mcpField
G
grad-dual-process

grad-dual-process

github.com/asgard-ai-platform生産性24335 回インストール21 週間前に更新
リポジトリ

grad-dual-process について

二重過程理論を用いて意思決定を分析するスキルです。状況を分類し、ヒューリスティックによるリスクを特定して、意思決定環境の調整策を示します。

主な機能

  1. 01意思決定環境の分類
  2. 02ヒューリスティックとバイアスの整理
  3. 03バイアス低減策の提案
  4. 04直感が役立つ状況の特定

活用シーン

  1. 01時間的制約下の判断の検討
  2. 02プロセスに潜むヒューリスティックの監査
  3. 03チェックリストや選択環境の設計

インストール

コマンドをコピーしてターミナルで実行します。

$npx skills add https://github.com/asgard-ai-platform/skills --skill grad-dual-process

インストール後、Claude Code で/grad-dual-processを入力して読み込まれたか確認します。

同梱ファイルexamples/sample_scenario.md

詳細

二重過程理論

概要

二重過程理論(Kahneman, 2011; Stanovich & West, 2000)では、認知処理の2つのモードを区別します。システム1は高速で自動的、ヒューリスティック主導であり、システム2は低速で意識的、ルールベースです。ほとんどの判断はシステム1が担います。効率的である一方、ヒューリスティックが誤って機能すると、体系的なバイアスが生じやすくなります。

使用する場面

  • 時間的制約や複雑さのもとで、関係者が予測可能な判断ミスをする理由を説明する場合
  • システム1の既定の判断を補う意思決定環境(ナッジ、チェックリスト)を設計する場合
  • 既存のプロセスを監査し、ヒューリスティックによる近道がリスクを招く箇所を特定する場合
  • 直感的な専門知識が信頼できる場合と、誤解を招く場合を評価する場合

使用しない場面

  • アルゴリズム的な手順で意思決定がすでに適切に構造化されている場合(バイアスが排除されているため)
  • あらゆる直感的な判断を退ける口実として使う場合 — 妥当性の高い環境では、専門家の直感が正確なこともあります
  • 問題が認知的なものではなく、動機に関するものである場合(人々は正解を知っていても、別の選択をします)

前提条件

IRON LAW: System 1 operates by DEFAULT — System 2 engagement
requires cognitive effort and is easily depleted. Under time
pressure, cognitive load, or ego depletion, System 1 dominates
and heuristic biases amplify.

主な前提:

  1. システム1とシステム2は処理モードを表す比喩であり、個別の脳システムではありません
  2. ヒューリスティックは一般に適応的であり、バイアスは境界条件で生じます
  3. システム2はシステム1を抑制できますが、きっかけがあり、認知資源に余裕がある場合に限られます

方法論

ステップ1 — 判断または意思決定の状況を特定する

時間的制約、複雑さ、慣れ、利害の大きさ、感情的な関与など、意思決定の状況を明らかにします。

ステップ2 — 処理モードを分類する
特徴システム1システム2
速度高速、自動的低速、労力を要する
意識無意識意識的
処理能力高い(並列)低い(直列)
基盤ヒューリスティック、連想ルール、論理
エラーの種類体系的なバイアス計算ミス
起動要因既定の状態、慣れ新規性、矛盾の検出
ステップ3 — 関連するヒューリスティックとバイアスを把握する

システム1による一般的なヒューリスティックと、その失敗要因:

  • 利用可能性:思い出しやすさから頻度を判断する — 顕著性や新しさに左右されます
  • 代表性:類似性から確率を判断する — 基準率を無視します
  • アンカリング:初期値から調整して推定する — 調整が不十分になります
  • 感情:感情的な反応からリスクや利益を判断する — 統計的な証拠を軽視します
ステップ4 — 介入策を設計する
  • バイアスを低減する:意思決定を遅らせ、明示的な根拠を求め、プレモーテムを活用します
  • ナッジを行う:選択アーキテクチャを再構成し、システム1の既定の判断を望ましい結果に沿わせます
  • 強みを活用する:妥当性が高く、フィードバックが速い領域で、パターン認識などのシステム1の強みを活用します

出力形式

## Dual-Process Analysis: [Context]

### Decision Environment
- Time pressure: [High/Medium/Low]
- Complexity: [High/Medium/Low]
- Emotional involvement: [High/Medium/Low]
- Dominant processing: [System 1 / System 2 / Mixed]

### Heuristic-Bias Map
| Heuristic | Bias Triggered | Evidence | Risk Level |
|-----------|---------------|----------|------------|
| [heuristic] | [bias] | [observation] | [High/Med/Low] |

### Intervention Design
1. [De-biasing or nudge strategy]
2. [Process change]
3. [Environmental redesign]

注意点

  • システム1/システム2は有用な比喩であり、文字どおりの脳の構造ではありません — 両者の違いを実体視しないでください
  • 専門家の直感(システム1)は、明確なフィードバックと規則的なパターンがある領域(例:チェス、消防活動)で非常に高い精度を発揮します
  • バイアス低減のトレーニングは他の状況に応用されにくく、個人を訓練するよりも環境を変えるほうが効果的です
  • 認知的消耗の影響には議論があります。単純な「意志力バッテリー」モデルを前提にしないでください
  • システム2が本質的に「優れている」わけではありません — 低速でコストがかかり、動機づけられた推論の影響も受けます
  • 人は自信と正確さを混同しがちです。システム1による自信が高くても、正しいとは限りません

参考文献

  • Kahneman, D. (2011). ファスト&スロー あなたの意思はどのように決まるか? Farrar, Straus and Giroux.
  • Stanovich, K. E. & West, R. F. (2000). 推論における個人差:合理性をめぐる議論への示唆. Behavioral and Brain Sciences, 23(5), 645-665.
  • Tversky, A. & Kahneman, D. (1974). 不確実性下の判断:ヒューリスティックとバイアス. Science, 185(4157), 1124-1131.

コメント