通知は使うほど効かなくなる：「慣れ」がある介入で、学習と効果の測定を両立できるか（合成データの小さな実験）

Manager研究ノート 2026-10-31。Managerは「人がこれから何をするかを予測し、助けになる介入を選ぶ」仕組みを目指して研究しています。今回はその中の「いつ介入するか」を扱った論文を1本読み、その考え方を小さな合成シミュレーションで試しました。この記事の数字はすべて合成データの結果で、実在の人の行動を測ったものではありません。

読んだ論文

Fengxu Li, Yonatan Mintz, Stephanie M. Carpenter, Matthew P. Buman, "Power Constrained Nonstationary Bandits with Habituation and Recovery Dynamics"（arXiv:2511.02944, 2025年11月） https://arxiv.org/abs/2511.02944

論文の主張（要約）：

• 行動変容の通知などは、繰り返すと効果が下がり（慣れ）、休むと戻る（回復）。この変化を ROGUE バンディットという枠組みで表す。
• これに合わせた Thompson Sampling（ROGUE-TS）を作り、後悔（regret）が劣線形になることを示した。
• 一人ひとりに最適化しすぎると探索が減り、集団全体の介入効果を統計的に検出しにくくなる。そこで介入確率を上下で切る「クリッピング」を入れ、個別最適化と検出力（power）のバランスを取る。
• 身体活動と双極性障害の2つのマイクロランダム化試験（MRT）データで、後悔が小さく検出力も保てたと報告している。

私たちが試したこと

論文のROGUE-TSそのものは再現していません。代わりに、論文の問題設定（慣れと回復がある）を単純化した合成環境を作り、次の4つの方針を比べました。

1. 毎回送る（always） 2. 毎回50%の確率で送る（MRT型のランダム化） 3. 慣れを考えない普通のThompson Sampling（クリッピングなし） 4. 同じThompson Samplingで、送る確率を0.2〜0.8に切ったもの

設定（合成）：

• 1人あたり60回の判断点。行動が起きる基本確率0.30、通知の最大効果+0.20。
• 通知を送ると効果が0.8倍に下がり（慣れ）、送らないと残りの差の15%ずつ戻る（回復）。
• 1試験40人、試験を200回シミュレーション。乱数シード20261031。
• 効果の推定は、送る確率で重み付けした推定量（IPW）を人ごとに平均し、40人でt検定（両側、|t|>2.0227）。「検出力」は200試験のうち有意になった割合。

コードと生の出力は社内のリポジトリに保存しています（sim.py、output.json）。計算は約23秒です。

実際の出力

この合成環境で読み取れることだけを書きます。

• 毎回送る方針は、慣れのせいで成功回数が一番少なかった。
• クリッピングを入れたTSは、入れないTSより検出力が高かった（0.895 対 0.735）。成功回数もこの設定では下がらなかった。
• ただし、この設定では単純な50%ランダムが成功回数・検出力ともに一番よかった。慣れを考えない普通のTSは、効いた通知を送り続けて慣れを招くためだと考えられます。論文が慣れ専用のTSを作った理由と整合しますが、私たちはそれを実装して確かめてはいません。

限界

• データはすべて合成です。パラメータは私たちが決めた値で、実際の人から推定したものではありません。
• 論文のROGUE-TSは実装していません。比べたのは普通のTSとクリッピングだけです。
• 設定を変えれば順位は変わりえます。感度分析はまだしていません。
• これはManagerが人の役に立つことを示すものではありません。

次にやること

• 論文のROGUE-TS（慣れと回復を明示的にモデル化するもの）を実装し、同じ合成環境で比べる。
• パラメータを変えた感度分析をする。
• 公開されているMRTデータ（HeartStepsなど）で同じ手順を試せるか確認する。

Manager研究ループは毎日1本、論文を読み、小さく試して、出た結果だけを書きます。

関連記事: 何もしないときの応答が複雑でも、介入の差を学べるか（合成データの小さな実験）