> ## Documentation Index > Fetch the complete documentation index at: https://meta.niceshare.site/llms.txt > Use this file to discover all available pages before exploring further. # 因果ループ図 > 因果ループ図は、フィードバックループをマッピングして変数が時間とともにどのように影響し合うかを可視化するシステム思考ツールです。複雑な問題の診断方法を学びましょう。 **カテゴリ**: モデル
**タイプ**: システムモデル
**起源**: システムダイナミクス、MIT、1960年代〜現在
**別名**: CLD、フィードバックループ図、システムダイナミクス図 **先に答えると** — 因果ループ図（CLD）は、フィードバックループをマッピングして変数が時間とともにどのように互いに影響し合うかを可視化するシステム思考ツールです。1960年代にMITのジェイ・フォレスターによって開発され、行動が反応を生み、それが元の行動を増幅または相殺する仕組みを示すことで、複雑な問題の根本原因を診断するのに役立ちます。 ## 因果ループ図とは **因果ループ図**（Causal Loop Diagram）は、システム内の異なる要素がフィードバックループを通じてどのように互いに影響し合うかを示す視覚的表現です。線形の因果関係の考え方とは異なり、CLDはシステムの振る舞いを駆動する循環的な関係を明らかにします。図の各矢印は因果関係を表します。変数Aが増加すると、変数Bは増加するのか（正の関係）、それとも減少するのか（負の関係）？ > 「システムの境界は、図に何を含めるか、そして何を除外するかという判断である。」— ピーター・センゲ、第五の規律 CLDはシステムダイナミクスを伝えるために2つの重要な記号を使用します。**強化ループ**（「R」または2つのプラス記号で表示）はどちらの方向への変化も増幅し、**均衡ループ**（「B」または反対のプラスとマイナスで表示）はシステムを均衡に向かって押しやります。ループが強化か均衡のどちらであり、それが状況において支配的なループかどうかを理解することは、システムがなぜ直感に反して振る舞うのかを明らかにすることがよくあります。 ### 3つの深さで知る因果ループ図 * **初心者**: 3〜5の変数を持つ単純なシステムをマッピングしましょう。各因果リンクが正（+）か負（-）かを特定します。各ループを強化（R）または均衡（B）としてラベル付けします。例：顧客増加 → 収益増加 → 広告費増加 → さらに顧客増加（強化ループ）。 * **実践者**: 原因と効果の間の時間遅延を特定しましょう。異なる時間軸で支配的なループを区別します。CLDを使って、問題の「本当の」原因についての仮定に異議を唱えましょう。 * **上級者**: 実際のシステムには強化ループと均衡ループの両方が常に存在することを認識しましょう。支配的なループがシステムの振る舞いを決定しますが、システムが変化するにつれて支配性はシフトします。効果的な介入は、間違ったループを強く押すのではなく、正しいループをターゲットにすることです。 ## 起源 因果ループ図は、1960年代にMITのジェイ・フォレスターによってシステムダイナミクスの一部として開発されました。電気エンジニアからシステム理論家に転身したフォレスターは、CLDを、時間の経過とともにシステムがどのように振る舞うかを決定するフィードバック構造を可視化する方法として作成しました。1961年の著書「Industrial Dynamics」とその後の作品は、今日のシステム思考が依然として使用する視覚言語を確立しました。 フォレスターの重要な洞察は、複雑なシステムの振る舞いは変数を個別に調べるだけでは理解できないというものでした。代わりに、変数をつなぎ、変化を増幅または減衰させるフィードバックループを理解する必要があります。MITのシステムダイナミクスグループでの彼の研究は、都市の衰退から企業のブーム・バストサイクルに至るまで、多くの持続的な問題が従来の分析には見えないフィードバック構造に起因することを示しました。 この概念は、ピーター・センゲの1990年の著書「第五の規律」を通じて一般の認知を得て、システム思考をビジネスの読者に紹介しました。センゲは、CLDをマネージャーが孤立したイベントではなくパターンを見るのに役立つシステム思考の「構成要素」の一つと表現しました。今日、CLDは戦略コンサルティング、公共政策分析、環境科学、組織開発で使用されています。 ## 要点 因果ループ図の核心は、フィードバックループの構造を可視化し、変数間の循環的な因果関係を明らかにすることにあります。 フィードバックループは、ある変数が最終的に元の変数に影響を与える別の変数に影響を与えるときに存在します。強化ループ（R）は変化を増幅します。成長をより速くするか、崩壊をより深刻にします。均衡ループ（B）は変化に抵抗し、均衡または目標追求行動に向かって押しやります。ほとんどの興味深いシステムの振る舞いは、複数のループの相互作用から生まれます。 プラス記号（+）は2つの変数が同じ方向に動くことを意味します。Aが増加するとBも増加します。マイナス記号（-）は逆方向に動くことを意味します。Aが増加するとBは減少します。符号を間違えると、図全体が誤解を招きます。常に自問しましょう。「最初の変数が増加した場合、2番目の変数に何が起こるか？」 多くのシステム問題は、行動の効果が遅延することに起因します。政策は当初うまく機能しているように見え、その後で逆の結果を生むことがあります。CLDは遅延を可視化し、行動と結果の間のギャップがどこにあるかを示します。これは、善意がなぜ時として悪い結果を生むのかを理解するために不可欠です。 すべてのシステムには複数のフィードバックループが同時に動作しています。どのループが「勝つ」か、つまり支配的になるかは、状況と時間軸によって異なります。短期的には強化ループが支配的かもしれませんが、長期的には均衡ループが現れるかもしれません。支配性を理解することは、システムがいつ振る舞いをシフトするかを予測する鍵です。 ## 応用場面 因果ループ図は、ビジネス戦略から個人の習慣まで、多様な文脈で活用できます。 競争ダイナミクスをマッピングして、なぜ特定の業界で勝者総取りの結果が生じるかを理解しましょう。CLDを使って、小さな介入が大きなシステムの変化を引き起こすテコポイントを特定します。 政策介入が社会システムにどのように波及するかを可視化しましょう。線形分析からは明らかではないかもしれないフィードバックパスを追跡することで、意図しない結果を特定します。 習慣や行動のフィードバックループをマッピングしましょう。なぜ一部の変化は定着し、他の変化は元に戻るのかを理解し、どのループを強化または弱体化させるかを特定します。 新しい行動に抵抗する均衡ループを特定することで、なぜ変革イニシアチブが失敗するのかを診断しましょう。システムダイナミクスに逆らうのではなく、それを利用する介入を設計します。 ## 事例 ### ボストンの交通渋滞問題 1970年代、ボストン市は交通渋滞という持続的な問題に直面していました。車線の追加、公共交通の改善、駐車場の制限など、提案されたすべての解決策は事態を悪化させるように見え、改善させることはありませんでした。この問題は線形分析では説明できませんでした。なぜすべての介入が失敗したのでしょうか？ システムダイナミクスの研究者たちは、根本的なフィードバック構造を明らかにする因果ループ図を作成しました。彼らは強化ループを発見しました。道路容量の増加がより多くのドライバーを引き寄せ（運転の知覚コストの低下）、それが交通量を増加させ、それがさらなる道路容量の需要につながりました。同時に均衡ループが存在しました。渋滞が最終的に一部のドライバーを思いとどまらせるのですが、このループは強化ループが支配するのを防ぐには遅すぎました。 重要な洞察は、道路を建設することが渋滞を解決するのではなく、より多くの交通を引き寄せるということでした。効果的な介入は容量を追加することではなく、強化ループの強さを減らすことでした。混雑料金によって運転を魅力なくすることで、悪循環を断ち切ることができるのです。ボストンが2023年に需要ベースの料金制度を導入した際、交通量は初年度に15%減少しました。CLD分析がテコポイントを正しく特定していたことの検証でした。 ## 境界と失敗モード CLDには、ユーザーが認識しなければならない重要な限界があります。 * **過度な単純化のリスク**: 実際のシステムには何千もの変数があります。CLDはどの変数が重要かを選択するよう強制します。間違った選択は誤解を招く図を生み出します。何を含め、何を除外するかについての仮定を常に文書化しましょう。 * **定性的な性質**: CLDはフィードバックの構造を示しますが、効果の大きさやタイミングは示しません。均衡ループがその効果を現れるまでに何年もかかるかもしれません。図だけでは判断できません。 * **静的な表現**: CLDはある時点での構造を捉えますが、システムは変化します。今日支配的なループが、条件の変化によって明日も支配的であるとは限りません。 * **確証バイアスの危険**: 実際そこにある図ではなく、見たい図を描くのは簡単です。ピアレビューと多様な視点が不可欠です。 ## よくある誤解 因果ループ図の作成と解釈には、いくつかの一般的な誤解があります。 **間違い。** 良いCLDは、問題にとって重要な変数のみを含みます。可能なすべての変数を追加すると、明確にするのではなく曖昧にする「毛玉」図になります。シンプルに始めましょう。必要なときだけ複雑さを追加します。 **間違い。** 図は思考ツールであり、最終的な答えではありません。その価値は、作成中に生まれる会話と洞察にあります。完成品そのものではありません。マッピングするプロセス自体が、多くの場合、マップそのものよりも価値があります。 **間違い。** 強化ループは本質的に良いことも悪いこともありません。変化を増幅します。増幅が望ましいかどうかは文脈によります。成長は素晴らしいことも危険なこともあります。同じループ構造がある状況では有益でも、別の状況では有害かもしれません。 ## 関連概念 因果ループ図は、他のシステム概念と深く結びついています。 ストックはシステムの蓄積、フローは変化の率です。CLDは、主要な変数とその関係を特定することで、ストック・アンド・フローモデリングに先行することが多いです。 CLDがマッピングする循環的な因果関係です。フィードバックループを理解することは、効果的な因果ループ図を読み、作成するための基礎です。 CLDが奉仕するより広範な分野です。システム思考は、孤立したイベントや変数ではなく、パターンと関係を見ることを強調します。 どちらの方向への変化も増幅するフィードバックループです。「好循環」または「悪循環」とも呼ばれ、増幅が有益か有害かによって異なります。 変化に抵抗し、均衡に向かって押しやるフィードバックループです。システムが状態または目標に戻る傾向を説明します。 ジェイ・フォレスターによって創始された分野で、CLDとコンピュータモデルを使用して、時間の経過に伴う複雑なシステムの振る舞いを理解します。 ## 一言で言うと 因果ループ図の価値は図そのものではなく、原因がフィードバックループを通じて結果につながり、再び原因に戻る仕組みをマッピングする過程で生まれる洞察にあります。