教育で扱う悪定義問題の二類型：良定義化可能型と良定義化収束困難型

一口に悪定義問題といっても一様ではなく、いくつかの側面に分解して捉える必要がある。本稿では、悪定義性を「問題空間が所与でない」という一般的な言い方に留めず、教育設計上の扱いやすさの観点から、悪定義問題を大きく二つに区分する。すなわち、良定義化可能型悪定義と、良定義化収束困難型悪定義である。

第一に、良定義化可能型悪定義とは、原理的には問題空間（状態・目標・制約・利用可能なオペレータ等）を定めて良定義化することが可能であるにもかかわらず、学習者（あるいは当事者）が現時点ではそれを実行できない、または部分的にしか確定できないために悪定義として経験される状況を指す。典型的には、（i）個人の能力・経験の不足により問題空間を立ち上げられない場合（エキスパートであれば解ける）、（ii）問題空間の構成要素の一部が未確定である場合が含まれる。後者には、たとえばゴール状態（何を解とみなすか）が定まらない、利用可能なオペレータ（何を操作できるか）が定まらない、あるいは評価軸（何を良いとみなすか）が合意できない、といった形で現れる。このタイプでは、「このゴールを仮定すればこう解ける」「この制約を置けば探索できる」といった条件付きの良定義化が可能であり、悪定義性は“良定義化の不可能性”ではなく、“良定義化の構成・選択・遂行の困難”として理解できる。

第二に、良定義化収束困難型悪定義とは、問題空間を全面的に良定義化して単一の枠（単一の目的・評価軸・制約解釈）へ収束させることが難しい状況を指す。ここには、問題空間を定めるための情報が得られない（観測不能）、不確実性が高く単一の因果モデルや介入方略を置けない、価値対立により単一の評価軸へ収束しにくい、といった場合が含まれる。ただし、このタイプであっても、直ちに「何も定式化できない」わけではない。教育で扱う場合には、最終的な解決までを良定義化して解かせるのではなく、観測すべき変数の同定、情報収集計画、仮説の構築、評価軸の明示化といった前段要素を部分的に定式化（部分良定義化）し、それらを構築・点検する技能を学習目標として設定することが多い。したがって本類型の学習意義は、唯一解の導出ではなく、収束困難性を前提にした上での「問題空間の部分的立ち上げ」と「意思決定・正当化のための枠組み化」にある。

以上より、悪定義性を議論する際には、単に「悪定義」と総称するのではなく、どの類型（良定義化可能型／良定義化収束困難型）を扱っているのか、さらに問題空間のどの要素（目標・評価軸・制約・状態・オペレータ等）が未確定で、どの範囲まで定式化できているのかを明示する必要がある。とりわけ教育の観点からは、多くの場合、良定義化可能型悪定義を中心に、学習者が問題空間を立ち上げる道筋を学ぶこと、あるいは部分良定義化を通じて未確定性を点検可能な形に変換すること自体が、悪定義問題を学習に資する課題へ転換する要点となる。

〇事例：二類型の具体像と位置づけ

上記の二類型は抽象的な区分であるため、以下では、問題空間を構成する要素（状態・目標・制約・利用可能なオペレータ・評価軸）のうち、どれが未確定となって悪定義性が生じているのかを明確化しつつ、各類型に対応する事例を示す。

1. 良定義化可能型悪定義の事例

良定義化可能型悪定義は、原理的には条件設定により問題空間を定めうるが、当事者がその条件（目標・制約・評価軸等）を適切に採択できない、あるいは一部が未確定であるために悪定義として経験される状況である。

第一の例として、「記事を要約せよ」という課題を考える。この課題は一見すると単純であるが、実際には「誰を対象読者とするか」「どの程度の分量にするか」「結論・根拠・背景のうち何を優先して残すか」といった制約と評価軸が未確定であるため、当事者は何を満たせばよいか判断しにくい。ここで「高校生向けに300字で、結論と根拠を中心にまとめる」といった条件を置けば、採るべき操作（重要文抽出、言い換え、情報圧縮等）と到達目標が定まり、課題は条件付きに良定義化される。すなわち悪定義性は「解けない」ことではなく、良定義化の前提となる枠（制約・評価軸）の採択が未完であることに由来する。

第二の例として、「アプリが遅いので直してほしい」という改善要求を考える。この要求の悪定義性は、現象の存在それ自体よりも、「何を指標として改善を評価するか」が未確定である点にある。たとえば起動時間、API応答のp95、メモリ使用量、UIの体感遅延など、改善対象となり得る評価軸が複数存在し、どれを成功条件として採択するかが定まらない。この場合、「起動時間を3秒から1.5秒へ短縮する」といったKPIを置くことで、測定・ボトルネック特定・最適化といった操作が探索可能となり、問題空間が良定義化される。したがって本例は、評価軸（KPI）の採択により良定義化できるが、採択が未確定なために悪定義として経験される典型である。

以上のように、良定義化可能型悪定義では、「エキスパートなら条件設定ができる」「条件を仮定すれば解ける」といった形で、条件付き良定義化の存在を示しやすい。教育の観点からは、学習者がこの条件設定（枠の採択）を行えるようにすること、あるいは枠を外在化して比較・点検可能にすること自体が学習目標となる。

2. 良定義化収束困難型悪定義の事例

良定義化収束困難型悪定義は、問題空間を全面的に良定義化し単一の枠へ収束させることが難しい状況である。重要なのは、ここで「何も定式化できない」とするのではなく、教育・実務においては、解決そのものよりも前段要素の部分良定義化（観測設計、検証設計、評価軸の明示化等）を学習目標として設定し得る点である。

第一の例として、「ユーザが本当に欲しいもの（潜在ニーズ）を把握してサービスを改善する」課題を考える。この課題では、問題の中心となる状態（欲求や不満の実態）が直接には観測できず、言語報告も行動データもノイズを含む。すなわち悪定義性は、主として**状態の観測可能性（state）**に関わる。したがって単一の問題空間を確定して“解かせる”ことは難しいが、教育・実務では、質問紙やインタビューの設計、代理指標の設定、データ収集計画の立案といった形で、観測可能な範囲を切り出して部分良定義化し、その妥当性を点検する技能を扱うことができる。

第二の例として、「システムが時々遅くなるが原因が一意に定まらず、どの対策が効くか分からない」という状況を考える。この場合、現象の観測は可能でも、原因候補が複数あり、介入（キャッシュ、DB、ネットワーク、コード最適化等）と結果の対応が状況依存であるため、問題空間における利用可能なオペレータ（operator）と遷移の見立てが確定しにくい。ここでも全面的な良定義化は困難であるが、仮説の列挙、切り分けテストの計画、観測指標の追加といった形で、検証可能な部分を先に定式化し、介入選択の根拠を形成することは可能である。したがって本例は、オペレータの確定とその効果の見通しが問題空間の成立を左右するという意味で、収束困難型の典型となる。

以上の事例から、悪定義性は単に「問題空間が定まらない」という一言では捉えきれず、どの要素が未確定で、どの範囲を部分良定義化し得るかを明示化することが重要である。特に教育で悪定義を扱う場合、学習目標はしばしば最終解の導出ではなく、観測・仮説・評価軸・介入候補の外在化と点検といった前段技能に置かれる。その意味で、悪定義問題を学習に資する課題へ転換する要点は、全面的な良定義化ではなく、部分良定義化とその点検可能化にある。