再帰的価値地平モデル
RVHM RESEARCH / DETAIL

自分は今どの地平に立っている？

Modeling Recursive Choice in the Exploration of Value Horizons

RVHM価値の地平
診断を始める

人は、意識が明瞭な状態だけでなく、前意識的な状態でも、五感や記憶を通してインプットを繰り返している。

何かの判断を迫られるとき、私たちは決断を下す。一方で、その決断内容を修正したり、選択肢を選び直したりすることもできる。人との出会いや経験を通じて、何を価値の基準にするかという「価値の地平」まで変容することがある。

このような柔軟さは人によって異なるけれど、取捨選択を繰り返すサイクルは、人間の日常を支える最小クラスの活動の一つだろう。そのサイクルは単なる一方通行ではなく、さまざまな分岐を含んでいる。本研究では、それを一つのモデルとして、次の四段階を循環するプロセスと仮定する。

  1. 1．意識的な状態か、前意識的な状態か
  2. 2．視点が拡張的に働くか、拡散的に働くか
  3. 3．求める情報を獲得するか、予期しない情報に巡り合うか、あるいは見過ごすか
  4. 4．その時点で判断を下す必要があるかどうか

ここでいう「拡張的」とは、現在の問いや関心に沿って、関連する情報や選択肢を広げていく働きを指す。一方、「拡散的」とは、その問いや関心に限定されず、視点が複数の方向へ開かれていく働きを指す。前者が求めるものをさらに探していく方向だとすれば、後者は、まだ求めていなかったものとの巡り合いにも開かれる方向である。

判断を下したとしても、その結果を修正したり、新たな選択肢を探したりすることはできる。判断が必要でなければ、探索はそのまま続く。

この循環が続く理由があるとすれば、その前提には、人間は意図せずとも探索を続ける生き物である、という見方がある。人間の活動を身体的な感覚への反応だけで捉えるならば、選び直したり、価値の基準そのものを問い直したりする柔軟さを、十分に説明できない。

そういう意味では、取捨選択を循環させる仕組みを、人間性の最小の形式として見立てることができるのではないだろうか。

さらに、次の循環を促す要請が、一つ前のサイクルの結果に埋め込まれていると位置付ければ、この仕組みを再帰的モデルとして簡素な一般式で表すことができる。

たとえば、ロボット掃除機が、それまでの位置情報を手がかりに次の行き先を決めるように、人間の取捨選択でも、一つ前の結果が次の探索の出発点になる。ただし、ここでいう再帰性は、前の情報を引き継ぐことだけではない。選び取った結果を再び問いの対象に含め、同じ取捨選択のプロセスへ戻していくことにある。

このような形式をAIを用いてプログラムとして実装し、可視化したものが、上記のRVHM（Recursive Value Horizon Model）の循環図です。

TOPへ戻る ↑

BEHIND YOUR CHOICES

性格を固定せず、
選択の変化をたどる。

RVHMは、いまの状態から問いを立て、価値領域の変化を捉え、次の判断へつなぐモデルです。結果は今回の回答から見える価値の傾向です。

これは自己理解のための探索版です。心理尺度として妥当性を検証した性格検査ではありません。領域や深度は、人としての優劣を表しません。

RVHM — GENERAL FORMULA

RSₙ := Kₙ + RSₙ₊₁

Hₚ := Connect(source) → Fₚ := Normalize(Hₚ)
VP₀ := Infer(Fₚ, I₀) → RS₀
Sₙ {Con | Pre} → M₁ → Qₙ (εₙ, δₙ)
→ M₂ → Tₙ {L | H | F} → M₃
→ Jₙ {Dₛ | Rₛ} → M₄

一般式と診断への対応を見る
初期位置 VP₀ は、購入履歴 Hₚ と5つの初期質問 I₀ から作る暫定推定です。購入履歴がない場合は質問のみで生成します。この試作版はRVHM Amazon Bridgeを介してログイン済みのAmazon注文履歴タブから商品名・注文日・価格だけを受け取り、ブラウザ内で解析します。センシティブな購入内容は推定に使いません。
実装上の解釈：o(A)=1、o(B)=2、o(C)=3、o(D)=4。χのa〜dは4領域の観点に対応します。εは「理由を説明できる度合い」、δは「まだ言葉にならない惹かれ方」の自己申告値として扱います。M₁〜M₄は各ブロック間の接続です。
Lは順序が大きい領域への移動、Hは同領域の維持、Fは観点の縮小または順序が小さい領域への移動。Hでχが真に拡大したときだけEが成立します。Rₛは探索継続、Dₛは今回の判断を確定。このVer.2では、揺らぎがHならρを1、領域移動なら1増やします（上限10）。同領域の観点縮小では維持します。
自動探索の基本確率：PreはH 80%・L 10%・F 10%、ConはH 88%・L 2%・F 10%。境界で該当する移動先がない場合は現在位置を維持します。設問と数値への対応は、この探索版のために設計したものです。ρはこのセッションでの成熟度を示し、習熟度の測定値ではありません。回答はページを閉じると消えます。