The Optimal Intensity of Performance Evaluation

技術的要約：パフォーマンス評価の最適強度

問題提起
パフォーマンス評価は高等教育における中心的なガバナンス手段となっているが、評価の強度がいつ有益性を失い、組織目標を損なわせ始めるのかという点について、この分野には形式的な理解が欠けている。グッドハートの法則（1975年）やキャンベルの法則（1979年）は、「指標が目標となったとき、それはもはや良質な指標ではなくなる」という修辞的な警告として広く引用されているが、これらは依然として解釈的なメタファーに留まっており、定量化可能なモデルにはなっていない。既存の文献は、メトリックの過負荷や目標の置換を定性的に記録しているものの、評価強度と成果との間の非単調な関係を、制度的閾値や内生的な緩和メカニズムを組み込んだ形で記述する形式的なモデルは提示できていない。その結果、政策立案者は、いつ評価が助けとなり、いつ害となるのかを判断できず、また異なる種類の定性的レビューを区別することもできない。

方法論
本論文は、組織経済学、動機付け心理学、および高等教育政策分析を統合した形式的な閾値モデルを開発する。手法は、以下の3つの明確な定式化を通じて進行する。

1. 静的単変数モデル： モデルは、組織の有効性 $U(k)$ を、アライメント（整合性）による便益 $U_1(k)$ と、機能不全によるコスト $U_2(k)$ の純結果として定義する。ここで、$k$ は評価強度を表す。

   • アライメントによる便益： 調整とフィードバックに対する限界収穫逓減を反映し、凹型の指数関数 $A(1 - e^{-\alpha k})$ としてモデル化される。
   • 機能不全コスト： 区分関数としてモデル化される。臨界閾値 $k_0$ 未満では、コストは線形に増加する。$k_0$ を超えると、2つの補強的なフィードバック・メカニズム（ゲーミングが常態化する「社会的規範効果」と、短期的な成果に反応して管理側が指標を強化する「組織的増幅効果」）により、コストは指数関数的に加速する。
   • 結果： この構造は、強度と有効性の間の逆U字型の関係をもたらし、過剰な評価が評価を行わない場合よりも組織を悪化させる「損益分岐点」を生じさせる。

2. 二変数拡張（定性的判断）： モデルは、定性的判断のための重み $w$ を導入し、それを相互に代替不可能な3つのレバーへと分解する。

   • ピアレビュー ($w_p$): 主に情報非対称性を減少させることで、閾値 $k_0$ を引き上げる。
   • 価値志向 ($w_v$): 指標を制度的ミッションに適合させることで、主に便益の上限 $A$ を引き上げる。
   • 手続き的正義 ($w_j$): 主に不満を緩和することで、基礎的な機能不全コスト $B$ を低減させる。
   • この定式化は、未分化な「定量的対定性的」という議論を、特定のパラメータをシフトさせる特定のレバーを持つパラメータ化された設計空間へと置き換えるものである。

3. 動的ドリフト・拡散レイヤー： 行動の経時的進化を捉えるために、本論文はフォッカー・プランク方程式を採用する。

   • メカニズム： 教員の努力を、品質スペクトル $x \in [0,1]$（$x=0$ は純粋なメトリック最適化、$x=1$ は真の価値創造）における密度分布 $e(x,t)$ としてモデル化する。
   • ドリフト： 閾値 $k_0$ を超えると、分布を低品質なメトリック最適化へと押しやるドリフト速度項が活性化する。
   • 結果： このレイヤーは、メトリックのスコア ($M(t)$) が上昇している間でも、真の価値 ($V(t)$) が単調に減少していくことを示し、グッドハートの法則に対する動的な微視的基礎を提供する。

主要な結果

• 逆U字型関係： モデルは、組織の有効性が評価強度に対して逆U字型の曲線を描くことを確認している。最適な強度 $k^{**}$ と、純効用が負になる損益分岐点 $k_{be}$ が存在する。
• 閾値の存在： 臨界的な制度的閾値 $k_0$ が存在する。この点を超えると、社会的規範のティッピングポイントにより、機能不全は急速に加速する。
• 差別化されたレバー： 定性的判断はモノリスな解決策ではない。ピアレビューは $k_0$ を引き上げる主要なメカニズムであり、価値志向は最大潜在便益を高め、手続き的正義は管理コストのベースラインを下げる。
• 動的な乖離： $k > k_0$ のレジームにおいて、モデルは、教員の努力分布がメトリック・ゲーミングへとシフトすることによって、メトリック・スコアが増加する一方で真の組織的価値が減少するという、漸進的な乖離を予測する。

6つの反証可能な命題
本論文は、モデルを、実証研究のための具体的な識別戦略を伴う6つのテスト可能な命題に集約している。

1. 非単調性： 評価強度と有効性は逆U字型を描く（制度パネルデータにより検証可能）。
2. 閾値効果： 機能不全は臨界閾値を超えると急速に出現する（中国の「破五唯」のような改革を用いた差の差分析により検証可能）。
3. 調整作用： 定性的判断は閾値 $k_0$ を高める（媒介モデルにより検証可能）。
4. 差別的効果： ピアレビューは手続き的正義よりも強く $k_0$ を引き上げる（階層回帰における交互作用項により検証可能）。
5. 動的適応： $k > k_0$ のとき、メトリック・スコアと真の価値の乖離は時間の経過とともに加速する（イベント・スタディにより検証可能）。
6. 異質性： 閾値 $k_0$ はキャリアステージ（初期キャリアの研究者の方が低い）および分野（定量化しやすいSTEM分野の方が高い）によって異なる（検証可能）。

意義と主張
本論文は、高等教育学における3つの主要な貢献を主張している。

1. メタファーの形式化： グッドハートの法則とキャンベルの法則を、解釈的なメタファーから、パラメータ化された反証可能な閾値モデルへと変換した。個人の参照点に依存する従来の経済モデル（例：Rablen, 2010）とは異なり、本モデルは機能不全が加速する「制度的」な閾値を特定している。
2. 定性的レビューの分解： 「定量的対定性的」という二項対立を超え、特定のメカニズムを通じて作用する3つの明確で相互に代替不可能なレバー（ピアレビュー、価値志向、手続き的正義）を特定した。これにより、一般的な「より多くの定性的評価を」という呼びかけではなく、ターゲットを絞った政策設計が可能となる。
3. 動的メカニズム： フォッカー・プランクのドリフト・拡散レイヤーを統合することで、なぜ、そしてどのようにメトリック・スコアと真の価値が時間の経過とともに乖離するのかを説明し、機能不全の指数関数的なコストに対する行動的な微視的基礎を提供している。

本論文は、処方的な断罪ではなく、診断ツールとしての地位を確立している。最適な強度は普遍的な定数ではなく、制度設計パラメータの関数であると論じている。モデルは、特定の評価システム（例：中国の「破五唯」、英国のREF、または米国のパフォーマンス連動型資金提供）が、持続可能なレジーム内で運用されているのか、あるいは機能不全への閾値を越えたのかを診断するための枠組みを提供する。著者は、定量的な値（例：$k_0 = 0.5$）は例示的なものであり、実証的な較正が必要であるが、閾値の存在とドリフトの方向に関する定性的な予測は、パラメータの変化に対して頑健であることを強調している。