出発点：評価者集団が違えば、平均は一致しない

同じ作品を評価しても、評価者集団が異なれば平均評価は一般に一致しません。集団Aの平均をM_A、集団Bの平均をM_Bとすれば、通常はM_A ≠ M_Bとなり得ます。評価者集団の構成や判断傾向が異なる以上、これは自然なことです。問題は、この平均の違いが標準評価V*にそのまま持ち越されるのか、それとも何らかの形で縮小されるのか、という点にあります。

SEGTの固定点構造から導かれること

SEGTでは、集団内部の平均評価Mに、外生の評価基準Rに基づいて生成される評価値Nを導入し、次の固定点を標準評価V*とします。

集団Aと集団Bについて、共通のNと共通のαを用いる場合、それぞれの標準評価は次のようになります。

両者の差を取ると、共通するαNの部分が打ち消し合い、次の関係が得られます。

したがって、次の不等式が必ず成立します。

すなわち、同じ外生基準Nが適用される条件では、異なる評価者集団の平均点の差よりも、SEGTによって生成された標準評価点の差の方が必ず小さくなります。これは経験的な傾向ではなく、SEGTの固定点式そのものから導かれる数学的な性質です。

万有引力の比喩：普遍的なのは「値」ではなく「法則」

この性質を理解するために、万有引力を比喩として考えることができます。地球と太陽の間に働く重力は、太陽系だけに存在する特殊な原理ではありません。同じ重力の法則は恒星系や銀河にも適用され、銀河系とアンドロメダ銀河も互いの重力の影響を受けています。

重要なのは、宇宙のあらゆる場所で「同じ力の数値」が生じるのではなく、質量や距離が異なっても、それらを支配する「共通の法則」が存在するという点です。SEGTにおいても、普遍性を検討すべき対象は、個々のNの数値そのものではなく、異なる作品や評価者集団に対してNを生成する「共通の原理」――同一の評価基準R・同一の手続によってNを生成する仕組み――にあると考えられます。

「Nの値が同じであること」と「Nを生成する原理が同じであること」は区別する必要があります。作品ごとに評価対象の内容が異なる以上、Nの値自体は作品ごとに異なり得ます。研究上重要なのは、Nの値を固定することではなく、Nを生成する評価基準・手続・原理を共通化することです。

市場価格と自然価格――経済学における同じ構造

この発想は、アダム・スミスの「市場価格」と「自然価格」の関係にも重ねることができます。市場価格は市場ごとに変動する観察可能な価格であり、自然価格はその変動の背後に置かれる中心的・基準的な概念です。SEGTでも、評価者集団から現実に得られる評価Mは集団構成によって変動しますが、SEGTは共通の生成原理から外生的基準Nを導き、再構成作用を通じて標準評価V*を構成します。「自然価格＝V*」と単純に同一視するのではなく、「変動する現象の背後に、再現可能な標準を構成する」という構造上の類似として理解するのが理論的に適切です。

3層に整理する

ここまでの議論は、次の3層として整理できます。

この整理により、バナッハの不動点定理に過大な役割を負わせることなく、SEGT固有の理論的貢献を明確にすることができます。今回示した集団間差異縮小性は、SEGT研究シリーズ第3回でご紹介したR&Dロードマップの第3段階（異なる評価者集団間で、現行の再構成作用Φがどこまで標準評価の差を抑制できるかを実証する）に、理論的な裏付けと動機を与えるものです。

今後の研究課題

• 異なる大学・授業・評価者集団で同一のN生成原理を適用し、V*の再現性と差異縮小の程度を実証する
• Evaluation Measure・Stabilization Ratioを用いて、集団間差異の縮小率を定量的に測定する
• Mの情報を保持しながら、より高い集団間再現性を実現する再構成作用Φの構造を探索する

「異なる評価者集団の背後に、共通して作用する標準生成原理は存在するか。」――この問いは、SEGT研究シリーズ第2回・第3回で整理した研究課題と接続しながら、今後も検証を重ねていきます。

SEGTの構造：2つの系統がV*に合流する

SEGTは、次の2つの系統が1つに合流する構造として整理できます。ここで重要なのは、Nを「外生の原理」そのものとして扱わないことです。Nは、外生の評価基準R（ルーブリック）に基づいて生成される評価値であり、規範そのものではありません。

なぜNを「集団に依存させない」ことが重要か

異なる評価者集団間の差を消す最も単純な方法は、標準評価を生成評価値Nへ強く近づけることです。しかし、これを極端に進めると、最終的にV*=Nとなってしまい、「最初からNを最終評価とすればよい」ことになります。これでは、評価者集団が持つ情報Mを再構成的に統合するという、SEGT固有の意味が失われてしまいます。

そこで重要になるのが、評価者集団に依存しない外生の評価基準R（ルーブリック）に基づいて、生成評価値Nを同一の手続から一意かつ再現可能に構成する方向です。現行の試作システムでは、すべての評価対象に同一の評価基準・同一の重みを適用し、対象ごとに、Rに基づく生成評価値Nを構成する方式を実装しています。

これからの5段階

ここまでのまとめ

SEGTは、「固定点収束理論」「外生基準Rに基づく生成評価値Nの理論」「MとNの再構成理論」という3つの理論領域を接続しながら、次の段階へと発展していく研究体系です。完成した理論として一方的に提示するのではなく、理論的な検討と実装検証を往復しながら一歩ずつ精緻化していく過程そのものを、これからもR&Dブログで発信していきます。

二つの、別の問題

SEGTの再現可能性を考えるとき、次の二つの問題を分けて考える必要があります。

1. 同一の写像・同一条件のもとでの収束性
   一定の条件を満たす同一の写像（評価更新作用素Φ）のもとで反復を行えば、バナッハの不動点定理により一意の固定点へ収束する、という性質です。
2. 異なる評価者集団の間での再現性
   評価者集団が変われば、そこから得られる現象的な評価M（他者評価の平均など）そのものが変化します。この場合、「各集団の内部で一定の固定点へ収束すること」と、「異なる集団の間で、最終的な標準評価V*がどの程度同一または近い値になるか」は、数学的に区別される別の問題です。

そもそも、外生の評価基準R（ルーブリック）に基づく生成評価値Nを導入した目的は、まさにこの「評価者集団への依存性」を縮小することにあります。この目的が、異なる評価者集団の間でどこまで実現できているかを検証することが、②の課題の中心になります。

なぜこの区別が重要なのか

この区別を曖昧にしたまま「誰が評価しても同じ標準評価になる」と説明してしまうと、理論が実際に保証している範囲を超えた説明になってしまいます。SEGTは、理論的に保証された範囲を正確に伝えながら、まだ保証されていない範囲を次の研究段階として明示することを大切にしています。これは、私たちがSEGTを完成した理論としてではなく、検証を重ねながら育てていく研究開発の対象として捉えていることの表れでもあります。

再現可能性を「測る」ための指標

「再現可能性が高い」と言葉で説明するだけでは、客観的な比較が難しくなります。そこで、SEGTでは再現可能性を定量化する指標の検討を進めています。

Evaluation Measure（EM）

同一対象を複数回評価した際の標準評価V*のばらつき（標準偏差）を、評価尺度の幅で正規化した指標です。

Stabilization Ratio（安定化率）

入力評価の分散が、SEGTによる標準評価の分散へと変換される際に、どの程度縮小したかを示す指標です。

これらの指標は、通常のLLM単体評価の再現性と、SEGTによる標準評価の再現性を比較する際にも活用を検討しています。

今後の検証計画

• 同一対象を10回以上評価し、標準評価V*の平均・標準偏差・最大最小差を測定する
• 通常のLLM評価・単純平均・SEGT標準評価を、同一条件で比較する
• 異なる評価者集団の間で、標準評価のばらつきがどの程度縮小するかを実証的に検証する

同じ入力なら、平均もSEGTも同じ結果になる

まず正直にお伝えしておきたいことがあります。同一の評価者、同一の評価対象、同一の評価入力という条件であれば、単純な平均値も、SEGTが生成する標準評価V*も、結果として同じ値になります。つまり「再現可能である」という性質だけを根拠に、SEGTと平均を区別することはできません。差別化の本質は、別のところにあります。

SEGTを支える数学的な保証

SEGTでは、外生の評価基準R（ルーブリック）を固定し、Rに基づいて生成される評価値N（詳しくは第3回で解説します）を用いて評価を更新していく作用素Φが一定の性質（縮小写像）を満たすとき、バナッハの不動点定理という数学の定理によって、標準評価V*は一意に定まり、同じ入力条件のもとでは常に同じ結果へ収束することが保証されます。

ここでNは、外生の評価基準R（ルーブリック）に基づいて生成される評価値です。N自体が規範なのではなく、Rから導かれた具体的な評価値である点が重要です。

平均との本質的な違いは「外生基準に基づく生成評価値N」

平均は、入力された評価値をそのまま集約するだけの操作です。評価者全体に共通する偏りがあれば、その偏りはそのまま結果に残ります。一方、SEGTは、評価者集団から得られる現象的な評価M（本人評価を除く他者評価の平均など）に加えて、それとは別系統で、外生の評価基準R（ルーブリック）に基づいて生成される評価値Nを導入し、この二つを作用素Φによって統合することで標準評価V*を生成します。

平均とSEGTの違いを一言でまとめるなら、「入力をただ集約するか」「外部の基準と整合させながら統合するか」という一点にあります。

3つの層に分けて理解する

SEGTの価値を正確に伝えるには、次の3層を区別して説明することが有効です。