先の未来まで考える傾向のある人は、資金を投資し、リスクを避ける可能性が高いと、新たな研究が示唆している。
研究者らはビッグデータのツールを活用し、約4万人のTwitterユーザーの投稿をテキスト分析するとともに、オンライン実験で行動を調べた。
また、未来をより遠くまで見通す傾向と、リスクの低い意思決定との間に関連があることも分かったと、研究は示している。
「心理学者にとって、Twitterは顕微鏡のようなものです」と、エモリー大学の心理学准教授で、論文の共著者でもあるフィリップ・ウォルフは言う。同論文は米国科学アカデミー紀要に掲載された。「ツイートから抽出した自然な状況でのデータは、投稿者がある時点で何を考えていたかだけでなく、比較的安定した認知プロセスについても洞察を与えてくれるようです。ソーシャルメディアとビッグデータ分析ツールの活用は、人間の行動を研究する方法に新たなパラダイムをもたらします。」
ソーシャルメディアで自分をさらけ出す
共著者のロバート・ソースタッドは、ウォルフの研究室に所属する博士課程の学生で、この研究の着想を得て、設計と分析に取り組み、実験を実施した。
「人々の日常の行動から、その人の心理について多くの情報が明らかになることに興味を引かれます」とソースタッドは言う。「研究の多くを自動化できたため、何千人もの日々の生活から生まれた何百万件ものツイートを分析できました。」
個人のツイートから読み取れた未来を見通す時間幅は短く、通常はわずか数日だった。未来を見通す時間幅は年単位だと示唆した従来の研究とは異なる。
「考えられる解釈の一つは、この違いがソーシャルメディアの特性によるというものです」とウォルフは言う。もう一つの理由として、従来の研究では人々にどれほど先の未来まで考えるかを明示的に尋ねたのに対し、この論文では過去のツイートを暗黙の指標として用いたことが考えられる。
未来を見通す傾向と意思決定との関係は一見明らかに思えるかもしれないが、このテーマに関する従来の研究結果は一貫していなかった。こうした不一致は、実験室での観察者バイアスやサンプル数の少なさなどが原因かもしれない。
研究者らは、Stanford CoreNLP自然言語処理ツールキットや、正規表現パターンに基づくルールベースの時間表現タグ付けツールSUTimeなど、複数の手法を用いて、被験者がTwitter上に残したテキストの履歴を自動分析した。
実験データは、AmazonのクラウドソーシングツールMechanical Turkを使って収集した。個人が心理学実験やその他のインターネット上のタスクに参加できるウェブサイトである。研究者らはMechanical Turkの実験参加者に、Twitterのユーザー名を提供するよう求めた。
ある実験で、Mechanical Turkの参加者は、例えば「今日60ドルを受け取るのと、6か月後に100ドルを受け取るのとでは、どちらを選びますか」という、古典的な遅延割引の質問に答えた。研究者らは参加者のツイートも分析した。過去と比べて未来についてツイートする傾向を「未来志向」の指標とし、ツイートがどのくらいの頻度で未来に言及するか、またどれほど先の未来に言及するかを「未来を見通す時間幅」の指標とした。
結果から、未来志向は投資行動と関連しない一方、未来を遠くまで見通す人は、近い未来までしか見通さない人より、将来の報酬を待つ選択をする可能性が高いことが分かった。これは、投資行動が未来について一般的に考える傾向ではなく、どれほど先の未来まで考えるかに左右されることを示している。
2つ目のMechanical Turk実験では、デジタル版の風船アナログリスク課題（BART）を用いた。参加者は風船を膨らませるたびに実際のお金を獲得できたが、膨らませるたびに風船が割れる可能性があり、その試行では報酬を得られなくなる。風船が割れる前に膨らませるのをやめれば、獲得したお金を確保して次の試行に進むことができた。
研究者らはBART参加者のツイートも分析した。その結果、未来をより遠くまで見通す人ほど、風船を限界まで膨らませるリスクを取る可能性が低いことが分かった。
州ごとに見るリスク選好
論文の別の研究では、プロフィールから特定の州とのつながりが分かるTwitterユーザーに焦点を当てた。未来を見通す時間幅を調べるため、約800万件のツイートを分析した。
研究者らは、シートベルト着用率、飲酒運転率、十代の妊娠率など、公開されている統計を代理指標として使い、州の人口全体におけるリスク行動を測定した。
結果によると、州ごとのツイートで未来を見通す時間幅が短いほど、リスクの高い行動の割合が高く、その相関は個人を対象とした実験研究の結果と似たパターンを示した。
州の投資行動を測るため、研究者らは州立公園、就学前教育、高速道路、児童生徒一人当たりの教育費への支出に関する州の統計を用いた。これらの分野への投資が多い州では、未来をより遠くまで見通す人のツイートとの関連が見られたものの、統計的に有意な水準には達しなかった。
研究者らは、政治的志向、一人当たり所得、世帯所得、GDPなど、州の人口統計上の要因を統制した。
「人口統計上の要因は重要ですが、未来志向の影響をそれだけで説明することはできないと分かりました」とウォルフは言う。
ソースタッドによると、Twitterを利用する米国の成人は推定21％で、一般人口より若く、テクノロジーに詳しい傾向がある。一方で、性別、経済状況、教育水準に関しては、Twitterユーザーの人口構成は一般人口とそれほどかけ離れていないという。また、農村部、都市部、郊外に住むTwitterユーザーの割合はほぼ同じだ。
「Twitterを使えば、主に大学生を被験者とする多くの心理学実験より、はるかに幅広い参加者を集められます」とソースタッドは指摘する。「ビッグデータの手法は、最終的に心理学研究の結果の一般化可能性を高めるかもしれません。」
「ソーシャルメディアを通じて、行動に関する膨大なデータを時間とともに自分たちについて蓄積しており、それは一種のデジタル表現型として残されています」とウォルフは付け加える。「個人の認知生活について間接的に何かを教え、将来その人が何をするかを予測する情報を抽出できるビッグデータ分析ツールを持つ時代に、私たちはいるのです。」
