ティア表は「均等分散」を期待するのか ― スコアリングの心理学的断面

1. 問いの立て方

ティア表という形式を眺めていると、ある暗黙の期待に気づく。S から F までの各段が、それなりに埋まっているのが「良いティア表」であり、全アイテムが S に積まれた表や、一段だけが使われた表は、どこか冗談めいて見える、という期待である。本稿は次の二つの問いを検討する。第一に、ティア表という形式には、他の評価形式と比べて、アイテムを各ティアにある程度均等に分散させる傾向・圧力が本当にあるといえるのか。第二に、この問題は、学校の成績評価をめぐる相対評価（各評定の人数比率を固定する）と絶対評価（達成度のみを見る）の対立とどう接続するのか。結論を先取りすれば、第一の問いには心理学の古典理論が「イエス」に近い答えを与えており、第二の問いに対しては、ティア表は「絶対評価の語彙で書かれた相対評価」という興味深いハイブリッドである、というのが本稿の見立てである。

2. 心理学の基盤 ― 範囲・頻度理論と「頻度原理」

カテゴリ評定の心理学において、この問題を最も直接に扱うのが Allen Parducci が1960年代に提唱した範囲・頻度理論（range–frequency theory）である。この理論によれば、人がある対象群をカテゴリ尺度（大きい／小さい、S／A／B…）で判断するとき、その判断は二つの原理の妥協として決まる。一つは「範囲原理（range principle）」で、刺激の範囲を等分し、各カテゴリを等しい部分範囲に割り当てようとする傾向。もう一つが「頻度原理（frequency principle）」で、各カテゴリに同じ個数の刺激を割り当てようとする傾向である。実際の判断はこの二つの加重平均であり、多くの判断領域で重みはほぼ半々（w ≈ 0.5）と報告されている。

つまり、「評定者は各カテゴリをほぼ同じ頻度で使おうとする」という傾向は、ティア表以前に、人間のカテゴリ判断一般に組み込まれた性質として実証されてきた。重さ、大きさ、音の快不快、賃金への満足度といった多様な刺激で、判断が刺激の絶対的な物理量ではなく、提示された刺激セット内での順位（rank）と範囲に強く依存することが繰り返し示されている。Parducci 理論の重要な帰結の一つは、判断の平均値が文脈（刺激分布）の歪度に依存するというものであり、同じ対象でも「どんな仲間と一緒に評価されるか」で評定が変わる。

ティア表という形式は、この頻度原理が最大限に働く条件を、ほとんど教科書的に満たしている。第一に、評価対象が閉じた集合として全て見えている（テンプレートに全アイテムが並ぶ）。第二に、判断が逐次ではなく同時比較で行われる（ドラッグ操作は常に他のアイテムとの相対位置の調整である）。第三に、そして決定的なことに、分布そのものが視覚化される。各ティアは同じ高さの横帯であり、空の帯や一段への過密は、一目で「異常」として知覚される。星評価では自分の付けた評価の分布など意識しようがないが、ティア表では分布が作品の見た目そのものなのだ。均等分散への期待は、認知的傾向（頻度原理）と視覚的アフォーダンス（帯という器）の二重の力で支えられている、といえる。

3. 対照群 ― 形式が分布を作る

他の評価形式と比べると、この特徴はより鮮明になる。対極にあるのがオンラインレビューの星評価である。Hu, Pavlou & Zhang の一連の研究は、Amazon 等の製品レビューの分布が「J字型」― 5つ星が圧倒的に多く、1つ星がやや多く、中間がほとんどない ― になることを示し、その原因を二つの自己選択バイアスに求めた。好意的な予備知識を持つ人ほどそもそも製品を買う（購入バイアス）、そして強い感情（極端に良い／悪い）を持つ人ほどレビューを書く（過少報告バイアス）である。ここで重要なのは、星評価が構造的に「開いた集合への、逐次的で、独立した、分布の見えない評定」だという点だ。評定者は他の対象との比較を強制されず、自分の評定履歴の分布も見ない。頻度原理が働く文脈そのものが存在しないため、分布は評定者の心理ではなく参加の自己選択によって決まり、極端に歪む。

完全な順位表（1位から最下位までの全順序）はまた別の性質を持つ。全順序は同点を許さないため、評価者に最大限の弁別を強制する。これは情報量の点では最も豊かだが、認知負荷が高く、僅差のアイテム間に実際には存在しない差を捏造させる。ティア表は、この全順序とカテゴリ評定の中間にある形式 ― 「段の間は序列、段の中は同値」という半順序 ― であり、弁別の強制を段間に限定することで負荷を下げている。人事評価の文献で古典的に指摘される評定エラー、すなわち中心化傾向（皆を真ん中に寄せる）、寛大化傾向（皆を高めに付ける）は、まさに評定者が弁別を回避するときに生じるものであり、強制分布や強制順位はこれらへの制度的対抗策として導入されてきた。ティア表は、制度的強制なしに、形式の視覚性によって弁別をゆるやかに促す仕掛けと見ることができる。

4. 制度化された頻度原理 ― 相対評価と強制分布

さて、ここで成績表の論点に接続する。「各カテゴリに同数（ないし所定比率）を割り当てる」という頻度原理を、心理的傾向としてではなく制度的規則として固定したものが、相対評価である。

日本の学校教育では、戦後の教育改革で指導要録に5段階相対評価が導入され、成績分布が正規分布に近づくという仮定のもと、「5」は7%、「4」は24%、「3」は38%、「2」は24%、「1」は7%という配分比率で評定を付けることが約半世紀続いた。この制度は教師の主観を排除する客観性の装置として機能した一方、集団内の全員が目標を達成しても誰かに「1」を付けねばならず、逆に全員未達成でも「5」が生まれるという構造的欠陥を抱えており、1969年の通信簿論争などで不合理性が批判され続けた。最終的に2001年（平成13年）の指導要録改訂で廃止され、2002年度から中学校でも「目標に準拠した評価」（いわゆる絶対評価）― 集団内の位置ではなく、設定された学習目標の実現状況を評価する方式 ― に転換した。転換後の文部科学省の整理では、結果としての評定分布を公表することはあり得ても、「あらかじめ割合を定め、それに児童生徒を割り振ってはならない」ことが目標準拠評価の趣旨からの当然の帰結とされている。頻度原理の制度化から、その明示的な禁止へ ― 日本の成績評価史は、この振り子の運動として読める。

同じ振り子は企業の人事評価にもある。GE の「20-70-10」（バイタリティ・カーブ）に代表される強制分布評価（forced distribution rating system, FDRS）は、上位・中位・下位の比率を予め固定し、報酬や解雇に連動させる仕組みで、"stack ranking" や "rank and yank" とも呼ばれ多くの大企業で使われた。学術研究の評決は両義的である。Scullen らのシミュレーション研究（2005）は、下位者の入れ替えにより導入初期には組織の人材ポテンシャルが向上するが、改善効果は数年で逓減することを示した。一方でその後の研究は、チームワークの毀損、評価ゲーミング、従業員のストレス増大（実験ではストレスの生理指標まで確認されている）、組織的公正の毀損といった副作用を積み上げており、Microsoft は2013年に、GE 自身も2010年代半ばまでにこの方式を放棄した。相対評価は「評定インフレを防ぎ弁別を強制する」という問題を解く代わりに、「協力を破壊し、達成と評価の連動を切断する」という別の問題を生む ― これが実証研究の描く構図である。

5. 絶対評価の側の問題 ― 分布の自由とインフレ

では分布を自由化すればよいのかといえば、絶対評価には絶対評価の病理がある。基準の設定自体が主観的・恣意的になりやすいという古典的な指摘に加え、評価者が弁別のコストと対人的な軋轢を避けるとき、評定は上方へ滑る。米国の大学における成績インフレ（grade inflation）は数十年規模で文書化されてきた現象であり、前節の J 字分布もまた、「強制なき評定は端に吹き溜まる」ことの大規模な実例である。つまり、分布規則を外した評価は放っておくと均等分散から離れ、天井に張り付く傾向を持つ。相対評価（強制された均等性）と絶対評価（放任された偏り）の間の緊張は、どちらかが正解というものではなく、評価の目的 ― 選抜のための弁別か、達成の認定か、学習の支援か ― に応じて設計されるべきトレードオフだ、というのが教育測定学の標準的な整理である。

6. 総合 ― ティア表は相対評価か、絶対評価か

以上を踏まえてティア表に戻ると、この形式の面白さは、相対／絶対の二分法のちょうど狭間に立っていることにある。

ティア表のラベルは、絶対評価の意味論を持つ。「S＝別格」「A＝強い」「F＝使いものにならない」といったティアの意味は、集団内の比率ではなく達成水準・性能水準の記述として与えられている。理屈のうえでは、全キャラが壊れ性能なら全員 S でよいし、全員が産廃なら全員 F でよい。定員はどこにも定められていない。ところが、ティア表の作成過程は、相対評価の力学で動く。全アイテムが同一画面にあり、あらゆる配置判断が他アイテムとの比較であり、そして頻度原理が評定者を各段の均等使用へと引っ張る。制度としては絶対評価、認知としては相対評価 ― ティア表は「絶対評価の語彙で書かれた相対評価」なのである。

この見立ての傍証は、分布からの逸脱がそれ自体で意味を運ぶという事実である。全アイテムを S に置いた表は、性能評価としては無情報だが、「全部好き」という愛情表現・ネタとして完全に通じる。一段だけ空にした表、ただ一つのアイテムを F に孤立させた表も同様に、雄弁である。言語学でいう会話の含意のように、期待される分布（＝ある程度の均等分散）が共有されているからこそ、その裏切りが修辞として機能する。均等分散への期待は、ティア表というジャンルの文法の一部だと言ってよい。

もう一点、Parducci 理論はティア表の設計論にも示唆を与える。カテゴリ数を変えると判断の文脈効果自体が変化することが実験的に示されており、粗い尺度（少ないティア）と細かい尺度（多いティア）のどちらが「真の判断」かという問いは立てられない ― 尺度の選択は研究（利用）目的に応じて決めるべきだ、というのが理論側の含意である。ティア数を7段に固定するか、ユーザーに委ねるか、「段の中の左右にも意味を持たせるか」（段内順序の許容は半順序を全順序に近づける）といった設計判断は、単なる UI の趣味ではなく、作られる評価の統計的性質そのものを変える選択である。共同作成ツールであればさらに、複数人の評定の集約方法（平均を取れば分布は中心に寄り、弁別が失われる）や、他者の配置が見えることによる同調・アンカリングまでが設計変数に入ってくる。

7. まとめ

冒頭の二つの問いに答えよう。第一に、ティア表に均等分散への傾向があるといえるか ― いえる。それはティア表固有の発明ではなく、カテゴリ判断一般に働く頻度原理（Parducci）の現れだが、ティア表は閉集合・同時比較・分布の可視化という三条件によってこの原理を他のどの評価形式よりも強く作動させる。星評価（開集合・逐次・分布不可視）が J 字分布へ流れるのと対照的である。第二に、成績評価の相対／絶対の論点との接続 ― ティア表は、比率を制度的に固定した相対評価（旧5段階評定、企業の強制分布）とも、分布を問わない絶対評価（目標準拠評価）とも異なり、絶対評価的なラベル意味論の下で、心理的・視覚的な圧力だけが分布を整える「柔らかい相対評価」として位置づけられる。強制の代わりに形式のアフォーダンスで弁別を促すこの中間解は、相対評価の暴力性（誰かを必ず最下段に置く）も、絶対評価の無規律（全員 S のインフレ）も、原理的には回避しうる。ティア表が30年生き延びた理由の一端は、評価形式としてのこの絶妙なバランスにあるのかもしれない。