新機能を便利だと感じているはず」と信じていて、その考えに合う定性的インタビューばかりを重視し、反対意見やネガティブなフィードバックを無視してしまう。 → 無意識に自分の仮説を肯定する情報だけを集めてしまう。 ② アンカリング・バイアス（Anchoring Bias） 職場で： 上司が「このプロジェクトには200万円くらい必要だろう」と最初に言ったことで、チーム全体がその金額を基準（アンカー）として予算を組んでしまい、より適切な見積もり（例えば150万や300万）を検討しなくなる。 → 最初に提示された情報に無意識に引っ張られる。 ③ ステレオタイプ・バイアス（Stereotype Bias） UXで： 高齢者ユーザーはデジタル技術に疎いと決めつけて、実際にはスマートフォンを日常的に使いこなしている高齢ユーザー層を無視してしまう。 → 固定観念によるユーザー理解の偏り。 誤謬の例（職場・UX） ① 藁人形論法（Straw Man Fallacy） 職場の会議で： Aさん：「このUIは複雑すぎるので、簡素化したほうがいいと思います」Bさん：「AさんはUIを全部削るべきだと言ってるけど、それでは機能が伝わらないですよ」 → Aさんは「簡素化」を提案しているだけなのに、Bさんは極端に歪めて反論している。 ② 権威への訴え（Appeal to Authority） UXの現場で： 「このデザインは●●先生（有名デザイナー）が推奨してたから、間違いないです」 → 有名人の意見を理由に議論を終わらせてしまうが、実際の文脈には合っていない可能性がある。 ③ 偽の二択（False Dilemma） プロダクトチームで： 「この新機能を今リリースするか、まったく出さないか、どっちかしかない！」 → 実際には「小規模なリリース」や「ベータ版で検証する」など、他の選択肢もあるのに、2択に絞って議論を迫っている。 違いを振り返ると… 種類意味UXや職場での例バイアス無意識の偏見や思い込み確証バイアスでネガティブなユーザー意見を無視誤謬論理の構造的な誤り偽の二択で他の可能性を排除した議論 まとめ 観点バイアス誤謬本質無意識の偏り論理の誤り発生心のクセ・傾向論理構造のミス例確証バイアス、感情バイアス藁人形論法、循環論 使い分けのヒント 「なぜそのように考えてしまうのか？」→ バイアスの話 「その考え方の論理に誤りはないか？」→ 誤謬の話 学術論文・リサーチペーパー Tversky & Kahneman (1974) 認知バイアス研究の原点。「Judgment under Uncertainty: Heuristics and Biases」に代表性ヒューリスティックの定義・実験が掲載されています。基礎理論を知るために必読です。(thedecisionlab.com) “Cognitive biases resulting from the representativeness heuristic” (PMC, 2019) 代表性ヒューリスティックから生じる6つのバイアス（ベースレート無視、標本サイズ無視など）を実験的に分析。対策として「認知トレーニング」が有効と指摘しています。(pmc.ncbi.nlm.nih.gov) “Representativeness heuristics: A literature review” (2018) 文献レビュー形式でヒューリスティックの経済的判断への影響を調査。投資や監査などビジネス領域での応用に言及がある点が実務者にも有用です。(researchgate.net) オンライン解説・入門記事 Verywell Mind – “How the Representativeness Heuristic Affects Decisions and Bias” プロトタイプに基づく判断とバイアスの関係を分かりやすく図・事例付きで解説。代表性バイアスが誤った判断につながる背景が理解しやすいです。(verywellmind.com) The Decision Lab – “Representativeness Heuristic” ヒューリスティックとは何か、なぜ使うのか、どのような影響があるのかをFAQ形式で整理。UXやAIへの応用も紹介されています。(thedecisionlab.com) BehavioralEconomics.com – ミニ百科「Representativeness Heuristic」 簡潔な定義と典型例（Bobがオペラファンなど）を交え、ビジネスシーンでも通じる構成。短時間で全体像を把握したい人に最適です。(behavioraleconomics.com) 本・教科書 “Thinking, Fast and Slow” – Daniel Kahneman 代表域ヒューリスティックを含む数々の思考の癖について深く掘り下げられており、バイアスの実例やその対策も豊富です。 “Judgment under Uncertainty: Heuristics and Biases” (Cambridge University Press, 1982) Tversky & Kahnemanによる論文集で、原理から応用まで代表性ヒューリスティックの全体像を学べます。 ビデオ資料（推薦） YouTube：「Representativeness heuristic explained」 図解やナレーション付きの短い入門動画。視覚で理解したい方におすすめです。 ※実際の動画を閲覧していないため、検索で「representativeness heuristic explainer video」で確認を推奨します。 特におすすめの活用法 学術論文（PMC／レビュー論文）は理論とエビデンスに基づいた裏付けに最適。 Verywell MindやDecisionLabの記事は、図解と事例による直感的な理解に役立ちます。 Kahnemanの著書や集論では、より深い理論背景と実用的対策まで幅広くカバーされています。 関連記事 ヒューリスティックとバイアスの違いとは？