I-2 人間の情報処理特性
【基本知識】 １．情報と情報量 「情報」に関してはさまざまな定義があるが，ここでは，「わからないこと」，あるいは「曖昧 なこと」と考えよう。とすると，情報量とは，「わからなさの度合い」，あるいは「曖昧さの程度」 ということになる。この曖昧さの程度を数量化してみよう。いま，m コの等確率な結果をもつ試 行 A を考えると，この試行の曖昧さの程度は m によって決まることは明らかであろう。つまり， 曖昧さの程度は m の関数であらわすことができる。この関数を f(m)として，その性質を調べてみ る。 まず m=1 のとき，試行の結果は確実で偶然の入り込む余地はないので，曖昧さは全くない。つ まり， m＝1 のとき f(m)＝ｆ(1)＝0 (1) とならなければならない。次に，n コの等確率な結果をもつ別の独立な試行 B があり，m>n とする と，曖昧さは明らかに試行 A のほうが大きい。つまり， m＞n のとき f(m)＞f(n) (2) が成り立つ必要がある。要するに f(m)は単調増加関数ということになる。さらに，試行 A と B を 同時に行う複合試行 AB を考えると，試行 AB は mn コの等確率な結果をもつことになるが，曖昧さ の程度は試行 A と B の曖昧さの程度の和に等しいとみなすことがごく自然であろう。つまり， f(mn)＝f(m)＋f(n) (3) が成り立つ。 上の(1)〜(3)の条件を満足する関数は，対数関数しかないことは容易に思いつくであろう。す なわち，f(m)＝log m となる。 ところで，曖昧さが発生する最小の m は 2 であるので，このとき f(m)が 1 になると工学的応用 場面ではきわめて便利であると考えられる。それには対数の底を 2 にすればよい。つまり，f(m) ＝log2m とする。この場合の単位を特にビット（bit）とよぶ。 これを使っていくつかの具体的試行について，情報量を計算してみよう。 コインを投げる試行 log２m＝log２2＝1(ﾋﾞｯﾄ） サイコロを振る試行 log２m＝log２6≒2.58（ﾋﾞｯﾄ） これまでは，等確率な結果をもつ試行を例にあげてきたが，不等確率な結果をもつ試行につい て も 情 報 量 は 計 算 で き る 。 い ま ， あ る 試 行 の 結 果 が n 個 あ り ， そ れ ぞ れ の 出 現 確 率 を p1,p2,･･･,pi,･･pnとすると，この試行のもつ情報量は -Σpilog２piで求められる。２．練習効果と疲労効果 これから行う実験のように，人間の心理的機能を調べる場合には、ある課題（刺激）を与えて、 その成績（反応）を測定するという方法をとるのが一般的である。ところが，ここに考慮しなけ ればならない問題がある。それは、練習効果と疲労効果である。ともに高等動物特有の現象と考 えられる。初めての課題でも、繰り返し行うとだんだん慣れてくる。これが練習効果である。習 熟ともいう。練習効果は成績を向上させる。今回の実験でも、一人の人に条件を変えて，ほぼ同 様の課題を複数回行ってもらうので，当然のことながら練習効果があらわれる。しかし，われわ れが調べたいのは設定した条件と成績の関係であるから，練習効果が入り込むことは好ましくな い。 一方、疲労効果は、長時間課題を行っていると諸機能が低下してくる状態を指す。疲労効果は 成績を低下させる要因になる。したがって、これも今回の実験には好ましくない。 人間を被検体とする実験では、練習効果と疲労効果を常に意識する必要がある。これが人間以 外を被検体とする実験と最も異なる点である。本実験における練習効果と疲労効果の取り扱いは 後述する。 【人間の情報処理特性】 人間の情報処理特性に関しては，これまでに２つの基本的法則が見いだされている。 Hick の法則 刺激のもつ情報量をＨ(ﾋﾞｯﾄ)，刺激に対する反応時間をＲＴとすると， ＲＴ＝ａＨ＋ｂ （ただし，ａ,ｂは定数）･･････(ｲ) Ｈは各刺激の出現確率を pｉとするとき，-Σpｉlog２pｉで与えられる。各刺激が等頻度のとき 最大となり，その場合は log２n（n は刺激の種類の数）で与えられる。 Fitts の法則 ターゲットまでの距離をＤ，ターゲットの大きさをＳとすると，ターゲットまでの移動時間Ｍ Ｔは以下の式であらわされる。 ＭＴ＝ａｌｏｇ２(Ｄ／Ｓ＋０．５)＋ｂ（ただし，ａ，ｂは定数） この式は，Ｈ＝ｌｏｇ２(Ｄ／Ｓ＋０．５)とおくと，式(ｲ)と同じになる。 要するに，どちらの法則も，人間の情報処理時間は課題のもつ情報量と直線関係があることを 示している。
【実 験】 Ⅰ．Hick の法則の検証 １．目 的 人間の基本的情報処理特性である Hick の法則を検証し、人間の情報処理のメカニズムについ て考察する。Hick の法則は、刺激のもつ情報量をＨ(ﾋﾞｯﾄ)，刺激に対する反応時間をＲＴとする と， ＲＴ＝ａＨ＋ｂ （ただし，ａ,ｂは定数） であらわされる。Ｈは各刺激の出現確率を pｉとするとき，-Σpｉlog２pｉで与えられる。各刺激 が等頻度のとき最大となり，その場合は log２n（n は刺激の種類の数）で与えられる。要するに、 人間の情報処理時間は課題のもつ情報量と直線関係があることを示している。 ２．方 法 1)使用機材（図１参照） ・ パーソナルコンピュータ ・ 刺激提示器（7 セグメント LED） ・ 反応スイッチ 図１ 反応時間の測定装置 2)被験者 健康な大学生 名（男 名；女 名；年齢 〜 歳） 3)刺激条件 表１に示す４つの刺激条件が用意されている。刺激提示器には、１選択（単純反応）では０ （零）、２選択では４または５、４選択では３から６までのいずれか、８選択では１から８までの いずれかの数字が提示される。選択反応（２、４、８選択）では各刺激の出現頻度は等しくして いるので、刺激情報量はそれぞれ１、２、３ビットとなる。なお、１選択の情報量は０ビットで ある。
PC
反応スイッチ 刺激提示器表１ ４つの刺激条件 選択肢（刺激の種類の数） １ ２ ４ ８ 刺激（数字） ０ ４，５ ３，４，５，６ １〜８ 刺激情報量（ビット） ０ １ ２ ３ 注）２,４,８選択においては、各刺激の出現頻度は等しい。 4)被験者の課題 各刺激条件において、刺激提示器に表示された数字に対応する反応スイッチ盤上のボタンを正 確、かつ素早く押すことが被験者の課題である。各ボタンには数字ラベルが貼付されており、刺 激数字と対応している。１選択ではボタン０を利き手の人差し指で押す。２選択ではボタン４、 ５をそれぞれ左右の人差し指で押す。４選択ではボタン３から６をそれぞれ左手中指、同人差し 指、右手人差し指、同中指で担当する。８選択では左右の親指以外の８指を使う。ボタン１は左 手小指、ボタン８は右手の小指で担当することになる。測定中は指は軽く担当するボタンに触れ ておく。 5)試行順の決定 各被験者は４つのすべての刺激条件において測定することが望ましいが、時間の制約から、 ２つの刺激条件において測定を行う。試行順は表２に従う。各被験者はランダムに選ばれた刺激 条件をランダムに決められた順で試行することで練習効果を最小限に抑える。一人の被験者につ いて連続して測定を行うと疲労効果があらわれるので、被験者Ａの４選択条件が終わったら、次 は被験者Ｂの２選択条件というようにローテーションを行う。 表２ 試行順 【表中の数字は刺激条件（選択肢数）を示す】 試行順 被験者 １ ２ Ａ ４ ２ Ｂ ２ ８ Ｃ ８ １ Ｄ １ ４ Ｅ ４ ２ Ｆ １ ８ Ｇ ８ １ Ｈ ２ ４ Ｉ ４ ２ Ｊ ２ ８ Ｋ ８ １ Ｌ １ ４ Ｍ ４ ２ Ｎ ２ ８
6)手順 ・ 被験者は反応スイッチの前に座る。 ・ 実験者は反応時間測定システムに適当な刺激条件等を設定し、測定を開始する各刺激条件 においては、練習→本測定の順に行う。 ・ 測定中、被験者は刺激提示器に注意を集中し、できるだけ、正確に、速く反応することを 心がける。予測でボタンを押すことは厳禁である。正しい反応の場合、刺激は即座に消滅 する。ボタンを押したのに刺激が消滅しない場合は、間違った反応であるので、素早く正 しいボタンを押す。刺激は、練習で１６回、本測定で１６回現れる。刺激の出現間隔時間 は約３秒である。 ・ 本測定が終了したら、実験者はコンピュータディスプレイに表示される測定結果をデータ シートに書き写す。 ３．結果の処理 結果の処理では、回帰分析（補足２）などの統計学の手法を使うので、表計算ソフトを利用 が望まれる。
４．データシート 実験日（ ） １選択 ２選択 ４選択 ８選択 被験者 正答数 誤答数 無答数 尚早数 処理数 中央値 平均値 標準偏差 被験者 正答数 誤答数 無答数 尚早数 処理数 中央値 平均値 標準偏差 被験者 正答数 誤答数 無答数 尚早数 処理数 中央値 平均値 標準偏差 被験者 正答数 誤答数 無答数 尚早数 処理数 中央値 平均値 標準偏差 被験者 正答数 誤答数 無答数 尚早数 処理数 中央値 平均値 標準偏差
Ⅱ．Fitts の法則の検証 １．目 的 人間の基本的情報処理特性である Fitts の法則を検証し、理解を深める。Fitts の法則は、 ターゲットまでの距離をＤ，ターゲットの大きさをＳとすると，ターゲットまでの移動時間ＭＴ は以下の式であらわされる。 ＭＴ＝ａｌｏｇ２(Ｄ／Ｓ＋０．５)＋ｂ（ただし，ａ，ｂは定数） この式は，Ｈ＝ｌｏｇ２(Ｄ／Ｓ＋０．５)とおくと，Hick の法則式と同じになる。要するに、 人間の情報処理時間は課題のもつ情報量と直線関係があることを示している。 ２．方 法 1)使用機材（図２参照） ・パーソナルコンピュータ ・タッチパネル付きディスプレイ 図２ 動作時間の測定装置 2)被験者 健康な大学生 名（男 名；女 名；年齢 〜 歳） 3)刺激条件 表３に示す４つの刺激条件について測定を行う。 表３ ４つの刺激条件 サイズ（Ｓ，mm） 刺激情報量（ビット） 2 2.5 3 3.5 距離（Ｄ，mm） 4)被験者の課題 ディスプレイ上に２つの矩形のターゲットが表示される。２つのターゲット内を交互にでき るだけ速く正確に、利き腕の人差し指で打点することが被験者の課題である。 5)試行順の決定 各被験者は４つのすべての刺激条件において測定することが望ましいが、時間の制約から、 ２つの刺激条件において測定を行う。試行順は表４に従う。各被験者はランダムに選ばれた刺激 条件をランダムに決められた順で試行することで練習効果を最小限に抑える。一人の被験者につ
いて連続して測定を行うと疲労効果があらわれるので、被験者Ａの 3 ﾋﾞｯﾄ条件が終わったら、次 は被験者Ｂの 2.5 ﾋﾞｯﾄ条件というようにローテーションをする。 表４ 試行順 試行順 被験者 １ ２ Ａ 3 2.5 Ｂ 2.5 3.5 Ｃ 3.5 2 Ｄ 2 3 Ｅ 3 2.5 Ｆ 2.5 3.5 Ｇ 3.5 2 Ｈ 2 3 I 3 2.5 注）表中の数字は刺激条件（刺激情報量）を示す。 6)手順 ・ 被験者はタッチパネルの装着されたディスプレイの前に座る。 ・ 実験者は動作時間測定システムに適当な刺激条件等を設定して、測定を開始する。各刺激 条件においては、練習→本測定の順に行う。 ・ 被験者は練習において 5 秒間、本測定において 15 秒間，ターゲットの交互打点課題を行 う。課題実行中、被験者はディスプレイに常に正対し，できるだけ速く正確に打点するこ とを心がけるが、正確さをやや優先させる。 ・ 練習のあとは、エラー率に注目する。エラー率が 10％以上の場合は、次の本測定では正確 性を期すようにすること。本測定においてもエラー率が 10％以上の場合は、10％以下にな るまで本測定を繰り返す。 ・ 本測定が終了したら、実験者はコンピュータディスプレイに表示される測定結果を をデータシートに書き写す。 ３．結果の処理
結果の処理では、回帰分析（補足２）などの統計学の手法を使うので、表計算ソフトを利
用が望まれる
４．データシート 実験日（ ） 情報量( bits) サイズ( mm) 距 離( mm) 情報量( bits) サイズ( mm) 距 離( mm) 情報量( bits) サイズ( mm) 距 離( mm) 情報量( bits) サイズ( mm) 距 離( mm) 被験者 動作時間（中央値 ms） 動作時間（平均値 ms） エラー率（％） 打点回数 被験者 動作時間（中央値 ms） 動作時間（平均値 ms） エラー率（％） 打点回数 被験者 動作時間（中央値 ms） 動作時間（平均値 ms） エラー率（％） 打点回数 被験者 動作時間（中央値 ms） 動作時間（平均値 ms） エラー率（％） 打点回数 被験者 動作時間（中央値 ms） 動作時間（平均値 ms） エラー率（％） 打点回数
【補 足】 １．ラテン方格法 ４人の被験者にＳ１，Ｓ２，Ｓ３，Ｓ４に対して，Ｃ１，Ｃ２，Ｃ３，Ｃ４の４つの条件下で ある実験を行いたいと考えたとしよう。 もし，表５に示すように，すべての被験者にＣ１，Ｃ２，Ｃ３，Ｃ４の順で実験を行ったとす ると，得られた結果には，順序効果が含まれているおそれがある。つまり，Ｃ１という条件では 被験者はいつも課題に不慣れなまま反応しなければならなかったかもしれないし、Ｃ４という条 件では慣れが進んでいたり，あるいは疲れてしまった状態で反応しなければならなかったかもし れない。 このような偏りが実験結果に混入することを避けるには，各被験者にランダムな順序で実験条 件を割り当て，しかも各順序において各実験条件が１回ずつ入るようにすればよい（表６参照）。 一般にｎ種の文字Ｃ１，Ｃ２，･･････，Ｃｎをｎ×ｎの正方行列の形にしかも各行各列にちょう ど一種類ずつあらわれるようにしたものをｎ×ｎラテン方格という。 表５ 練習効果を考慮しない試行順 試行順 被験者 １ ２ ３ ４ Ｓ１ Ｃ１ Ｃ２ Ｃ３ Ｃ４ Ｓ２ Ｃ１ Ｃ２ Ｃ３ Ｃ４ Ｓ３ Ｃ１ Ｃ２ Ｃ３ Ｃ４ Ｓ４ Ｃ１ Ｃ２ Ｃ３ Ｃ４ 表６ 練習効果を考慮した試行順（ラテン方格法の利用） 試行順 被験者 １ ２ ３ ４ Ｓ１ Ｃ３ Ｃ１ Ｃ２ Ｃ４ Ｓ２ Ｃ１ Ｃ２ Ｃ４ Ｃ３ Ｓ３ Ｃ２ Ｃ４ Ｃ３ Ｃ１ Ｓ４ Ｃ４ Ｃ３ Ｃ１ Ｃ２ ２．相関分析と回帰分析 いくつかの変数の相互の関係を知る手法としては，相関分析と回帰分析が知られている。相関 分析は，関心のある１組の変数の間に何らかの関連があるかどうかを知りたいときに用いられる 手法である。例えば，喫煙と心臓病，音楽に対する感受性と科学的才能，無線受信と太陽黒点の
活動などに，何らかの関連性があるかどうかを知りたいときがそうである。
変数間の相関の程度は相関係数とよばれる測度であらわされる。２組の事象Ｘ，Ｙに関してｎ 人の被験者のデータを(x1,y1)，(x2,y2)，････，(xn,yn)，それぞれの事象におけるデータの平均値 を xmean，ymeanとおくと，相関係数ｒは次式で求められる。
ｒ＝Σ(xi-xmean)(yi-ymean)／（Σ(xi-xmean)2Σ(yi-ymean)2）1/2
相関係数はー１から＋１の値をとり，絶対値が１に近いほど，２組の変数間の関連が強いとい うことになるが，一般には -0.2〜0.2 ほとんど関連しない 0.2〜0.4（-0.4〜-0.2） やや関連がある 0.4〜0.7（-0.7〜-0.4） かなり関連がある 0.7〜1.0（-1.0〜-0.7） 非常に強い関連がある がひとつの目安となる。また，図３はさまざまなＸとＹの関係における相関係数を示したもので ある。 図３ データの散布度合と相関係数 相関係数を２変数間の直線的関連性の強さの測度とするのは純粋に数学的な解釈であって，こ れらの変数の間に何らかの因果関係があるという意味は全く含まれていないことに注意を要する。 さて，ＸとＹの間に強い正の相関（または負の相関）がみられる場合には，Ｘが大きくなれば Ｙも大きくなる（または小さくなる）ことから，一方の値を知って，他方の大まかな値を予測す
ることができる。このような予測の問題を取り扱う手法を回帰分析とよぶ。
ＸからＹを予測する最も簡単な方法として，一次式 Y=aX+b によってＹの値を予測することが考 えられる。未知の定数ａ，ｂを定めるには最小二乗法を用いる。それによると，定数ａ，ｂは次 式で求められる。
ａ＝Σ(xi-xmean)( yi-ymean)／Σ(xi-xmean)2 ｂ＝ymean−axmean
このようにして求められた一次式は回帰直線方程式とよばれる。回帰分析には，ここで説明し た直線回帰以外に，多重線形回帰や非線形回帰といった手法もある。
