人間行動の研究において、シミュレーションはどのように活用されているのか？

人間行動の研究において、シミュレーションはどのように活用されているのでしょうか。本記事では、人間行動を理解する上でシミュレーションが果たす意義について掘り下げます。その手法と意義を探求することで、現代の人間行動研究においてシミュレーションが果たす不可欠な役割を明らかにします。

人間行動研究における統制と現実性のバランス：実験室研究と実地研究

人間行動の研究においては、実験手法として「制御された環境」と「自然な環境」のどちらで行動を研究するかという二者択一の問題に、しばしば直面してきた。

一方で、厳密に管理された実験室環境では、実験装置を微調整することが可能となる。参加者は全員同じ環境を体験し、実験ノイズが混入する余地はほとんどなく、単一の実験変数のみが調整される。

この実験は、特定できる変化に対して人間の行動がどのように変化するかを測定できるため、有効である。その一方で、こうした環境は本質的に不自然であるという欠点がある。変動の余地を取り除くことで、その環境が現実の生活を反映しなくなるケースが多々あるからだ。

一方、「実環境」で行われる実験では、参加者は普段通りの自然な振る舞いをし、世界を体験することができます。実験変数は一つだけ変更されますが、実験ノイズが混入する可能性は高くなります。つまり、より自然な行動が観察できる反面、生じた変化がもっぱらその実験変数によるものであると断定することは難しくなります。

人間の行動を真に理解したいのであれば（ネタバレ注意：私たちはそうしたいのです）、多くの場合、これら2つのアプローチの間で妥協点を見出す必要があります。参加者が違和感なく感じられる環境を作り出すためには、どの程度のノイズが生じると予想されるか、またどの程度のばらつきが許容範囲内かを評価しなければなりません。その判断を下すことは、実験設計プロセスにおける重要な要素です。しかし、時には第3の選択肢、すなわちシミュレーションという方法もあります。

シミュレーションとは何ですか？

シミュレーションとは、現実の事象を模倣したものです。人間の行動に関する研究においては、参加者が現実には合理的に体験できないような状況を、制御された条件下で再現する形をとることがよくあります。危険な飛行状況下でパイロットがどのように反応するかを知ることは興味深く重要なことかもしれませんが、それを現実の世界で実際に体験させることは、明らかに理想的とは言えません。

シミュレーションを活用すれば、危険な状況に対する反応を検証できるだけでなく、その状況を正確に再現することも可能です。これにより、異なるパイロット（あるいはパイロット以外の人物であっても）が、同じ危険な状況に繰り返しどのように反応するかを観察することができます。

フライトシミュレーターは、行動評価に広く用いられているシミュレーションの代表的な例ですが、現在では驚くほど多様なシミュレーターが存在し、いずれも高忠実度の環境下での反応を測定することを目的としています。VRの普及により、比較的低コストで全く新しい環境（さらには非現実的な環境さえも）を構築することが可能になりました。

こうした環境は、研究者や参加者にとってより利用しやすくなっただけでなく、乗り物酔いなどの側面についても理解が深まっている[1]。

以下では、さまざまなシミュレーションシナリオの例と、各シナリオにおいて研究者が人間の行動をどのように調査しているかについて解説します。

高度な運転シミュレーションを活用したドライバーの安全性と行動に関する研究の推進

ドライビングシミュレーターは、多くの人にとっておなじみのものです。ゲームセンターなどでもよく見かけるこのシミュレーターは、ハンドルやシフトレバー、場合によってはそれ以上の装備を備え、運転技術や反応を試すための安全な環境を提供してくれます。

スタンフォード大学のドライビングラボでは、高精細スクリーンに囲まれた実車を使用し、臨場感あふれる運転体験を提供しています。この車両やその他のセンサーから得られるデータはすべてiMotionsに統合され、研究者がドライバーの行動を分析するのに役立っています。

研究では、事故発生の可能性に影響を与える要因を検証することで、ドライバー（および歩行者）の安全性をいかに向上させるかに焦点が当てられることが多い。ドライバーの注意力を高める（あるいは低下させる）可能性のある新機能を試すことは、実際のリスクを伴わずにシミュレーター内で容易に行うことができる。

研究者らは、運転シミュレーターを用いて脳波（EEG）などのセンサーを用いて「心ここにあらず」の状態を調査した[2]。その結果、この精神状態が運転能力に悪影響を及ぼすだけでなく、検知も可能であることが判明した。これにより、ドライバーの注意が道路から過度に逸れた場合に適切な警告を発するセンサー（必ずしも脳波である必要はないが、その可能性はある）を自動車に搭載する可能性が開かれた。

アイトラッキングは、EEGが抱える技術的な制約なしに実車への導入が可能であるため、ドライビングシミュレータにおいても広く利用されている手法である。研究者らは、ドライビングシミュレータ内でアイトラッキングを用いて認知負荷を推定しており[3]、これがドライバーの認知状態をモニタリングする手法として活用できる可能性を示唆している。

これらの手法、すなわちEEGとアイトラッキングの両方は、運転シミュレータにおけるiMotionsと組み合わせて、ドライバー向けの早期警告システムを検証するためにも活用されている[4]。運転行動の予備試験では、認知負荷およびEEGによる認知状態の測定が用いられた。その結果、これらのセンサーによって、危険を警告する早期警告システムを発動させる必要があるか、あるいはドライバーがすでに十分な警戒態勢にあるかを判断できることが判明した。

ドライビングシミュレーター以外にも、研究者たちは、フライトシミュレーションから船舶シミュレーターを用いた海洋研究に至るまで、さまざまな車両シミュレーターにおける挙動の解明に取り組んでいます（Force Technologies社は、iMotionsを用いて、全回転可能な貨物船シミュレーターにおける操舵挙動を評価しています）。

業務シミュレーション：業界を横断した人間行動研究の進展

シミュレーションは必ずしも車両に限定されるものではなく、参加者が自由に動き回れる環境でも実施可能です。例えば、研究者たちは医学教育の現場でアイトラッキングを活用し、プロトコルの各要素がどの程度注意を払われているかを評価しています [5]。

原子力発電所[6]、石油化学プラント[7]、航空管制塔[8, 9, 10]など、さまざまな場面における制御室オペレーターのパフォーマンスを評価するシミュレーションでは、オペレーターの注意や認知リソースを評価するために、一般的にアイトラッキングや脳波（EEG）が用いられている。

ルレオ大学の研究者たちは、iMotionsと各種センサーを用いて、鉄道運行管制官の業務を自然環境下で再現したシミュレーションにおいて生じる認知プロセスを研究している。

シミュレーションの活用は、軍事分野にまで拡大することも可能です。研究者たちは、兵士がしばしば直面する認知的・生理的ストレスを理解するため、兵器[11]や戦場のような環境[12]のリアルなシミュレーションを再現するために多大な努力を払ってきました。

また、迅速な判断が求められる過酷な状況下で、軍用機パイロットがどのように対応するかについて、さまざまな研究が行われてきた。こうした文脈において、視線追跡技術を用いて、視覚的負荷（提示される視覚情報の量）がパイロットの意思決定能力にどのような影響を与えるかを調査している [13]。

研究者らはまた、実際の飛行およびフライトシミュレーションの両方において、脳波（EEG）や心拍数の測定値を活用する研究も行っている[14]。その結果、各パイロットにとって操縦において最も困難な側面を個別に特定できることが示され、各パイロットがどの訓練項目に重点を置くべきか判断するためのデータが得られた。

人間の行動に関する研究において、どのような分野で生体認証が活用できるかお考えの方は、100の代表的な活用分野を紹介した当社のブログ記事をご覧ください。

シミュレーションを用いた研究における主要な手法の一つについて、より深く理解するために、以下の無料アイトラッキングガイドをダウンロードしてください。

参考文献

[1] Gavgani, A. M., Nesbitt, K. V., Blackmore, K. L., Nalivaiko, E. (2017). サイバー酔に関連する主観的症状および自律神経の変化のプロファイリング. Autonom Neurosci. 203:41–50. pmid:28010995.

[2] Baldwin, C. L., Roberts, D. M., Barragan, D., Lee, J. D., Lerner, N., & Higgins, J. S. (2017). シミュレーション運転中の「心ここにあらず」状態の検出と定量化. Frontiers in Human Neuroscience, 11, 406.

[3] Palinko, O., Kun, A. L., Shyrokov, A., & Heeman, P. (2010). ドライビングシミュレータにおける遠隔アイトラッキングを用いた認知負荷の推定. 『2010年アイトラッキング研究・応用シンポジウム論文集』（pp. 141–144）. ニューヨーク州ニューヨーク：ACM Press.

[4] E. Pakdamanian、L. Feng、I. Kim（2018）。「カーブ走行時のドライバーの知覚に対する全身ハプティックフィードバックの効果」。『ヒューマン・ファクターズ・アンド・エルゴノミクス学会年次大会論文集』、62、19-23。

[5] Henneman, E. A., Cunningham, H., Fisher, D. L., et al. (2014). シミュレーション環境における事後検討手法としてのアイトラッキングは、患者の安全に関する実践を改善する。Dimens Crit Care Nurs, 33:129–135.

[6] Kovesdi, C., Rice, B., Bower, G., Spielman, Z, Hill, R., および LeBlanc, K. (2015). アイトラッキングを用いた原子力発電所制御室のシミュレーションにおける人的パフォーマンスの測定, INL/EXT-15-37311.

[7] Ikuma, L. H., Harvey, C., Taylor, C. F., and Handal, C. (2014). 速度と正確性、主観的作業負荷、状況認識、およびアイトラッキングを用いた制御室オペレーターのパフォーマンス評価ガイド。Journal of Loss Prevention in the Process Industries, 32: 454-465.

[8] Kearney, P., Li, W. C., Yu, C. S., Braithwaite, G. (2018). 警報システムの設計が航空管制官の視線移動パターンおよび状況認識に与える影響. Ergonomics, 5:1-14.

[9] Giraudet, L., Imbert, J. P., Bérenger, M., et al. (2015). 行動測定およびEGG/ERP測定を用いた航空交通管制におけるヒューマン・マシン・インターフェース設計の神経人間工学的評価. Behavioural Brain Research, vol. 294, pp. 246-53.

[10] Aricò, P., Borghini, G., Di Flumeri, G., Colosimo, A., Bonelli, S., Golfetti, A., et al. (2016). EEGに基づく精神的負荷指数によって作動する適応型自動化：現実的な航空交通管制環境における受動型ブレイン・コンピュータ・インターフェースの応用. Front. Hum. Neurosci. 10:539.

[11] L. C. A. Campos, L. L. Menegaldo (2018). 水平方向の全身振動下における眼と手の協調動作のための戦車シミュレータ. Journal of Low Frequency Noise, Vibration and Active Control, Vol. 37(1), 144–155.

[12] Saus, E. R., Johnsen, B. H., Eid, J., Riisem, P. K., Andersen, R., and Thayer, J. F. (2006). 警察射撃シミュレーターにおける短時間の状況認識訓練の効果：実験的研究. Mil. Psychol. 18, S3–S21.

[13] Kacer, J., Kutilek, P., Krivanek, V., Doskocil, R., Smrcka, P., & Krupka, Z. (2017). 「軍用パイロットの行動の測定とモデリング」. 『自律システムのためのモデリングとシミュレーションに関する国際会議』（pp. 434-449）. Springer, Cham.

[14] G. Kloudova, M. Stehlik. (2017). 心理生理学的手法を用いた軍用パイロット訓練の向上. International Journal of Psychological and Behavioral Sciences, Vol:11, No:11.[/fusion_builder_column][/fusion_builder_row][/fusion_builder_container]