「選択肢が増えれば、自分に合うものを見つけやすくなり、自由と満足も増える」という直感には合理性がある。候補が増えれば、要求に合う案が含まれる可能性は高くなる。しかし、候補を比較する時間、評価軸を揃える作業、選ばなかった案への未練も同時に増える。選択肢の増加が、決定の遅延や満足度の低下へ反転する現象は、一般に選択のパラドックスまたは選択過多と呼ばれている[1]。
ただし、「選択肢が多いほど悪い」という単純な法則は成立しない。選択過多の効果は研究ごとに大きく異なり、候補集合の複雑さ、選択課題の難しさ、好みの不確実性、探索か決定かという目標によって変わる。候補数だけを減らしても、比較軸が揺れ、探索が終わらなければ、意思決定の負荷は残る。
本稿では、選択のパラドックスを買い物の心理に閉じず、情報選択と反復的な意思決定の設計問題として扱う。中心命題は、選択過多への対処が「選択肢を少なくすること」ではなく、探索を許す範囲、比較に使う基準、探索を終える条件を事前に固定し、決定後には次回の判断を軽くする構造だけを残すことにある。
1. 選択肢は探索を助け、決定を重くする
選択過多の代表例として知られる Iyengar と Lepper の研究では、24 種類のジャムを提示した条件は 6 種類の条件より多くの来訪者を引きつけたが、購入率は少数条件の方が高かった。別の実験でも、選択肢を限定した条件で課題への着手や成果が改善したと報告されている[2]。
この結果は、候補の多さが常に不利益であることを示していない。候補を眺める探索段階では、多様性が発見の機会と興味を増やす。ところが、一つを選んで行動へ移す決定段階では、候補の差を比較し、選ばなかった案を捨てなければならない。同じ候補集合でも、探索と決定では役割が異なる。
Scheibehenne らが 50 件の実験に含まれる 63 条件を統合したメタ分析では、選択過多の平均効果はほぼゼロであり、研究間のばらつきが大きかった[3]。強い効果を示す研究が存在する一方、候補の多さが判断を損なわない場面や、多様性が便益になる場面もある。
候補が比較しやすく、本人の好みが明確で、目的が具体的なら、多数の選択肢は条件に合う案を見つける可能性を高める。反対に、候補ごとに情報形式が異なり、比較軸が多く、何を重視するか決まっていない場合は、少数でも選択は重くなる。問題の単位は候補数ではなく、候補を一つの判断へ変換するために必要な処理である。
2. 選択過多は条件が揃ったときに発生する
Chernev らのレビューとメタ分析は、選択過多を強める主要な条件として、候補集合の複雑さ、決定課題の難しさ、好みの不確実性、決定目標を挙げている[4]。2024 年の研究整理でも、選択環境と意思決定者の特性の双方が調整要因になるとされている[5]。
| 条件 | 負荷が増える仕組み | 観測される症状 | 設計上の介入点 |
|---|---|---|---|
| 候補集合が複雑 | 項目、料金、契約条件、情報形式が揃わず、比較表を作る前処理が必要になる。 | 候補数は少ないのに比較が終わらない。 | 比較形式を揃え、必須条件を満たさない候補を先に除外する。 |
| 課題が難しい | 結果が長期に及び、専門知識や複数の制約を同時に扱う必要がある。 | 判断を先送りし、さらに資料を集め続ける。 | 専門家確認、段階的決定、可逆な試行へ分割する。 |
| 好みが不確実 | 候補を見るたびに評価軸が増え、以前の比較をやり直す。 | 候補の順位が調査のたびに入れ替わる。 | 探索段階で重視点を言語化し、決定段階では軸を固定する。 |
| 目標が混在 | 市場理解のための探索と、一案を選ぶ決定を同時に行う。 | 十分な候補があっても調査を終了できない。 | 探索と決定を別工程にし、工程移行の条件を定める。 |
候補数の制限は、これらの条件を弱める一手段にすぎない。比較軸が揃っていない状態で候補を 5 件へ減らしても、判断は軽くならない。逆に、100 件の候補を機械的な必須条件で絞り込み、残った数件だけを比較するなら、初期候補数は大きな問題にならない。
選択過多への対処では、どの条件が負荷を生んでいるかを先に特定する必要がある。候補が多すぎるのか、比較項目が多すぎるのか、目的が曖昧なのか、選択後の責任が大きすぎるのかによって、必要な介入は異なる。
3. 比較、期待、後悔は一つの過程として増える
選択肢が増えたときの心理コストは、独立した症状の一覧ではなく、意思決定の進行に沿って増える。最初に候補を集め、比較可能な形へ揃える費用が発生する。次に、候補の違いを知るほど評価軸が増え、「最良の案があるはずだ」という期待水準が上がる。決定後には、選ばなかった案の利点を想像できるため、結果が十分でも後悔が残りやすくなる。
選択肢が多い環境では、結果に対する自己責任も強く感じやすい。選択肢が少なければ環境の制約として受け止められる失敗が、十分に選べたはずの状況では自分の判断ミスとして解釈される。Botti と Iyengar は、選択の便益だけでなく、責任と不満を増やす側面を整理している[6]。
この過程で厄介なのは、追加探索が不安を解消するとは限らない点である。新しい候補は一時的に安心材料になるが、比較項目と捨てるべき代替案も増やす。確信を得るための探索が、確信を持ちにくい状態を再生産する。
したがって、決定後の後悔を完全になくすことを目標にしてはならない。選ばなかった案の価値は、どの決定にも残る。必要なのは、決定時点の情報と基準に照らして妥当な手順を踏んだことを確認できる状態であり、すべての代替案より優れていることの証明ではない。
4. 最大化より満足化が合理的な場面がある
Simon は、現実の意思決定者が情報、時間、計算能力の制約を受けることを前提に、完全な最適化とは異なる限定合理性のモデルを示した[7]。満足化は、必要な水準を事前に決め、その水準を満たす候補が見つかった時点で探索を終える方法である。
満足化は、品質を軽視することではない。安全性、費用、保守性、支援期間などの必須条件を厳しく設定することもできる。最大化との違いは、世界中の候補を比較して唯一の最良を証明しようとせず、目的に対して十分な案を得た時点で行動へ移る点にある。
Schwartz らの研究では、最大化傾向が強い人ほど、後悔、完全主義、抑うつとの関連が強く、主観的幸福感や生活満足度が低い傾向が報告された[8]。相関を含む研究であるため、最大化が不満を直接生むと断定することはできない。それでも、最良を証明するまで探索を続ける方針が、満足を保証しないことは示している。
満足化を機能させるには、候補を見る前に要求水準を置く必要がある。候補を見るたびに基準を上げれば、満足化は成立しない。採用後に選ばなかった候補との比較を再開しないことも、停止条件へ含めなければならない。
5. 情報選択では候補が自然に増殖する
商品棚には端があるが、検索結果、ニュース、論文、技術記事には明確な終端がない。一つの資料から関連資料へ進み、知らなかった用語を得るたびに検索範囲が広がる。情報探索では、調べる行為そのものが新しい選択肢を生成する。
情報過多に関する研究では、問題は情報量だけでなく、情報の特性、作業内容、個人の処理能力、利用できる時間の組合せとして整理されている[9]。情報量が多くても、目的と処理手順が決まっていれば直ちに過負荷になるわけではない。量が少なくても、信頼性が不明で、互いに矛盾し、判断への関係が曖昧なら負荷は高い。
Bawden と Robinson は、情報過多に加えて、不安、回避、注意の断片化など、情報環境の負の側面を整理している[10]。情報選択の失敗は、読める量を超えたというだけではない。読む目的が不明なまま、入力だけが継続する状態にある。
多くのデジタルサービスでは、滞在時間、表示回数、再訪などが事業指標になる。注意が経済的資源として扱われる環境では、利用者が判断を終えることと、サービス側が探索を継続させることの利害が一致しない場合がある[11]。推薦研究でも、短期の反応だけでなく長期的な利用を最適化する方法が提案されている[12]。
ただし、推薦機能が一律に利用者へ不利益を与えるとは限らない。大量の候補を事前に絞り、関連性の高い情報を見つける助けにもなる。問題は、推薦が誰のどの価値を最適化しているかが不明なまま、推薦された候補を自分の意思決定対象へ無制限に取り込むことである。価値を明示的に扱う推薦システムの研究でも、利用者、事業者、社会の目的が一致しない可能性が論点になっている[13]。
6. 選択能力ではなく選択空間を設計する
情報が増え続ける環境で、毎回より賢く選ぼうとすると、判断能力の向上より速く候補が増える。対処の対象は個々の判断ではなく、今回の意思決定へ入る候補の範囲である。
選択肢の提示方法や既定値が意思決定へ影響するという選択アーキテクチャの議論は、制度だけでなく個人の情報環境にも適用できる[14]。何を候補として表示するか、どの順序で比較するか、何を既定とするかを放置すれば、外部サービスの提示方法がそのまま自分の選択空間になる。
選択空間の設計では、探索範囲、評価基準、停止条件を先に固定する。情報源の制限、候補数の上限、比較軸の固定、期限の設定は、いずれもこの三要素のどこかに位置づけられる。
| 設計層 | 固定する内容 | 実装例 | 固定しない場合の失敗 |
|---|---|---|---|
| 探索範囲 | 対象分野、情報源、調査時間、候補数の上限を決める。 | 公式資料を優先し、調査を 60 分、候補を 5 件までとする。 | 検索語と関連資料が増えるたびに候補集合が拡張する。 |
| 評価基準 | 必須条件、主要な優先条件、同点時の補助条件を決める。 | 安全性を必須とし、費用、保守性、学習負担の順に比較する。 | 候補を見るたびに軸が増え、過去の比較をやり直す。 |
| 停止条件 | 採用条件、比較件数、期限、再評価時点を決める。 | 必須条件を満たす上位 2 件を比較し、期限日に暫定決定する。 | 十分な候補があっても、より良い案を求めて探索が続く。 |
数値は目的によって変える。可逆的で影響の小さい選択なら、短時間で決めて失敗時に戻せばよい。長期契約、医療、法務、大規模投資のように誤りの損失が大きい選択では、調査範囲を広げ、専門家による確認や独立した検証を追加する必要がある。
7. 情報入力最小化は情報断食ではない
情報入力最小化モデルは、情報を読まないことを目的としない。意思決定へ関係しない入力を常態化させないため、価値密度の高い情報源を少数に固定し、必要なときだけ探索を広げ、入力前に目的との関係を判定し、消費量へ上限を置く。
第一に、主要情報源を固定する。公式文書、原論文、標準仕様、継続的に品質を確認できる専門媒体など、判断の出発点にする情報源を決める。固定は永久ではなく、定期的に見直す。目的は情報源を減らすことではなく、毎回「どこから調べるか」を選び直す費用を減らすことである。
第二に、探索をイベント駆動にする。障害が起きた、技術選定が必要になった、契約更新が近づいた、記事を書くために根拠が必要になったときだけ探索範囲を広げる。新着情報が存在するという理由だけで、常時探索へ入らない。
第三に、入力前フィルタを置く。情報を読む前に、次の三問で入力の目的と価値を確認する。
| 判定 | 問い | 通過させる理由 | 限界 |
|---|---|---|---|
| 現在価値 | 現在の課題、意思決定、制作物へ影響するか。 | 直近の行動へ接続する情報を優先できる。 | 長期的な基礎学習や偶発的発見を除外しすぎる可能性がある。 |
| 残存価値 | 半年後にも参照価値が残る可能性があるか。 | 短期的な刺激と長期資産を分けやすい。 | 速報や障害情報のように短命でも必要な情報は別枠にする。 |
| 検証可能性 | 一次情報、実証データ、追跡可能な根拠があるか。 | 保存や再利用に耐える情報を選びやすい。 | 仮説、経験談、探索初期の着想は根拠の種類を明示して扱う。 |
三問のうち何問を満たせば読むかを固定的な法則にはしない。障害対応では現在価値が高ければ短命な情報も必要になる。研究では直近の行動へ接続しなくても、理論的な残存価値が高い資料を読む。問いは排除装置ではなく、入力の目的を明らかにする装置である。
第四に、消費量へ上限を置く。時間、件数、同時に追うテーマ数のいずれかを制限する。上限は品質を保証しないが、探索が日常の運用を侵食することを防ぐ。上限へ達しても判断材料が不足している場合は、無制限に延長せず、新しい探索枠と不足理由を宣言する。
8. 保存するのは材料ではなく判断の痕跡である
読んだ資料をすべて保存すると、保存空間自体が次の選択過多を生む。大量のブックマーク、候補一覧、比較表の素材は、後で参照するときに再び選ばなければならない。保存量が増えるほど、知識資産が増えるとは限らない。
残すべきものは、決定を再現するための最小情報である。目的、必須条件、主要な評価軸、採用した候補、採用理由、再評価条件を一つの決定記録へまとめる。却下案は、将来の再検討に必要な場合だけ、致命的な不適合理由を短く残す。
比較材料を捨てることには危険もある。監査、法令、契約、研究再現性のために根拠資料を保存しなければならない場合は、判断用の記録と証拠保全を分ける。利用者が日常的に見る決定記録は短くし、証拠資料は検索可能な保管場所へ分離する。
保存の価値は量ではなく、次回の判断費用を下げるかによって決まる。同型の問題が起きたとき、前回の基準と停止条件を再利用し、変化した条件だけを確認できれば、探索を最初からやり直さずに済む。
9. 日次、週次、年次で異なる判断を行う
選択空間の設計を、その場の意志力だけに任せると継続しない。判断の種類を時間軸へ割り当てると、日常の入力と、ルール自体の見直しを分離できる。
日次では、既に決めた主要情報源と現在の課題だけを扱う。必要なイベントがなければ探索を開始しない。緊急性の低いニュースや周辺情報は、その場で深掘りせず、週次処理へ回す。
週次では、保留した情報をまとめて確認し、保存するか、行動へ移すか、破棄するかを決める。ここで新しいテーマを無制限に増やさず、同時に追うテーマ数の上限を維持する。
月次または年次では、主要情報源、評価基準、停止条件そのものを見直す。情報源が増えすぎていないか、使われない保存物が残っていないか、例外処理が常態化していないかを確認する。この棚卸しは、入力を整理する作業ではなく、選択空間の自然増殖へ対抗する保守作業である。
重要な判断を特定の時刻に集中させれば必ず品質が上がるとは限らない。決定疲れの研究には測定と再現性をめぐる議論があり、単一の観察を普遍的な日程規則へ変えるべきではない。時間軸の分離は、人間の認知資源について強い仮説を置くためではなく、入力処理とルール変更を同時に行わないために使う。
10. 選択肢の増減を構造振動として捉える
本稿では、探索によって選択肢が増え、運用コストが顕在化すると削減と標準化が進み、環境変化によって再び探索が始まる往復を「構造振動モデル」と呼ぶ。これは選択過多研究そのものの結論ではなく、複雑化と単純化が時間の中で交互に現れる過程を説明するための筆者の解釈モデルである。
新しい問題へ直面した初期には、候補を広く集めることが合理的である。未知への備え、取りこぼしの回避、将来変更への余地を確保するため、選択肢は増える。探索が成功して候補と知識が増えるほど、次の運用では比較、更新、例外処理の費用が発生する。
運用で費用が観測されると、不要な候補を削り、標準を決め、停止条件を導入する単純化が必要になる。しかし、環境が変われば既存の標準だけでは対応できず、再び探索と候補追加が始まる。この往復を構造振動として読む。
| 局面 | その時点の合理性 | 起きること | 次の局面を生む条件 |
|---|---|---|---|
| 探索 | 未知への備えと候補の発見を優先する。 | 情報源、候補、評価軸が増える。 | 候補の増加が比較と維持の費用へ変わる。 |
| 運用 | 決定と実行を反復可能にする。 | 比較、例外処理、更新作業が日常化する。 | 迷い、手戻り、遅延が許容範囲を超える。 |
| 収束 | 不要な分岐を除き、基準と停止を固定する。 | 候補削減、標準化、保存物の整理が進む。 | 新しい要件や環境変化が既存標準から外れる。 |
| 再探索 | 既存構造で扱えない差分だけを調べる。 | 限定された範囲で候補と基準を更新する。 | 更新結果が新しい運用規則として固定される。 |
このモデルから「複雑化すれば必ず選択過多が起きる」「成熟した仕組みは必ず単純になる」とは断定できない。候補が増えても自動処理できる場合や、多様性を維持すること自体が目的である場合もある。構造振動モデルは、選択肢の増減を善悪で評価するのではなく、探索で得た多様性が運用コストへ変わる時点を観測するための補助線である。
11. 探索を意図的に始め、意図的に止める
構造振動を放置すると、探索が運用へ侵入しやすい。実際の作業を始めた後も候補追加が続き、評価軸が更新され、決定が暫定状態のまま残る。これを防ぐには、探索を許す時間と場所を明示する。
第一に、探索を完全に禁止しない。未知の問題では、早すぎる固定が選択肢を狭め、誤った基準を固める。探索段階では候補と評価軸を広げてよい。ただし、探索の期限、対象、成果物を宣言する。
第二に、探索の成果を候補一覧のまま運用へ渡さない。候補を調べた結果から、必須条件、主要な比較軸、採用可能な範囲、停止条件を作る。運用へ残すのは、多数の選択肢ではなく、反復可能な判断手順である。
第三に、単純化を失敗後の後処理にしない。運用開始前に、残す分岐と除外する分岐を決める。可能な機能や候補をすべて残してから、問題が起きたものだけを削る方法では、運用開始時点から比較費用を抱える。
第四に、例外条件を明文化する。安全性、法令、重大な前提変更など、現在のルールを中断して再探索すべき条件を定める。言語化できない不安を毎回例外として扱うと、停止条件は機能しなくなる。
12. 固定ルールが破綻する三つの兆候
選択空間を固定しても、運用の中で規則は崩れる。代表的な兆候は、探索の常態化、単純化への罪悪感、例外の常態化である。
| 破綻兆候 | 表面上の現象 | 構造上の原因 | 修正 |
|---|---|---|---|
| 探索が常態化 | 決めた後も検索し、候補を追加し続ける。 | 停止条件と再探索条件が分かれていない。 | 現在の決定を閉じ、必要なら別の探索枠を宣言する。 |
| 単純化への罪悪感 | 候補を捨てることを妥協や取りこぼしと感じる。 | 削減が運用開始条件ではなく失敗処理として扱われている。 | 残す条件を先に決め、除外を成果として記録する。 |
| 例外の常態化 | 毎回「今回は特別」として基準と期限を変更する。 | 例外条件が曖昧で、規則変更と個別判断が混同されている。 | 例外理由を記録し、頻発するなら規則自体を改定する。 |
規則が頻繁に破られる場合、利用者の意志が弱いとは限らない。探索枠が狭すぎる、評価軸が目的を表していない、停止条件が決定の損失に合っていない可能性がある。ルール違反を取り締まる前に、ルールが現実の判断を支えられるかを確認する。
一方、規則を毎回その場で変更すると、選択空間の固定は失われる。現在の決定を完了し、変更理由を次回のプロトコルへ反映する。重大な安全上の問題を除き、ルール改善と現在の探索延長を分離する。
13. 実務で使う意思決定プロトコル
意思決定プロトコルは、探索、比較、停止、記録、見直しの五段階で構成する。
| 段階 | 実施内容 | 固定するもの | 防ぐ失敗 |
|---|---|---|---|
| 探索の枠を宣言 | 何を決めるのかを明確にし、調査範囲、情報源、時間、候補数を探索前に定める。 | 探索対象、対象外、情報源、期限、候補数の上限を固定する。 | 検索するほど候補が増え、探索が終了しなくなることを防ぐ。 |
| 評価軸を固定 | 必須条件、主要な優先条件、同点時に使う補助条件を分け、探索中には新しい評価軸を追加しない。 | 必須条件、優先順位、比較方法、合否基準を固定する。 | 評価軸が途中で増え、過去の候補を繰り返し評価し直すことを防ぐ。 |
| 停止条件を選択 | 条件を満たす最初の候補、上位 2 件の比較、期限での暫定決定など、問題に応じた終了条件を決める。 | 採用条件、比較件数、期限、再探索を認める条件を固定する。 | 十分な候補があるにもかかわらず、より良い案を求めて探索を続けることを防ぐ。 |
| 決定理由を保存 | 目的、評価基準、採用案、採用理由、再評価条件を記録し、証拠保全が不要な比較材料は日常の選択空間から外す。 | 目的、基準、採用案、採用理由、再評価条件を保存する。 | 比較材料が蓄積し、決定後に同じ選択を何度も再開することを防ぐ。 |
| 周期的に棚卸し | 主要情報源、保存物、評価軸、例外条件を確認し、運用へ残すものだけを維持する。 | 主要情報源、現行基準、例外条件、再評価周期を見直す。 | 候補、情報源、保存物が自然に増え、次回の意思決定が重くなることを防ぐ。 |
このプロトコルは、すべての決定を同じ速度で処理するためのものではない。問題の損失、可逆性、期限、専門性に応じて探索範囲と確認手続きを変える。固定するのは具体的な件数ではなく、探索、基準、停止、記録、見直しを別の役割として扱う構造である。
14. 適用範囲と留保
目的そのものを探索している段階では、評価基準を早く固定すると、新しい可能性を見落とす。研究テーマの発見、創作、初期の事業探索では、候補の拡張と評価軸の変更に価値がある。期限を置く場合も、決定のためではなく、探索結果を整理する区切りとして使う。
結果が不可逆で損失が大きく、情報の非対称性が強い決定では、個人用の簡易プロトコルだけで完結させない。医療、法律、雇用、金融などでは、専門家の助言、説明義務、法定手続き、独立した確認を優先する。
推薦や自動絞り込みを利用できる場合は、候補数を人手で減らす必要がないこともある。ただし、絞り込みの目的関数、除外条件、偏りを確認できなければ、比較負荷を外部へ移しただけで、判断の透明性が失われる。
選択過多の効果が条件依存である以上、導入したルールの結果も観測する必要がある。必要条件を満たす候補を逃すなら探索範囲が狭すぎる。毎回期限を延長するなら停止条件が弱い。保存記録を使わず再調査するなら、決定理由が再利用できる形になっていない。
結論
選択のパラドックスは、選択肢が増えるほど必ず満足度が下がるという法則ではない。候補集合の複雑さ、課題の難しさ、好みの不確実性、探索か決定かという目標によって、選択肢の多さは便益にも負荷にもなる。
情報選択では、探索するほど候補と評価軸が増え、候補集合が自然に閉じない。対処は情報を一律に減らすことではなく、今回の決定へ入れる範囲を固定し、探索と決定を別工程にすることである。
決定前には、探索範囲、評価基準、停止条件を固定する。決定後には、候補の山ではなく、目的、基準、採用理由、再評価条件を残す。日常の入力、週次の処理、周期的なルール見直しを分ければ、同じ選択をその場の不安によって何度もやり直す必要がなくなる。
構造振動モデルは、選択肢の増加を悪と見なすための理論ではない。探索で得た多様性が運用コストへ変わる時点を観測し、必要な範囲だけを標準として固定し、環境変化が起きたときに限定的な再探索へ戻すための解釈モデルである。
選択問題の解は、自由を減らすことではない。探索を意図的に始め、必要な比較を終え、停止を実行し、次回の判断を軽くする形へ選択を作り替えることである。
参考文献
- B. Schwartz, The Paradox of Choice: Why More Is Less, Ecco, 2004. https://www.harpercollins.com/products/the-paradox-of-choice-barry-schwartz
- S. S. Iyengar, M. R. Lepper, “When Choice Is Demotivating: Can One Desire Too Much of a Good Thing?” Journal of Personality and Social Psychology, Vol. 79, No. 6, pp. 995–1006, 2000. https://doi.org/10.1037/0022-3514.79.6.995
- B. Scheibehenne, R. Greifeneder, P. M. Todd, “Can There Ever Be Too Many Options? A Meta-Analytic Review of Choice Overload,” Journal of Consumer Research, Vol. 37, No. 3, pp. 409–425, 2010. https://doi.org/10.1086/651235
- A. Chernev, U. Böckenholt, J. Goodman, “Choice Overload: A Conceptual Review and Meta-Analysis,” Journal of Consumer Psychology, Vol. 25, No. 2, pp. 333–358, 2015. https://doi.org/10.1016/j.jcps.2014.08.002
- R. Misuraca, A. E. Nixon, S. Miceli, G. Di Stefano, C. Scaffidi Abbate, “On the Advantages and Disadvantages of Choice: Future Research Directions in Choice Overload and Its Moderators,” Frontiers in Psychology, Vol. 15, Article 1290359, 2024. https://doi.org/10.3389/fpsyg.2024.1290359
- S. Botti, S. S. Iyengar, “The Dark Side of Choice: When Choice Impairs Social Welfare,” Journal of Public Policy Marketing, Vol. 25, No. 1, pp. 24–38, 2006. https://doi.org/10.1509/jppm.25.1.24
- H. A. Simon, “A Behavioral Model of Rational Choice,” The Quarterly Journal of Economics, Vol. 69, No. 1, pp. 99–118, 1955. https://doi.org/10.2307/1884852
- B. Schwartz, A. Ward, J. Monterosso, S. Lyubomirsky, K. White, D. R. Lehman, “Maximizing Versus Satisficing: Happiness Is a Matter of Choice,” Journal of Personality and Social Psychology, Vol. 83, No. 5, pp. 1178–1197, 2002. https://doi.org/10.1037/0022-3514.83.5.1178
- M. J. Eppler, J. Mengis, “The Concept of Information Overload: A Review of Literature from Organization Science, Accounting, Marketing, MIS, and Related Disciplines,” The Information Society, Vol. 20, No. 5, pp. 325–344, 2004. https://doi.org/10.1080/01972240490507974
- D. Bawden, L. Robinson, “The Dark Side of Information: Overload, Anxiety and Other Paradoxes and Pathologies,” Journal of Information Science, Vol. 35, No. 2, pp. 180–191, 2009. https://doi.org/10.1177/0165551508095781
- T. H. Davenport, J. C. Beck, The Attention Economy: Understanding the New Currency of Business, Harvard Business School Press, 2001. https://books.google.com/books?id=j6z-MiUKgosC
- L. Zou, L. Xia, Z. Ding, D. Yin, J. Song, W. Liu, “Reinforcement Learning to Optimize Long-Term User Engagement in Recommender Systems,” Proceedings of the 25th ACM SIGKDD International Conference on Knowledge Discovery Data Mining, pp. 2810–2818, 2019. https://doi.org/10.1145/3292500.3330668
- A. De Biasio et al., “Value-Aware Recommender Systems: A Systematic Review,” Expert Systems with Applications, Vol. 231, Article 120694, 2023. https://doi.org/10.1016/j.eswa.2023.120694
- R. H. Thaler, C. R. Sunstein, Nudge: Improving Decisions About Health, Wealth, and Happiness, Yale University Press, 2008. https://yalebooks.yale.edu/book/9780300262285/nudge/