観測できるもの
プロフィール属性、候補者の選択肢、接触、返信、サービス上で定義されたマッチ。
RESEARCH NOTE 05 / データの読み方
マッチングアプリ統計の読み方｜恋愛市場の平均ではない
短い答えは、アプリで観測される数字は「そのサービスに登録し、その時点で表示され、選び、返信した人たちの条件付きの結果」だということです。登録者と社会全体、表示された人と表示されなかった人、マッチと交際を同じ母集団として扱うと、相関を因果や個人の価値へ拡張してしまいます。
結論：アプリ統計を読むときは、①誰が市場に入ったか、②誰に表示されたか、③誰が行動したか、④何をアウトカムにしたか、⑤その条件をランダムに変えたかを分けます。AIによるプロフィール測定やアルゴリズムの説明も、透明性が高ければ常に信頼が増すという単純な話ではありません。観察データは行動の関連を示せても、アルゴリズムやプロフィール特徴がマッチや関係結果を引き起こしたと、単独では証明しません。
THE OBSERVED SAMPLE IS A FUNNEL
数字の分母は、段階を通るたびに変わる
「アプリ利用者のマッチ率」という表現でも、登録者全員を分母にするのか、ログインした人だけにするのか、表示されたプロフィールだけにするのかで意味が変わります。さらに、相手側の選択とサービスの仕様が次の分母を作ります。
| 段階 | 含まれる条件 | その数字が答える問い | 飛躍してはいけない結論 |
|---|---|---|---|
| 登録 | アカウントを作った人 | 誰がそのサービスを使い始めたか | 地域や年齢集団全体の恋愛行動 |
| 表示・閲覧 | アルゴリズムや検索で候補になった人 | 誰が接触の機会を得たか | 表示されない人の魅力や需要 |
| いいね・メッセージ | 見た後に選択・接触した人 | その場面での行動と選択 | 内心の好みや対面後の評価 |
| 返信・マッチ | 相手側の反応も成立したペア | 相互接続や返信というイベント | 会うこと、交際、満足度 |
| 関係の結果 | 調査へ回答し、追跡された人 | 後続アウトカムとの関連 | アプリ上の初期反応だけの効果 |
OBSERVATIONAL DATA HAS A HISTORY
行動データは豊富だが、選択された履歴である
Hitsch、Hortaçsu、Arielyの研究は、あるオンラインデートサービスの属性と相互作用からmate preferenceを推定し、Gale–Shapleyモデルで観測されたマッチングを比較しました。オンラインデータは、誰がどの選択肢を見て、どの相手へ接触したかを細かく見られる強みがあります。
一方で、それはそのサービスのユーザー、表示された選択肢、ユーザーが実際に取った行動の履歴です。著者ら自身も、オンライン利用者とオフラインの人口を比較するには人口属性の違いを仮定・再重み付けする必要があり、実際の結婚や長期関係を直接観測しているわけではないと説明しています。
観測しにくいもの
登録しなかった人、表示されなかった人、返信しなかった理由、対面後の関係。
混ざり得るもの
ユーザーの選好、候補者プール、アルゴリズム、地域、写真、時間、利用目的。
既存記事との接続：大規模なメッセージ履歴から算出したPageRankも、サービス内の接触ネットワークによる操作的指標です。マッチ・返信・魅力・満足度の定義記事で分母と測定段階を、SMV用語の記事で操作的指標と個人スコアの違いを、日本の利用・出会い・結婚データの記事で人口調査とサービス内ログの違いを確認できます。
PLATFORM DESIGN CAN MOVE THE NUMBER
アルゴリズムや仕様は、観測される反応を変える
Bapnaらのランダム化フィールド実験では、北米の大規模オンラインデートサイトで、新規ユーザー約10万人のうち5万人に匿名閲覧機能を与えました。匿名化されたユーザーはプロフィール閲覧を増やしましたが、閲覧の痕跡という「弱いシグナル」を失い、匿名でない対照群よりマッチが少なくなりました。マッチの量の減少は、質の上昇では埋まりませんでした。
この研究から言えるのは、匿名閲覧という仕様を変えると、そのサービス上の閲覧・シグナル・マッチのアウトカムが変わり得るということです。「匿名ユーザーの魅力が低い」や「閲覧数が多い人は本質的に価値が高い」という結論ではありません。ランダム化されたのは機能への割り当てであり、ユーザーの人間的属性ではないからです。
| 比較 | この研究で変えたもの | 観測されたアウトカム | この研究からは言えないこと |
|---|---|---|---|
| 匿名閲覧 vs 通常閲覧 | プロフィール訪問を相手に表示するか | 閲覧行動、弱いシグナル、マッチ数 | 普遍的な魅力、長期関係、全アプリの平均 |
| 処置群 vs 対照群 | 機能への割り当てをランダム化 | そのサイト・期間・定義での差 | プロフィール特徴が差を生んだという因果 |
| 協調フィルタリング vs プロフィールマッチング（Krzywickiら 2015） | 推薦アルゴリズムの方式（履歴ベースのCF＋決定木リランク対 属性一致のベースライン） | 推薦に従った際の成功相互作用率。9週間のライブ試験でCFの方が高い成功率改善 | 他プラットフォームへの一般化、長期関係アウトカム、アルゴリズム内部の妥当性 |
推薦方式の比較：Krzywickiら（2015）は、大規模デートサイトで「似た行動の人々」から候補を出す協調フィルタリング（CF）と、属性一致のプロフィールマッチングを比較しました。歴史データでは人気ユーザーへ過剰推薦する問題が顕在化し、決定木による再ランキングで対処。その上で9週間のライブ試験でCFの方が成功率高改善を確認しました。「科学的マッチング」の宣伝文句とは異なり、実際の推薦は行動データの統計であり、その効果も特定サイト・特定指標の中での測定値です。International Journal of Human-Computer Studies誌の論文
ONLINE EXPERIMENT / ALGORITHMIC TRANSPARENCY / 2026
透明性は「高ければ常に信頼」ではない——期待と性能の組み合わせ
Sun、Liao、Sundar、Walther（2026）のComputers in Human Behavior研究は、デートマッチングのアルゴリズムを使うオンラインデートサイトを題材に、227人の参加者へ、アルゴリズム透明性（高・低・なし）と性能への期待確認（上回る・一致・下回る）を組み合わせた3×3のオンライン実験を行いました。
期待を上回る／下回るとき
詳しいアルゴリズム説明は、システムへの理解の知覚と信頼を高めました。性能が良いから説明が不要、性能が悪いから透明性が無効、という一方向の結果ではありません。
期待どおりのとき
性能が期待どおりだった条件では、簡潔な説明の方が効果的でした。透明性の量ではなく、利用者が必要とする理解の水準との組み合わせが結果を分けています。
測ったのは信頼の条件
実験が測ったのは、説明の形式と期待確認が、デートサイトへの理解・信頼にどう関係するかです。推薦の正確さ、実際のマッチ、交際成立、長期満足度を測った研究ではありません。
測定の境界：「透明性を上げれば必ず信頼が増える」とは言えません。オンライン実験の条件付き効果を、すべてのアプリや地域の設計原則へ一般化しないでください。プロフィールの初期選択や顔・性格の測定段階は、指標記事の類似性分析で別に確認します。
QUALITATIVE DOCUMENT ANALYSIS / SAFETY GOVERNANCE / 2026
安全の文言や本人確認は、安全アウトカムそのものではない
Dietzel、Duguay、Matharu、Parry、Johnsonら（2026）は、カナダで利用できる30のマッチングアプリについて、利用規約、プライバシーポリシー、コミュニティガイドライン、安全チップなど447件の公開資料を2023年9〜12月に集め、質的な構成主義的コーディングを行いました。対象はユーザーの実際の被害や機能の効果ではなく、企業が安全をどのような責任・通報・監視の仕組みとして語るかです。SAGEの本文とDOIで、資料範囲と分析手順を確認できます。
| 分析層 | 対象 | 示されたこと | 測っていないもの |
|---|---|---|---|
| プラットフォーム資料 | 30アプリの447件の安全関連文書 | 利用者個人への安全責任、利用者同士・法執行への通報、本人確認やデータ利用を通じた監視という3テーマ。 | 実際の被害率、通報の正確さ、本人確認機能の安全効果、プライバシー侵害率。 |
| ユーザーの経験 | この研究の中心データには含まれない | 資料分析から、政策・機能が想定する責任や安全の語りを読む。 | 実ユーザーの安全行動、マッチ・返信、交際結果、各集団のリスク差。 |
ガバナンスとアウトカムを分ける：この研究は、安全を約束する資料が個人責任・通報・監視をどう組み立てるかを示しますが、その設計が暴力、詐欺、嫌がらせやデータ漏えいを減らす因果効果を測ったものではありません。カナダのアプリストアから選んだ資料を2023年に収集した質的分析であり、政策や機能が更新された後の現在の全アプリ、利用者全体、日本の経験へ一般化しません。安全資料の分析を、実ユーザーのマッチ率、個人のプライバシー判断、将来の被害確率や人間の価値へ変換しないでください。
RANDOMIZED FIELD EXPERIMENT / SOCIAL COMPARISON
人気フィードバックは、選択性とプロフィール修正を変える
Shi、Huang、Ramaprasad（2025）のMIS Quarterly研究は、オンラインデートサービス提供者と協力し、利用者へ人気情報を提示する2つのランダム化フィールド実験を行いました。追ったのは、候補者を選ぶときの選択性（selectivity calibration）と、プロフィールを修正する自己マーケティング（self-marketing）です。
比較対象との人気を示すフィードバックでは、低人気の情報を受けた利用者は自己マーケティングを増やし、選択性を下げました。高人気の情報を受けた利用者は反対方向に適応しました。著者らの要約では、男性の方がこの適応を示しやすく、女性の行動はより持続的で戦略的な変化が小さい傾向でした。一方、絶対的な人気情報だけを示した第2実験では、有意な変化は確認されませんでした。
| 操作 | 見た情報 | 観測された行動 | 読み取れる範囲 |
|---|---|---|---|
| 比較人気フィードバック | 他の利用者との相対的な人気 | 低人気では自己マーケティング増・選択性低下、高人気では逆方向 | 社会比較情報が、サービス内の適応を動かし得る |
| 絶対人気フィードバック | 絶対的な人気情報 | 有意な行動変化なし | 数字を示すだけで同じ変化が起こるとは限らない |
| 性別による適応差 | 同じフィードバック条件 | 男性の方が適応し、女性は変化が小さいという研究内パターン | このサービス・設計・測定での差であり、個人や性別の普遍法則ではない |
因果推論の境界：この研究でランダム化されたのはサービスが提示する人気フィードバックです。結果は提示後の選択性とプロフィール修正の変化であり、人気の測定値が客観的な魅力、マッチ率、交際成立、長期満足度を表すことを示しません。公式抄録で確認できる範囲から参加者数やサービス名を補わず、日本の利用者の割合や個人の価値のスコアへ変換しません。
MORE CHOICE IS NOT ONE OUTCOME
候補を増やしても、選択とマッチは同じ方向に動かない
Jungらの研究は、韓国の大規模オンラインデートプラットフォームで、24〜34歳・同じ都市圏・直近7日間に利用した6,327人を4群へランダムに割り当て、候補者を選べる容量を変えました。実験は3日間で、候補者の表示順もランダム化されています。
結果は単純な「選択肢が多いほど良い」ではありません。男性側の選択容量を増やした群は選択行動が最も多く、女性側の選択容量を増やした群はマッチ数が最も多くなりました。選択肢の増加が、同じ側の行動を増やす効果と、反対側の選択を減らす効果を同時に持ち得るためです。
Hu、Markowitz（2026）の2つの事前登録実験は、別の結果単位を加えます。参加者は31件（選択肢が多い条件）または6件（少ない条件）のプロフィールから、デートする相手を1人選びました。サンプルはStudy 1が193人、Study 2が342人です。選択肢が多い条件では、選んだ相手との関係を追求しようとする意向が強く、互換性または類似性がこの差を媒介しました。
比較の境界：Jungらは実際のプラットフォームで選択容量を変え、閲覧・選択・マッチを測りました。HuとMarkowitzはプロフィールを使った事前登録実験で、選択肢の量と選んだ相手への関係追求を測っています。後者の結果は実際のアプリのマッチ率、返信率、交際成立、長期コミットメントを示すものではなく、著者らも選択肢の量の効果はなお不確実で今後の検証が必要だと述べています。
年齢条件も、単に「好み」を記録するだけではありません。日本の結婚相談型プラットフォームでは、誕生日の表示年齢更新と保存された年齢条件を使い、候補集合から申込み・面談・プロポーザルまでを追ったworking paperがあります。年齢ラベルとマッチング段階の研究で、フィルターの適格性と実際の交際結果を分けて確認できます。
因果推論の範囲：この実験は選択容量の操作が、実験内のengagementやmatching outcomeをどう変えたかを識別します。しかし、結果を日本の全アプリ、長期の交際、個人の魅力へそのまま外挿する実験ではありません。
CONJOINT ANALYSIS / SWIPING DECISIONS / N=5,340
プロフィール属性の相対効果は、初期選択の指標として読む
「プロフィールの何が一番効く？」という問いは、人間の価値順位ではなく、初期の選択確率をどの設計で測ったかに限定します。Witmer、RosenbuschとMeral（2025）は、オンラインデート形式のスワイプ判断5,340件をコンジョイント分析し、身長・職業・自己紹介文・知性・類似性と外見を同時に比較しました。
外見の効果は大きかった
外見が1標準偏差上がると選択確率は約20％上昇し、知性は約2％でした。他属性の効果は文献と整合的でも、外見の7〜20分の1でした。男女の優先順位の差は通説より小さく、「男性は外見、女性は地位」という単純図式はこのデータでは弱かったと報告されています。
測定されたのはスワイプ
これは関係形成のごく初期のふるいにおける選択確率です。実際のマッチ率・返信率・初回対面・関係満足度の平均値や、個人に返せる魅力スコアを測ったものではありません。
所有権の境界：属性を操作して初期選択の相対効果と選択バイアスを読む問いはこのページで扱います。写真特徴とマッチ成功をプラットフォーム観察データの指標として読む問いは、マッチ率・返信率・魅力の指標記事が主回答です。
NATURAL EXPERIMENT / TINDER
アプリの導入は、性的活動と長期関係を同じ方向に動かすとは限らない
Büyükeren、Makarin、Xiong（2026）は、Tinderが初期に大学のGreek組織（fraternities・sororities）を中心にマーケティングしたことを識別に使い、大学生の導入前後と所属群の差を比較しました。公開データ台帳は、2008年9月〜2019年6月の米国を対象にした包括的な調査1.1 million超の回答と、差の差モデルを記録しています。
著者らの要約では、Tinderの本格導入は性的活動の頻度を急激かつ持続的に増やした一方、長期的な関係の形成や関係品質への影響は小さかったとされています。デート結果の不平等は、とくに男性で拡大し、性的暴行と性感染症の発生率も上昇しました。他方、学生のメンタルヘルスは平均的には悪化せず、女性では改善の可能性も示されています。
因果推論の境界：差の差という準実験的な設計は、単純な利用者・非利用者の横断比較より強い問いに対応しますが、個人のアプリ利用を無作為に割り当てた試験ではありません。米国の大学生、Tinderの初期拡大、Greek組織を軸にした導入差、2008〜2019年の社会状況で得られた平均的な結果です。「アプリを使えば誰でも性的活動が増える」「日本の長期関係や個人の価値が決まる」という予測へ変換しません。
JungとLusher（2026）は、米国の21〜35歳を対象に、州・都市圏ごとのGoogle Trendsでの「Tinder」検索強度を曝露指標とし、CPS個票を用いたイベントスタディ／差の差分析を行いました。ベースラインは756,929人です。分析では、結婚率や初婚時期への全体的な効果は確認されず、離婚・別居は増加方向の関連が示されました。結婚に関する結果は、男性比が高く市場が薄い地域で集中しました。
結果単位の境界：これは個人のアプリ利用を無作為に割り当てた試験ではなく、地域の検索強度を使った曝露指標の研究です。結婚率・初婚時期・離婚/別居は、アプリ内の表示・マッチやBüyükerenらの大学生Tinder導入研究の性的活動・長期関係アウトカムと同じものではありません。全体の効果がないという結果も、個人の離婚リスク、日本の結婚確率、すべてのアプリの因果効果を意味しません。
CORRELATION IS NOT A PLATFORM INTERVENTION
観察・予測・実験を、同じ「効果」と呼ばない
同じデータでも、研究デザインが違えば主張できる範囲が変わります。プロフィール特徴と返信の関連、アルゴリズムの予測精度、機能変更によるマッチ数の差は、それぞれ別の問いです。
| 研究デザイン | 得意な問い | 注意点 |
|---|---|---|
| 観察研究 | サービス上でどの属性・行動が同時に現れるか | 自己選択、表示条件、未観測要因が残る。関連を原因と呼ばない。 |
| 予測モデル | 既知の特徴から返信やクリックをどの程度予測できるか | 予測精度は原因の説明でも、長期結果の保証でもない。 |
| ランダム化実験 | 機能や表示条件を変えたときに、指定アウトカムがどう変わるか | 処置の範囲、実験期間、参加者、プラットフォームを越えて一般化しない。 |
| 自然実験・差の差 | 導入前後と、導入の影響を受けやすい群の差を比較する | 導入・時間・群の組み合わせに伴う平均的な差。個人の利用を無作為化した効果ではない。 |
USER SAFETY PRACTICES
安全は、プラットフォーム任せではなく「レパートリー」として作られている
安全ガバナンスの議論（前述のDietzelら）が企業側の語りを扱ったのに対し、Riedl（2026）は利用者自身の側を記録しました。TinderとBumbleを使う米国の42人への詳細なインタビューから、利用者が自分で組み立てる「安全ワークのレパートリー」を導いています。
6つの実践
相手の確認（vetting）、情報の出し惜しみを含む戦略的な開示・非開示、アプリ間の移行検討、プラットフォーム横断の追跡可能性を避ける工夫、待ち合わせ場所の慎重な選択、第三者への共有（looping others in）。
プラットフォームだけに頼らない
参加者は企業の安全機能を有用とみなしつつも、安全をプラットフォーム任せにはしません。個人で完結させるのではなく、友人やコミュニティを巻き込む形で組み立てられていました。
個別化への批判
著者は、安全責任を个人に返すガバナンスの流れに対して、利用者のレパートリーはむしろ安全性を「集合化」していると論じています。リスクを個人の注意不足に帰属させる読み方は研究と一致しません。
この研究が示すのは、米国の2アプリ利用者42人の語りです。レパートリーの内容は経験の記述であり、各実践の効果測定でも、被害率の推定でもありません。「これをすれば安全」という保証表にも、被害を受けた人の責任を問う根拠にも変換できません。
境界：自己選択された42人インタビューの質的研究であり、日本のアプリ・文化は対象外です。安全機能の設計評価（Dietzelらの資料分析）とは分析単位が異なります。
USERS READING THE ALGORITHM
利用者はアルゴリズムをどう解釈し、自分を再定義するか
アルゴリズムの内部は非公開ですが、利用者はそれを「読もうと」しています。Viduchinsky（2026）のCHI研究は、OkCupid利用者15人への半構造化インタビューから、ユーザーがデータ主導の分類と自分の関係を作り直す過程を記録しました。著者はこれを「アルゴリズミック・ミラー」と呼び、Meadの「一般的他者」の統計的な対応物として「アルゴリズミック・アザー」を概念化しています。
3種類の知識
利用者は、俗説的な知識（Folk）、個人的な試行からの知識（Personal）、学術的な知識（Academic）を使い分け、アルゴリズムの評価に対して自分を再定義します。この研究が示すのは、その知識形成の類型論です。
二重の観客
利用者は人間の相手と機械の両方に向けて自己呈示を行うという「二重観客ジレンマ」に置かれ、これが感情的労働になると報告されています。表示順や分類が自己認識に影響し得る経路の一つです。
これはシステムの中身ではない
インタビューが記録するのは、不透明なシステムについての利用者の物語です。アルゴリズムの実際の動作、表示の仕組み、成果の測定ではなく、「読まれる側の経験」の記述です。
境界：単一プラットフォーム・15人の自己選択サンプルの質的研究です。アルゴリズムの内部検証でも、可視性や成否の計測でもありません。このページで扱う選択実験や自然実験とは、測っている対象が異なります。
WHO RATES, AND HOW / JAPAN-US COMPARISON 2026
「平均的な評価」の裏で、評価者ごとに違うものが見られている
「客観的な顔の点数」という言説に対して、評価そのものの構造を調べた研究があります。日本と米国の共同研究（2026）は、日本人173人・米国人282人の評価者が同一の顔写真160枚を評価するWeb実験を行い、統計分析と幾何学的形態計測（どの顔の特徴が高評価と結びつくか）を行いました。
順位づけには普遍的成分
評価者の性別・年齢・文化を問わず、誰が魅力的かの相対的な順位には正の相関がありました。従来研究の「普遍性」の主張はこの意味では再現されています。
しかし見ている特徴は違う
形態計測では、高評価と結びつく特徴が評価者によって異なることが分かりました。日本人評価者は男性顔への高評価で挙げられた眉、女性顔では小さな口を重視する傾向が米国人より強く、米国人評価者は極端な点数をつける一方、日本人評価者は中庸で分散が小さかった。
「客観スコア」への含意
同じ顔でも、どの評価者集団の平均を取るかで「何が良いか」の理由付けが変わります。単一の普遍的な探点基準が存在するという主張は、このデータでは支持されません。
境界：静止画の評価実験であり、日本標本はアジア系・米国標本はWhite/Blackに限定、両国でプラットフォーム条件が異なります。アプリ上のマッチ成果や個人の魅力判定とは直結しません。読めるのは「評価の相対的順位は共有されつつ、根拠となる特徴の重みは文化的・性別的に変動する」という構造です。Psych Journal誌の論文（PMC全文あり）
「客観スコア」的な語彙がコミュニティでどう正当化されるか（進化心理学の借用とjust-so story）は、進化心理学とマノスフィアの研究ページで扱います。
A FIVE-QUESTION CHECK
アプリ統計を読む前の5つの質問
- 誰が分母か：登録者、アクティブ利用者、表示された人、送信者、ペアのどれか。
- 誰が処置・表示を受けたか：アルゴリズム、検索、地域、時間、課金機能が候補者への露出を変えていないか。
- イベントは何か：閲覧、いいね、返信、マッチ、会う、交際、満足度を混ぜていないか。
- 研究デザインは何か：観察、予測、自然実験、ランダム化実験のどれか。
- 外挿先はどこか：国、年齢、性的指向、サービス、期間、利用目的が一致しているか。
この確認をすると、数字の価値が下がるのではなく、数字が実際に答えられる問いが明確になります。アプリ上の差を、人間全体の価値や将来の関係の確率へ翻訳する前に、測定された条件へ戻すことが重要です。
FRAUD VICTIMIZATION RESEARCH
「なりすまし詐欺」の被害研究は、何と何の関連を測ってきたか
アプリ統計の読み手が最も警戒すべきリスクの一つが、偽プロフィールによる恋愛詐欺（catfishing）です。SnyderとGolladay（2024）は、生活様式・日常活動（LRAT）理論とセルフコントロールの枠組みを使い、catfishing被害者のオンライン・オフライン両方の行動パターンと被害経験の関連を調査しました。
理論の適用
日常活動理論は「被害機会」を説明する枠組みで、オンラインとオフラインの両方の行動がcatfishingリスクに関連することをこの研究は示し、理論の適用範囲を広げました。
関連は相関である
被害者サンプル内での自己報告に基づく横断研究のため、「この行動をすると被害に遭う」という因果的主張も、「安全な人」と「危険な人」の分類もできません。研究はあくまで被害者内の関連パターンの記述です。
読むときの注意
被害者だけを対象にした研究は、被害に遭わなかった人との比較が公開情報では限定的です。リスク要因の「順位」を作るのではなく、詐欺手口の構造を理解する材料として読むのが適切です。
境界：米国の文脈での研究であり、日本のアプリ環境・詐欺手口への当てはめは制約付きです。このガイドは詐欺防止の個人チェックリストを提供するものではなく、統計の読み方を扱うものです。被害の相談先は各国の公的機関を参照してください。
EXPERIMENT / 831 ONLINE DATERS / 2025
AI生成写真は見分けられるか——実験が示す「学習ループ」
「偽物は自分なら見抜ける」という自信には、実験的な反証があります。Lidor Ivan（2025、Computers in Human Behavior: Artificial Humans）は、米国の異性愛オンラインデート利用者831人に実写とAI生成のプロフィール写真を見せ、出自の判断とその理由を収集しました。
精度は偶然以下
AI生成画像の検出精度は全体として偶然水準を下回りました。「見抜ける」という感覚は、現在の生成品質に対して系統的に過大です。
性差は双方向
女性は男性よりAI画像を多く見抜いた一方、実写を誤ってAI判定することも多かった——警戒心が高いほど誤検知も増える構造です。
「学習ループ」
利用者は視覚的不整合・完璧すぎる手がかり・技術的欠陥という3つの戦略で判断しますが、著者は「利用者が適応し、AIがそれに追い付き、再適応を迫られる」循環をLearning Loopとして概念化しました。視覚的信用は設計上不安定であり、個人の注意力の問題ではありません。
境界：米国異性愛サンプル・単一時点・当時のAI画質という限定があります。特定アプリの偽アカウント率や詐欺被害率の推定ではありません。この結果から「写真を疑え」という個人への警戒助言ではなく、検証機能のプラットフォーム側実装が構造的に重要であること読み取れます。Computers in Human Behavior: Artificial Humans誌の論文（オープンアクセス）
SAFETY MESSAGING RESEARCH
55歳以上の女性を対象にした安全情報の伝え方研究
安全に関する情報「そのもの」の伝え方を検証した研究もあります。Turley、Cattoni、Corbett-Jarvis（2025年8月オンライン先行、Violence Against Women 32巻10号＝2026年8月刊行）は、オーストラリアの55歳以上のシスジェンダー女性121人に、キャラクター主導の安全教育動画3本を見てもらい、アンケートで反応を収集しました。リフレキシブ・テーマティック分析から4つのテーマ——安全への懸念、安全メッセージの伝達手段、動画による知識構築、行動変容——が導かれています。
対象の必要性
高齢女性のアプリ利用（交際・恋愛・カジュアルな関係）が増える一方、ハラスメントや詐欺のリスクに直面しやすい層として、ターゲットを絞った安全情報の設計が課題とされています。
テキストより記憶に残る形式
従来のテキスト中心の安全情報に対して、キャラクター主導の視覚的な動画は「記憶に残る代替手段」になりうると報告されています。
介入開発への示唆
結果は特定集団向けの介入設計に活用できるとしていますが、これはメッセージ形式の評価であり、実際の嫌がらせ率・詐欺率の測定や、機能の効果検証ではありません。
境界：シスジェンダー女性121人・単一国（オーストラリア）・動画評価デザインの質的研究であり、被害率の推定、プラットフォーム機能の評価、日本の環境への当てはめ、個人への安全保証はできません。
QUALITATIVE STUDY / AUSTRALIA / 2026
アプリでの出会いは「労働」か——30代女性の時間のやりくり
「マッチしないのは努力が足りないから」という個人の責任に見える現象に対して、構造側から読んだ質的研究があります。Sideris（2026、Journal of Sociology）は、オーストラリアの異性愛女性（34〜35歳）への詳細なインタビューをもとに、30代のアプリ利用を「時間の作業（time work）」として分析しました。
投資として意識される時間
参加者たちは、アプリに費やす時間を「投資」として自覚的に管理していました。スワイプ、メッセージ、日程調整といった作業は、家事に近い無償の労働として経験され、アプリはデートの労働を再構成し強化していると描かれます。
ジェンダー化された強制
この研究が示すのは、アプリ利用の負荷が個人の怠けや魅力の問題ではなく、年齢とジェンダーが織りなす社会的な強制（gendered imperative）として経験されているということです。「頑張れば出会える」という枠組みは、この構造的な労働を見えなくします。
境界：34〜35歳のオーストラリア人女性という狭い層の質的研究であり、頻度や因果を測るものではありません。全女性・全アプリ・日本の状況への外挿には制約があります。インタビュー分析であるため研究者の解釈が分析に入ります。Journal of Sociology誌の論文
CROSS-SECTIONAL SURVEY / GERMANY / N=495 / 2026
アプリ経由の不倫は「アプリのせい」か——性格特性との同時分析
「マッチングアプリは不倫を増やす」という言説に対して、利用者と非利用者の性格特性を同時に測った調査があります。Freyth（2026、Frontiers in Psychology）は、ドイツ語圏の16〜70歳495人（独身・交際あり両方）を対象に、アプリ経由の性的経験とダークトライド（自己愛・マキャベリズム・精神病質）、性的強迫性、性的満足を性別層ごとに分析しました。
交際相手がいても報告されるアプリ経由のセックス
交際相手のいる利用者の方が、独身の利用者よりもアプリ経由の性的経験を報告した割合が高いという結果は男女ともに見られました。この研究は「アプリ利用者が信用できない」という通念の統計的な裏付けにも見えます。
ただし説明変数は性格特性
アプリ経由の性的経験を報告した男性は、マキャベリズムと性的強迫性が高い傾向がありました。女性では、マキャベリズムが高く性的満足が高い場合に不倫経由の報告が多いなど、より複雑なパターンでした。つまり差を生んでいるのは「アプリを使うか」ではなく、使い方の背後にある個人差の可能性です。
境界：横断的な自己申告データで、センシティブな行動の自己報告です。因果関係（アプリが不倫を「可能にした」のか、その傾向のある人が使うのか）は決められません。単一国・パネル会社の参加者という標本制約もあります。個人の特定や予測には使えません。Frontiers in Psychology誌の論文（オープンアクセス）
SECONDARY SURVEY ANALYSIS / US / HCMST 2017 / 2026
アプリは「似た者同士」を増やすか減らすか——同姓・異性カップルのホモガミ格差
「アプリは選別のフィルターで世界を狭める」という指摘と「アプリは多様な出会いを広げる」という期待、どちらが正しいのでしょうか。Park（2026、Journal of Marriage and Family）は、米国のHCMST 2017調査データを使い、同姓カップルと異性カップルの人種・学歴・年齢の同質性（homogamy）と、オンライン出会いの役割を分析しました。
同姓カップルほどオンライン出会いが多く、異質性も高い
同姓カップルの約31.9%がオンラインで出会ったのに対し、異性カップルは10.1%。同姓カップルは人種・学歴・年齢のすべてで異性カップルより異質性が高い傾向がありました。
年齢だけはアプリが「狭める」方向に働く
オンライン出会いは両タイプのカップルで6歳以上の年齢差のオッズを約37.4%下げており、同姓カップルの年齢同質性格差をむしろ抑制していました。一方、人種・学歴の同質性格差はオンライン出会いでは説明できず、同姓カップルに限ってオンライン出会いと人種的異質性の関連が見られました。パートナーマーケットの構造的制約の方が、出会い方よりも大きな役割を果たしている可能性です。
境界：観察データの横断分析であり、アプリ利用を選ぶ人自身が異質性への態度を持つ可能性（選択バイアス）を排除できません。プラットフォーム設計と利用者選好も分離できません。米国2017年時点のデータであり、現在のアプリ環境とは異なります。Journal of Marriage and Family誌の論文
THREE-WAVE LONGITUDINAL / RI-CLPM / N=1,160 / 2026
写真加工と身体満足の「悪循環」——RI-CLPMが示した方向性
「加工写真はどちらが先か」を測るには、同じ人を長期間追跡し、個人内変化を分離する設計が必要です。Feng、He、Huang、Xu、Xu（2026、Body Image）は、中国の16〜43歳女性1,160人を1年間・6ヶ月間隔の3時点で追跡し、ランダム切片交叉遅延パネルモデル（RI-CLPM）で写真頻度・加工度と身体満足の双方向関係を分析しました。
加工→不満の一方向が強い
個人内で加工の頻度・程度が増えると、その後の身体満足が一貫して低下しました（β=−0.25〜−0.45、大きな効果）。逆に身体満足の低下が後の加工を増やすのは一部の区間のみで、対称ではありませんでした。
強化サイクルとしての構造
結果は「加工→不満→さらなる加工」という個人内強化サイクルを示唆し、写真加工をボディイメージ介入の対象にできる可能性を示しています。横断研究では区別できなかった時間的方向性を、RI-CLPM が分離した点が方法論的な価値です。
境界：観察的縦断デザインであり、RI-CLPM でも因果は確定しません（測定されていない時間依存の交絡が残る）。中国人女性のサンプルであり、セルフィー加工がすべてのアプリ写真行動を代表するわけでもありません。PubMedの要旨／Body Image誌の論文
ONLINE EXPERIMENT / WARRANTING THEORY / 2026
「本人が書いた情報」はなぜ疑われるのか——ワランティング理論の実験
プロフィールの記載は本人が自由に編集できるため、「本当にその通りの人か」を見分ける手がかりが必要です。Vendemia（2026、Journal of Media Psychology）は、恋愛動機とSNSネットワーク接続の表示を操作するオンライン実験で、閲覧者の「本物感」の判断がどう変わるかを検証しました。
将来の出会いの予期が信頼を作る
プロフィール所有者の恋愛動機が高いと提示されると、閲覧者は「将来的に実際に会える可能性」を高く見積もり、それが本人の本物らしさ・信頼性・善意の知覚を押し上げました。実験による因果推論が可能なデザインです。
第三者の手がかりが不確実性を減らす
より広いソーシャルネットワークとの接続が表示されると、関係の不確実性が低下しました。自分で書いた情報（編集可能）より第三者から見える情報（編集困難）の方が信頼の根拠になるというワランティング理論の予測を実証しています。
境界：測定されているのは閲覧者側の知覚であり、プロフィール所有者の実際の正直さではありません。単一プラットフォーム形式の刺激物を使った実験です。Journal of Media Psychology誌の論文（2025年8月オンライン先行・2026年号収録）
GENERATION 3 / AI SELF-PRESENTATION / 2025–2026
AIプロフィールで動くのは何か——画像品質・人への印象・自己表現を分ける
AIで作ったプロフィール画像をめぐる議論は、「見抜けるか」「信頼されるか」「魅力が上がるか」を一つにしがちです。新しい研究では、画像そのものの品質評価と、画像に写る人への社会的魅力・信頼性の評価が分かれました。さらに、実際の利用者は画像を理想化やプライバシー管理の道具として組み立てています。
| 問い | 新しい研究が測ったこと | このページでの読み方 |
|---|---|---|
| AI画像は高品質に見えるか | 米国成人817人の事前登録2×2実験では、AI生成画像は同じ人物のプロ画像より画像品質が高く評価され、AI使用の表示は画像品質を下げた | 画像という物体への評価。人の魅力や信頼性が同じ幅で下がったとは言えない |
| AI使用の表示は人への印象を変えるか | 平均では社会的魅力と信頼性への有意な影響はなく、AI知識の自己評価によって表示への反応が分かれた | 開示の効果は一律ではなく、画像品質・人への印象・知識の組み合わせで読む |
| 利用者はプロフィールをどう作るか | 中国の大学教育を受けた経験豊富な利用者20人の面接では、理想化した写真、望まれると考える特性、識別情報の非表示が語られた | 自己表現とプライバシー管理の実践。実際のマッチ率や正直さの人口推定ではない |
Longらの実験は、AIの開示が画像品質へ与える反応と、人への評価が一致しないことを示しました。Zhangらの面接研究は、プロフィールを作る側の意図とプライバシー上の判断を補います。既存のAI検出研究や透明性実験と合わせても、AI画像を見た一回の評価から、本人の価値、詐欺の有無、交際の見込みを判定することはできません。
内部リンクの役割：AI画像の検出精度は検出研究、説明の詳しさと信頼は透明性研究、初期選択の重みはアプリ指標ガイド、利用に伴う疲れはバーンアウト研究で分けています。
GENERATION 4 / AI-MEDIATED COURTSHIP / 2026
AIが恋愛メッセージを書くと、本人らしさはどう揺れるか
AIプロフィール研究が画像や自己紹介の編集を扱う一方、Ante（2026）の45人への半構造化インタビューは、恋愛メッセージにLLMを使う利用者と、AI補助メッセージを受け取った利用者を分けて聞きました。ここで測られているのはマッチ率ではなく、誰が言葉の作者なのかをめぐる経験です。
| 経験の層 | インタビューで示されたこと | この研究から言える範囲 |
|---|---|---|
| 使う側の自己表現 | LLMを「内側の自分を言葉にする道具」と正当化する、authenticityのパラドックスが語られた | AI使用者が全員うそをつくという割合や判定ではない |
| 受け取る側の信頼 | 後からAI補助を知った受け手は、デジタルな裏切りや作者性の揺らぎとして経験した | 受け手の語りであり、開示の因果効果や実際の交際成立率ではない |
| オンラインから対面へ | AIで整えたpersonaから、補助なしの対面会話へ移るときの不一致不安が現れた | 特定サービスの離脱率・破局率・個人の将来予測には変換できない |
Anteの質的研究は、AI開示を単純に「透明なら信頼が増す」と扱わず、作者性・受け手の信頼・対面移行を一つの過程として提示します。画像品質と人物印象は前節の実験、プロフィールの初期反応は指標記事、開示が負担や同意に関わる経験はバーンアウト記事で分けて読みます。
測定の境界：45人の質的インタビューは、authenticityをめぐる意味と不安を発見する研究です。AI利用率、開示率、マッチ率、交際結果、AI利用の善悪を推定する研究ではありません。
SEARCH QUESTIONS, ANSWERED CAREFULLY
よくある問いへの短い答え
| 問い | このページの研究から言える答え |
|---|---|
| アプリのアルゴリズムは偏っている？ | 観測される履歴・表示条件・人気度フィードバックなど、複数の層で偏りが生じ得ることが理論と観察研究で示されています。内部仕様そのものの検証は限定的です。→該当セクション |
| アルゴリズムの説明が詳しいほど信頼できる？ | 227人のオンライン実験では、性能が期待を上回る／下回るときは詳しい説明、期待どおりのときは簡潔な説明が、理解と信頼に有利でした。透明性の効果は期待確認に依存し、推薦の正確さや交際結果を検証した研究ではありません。→該当セクション |
| AIの写真を見抜ける？ | 831人実験では判別精度が偶然以下でした。女性は男性より高精度だが実写も誤判定する「過剰だが誤った疑い」が観察されました。→該当セクション |
| AI使用を表示すると信頼されなくなる？ | 817人の事前登録実験では、表示は画像品質の評価を下げましたが、人への社会的魅力・信頼性の平均評価は有意に変わりませんでした。AI知識による違いもあります。→開示とアウトカム |
| AIに恋愛メッセージを書かせると本人らしさは失われる？ | 45人の質的インタビューでは、使う側は内側の自分を表す道具と捉える一方、受け手は後から知ったAI補助を作者性の揺らぎや裏切りとして語り、対面移行時の不一致不安も示されました。割合や交際結果の研究ではありません。→authenticityの経験 |
| 詐欺被害を避けるには？ | 被害者調査からは、低自己制御と特定のオンライン活動パターンとの関連が示されています。断定的な防止策は言えません。→該当セクション |
| 選択肢が多いとマッチは増える？ | 6,327人のランダム化実験では、容量を増やすと同じ側の選択行動は増えますが、反対側の選択を減らす効果も同時に働きます。「多いほど良い」ではありません。→該当セクション |
| プロフィールの何が一番効く？ | 初期選択のコンジョイント分析では、外見が1標準偏差上昇で選択確率約20％増。他属性（知性・職業・自己紹介）は外見の7〜20分の1でした。ただし、これはスワイプ時の選択指標であり、マッチ率・返信率・関係の質や個人の価値ではありません。→該当セクション |
| マッチしないのは努力不足？ | 30代女性への質的研究では、アプリ利用の時間が「投資」として自覚され、デートの労働を強化する構造が報告されています。成果の差は個人の努力だけで説明できません。→該当セクション |
| アプリは不倫を増やす？ | 495人の横断調査では、交際相手のいる利用者ほどアプリ経由の性的経験を多く報告した一方、その背景にマキャベリズムや性的強迫性などの個人差が確認されました。因果は未確定です。→該当セクション |
| アプリは出会いを多様にする？ | 米国HCMST調査の再分析では、オンライン出会いは年齢差を縮める方向に働く一方、人種・学歴の同質性格差は説明せず、構造的制約の方が大きい可能性が示されました。→該当セクション |
| 写真加工は自己イメージに悪い？ | 1年間の3波縦断研究（N=1,160、RI-CLPM）では、加工の増加が後の身体満足低下を予測する強い個人内連関が確認されました。因果確定ではない点に注意。→該当セクション |
| プロフィールの記述はどこまで信じられる？ | 実験では、SNSなど第三者から見える情報の接続表示が関係の不確実性を下げ、恋愛動機の表示は「会える可能性」の予期を通じて本物感を高めました。→該当セクション |
LIMITS
このガイドから言えないこと
- ひとつのアプリのマッチ率を、日本の恋愛市場全体の平均として扱うこと。
- 表示回数、返信率、マッチ数から個人の客観的な魅力や人間的価値を判定すること。
- アルゴリズムの順位や候補者の表示を、長期関係や満足度の保証とみなすこと。
- ランダム化実験のサービス内アウトカムを、すべてのアプリ・地域・目的へ無条件に一般化すること。
- 相関や予測精度を、プロフィール特徴や利用者属性の因果効果と呼ぶこと。
- 米国大学生を対象にしたTinder導入前後の差の差分析を、日本の利用者、全世代、全アプリの性的活動・長期関係・健康結果へそのまま外挿すること。
- 人気フィードバックへの行動変化を、普遍的な人気、客観的な魅力、マッチ率、交際成立、長期満足度のスコアとみなすこと。
- 31対6プロフィールの事前登録実験で関係追求の意向が高かったことを、実際のアプリのマッチ率・返信率・交際成立・長期コミットメントや「選択肢は多いほど良い」という普遍則へ変換すること。
- 34〜35歳のオーストラリア人女性への質的研究から、アプリ利用の負荷の大きさや原因について一般化できません。
- 495人の横断調査から、アプリ利用と不倫の因果関係や日本の利用者への当てはまりを断定できません。
- 米国2017年の観察データから、アプリ利用とカップルの異質性の因果関係や現在の日本の状況を断定できません。
- 縦断データでも未測定交絡があり、写真加工と身体満足の因果関係を確定できません。
- 実験で示されたのは閲覧者の知覚変化であり、プロフィール記載の実際の正確さとは異なります。
- 227人の透明性実験から、詳しい説明がすべての利用者・性能条件・アプリで信頼を高めると一般化することはできません。
- 45人の質的インタビューから、AI利用者の割合、開示の善悪、マッチ率、交際成立、対面不一致の発生率を推定できません。
マッチ率・返信率といった指標の分母がなぜ単一の平均にできないかは、アプリ指標の読み方のページで整理しています。
PRIMARY SOURCES
原典と研究台帳
- Hitsch, Hortaçsu & Ariely (2010), “Matching and Sorting in Online Dating”American Economic Review 100(1):130–163｜オンラインサービスの属性・相互作用から選好とマッチングを推定。観察されたサービス履歴とオフライン人口の違いを残す。
- Bapna et al. (2016), “One-Way Mirrors in Online Dating: A Randomized Field Experiment”Management Science 62(11):3100–3122｜約10万人の新規ユーザーへの匿名閲覧機能のランダム割り当て。閲覧とマッチへの因果効果を検討。
- Sun, Liao, Sundar & Walther (2026), “Does transparency matter when an AI system meets performance expectations? An experiment with an online dating site”Computers in Human Behavior 177: 108875。227人の3×3オンライン実験。アルゴリズム説明の詳しさと信頼の関係は、推薦性能が期待を上回る・一致する・下回る条件で異なる。
- Jung et al. (2021), “The Secret to Finding a Match: A Field Experiment on Choice Capacity Design in an Online Dating Platform”Information Systems Research 33(4):1248–1263｜韓国の6,327人を4群へランダム割り当て、候補者の選択容量とマッチング結果を比較。
- Hu & Markowitz (2026), “Re-examining relational pursuit and mate selection in online dating” / SAGEJournal of Social and Personal Relationships 43(8):2262–2285｜31対6プロフィールを比較する2つの事前登録実験（N=193、342）。選択肢の量、関係追求、互換性・類似性を、実際のアプリ成果とは別に読む。
- Büyükeren, Makarin & Xiong (2026), “The Impact of Dating Apps on Young Adults: Evidence from Tinder”American Economic Journal: Applied Economics 18(2):61–106｜Tinderの初期大学マーケティングを利用した差の差分析。性的活動、長期関係、関係品質、デート結果の不平等、性的暴行・性感染症、メンタルヘルスを同じ結果にまとめず読む。
- Jung & Lusher (2026), “Dating apps and marriage rates” / ScienceDirectEconomics Letters 262:112873｜Google TrendsのTinder検索強度を曝露指標、CPSの21〜35歳・ベースラインN=756,929を用いたイベントスタディ／差の差分析。結婚率・初婚時期の全体効果、離婚/別居との関連、市場構成別の違いを分けて読む。
- Dietzel, Duguay, Matharu, Parry, Johnson et al. (2026), “Individualized responsibility, policing, and surveillance: Examining the carceral logic in dating app companies’ approaches to safety”Platforms & Society. 30アプリの447件の安全関連資料を質的に分析し、個人責任、通報・警察、監視とデータ交換の語りを整理する。利用者の被害率、機能の安全効果、プライバシー侵害率を測る研究ではない。
- Riedl (2026), “Safety work repertoires and dating platforms: How users of Tinder and Bumble manage their safety”Information, Communication & Society. DOI: 10.1080/1369118X.2026.2639563｜Tinder・Bumble利用者42人（米国）への詳細インタビュー。vetting、戦略的开示・非開示、プラットフォーム移行、追跡回避、待ち合わせ場所選択、第三者共有という「安全ワークのレパートリー」を導出。実践の効果測定や被害率の推定ではない。
- Snyder & Golladay (2024), “More Than Just a “Bad” Online Experience: Risk Factors and Characteristics of Catfishing Fraud Victimization”Deviant Behavior 47(1): 64–84. DOI: 10.1080/01639625.2024.2416071｜catfishing被害者への調査研究。LRAT理論とセルフコントロール枠組みで、オンライン・オフラインの日常活動が被害リスクに関連することを示す。被害者内の相関であり、因果や有病率ではない。
- Turley, Cattoni & Corbett-Jarvis (first published online 2025; Volume 32 Issue 10, August 2026), “Dating App Safety Among Older Women in Australia: Using Informational Videos for Effective Safety Messaging Delivery”Violence Against Women 32(10):3489–3514。DOI: 10.1177/10778012251366224｜55歳以上の女性121人に安全教育動画を視聴させた質的研究。4テーマ（安全懸念・伝達手段・知識構築・行動変容）を導出。被害率の測定や機能評価ではない。
- Viduchinsky (2026), “The Algorithmic Mirror: Knowledge Creation and Self-Perception in Dating Applications”CHI 2026（International Conference on Human Factors in Computing Systems）。OkCupid利用者15人への半構造化インタビュー。Folk/Personal/Academicの3知識類型と「二重観客ジレンマ」を導出。システム内部の検証ではない。
- OpenICPSR, “Data and Code for: The Impact of Dating Apps on Young Adults: Evidence From Tinder”AEAの公開データ・コード台帳。米国・2008〜2019年、1.1 million超の回答、差の差モデルの識別と研究範囲を確認できる。リポジトリ自身は預託資料を審査・処理していないと明記。
- Shi, Huang & Ramaprasad (2025), “Popularity Feedback and Adaptation Strategies in Online Dating: A Social Comparison Perspective” / AIS eLibraryMIS Quarterly 49(2):521–554｜比較人気と絶対人気を提示する2つのランダム化フィールド実験。選択性とプロフィール修正の適応を、サービス内の行動変化として読む。
- Bruch & Newman (2018), “Aspirational pursuit of mates in online dating markets”Science Advances 4(8):eaap9815｜4都市のデジタルトレース。ネットワーク上の操作的desirabilityを、客観的な魅力点と区別する。
- マッチ・返信・魅力・満足度の指標記事イベント、単位、時間、母集団、推論範囲を分けて読むための前提。
- マッチングアプリ疲れの研究記事心理的健康やバーンアウトのアウトカムを、アプリ上の反応と分けて読む。
- “Cultural and Gender Influences on Facial Attractiveness: A Comparative Study of Japanese and American Raters Using Geometric Morphometrics” (2026)Psych Journal（PMC全文あり）。日本人173人・米国人282人が同一顔写真160枚を評価。相対的順位には普遍的成分があるが、高評価と結びつく顎の特徴は評価者の性別・文化で異なる。米国人は極端な点数・日本人は中庸で分散小。
- Lidor Ivan (2025), “Visual deception in online dating: How gender shapes AI-generated image detection”Computers in Human Behavior: Artificial Humans 6: 100208。831人の実験。AI生成写真の検出精度は偶然以下。女性はAIを多く見抜き、実写も誤判しやすい。Learning Loop——利用者の適応とAIの進化の循環——を提案。
- Krzywicki, Wobcke, Cai, Mahidadia, Kim, Bain & Compton (2015), “Collaborative Filtering for people-to-people recommendation in online dating: Data analysis and user trial”International Journal of Human-Computer Studies。协調フィルタリング対プロフィールマッチング、9週間のライブ試験でCFの方が成功率改善高い。
- Witmer, Rosenbusch and Meral (2025), conjoint analysis of swiping decisionsComputers in Human Behavior Reports。5,340判断。外見の重みは他属性の7〜20倍。
- Sideris (2026), “Dating and Digital Labour: How Young Women Navigate Dating Apps in Their Thirties”Journal of Sociology。34〜35歳のオーストラリア人異性愛女性への詳細インタビュー。アプリ利用の時間作業を「投資」として自覚し、デートの労働が家事的労働として強度を増す過程を分析。
- Freyth (2026), “Dating app-facilitated infidelity, sexual attitudes, and personality”Frontiers in Psychology（オープンアクセス）。16〜70歳495人。交際あり利用者ほどアプリ経由の性的経験を多く報告。男性はマキャベリズム・性的強迫性が高く、女性はより複雑なパターン。横断調査で因果は未確定。
- Park (2026), “How I Met My Partner: Online Dating and the Homogamy Gap Between Same-Sex and Different-Sex Couples”Journal of Marriage and Family。米国HCMST 2017。同姓カップル31.9% vs 異性10.1%がオンライン出会い。オンライン出会いは6歳以上の年齢差オッズを約37.4%低下させ、年齢同質性格差を抑制。人種・学歴格差は説明せず。
- Feng, He, Huang, Xu & Xu (2026), “Editing selfies, eroding satisfaction: Random-intercept cross-lagged panel analyses of bidirectional links between photo-editing behaviors and body satisfaction in women”Body Image。16〜43歳女性1,160人、3波・1年。加工増加→身体満足低下の大きな個人内効果（β=−0.25〜−0.45）、逆方向は部分的。
- Vendemia (2026), “How Online Dating Motivations and Social Networks Affect Warranting Value and Interpersonal Impressions”Journal of Media Psychology。オンライン実験。恋愛動機→未来相互作用の予期→本物感・信頼性・善意の知覚向上、ネットワーク接続→関係不確実性の低減。
- Long, Xiao, McCray, Ağaoğlu, Alajmi, Akalonu & Xu (2026), “Perceptions of AI-generated profile pictures: Effects on quality, attractiveness, and trustworthiness”Cyberpsychology: Journal of Psychosocial Research on Cyberspace 20(4), Article 3。米国成人817人の事前登録2×2実験。AI生成は画像品質を高く、開示は画像品質を低く評価させたが、人への社会的魅力・信頼性の平均効果は有意でなかった。DOI: 10.5817/CP2026-4-3
- Zhang, Chen, Zeng, Wang, Ling & Li (2025), “An Image of Ourselves in Our Minds”: How College-educated Online Dating Users Construct Profiles for Effective Self PresentationProceedings of the ACM on Human-Computer Interaction 9(2), CSCW031。中国の大学教育を受けた経験豊富な若年利用者20人の半構造化面接。理想化した写真、望まれる特性の演出、識別情報の非表示を扱う質的研究で、マッチ率や人口推定ではない。DOI: 10.1145/3710929
- Ante (2026), “The Cyrano effect: LLM-assisted impression management and authenticity in online dating”Telematics and Informatics 108:102422。LLMを恋愛メッセージに使う利用者とAI補助メッセージの受け手、計45人への半構造化インタビュー。authenticityのパラドックス、作者性を知った受け手の裏切り、オンライン人格から対面への不一致不安をテーマ分析した。AI利用率・開示率・交際結果の推定ではない。