認知散乱階層（にんちさんらんかいそう）

最終更新：2026/4/24

認知散乱階層は、情報処理における注意資源の配分と、それによる認知パフォーマンスの変化を説明する理論モデルである。

別名・同義語認知アロスタシス階層認知負荷モデル

ポイント

この階層モデルは、単純な認知課題から複雑な課題へと移行する際に、注意資源の干渉がどのように認知パフォーマンスに影響を与えるかを予測する。

認知散乱階層とは

認知散乱階層（Cognitive Allostasis Cascade: CAC）は、認知負荷とパフォーマンスの関係を説明する理論モデルであり、2000年代初頭にPeter Hancockらによって提唱された。このモデルは、人間の認知システムが、外部からの要求や内部状態の変化に応じて、注意資源を動的に配分し、最適なパフォーマンスを維持しようとする過程を階層的に捉える。

階層構造

認知散乱階層は、主に以下の3つの階層から構成される。

ベースライン（Baseline）: 安定した状態であり、認知資源は最小限に抑えられている。
スキャフォールド（Scaffolding）: 認知負荷がわずかに増加し、注意資源が動員され始める段階。パフォーマンスは比較的安定している。
キャスケード（Cascade）: 認知負荷が限界を超え、注意資源が枯渇し、パフォーマンスが急激に低下する段階。注意の散漫、エラーの増加、意思決定の質の低下などが生じる。

認知パフォーマンスへの影響

このモデルによれば、認知負荷がスキャフォールドの段階を超えてキャスケードに突入すると、認知パフォーマンスは非線形に低下する。これは、注意資源の限界を超えた場合に、認知システムが効果的に機能しなくなるためである。特に、時間的制約や情報量の多い複雑なタスクにおいて、認知散乱の影響は顕著になる。

応用分野

認知散乱階層は、ヒューマンコンピュータインタラクション（HCI）、航空宇宙、医療、運転行動など、様々な分野で応用されている。例えば、インターフェースのデザインにおいて、認知負荷を軽減し、スキャフォールドの段階にとどまるように工夫することで、ユーザーのパフォーマンス向上を図ることができる。また、パイロットや医師などの専門職におけるエラー防止策の検討にも役立つ。