ダブルクリックで英日反転
Social Sciences · Psychology
Nomological Network & Construct Validity
A nomological network is a theoretical web of relationships between a latent construct and other concepts. When observed correlations match the network's predictions, you have evidence that your metric actually measures what you claim it does.
The Core Problem
- Latent variables (accuracy, trustworthiness, visibility) cannot be observed directly.
- Without a network of predicted relationships, you cannot answer: does metric X really measure concept Y?
- Cronbach & Meehl (1955) formalised this as the criterion for construct validity.
Five Components
- Constructs — the invisible concepts (e.g. Citation Fidelity, Source Trustworthiness).
- Observables — the numbers that stand in for each construct (e.g. citation rate, accuracy score).
- Convergent validity — concepts that should correlate do in fact correlate strongly.
- Discriminant validity — concepts that should be independent do in fact fail to correlate.
Applied Example: AI Search Evaluation
- Five constructs (C1–C5) form a network with six directional hypotheses (H1–H6).
- Three discriminant expectations: C1⊥C3, C2⊥C4, C5⊥C1.
- Hypotheses tested with Pearson correlations after 30 days of accumulated data (Phase B-2).
Takeaway in Practice
- Draw the network before collecting data — commit to predictions in advance.
- Convergent + discriminant evidence together constitute valid measurement.
- Pairs with Cohen's d and inter-rater agreement as the tripod of research-grade evaluation.
→ Map predicted relationships among constructs before measuring — if the data match the map, your metric is valid.
Social Sciences · Psychology
ノモロジカル・ネットワークと構成概念妥当性
ノモロジカル・ネットワーク（nomological network＝潜在概念間の理論的関係図）とは、測定したい見えない概念と他の概念の間に「こう関係するはず」と事前に張り巡らせた予測の網。観測された相関がその予測と一致したとき、指標が概念を正しく測れている証拠となる。
なぜ必要か
- 精度・信頼性・ブランド視認性などの潜在変数（latent variable＝直接観測できない概念）は数値として見えない。
- 予測の網なしでは「指標Xが本当に概念Yを測っているか」に答えられない。
- Cronbach & Meehl（1955）がこれを構成概念妥当性（construct validity）の基準として定式化した。
5つの構成要素
- 構成概念（construct）— 見えない概念。例：引用忠実性・情報源信頼性。
- 観測変数（observable）— 概念を代替する数値。例：引用率・正確性スコア。
- 収束的妥当性（convergent validity）— 相関すべき概念が実際に強く相関すること。
- 弁別的妥当性（discriminant validity）— 独立すべき概念が実際に相関しないこと。
適用例：AI検索評価
- 5構成概念（C1–C5）が6つの方向仮説（H1–H6）を持つネットワークを形成。
- 弁別期待3件：C1⊥C3 / C2⊥C4 / C5⊥C1。
- 30日間のデータ蓄積後（Phase B-2）にPearson相関で仮説を検定する計画。
実務での適用
- データ収集前にネットワークを描き、予測をあらかじめ確約する。
- 収束的証拠＋弁別的証拠の両立が有効な測定の条件。
- Cohen's d・評価者間一致度と並び、研究レベル評価の三脚を成す。
→ 測定前に概念間の予測関係を図にせよ——データが図に合致したとき、その指標は妥当と言える。
Social Sciences · Psychology
Nomological Network & Construct Validity
A nomological network is a theoretical web of relationships between a latent construct and other concepts. When observed correlations match the network's predictions, you have evidence that your metric actually measures what you claim it does.
The Core Problem
- Latent variables (accuracy, trustworthiness, visibility) cannot be observed directly.
- Without a network of predicted relationships, you cannot answer: does metric X really measure concept Y?
- Cronbach & Meehl (1955) formalised this as the criterion for construct validity.
Five Components
- Constructs — the invisible concepts (e.g. Citation Fidelity, Source Trustworthiness).
- Observables — the numbers that stand in for each construct (e.g. citation rate, accuracy score).
- Convergent validity — concepts that should correlate do in fact correlate strongly.
- Discriminant validity — concepts that should be independent do in fact fail to correlate.
Applied Example: AI Search Evaluation
- Five constructs (C1–C5) form a network with six directional hypotheses (H1–H6).
- Three discriminant expectations: C1⊥C3, C2⊥C4, C5⊥C1.
- Hypotheses tested with Pearson correlations after 30 days of accumulated data (Phase B-2).
Takeaway in Practice
- Draw the network before collecting data — commit to predictions in advance.
- Convergent + discriminant evidence together constitute valid measurement.
- Pairs with Cohen's d and inter-rater agreement as the tripod of research-grade evaluation.
→ Map predicted relationships among constructs before measuring — if the data match the map, your metric is valid.
Social Sciences · Psychology
ノモロジカル・ネットワークと構成概念妥当性
ノモロジカル・ネットワーク（nomological network＝潜在概念間の理論的関係図）とは、測定したい見えない概念と他の概念の間に「こう関係するはず」と事前に張り巡らせた予測の網。観測された相関がその予測と一致したとき、指標が概念を正しく測れている証拠となる。
なぜ必要か
- 精度・信頼性・ブランド視認性などの潜在変数（latent variable＝直接観測できない概念）は数値として見えない。
- 予測の網なしでは「指標Xが本当に概念Yを測っているか」に答えられない。
- Cronbach & Meehl（1955）がこれを構成概念妥当性（construct validity）の基準として定式化した。
5つの構成要素
- 構成概念（construct）— 見えない概念。例：引用忠実性・情報源信頼性。
- 観測変数（observable）— 概念を代替する数値。例：引用率・正確性スコア。
- 収束的妥当性（convergent validity）— 相関すべき概念が実際に強く相関すること。
- 弁別的妥当性（discriminant validity）— 独立すべき概念が実際に相関しないこと。
適用例：AI検索評価
- 5構成概念（C1–C5）が6つの方向仮説（H1–H6）を持つネットワークを形成。
- 弁別期待3件：C1⊥C3 / C2⊥C4 / C5⊥C1。
- 30日間のデータ蓄積後（Phase B-2）にPearson相関で仮説を検定する計画。
実務での適用
- データ収集前にネットワークを描き、予測をあらかじめ確約する。
- 収束的証拠＋弁別的証拠の両立が有効な測定の条件。
- Cohen's d・評価者間一致度と並び、研究レベル評価の三脚を成す。
→ 測定前に概念間の予測関係を図にせよ——データが図に合致したとき、その指標は妥当と言える。