例えば上の画像にあるように、ある絵画に対して、自分の意見（絵画に対する評価）が「100点中70点」だとします。
相手の好み（絵画に対する評価）が80点であれば、点数が近いので、この意見は有益であり、「正確に相手の好みを予測できていた」と言えます。
逆に受け手の好みが20点であれば、点数が大きく離れているので、この意見は有益ではなかったと言えます。
疑似的な集合知についても、次の画像のように、その有益性が評価されます。
「自分自身の好み」が20点、「世間一般の好み」を80点とした場合、2つを平均化することで50点になり、この意見が「相手の好み」と比較されるのです。
そして実験の結果、「自分自身の好み」や「想像した世間一般の好み」のどちらか一方だけの場合よりも、両者を平均化した「疑似的な集合知」の方が、受け手の好みを正確に予測できると判明。
さらに、①自分自身の好みが平均から離れている場合、②自分と相手の好みが異なっている場合、③対象（絵画や楽曲など）の好き嫌いが判断しやすい場合には、この方法がより効果的だと分かりました。
この結果から、自分1人の考えであっても、想像した世間の好みという擬似的な集合知を利用することで、相手の好みに近い回答ができると分かりました。
しかもこの方法は、「好み」などの正解がはっきりしない場合にも役立つのです。
研究チームは、今回の発見がレビューサイトの設計にも応用でき、少数の評価しかない場合でも有益性を高められると考えています。
研究者が提案した方法は、相手の好みに近い答えをするおしゃべりが上手な人は、無意識に利用しているのかもしれません。
