人間は、ある事象に付随して別の事象が起こる関係性、すなわち因果関係を学習‧推論し利用する。これにより、原因の診断や理由の説明、そして未来の予測を行うことで、不確実 な環境に適応してきた。因果推論は人工知能分野と密接な関係を持ち、人間のような少量データからの素早い学習や判断が効率的な因果推論によって支えられていることが議論され ている。このような背景を踏まえ、本論文では人間が統計的情報からどのように因果関係を学習 ‧判断するかを解明することを目的とする。本論文では特に観察的因果推論に焦点を当て、今までに提案された因果帰納モデルを踏まえて話を進める。 本研究では Hattori & Oaksford (2007) が提案した二要因ヒューリスティクス (DFH) とTakahashi et al. (2011) が提案したproportion of Assumed-to-be Rare Instances (pARIs) の記述性能を直接比較する実験を含めた複数の実験と分析を行い、pARIsがより人間の判断に適合的である事を示した。
