Towards the definition and measurement of routines and the cognitive processes that underpin their maintenance

この論文は、遷移エントロピーを用いてルーチンを定量化する新たな手法を提案し、タスクの頻繁な切り替えが報酬の期待感に対する感受性の変化を通じてルーチンの維持を阻害することを、2 つの実験と規範モデルを通じて実証しています。

要約

🗺️ 物語：2 つの「家」と「宝」を探すゲーム

研究者たちは、参加者に**「16 個のマス目がある部屋」でゲームをしてもらいました。
その部屋には、「動物の絵（宝）」**が隠されています。

• ルール: 宝を見つけるには、マスをクリックして中身を確認します。
• 2 つの「家」: 部屋の壁の色（青か赤）によって、宝が隠れている**「4 つの特定のマス」**が決まっていました。
  • 青い壁＝「青の家」の 4 マス
  • 赤い壁＝「赤の家」の 4 マス
• 目標: できるだけ少ないクリック数で宝を見つけること。

🧠 実験の核心：「習慣」の強さを測る新しいものさし

これまでの研究では、「正しい順序」が決まっている行動（ピアノの曲を弾くなど）しか見ていませんでした。しかし、日常のルーチン（朝起きて、歯を磨いて、コーヒーを淹れる）には「正解」がなく、**「自分なりの順序」**があります。

そこで研究者は、**「遷移エントロピー（Transition Entropy）」という新しいものさしを使いました。
これを「行動の予測しやすさ」**と考えるとわかりやすいです。

• エントロピーが低い（＝ルーチンが強い）: 「いつも A→B→C の順で動く」というように、行動が予測可能で一定であること。
• エントロピーが高い（＝ルーチンが弱い）: 「今日は A→C、明日は B→A」とぐちゃぐちゃで予測できないこと。

⚡ 実験の結果：「不安定な環境」が習慣を壊す

参加者は 2 つのグループに分けられました。

1. 安定グループ（Stable）: 壁の色が変わる（タスクが切り替わる）確率が5%（ほとんど変わらない）。
2. 変動グループ（Variable）: 壁の色が変わる確率が30%（結構頻繁に変わる）。

【発見 1：環境が不安定だと、習慣は崩れる】
「安定グループ」は、一度見つけた家のマス目をすべてチェックしてから、次の家へ移るという効率的な「習慣」を作りました。
しかし、「変動グループ」は、まだチェックしていない「別の家のマス」を、先回りしてチェックすることが多くなりました。
つまり、**「環境が不安定だと、脳は「もしかして今、ルールが変わったかも？」と疑い始め、習慣的な行動（ルーチン）を崩して、あちこち飛び回ってしまう」**ことがわかりました。

【発見 2：なぜ飛び回るのか？「失敗」への過敏反応】
なぜ「変動グループ」はルールに従わずに飛び回ったのでしょうか？
研究者は、脳の計算モデルを使って分析しました。

• 安定グループ: 「今、この家のマスをチェックすれば、宝が見つかる確率は高い」と信じて、コツコツとチェックし続けます。
• 変動グループ: 1 回や 2 回チェックしても宝が見つからないと、「あ、もしかしてルールが変わった！別の家にあるかも！」とすぐに疑い始めます。

これは、**「少しの失敗（宝が見つからないこと）に敏感になりすぎて、すぐに『別のやり方』を試そうとしてしまう」状態です。
日常で言えば、「朝のコーヒーがまずいから、今日は違うカフェに行こう」とすぐに考えを変えてしまうような、「忍耐の欠如」**が習慣を壊す原因のようです。

🔄 習慣の「代償」：柔軟性とのトレードオフ

ここで面白い逆転現象が起きました。

• 習慣が強い人（安定グループ）: 既存のルールに忠実ですが、「新しいルール（新しい家の組み合わせ）」を覚えるのが苦手でした。
• 習慣が弱い人（変動グループ）: 習慣は崩れていましたが、「新しいルール（新しい家の組み合わせ）」を覚えるのが得意でした。

【メタファー：道案内アプリ】

• 習慣が強い人は、「決まったルート」を信じて走り続けます。だから、そのルートなら最速ですが、「新しい道」が見つかったとき、「いや、いつものルートだ」と信じてしまい、新しい道に気づきにくいのです。
• 習慣が弱い人は、「常に新しい道を探している」ので、ルートは非効率ですが、「新しい道」に気づくのが早く、柔軟に対応できるのです。

💡 結論：私たちが学ぶこと

この研究は、「習慣を維持すること」と「新しいことに適応すること」は、実は相反する能力であることを示唆しています。

1. 習慣が壊れる理由: 環境が不安定だったり、少しの失敗に敏感になりすぎたりすると、脳は「今のやり方はダメだ」と判断し、習慣を捨ててしまいます。
2. 習慣のメリットとデメリット: 習慣は効率化には素晴らしいですが、「新しい変化に対応する柔軟性」を犠牲にする可能性があります。

日常への応用:
もしあなたが「新しいことを学びたい」なら、あえて**「少しの失敗に過敏になりすぎず、あえて新しい可能性を探る（習慣を少し崩す）」ことが重要かもしれません。逆に、「効率よく毎日を送りたい」なら、「失敗してもすぐに諦めず、同じ習慣を信じて続ける」**ことが鍵になります。

私たちが「朝のルーチン」を維持できるのは、脳が「失敗しても大丈夫だ」と信じているからであり、それが崩れると、私たちはすぐに「別のやり方」を探し始めてしまうのかもしれません。

技術概要

この論文「ROUTINES AND COGNITIVE CONTROL: Towards the definition and measurement of routines and the cognitive processes that underpin their maintenance（ルーチンと認知制御：ルーチンの定義・測定、およびその維持を支える認知プロセスの解明）」の技術的サマリーを以下に提示します。

1. 研究の背景と問題提起

日常的な機能においてルーチン（習慣的な行動順序）は極めて重要であるが、その維持メカニズムや、なぜ環境が不安定な場合にルーチンが崩壊するのかについての理解は未だ不十分である。

• 既存の課題: 従来の研究では、行動の順序が「決定論的（固定的）」であると仮定されることが多く、個人が自発的に行動順序を構築・維持するプロセス（自己順序付け）を定量的に評価する指標が欠如していた。
• 核心的な問い:
  1. 環境の不安定性（タスク切り替えの頻度）がルーチンの維持にどのような影響を与えるか？
  2. ルーチンの崩壊を引き起こす認知的メカニズム（特に、他タスクへの干渉や確率推定の誤り）は何か？
  3. ルーチンの厳格な維持が、新しいタスクへの学習転移（Generalization）にどのような代償をもたらすか？

2. 方法論 (Methodology)

実験デザイン

Barnes et al. (2026) のデータを再分析し、2 つの実験（各 N=100）を用いた。

• タスク: 16 マスのグリッドから隠されたターゲット（動物画像）を見つける検索タスク。
• 条件:
  • 獲得フェーズ: 色のついた枠（Task A または Task B）で、特定の 4 マスのみがターゲット候補であることを学習。
  • リハーサルフェーズ: 色のついた枠を除去し、タスクが切り替わる可能性のみを提示。
    • Stable 群: タスク切り替え確率 $p=0.05$（稀）。
    • Variable 群: タスク切り替え確率 $p=0.30$（頻繁）。
  • 転移テスト（実験 1 のみ）: 新しい色の枠に対し、既知のタスクをそのまま適用する「アイデンティティ転移」と、2 つのタスクの要素を混合する「ミックス転移」の 2 種類を学習させる。

新規指標：遷移エントロピー (Transition Entropy: TE)

ルーチンの維持度を定量化するために、従来の分散ベースの指標ではなく、遷移エントロピー (TE) を提案・採用した。

• 定義: 状態（グリッド上のマス）から次の状態へ遷移する際の不確実性（ランダム性）をエントロピーで計算する。
• 計算式:
  1. 各状態 $s$ からの遷移確率 $p(s'|s)$ を算出。
  2. 各行のエントロピー $H_s = -\sum p(s'|s)\log p(s'|s)$ を計算。
  3. 全状態にわたって平均化した値を TE として算出。
• 特徴: 訪問したマスの総数に依存せず、**「行動順序の予測可能性」**のみを評価する。TE 値が低いほどルーチンが厳密に維持されている（順序が予測可能）ことを示す。

数理モデル（規範モデル）

参加者がタスク切り替えの確率や成功の確率をどのように推定しているかをモデル化し、実際の行動（クロスタスク選択）との関係をロジスティック回帰分析で検証した。

• 推定変数:
  • 現在のタスクが前回のタスクである確率（タスク・オッズ）。
  • 現在のタスクに固執した場合の成功確率（成功オッズ）。
• 分析: これらの推定値が、クロスタスク（他タスクのマス）への誤った選択を予測するかを調べる。

3. 主要な結果 (Results)

1. ルーチンの誘発と TE の有効性:

   • 参加者は偶然以上の規則的な行動順序（ルーチン）を維持しており、TE 値は統計的に有意に低かった（$p < .001$）。これにより、TE がルーチン維持の指標として有効であることが確認された。

2. 環境の不安定性がルーチンを破壊する:

   • Variable 群（頻繁な切り替え） は Stable 群（稀な切り替え） に比べて、有意に高い TE 値を示した。
   • 頻繁なタスク切り替えは、ルーチンの維持を妨げ、行動順序の乱れ（不規則性）を増大させることが示された。

3. 崩壊のメカニズム：成功確率への感受性の低下:

   • 頻繁な切り替え条件下では、参加者は「現在のタスクに固執した場合の成功確率」に対して感受性が低下していた。
   • 具体的には、成功確率が依然として高いにもかかわらず、Variable 群は早期に他タスクのマスを選択する傾向が強かった。これは、環境の不確実性に対する「失敗への過剰反応」や、他タスクへの探索的行動（Early wins を狙う）が、最適戦略（現在のタスクを完遂する）を阻害したことを示唆する。
   • 一方、「現在のタスクである確率（タスク・オッズ）」の推定自体は群間で差が見られなかった。

4. ルーチン維持と学習転移のトレードオフ:

   • 実験 1 において、リハーサル段階での低い TE 値（強いルーチン維持）は、「ミックス転移」タスクの学習遅延と有意な負の相関を示した。
   • 即ち、既存のルーチンを厳密に維持する参加者ほど、異なるタスク要素を組み合わせる新しい課題への適応が遅かった。これは、タスク表現の明確な分離（Demarcation）が、新しい組み合わせの学習を阻害する可能性を示している。

4. 主要な貢献 (Key Contributions)

1. ルーチンの定量的定義と測定指標の確立:
   • 行動の「自己順序付け」を定量化するための新規指標「遷移エントロピー (TE)」を提案し、従来の指標（行動回数や分散）の限界（タスク精度との混同など）を克服した。
2. ルーチン崩壊の認知的メカニズムの解明:
   • ルーチンの崩壊が単なる「習慣の弱体化」ではなく、**「成功確率の推定に対する感受性の低下（過剰な探索や他タスクへの移行）」**によって引き起こされることを示した。
3. 適応性と柔軟性のトレードオフの提示:
   • 環境が安定している場合、厳密なルーチン維持は効率的だが、環境が変化したり新しい組み合わせが必要になった場合、その維持が学習転移を阻害する（柔軟性の低下）というトレードオフを実証した。

5. 意義と結論 (Significance)

本研究は、ルーチンが単なる自動的な行動連鎖ではなく、環境の不確実性に対する確率的推定に基づいて動的に維持・調整されていることを示した。

• 理論的意義: 習慣形成や認知制御のモデルにおいて、環境の「変動性（Volatility）」がタスク表現の境界を曖昧にし、結果としてルーチンの維持を困難にするメカニズムを解明した。
• 実用的意義: 日常生活におけるルーチンの失敗（例：新しい環境での習慣の崩壊）は、単なる意志力の問題ではなく、環境の不確実性に対する認知バイアス（失敗への過剰反応や他タスクへの過剰な期待）に起因する可能性がある。
• 将来展望: TE 指標を用いることで、臨床的な習慣障害や、AI の適応的行動制御における「探索と利用（Exploration-Exploitation）」のバランスに関する研究への応用が期待される。

要約すれば、この論文は「ルーチンとは、環境の安定性に応じて、成功確率の推定に基づいて維持される予測可能な行動順序であり、その維持は環境の不安定性によって阻害され、その代償として新しいタスクへの柔軟な適応能力が低下する」という新たな枠組みを提示したものである。