認知発達と知能のネットワークモデル

高校生向けのやさしい解説

頭のよさを測るテストでは、計算が得意な人は読解も得意、という具合に得点どうしが正の相関を持ちます。これを昔は「知能 g という一つの中身がある」と説明しました。でもこの論文は「そんな単一の中身を仮定しなくても、記憶・推論・言語などの能力が発達の途中でお互いを引き上げ合うネットワークだと考えれば、正の相関は自然に生まれる」と示します。しかも同じネットワークの『つながりの強さ』を変えるだけで、なだらかな成長にも、ピアジェのような段階的なジャンプにもなる——認知の仕組みと個人差を一つの絵でつなぐ論文です。

概要

本論文は、認知の機構（mechanisms）を扱う実験心理学と、個人差（intelligence）を扱う相関心理学という Cronbach (1957) の「2 つの学問」の分断を、ネットワークモデリングで架橋することを主張する。一般知能の正の多様体（認知能力テスト得点間の正相関）を説明する 3 モデル（g 因子モデル・サンプリングモデル・相利共生モデル）を比較し、著者らの相利共生（mutualism）モデル——W 個の認知過程が相互に成長を促進し合う Lotka–Volterra 型力学系——が、g を「脳内の単一実体」と仮定せずに正の多様体を創発させると論じる。さらにネットワークモデルが現代心理測定（因子モデル / IRT）と数学的に等価であること（Ising モデル ≡ 多次元 2 パラメータ IRT、相利共生 ≡ 因子モデル）を示し、ネットワークの相転移（カスプ破局・Ising 温度）が Piaget 的な離散的発達段階と連続的発達の双方を同一ネットワークから生み出すことを示す。

主要概念

認知の機構と個人差はネットワークで架橋できる

“we argue that network modeling is a promising approach to integrate the processes of cognitive development and (developing) intelligence into one unified theory.” (Abstract)

機構（個人内の過程）と個人差（個人間の変動源）を統合するモデルが必要で、ネットワークモデルはその両方を担える。従来の g 因子モデルは潜在変数 g が何を表すか（脳の大きさ？作業記憶？処理速度？）が 100 年の研究でも未解決という限界を持つ。

相利共生モデル — 相互促進する認知過程のネットワーク

“growth in one aspect is partly autonomous and partly based on growth in other aspects.” (p.5)

各過程の成長を「自律的ロジスティック成長＋他過程との相利的相互作用（行列 M）」で記述する（Eq.1）。個人差は限界容量 K の差（遺伝＋環境）に由来し、単一の個人差源（g）は存在しない。等相互作用の相利共生モデルと 1 因子モデルは同一の共分散行列を生む——すなわち g は創発的記述であって脳内実体ではない。

同一ネットワークが連続的・離散的発達を生む（相転移）

“the same network can give rise to both continuous and discontinuous cognitive-intellectual development.” (p.2)

強磁性を説明する Ising モデルが多次元 2 パラメータ IRT と数学的に等価であり、ネットワークの温度（結合強度）に応じて潜在特性分布が単峰（連続的発達）にも双峰（段階移行）にもなる。Piaget 的段階移行はカスプ破局として相転移で記述できる。統一モデルは相利共生・環境を介した乗数効果・サンプリング・作業記憶の中心性の 4 要素を統合する。

関連

• 創造（creation-space: 場→波→縁→渦→束）: 相互作用ネットワークの相転移を扱うため 5 段階の全段階に対応する。場（相互作用前の自律成長を持つ認知過程ノード群）、波（発達中にネットワークを伝播する相互促進的成長）、縁（相互作用行列 M・カスプ破局・Ising 相転移＝段階移行の臨界）、渦（創発する正の多様体・新段階という alternative stable state）、束（g 因子・因子構造・IRT として再利用される不変則）。同領域の D23-S14 van Geert (1998) が個別成長軌道の力学を扱うのと相補的で、本論は認知過程ネットワークの創発構造を扱う。詳細は creation-space の D23 source-note を参照。

書誌情報

• 著者: Han L. J. van der Maas, Kees-Jan Kan, Maarten Marsman, Claire E. Stevenson（University of Amsterdam）
• 年: 2017
• 出典: Journal of Intelligence 5(2), 16
• access_status: raw-confirmed（MDPI gold OA, CC BY, 全文精読）
• DOI: 10.3390/jintelligence5020016
• オープンアクセス: PDF