誤謬：論証のよくある落とし穴

誤謬（ごびゅう）とは、一見すると筋が通っているのに、論証としては成り立たない推論のことです。書いている本人は正しく論じているつもりでも、読み手には「理由が足りない」「話をすり替えている」と受け取られます。

ここでは、レポートで起こりやすい誤謬を集めました。名前を覚える必要はありません。自分の論証に同じ形がないかを確かめるために使ってください。

• 自分の主張を組み立てるときに起こりやすいもの：「根拠が足りない誤謬」「筋道がゆがんでいる誤謬」
• 他人の主張を批判するときに起こりやすいもの：「他人の主張を批判するときの誤謬」

主張と理由と根拠の組み立てそのものは「論証」を読んでください。

根拠が足りない誤謬

早まった一般化

少ない例から、広い結論を出してしまう誤りです。事例から一般的な結論を導く推論（帰納）の確かさについては「演繹と帰納」を見てください。

友人三人に聞いたところ、全員が寝る前に SNS を見ていた。大学生の多くは寝る前に SNS を見ている。

直し方：調査や統計など、十分な数の根拠を示します。示せないなら、主張の範囲を狭めます（「〜という例がある」）。

相関と因果の取り違え

一緒に起きていることを、原因と結果の関係だと思い込む誤りです。「A のあとに B が起きたから、A が B の原因だ」と考えるのも、これに近い誤りです（前後即因果）。

朝食を毎日とる学生ほど成績がよい。したがって、朝食をとると成績が上がる。

一緒に起きていること（相関）は、一方が他方の原因であること（因果）の証拠としては足りません。因果を言うには、ほかの説明を除ける必要があります。相関を見つけたら、次の説明が成り立たないかを考えます。

• 第三の要因：両方に影響する別の要因がある。朝食をとる学生は生活のリズムが規則正しく、そのために睡眠や勉強の時間も確保しやすいのかもしれない（このような要因を交絡要因と呼びます）
• 逆の因果：結果だと思っていたほうが、原因になっている。「自己肯定感が高い学生ほど成績がよい」は、成績がよいから自己肯定感が高い、とも考えられる
• 偶然：データが少ないと、たまたま関係があるように見える
• 集め方の偏り：調べる対象の人の集め方に偏りがあると、関係が生まれたり消えたりする。授業に毎回出席している学生だけを調べると、出席と成績の関係は見えなくなる（「日常と意味が違う言葉」）

実験で参加者を条件に無作為に割り当てるのは、第三の要因を条件のあいだに均等に散らし、ほかの説明を除くためです。調査や観察のデータでは、ほかの説明を完全には除けません。

直し方：根拠の種類に合った言い方を選びます。

根拠の種類	合った言い方	言いすぎの言い方
相関のデータ（調査・観察）	〜と関連していた、〜ほど〜の傾向があった	〜が〜をもたらした、〜すると〜になる
実験のデータ	この条件では、〜によって〜が向上した	〜は常に〜を向上させる
一つの例	〜という例がある	〜が一般に起きている

相関のデータから因果について述べたいときは、言えることと言えないことを分けて書きます。

この結果は、朝食が成績を高めるという考えと矛盾しない。ただし、生活のリズムなどの影響を除けていないため、因果関係は明らかではない。

権威や多数に訴える

「有名な人が言っている」「多くの人がそう考えている」ことを、正しさの理由にする誤りです。

ノーベル賞を受けた研究者も、この健康法をすすめている。だから、この健康法は効果がある。

多くの学生が一夜漬けで乗り切っているのだから、一夜漬けは効果のある勉強のしかたである。

直し方：有名な人の発言なら、その人が何を根拠にそう述べたのかを示します。専門外のことについての発言は、とくに根拠になりにくい点にも注意します。「多くの人がそう考えている」は、そう考える人が多いという事実を示すだけで、その考えが正しい理由にはなりません。正しさの根拠は別に示します。

筋道がゆがんでいる誤謬

偽の二分法

本当はほかの選択肢があるのに、二つしかないように示す誤りです。

レポートは自分で一から書くか、AI にすべて書かせるかのどちらかだ。一から書くのは時間がかかりすぎるので、AI に書かせるしかない。

直し方：ほかの選択肢（AI に相談しながら自分で書く、など）がないかを検討してから、選択肢を絞ります。「A か B か」という比較の問いを立てるときも、両方が関わる、別の要因があるといった可能性を一度は考えておきましょう。

論点先取（循環論法）

示すべき結論を、理由の中にすでに含めてしまう誤りです。

この理論は正しい。なぜなら、この理論が誤っているとは考えられないからである。

直し方：理由が、結論とは別の、確かめられる事実になっているかを見ます。

滑り坂論法

小さな一歩が、根拠なしに次々と悪い結果へつながると主張する誤りです。

授業で AI を認めれば、学生は自分で考えなくなり、やがて大学教育そのものが成り立たなくなる。

直し方：つながりの一つ一つに根拠があるかを確かめます。根拠のない段階は、可能性として控えめに書くか、削ります。

誤ったたとえ（類推）

肝心な点で似ていないものをたとえに使い、そのたとえを主張の理由にする誤りです。

記憶は図書館のようなものだから、一度覚えたことが消えることはない。

直し方：たとえは説明のためにとどめ、主張の根拠は実験や資料で示します。たとえを使うときは、たとえと実際とが、主張に関わる点で本当に似ているかを確かめます（「レトリックとの向き合い方」）。

言葉の意味のすり替え

同じ言葉を、途中で別の意味で使う誤りです。

記憶は「再構成」されるものである。再構成されたものは作り話である。したがって、記憶は作り話である。

直し方：大切な言葉は最初に意味を決め（定義し）、最後まで同じ意味で使います（「言葉の定義」）。

他人の主張を批判するときの誤謬

文献を評価したり、反対の立場に応じたりするときに起こりやすい誤謬です。どちらも、主張と根拠を検討するという批判の役目を果たしていません。批判のつもりで書いた文が批判として成り立たない、ほかのよくある形は「批判的に考える」で紹介しています。

藁人形論法

反対の立場を、実際より極端で弱い形に言い換えてから退ける誤りです。反論の正しい取り上げ方は「反論と再反論」を見てください。

授業での AI の利用を認めるべきだという人は、学生が何も考えなくてよいと言っているのと同じだ。

直し方：反対の立場は、その立場の人が実際に述べている、いちばん強い形で紹介してから応じます。

人に訴える（人身攻撃）

主張の中身ではなく、主張した人の属性や態度を攻撃する誤りです。

その研究者は企業から研究費を受けているので、その結論は信用できない。

直し方：利害関係は、確かめるきっかけにはなっても、それだけで結論が誤りだとは言えません。研究の方法やデータのどこに問題があるかを示します。

自分の論証を点検する

• 少ない例から、大きな結論を出していないか
• 「〜によって」「〜の原因は」と書いた所に、因果を言える根拠があるか（相関のデータなら、第三の要因・逆の因果・偶然・集め方の偏りを考えたか）
• 有名な人や多くの人の意見を、理由の代わりにしていないか
• 反対の立場を、相手が実際に述べている形で紹介しているか
• 批判を、主張した人ではなく、主張と根拠に向けているか
• 選択肢を、根拠なく二つに絞っていないか
• 理由が、結論の言い換えになっていないか
• たとえを、主張の理由にしていないか
• 大切な言葉を、最後まで同じ意味で使っているか

論証を部品に分けて点検する方法は「トゥールミンの論証モデル」でも紹介しています。