ゼミ02（2026-03-22〜）

※ 中間発表（ゼミ01）後のゼミサイクル。このシステムでの最初の記録。

2026-03-22 ゼミ（中間発表フィードバック報告）

教授フィードバック：

「こういう研究があってもいいと思う」と研究の方向性を肯定
「研究の仕方の手段を提示していく考え方もある」
「本を書くようにまとめる」「斬新な着眼点を」とアドバイス

他の先生からの指摘（中間発表時）：

「デジタルサービスの定義が広い、絞れ」(と言う指示を受けたけど、研究室の教授からのフィードバックでは、絞れって意見もわかるけど、この急速に発達しているAIの中で、何かに焦点を当て、絞っていくことは変化が早すぎるから難しいので、なので、いろいろさまざまな角度から思考を回し、整理し、研究の仕方の手段だったり何か着眼点を提示していくと言う研究があってもいいのではと言う意見を得た。この方針でいく。s21b3001FQ@s.chibakoudai.jp)

参照資料：

中間発表原稿.md、相原立弥_中間_パネル.pdf、音声（千葉工業大学津田沼キャンパス 15.m4a）

試行錯誤ログ

2026-03-22

呟き： 実験・検証型じゃなくて概念・理論的貢献でいく。対象読者は実務者（デザイナー・プロダクト開発者）の方が陳腐化しにくい。今まではユーザーの認知負荷は実行の手順にかかっていたけど、AIが実行してくれる今は「言語化」が新たな認知負荷になっている。
整理：

概念・理論的貢献という軸が教授により肯定された
対象読者を実務者（デザイナー・プロダクト開発者）に設定
核心的な洞察：コマンドベースでは実行手順に認知負荷があったが、インテントベースでは「AIへの言語化」が新たな認知負荷になっている
この転換はノーマンの7段階モデルとの接続が期待される
キーワード： #認知負荷の移行 #言語化負荷 #インテントベースインタラクション #理論的貢献 #実務者向け #母親メタファー #ノーマン7段階モデル

2026-03-23

呟き： メンタルモデルのギャップは縮まるのではなく、性質が変わっていく方向に向かうんじゃないか。操作・実行レベルから意図・解釈レベルへ。AIが人間らしくふるまうほど、ユーザーの期待も高度化・複雑化する。デザイナーが設計する対象も「ユーザーフロー」から「行動契約（AIへの委譲の範囲）」に変わっていく。
整理：

メンタルモデルのギャップは「縮まる」のではなく「性質が変わる」
- 従来：操作・実行レベルのギャップ（「ボタンの場所がわからない」）
- AI時代：意図・解釈レベルのギャップ（「なぜこの出力になったかわからない」「意図が伝わっているかわからない」）
AIが人間らしくふるまうほど、ユーザーはより人間的な期待を投影し、ギャップの内容が高度化・複雑化する
デザイン対象の転換：「ユーザーフロー」から「行動契約（AIへの委譲の範囲）」へ
プロジェクトフォルダ構造を整備（research/ / analysis/ / writing/ / logs/）
リサーチャーで13件の文献を収録（→ research/references.md）
analysis/2026-03-23-mental-model-gap.md に考察メモを作成
キーワード： #メンタルモデルのギャップ #ギャップの性質変化 #意図・解釈レベル #行動契約 #AIへの委譲 #エンビジョニングのガルフ #第3のUIパラダイム #言語化負荷

2026-03-25

呟き： デジタルサービスの中にAIが普及してきている中で、論文にもあったようにユーザーの期待や認知が、従来のサービスに対してのものにしていたものから、より人間に期待していることと近くなってくるようになるのではと思った。これは、実行というものをAIに委任し、そのためにユーザーは言語化して伝えるから。
整理：

AIが実行を担うことで、ユーザーとのインターフェースが「操作」から「対話」に移行している
対話ベースのインタラクションでは、ユーザーは相手を「機械」ではなく「人間（エージェント）」として認知し始める
その結果、ユーザーの期待や評価基準が、従来のサービスUI（確定的・予測可能）に向けていたものから、人間に向けるもの（意図を汲む・文脈を読む・信頼できる）へ近づいていく
これは「期待の人間化」ともいえる転換で、メンタルモデルのギャップが「意図・解釈レベル」に移行するという3/23の洞察と一致する
実行委任 → 言語化必要 → 対話的認知 → 人間的期待、という連鎖が成立する
キーワード： #期待の人間化 #実行委任 #言語化 #対話的認知 #AIへの擬人化期待 #インタラクションパラダイム転換

2026-03-25（2）

呟き： そもそもノーマンの行為7段階モデルは本質的には変化することはないと思う。ユーザー自身の「何かやりたい」という目標を立て、計画を立て、実行をし、知覚するというものは本質的には変わらない。ただ実行がAIに変わるだけだったり、従来は頭の中で無意識に行なっていた行為の設定が、意図を伝える際の言語化として表出してくるだけで、本質的には変わらない。
整理：

ノーマンの7段階モデルは「目標 → 計画 → 行為の設定 → 実行 → 知覚 → 解釈 → 評価」という構造を持つ
この構造自体はAI時代でも変化しない。ユーザーが「やりたいこと」を持ち、それを評価するという認知的プロセスは普遍的
変化するのは各ステップの担い手・表出形式：
- 「実行」：ユーザー自身 → AIへの委任
- 「行為の設定」：内面の無意識的な操作手順の組み立て → 言語化・明示化（プロンプト・指示）として外部に表出
つまりモデルの構造は不変、インスタンスが変わるという見立て
これは「7段階モデルは時代遅れ」ではなく「AI時代のUIを解釈するのに今でも有効」という立場を支持する
一方で、言語化として外部に表出した「行為の設定」は、従来は不可視だったものが可視化されるという意味で、設計の対象になりうる（デザイン上の新しい介入ポイント）
キーワード： #ノーマン7段階モデル #構造の不変性 #行為の設定の言語化 #モデルの再解釈 #AIと認知的プロセス #設計の介入ポイント

2026-03-25（3）

呟き： AIが実行を担うとその負荷が下がり、代わりに「どう伝えるか」という負荷が生じ、それに伴って今まではユーザーの頭の中で無意識に行われていただろう、行為の設定（調節バーをスライドさせようなど）が、言語化の必要が生まれ、その前の段階の意図の設定も言語化して伝える必要が出てくる。今までのUIや体験設計において、ユーザーが目的の操作をするためのステップがわかりやすい設計・UIが求められていた。それに加えて現在では、実行をAIが行ってくれるため、そのステップがユーザーに実際に生じる機会は少なくなる？と思っており、目標を達成させるために実行させるための意図や操作の言語化をどのようにやりやすくするか、ということが求められてくるのでは。
整理：

言語化が必要になる範囲は「行為の設定」だけでなく、その手前の「意図の設定」まで広がる
- 従来：意図は頭の中にあれば十分、手順（行為の設定）も無意識に組み立てられる
- AI時代：意図をAIに伝わる言葉に変換する必要があり、意図の設定も外部に引き出される
従来のUIデザインの価値観：「ユーザーが操作ステップをたどりやすくする」
AI時代のUIデザインの価値観（仮説）：「ユーザーが意図・操作を言語化しやすくする」
これはインターフェースの役割の転換でもある：操作を補助する → 言語化を補助する
「言語化支援」が新たなUXデザインの課題領域になる可能性
キーワード： #意図の設定の言語化 #言語化支援 #操作ステップの消失 #インターフェースの役割転換 #言語化しやすさのデザイン

2026-03-25（4）

呟き： 言語化を補助するための機能やインターフェイス・設計がすでに求められ、実装されているのでは。ChatGPT/Geminiの「さらに詳細にリサーチできますが、お手伝いしましょうか？」という問いかけ、チャット欄の質問候補ボタン、Gensparkのホーム画面でAI画像生成・AI動画・AIドキュメント・AIデザイナーと入り口が分かれている設計など。AIへの入り口を統一するのではなく分けることで、ユーザーが「AIに何をお願いしたいか」を整理しやすくさせ、サービス側もそれに適したプロンプト・仕様を裏で設計している。これらは「意図や目的をAIに伝えるためのサポート」であり、言語化支援として機能している。
整理：

「言語化支援」はすでに実装として現れており、いくつかのUIパターンとして観察できる：
- プロアクティブな深掘り提案（ChatGPT・Geminiの「さらに調べましょうか？」）：AIが能動的に意図を引き出す
- サジェスト型入力補助（質問候補ボタン）：言語化の出発点を提供する
- 統一入り口＋目的別ショートカット（Genspark）：上部に大きなチャット欄（統一入り口）を置きつつ、その下に目的別ボタン（AIスライド・AIドキュメント・AIデザイナー等）を並べ、自由入力と意図カテゴリ選択の両方を提供する
特にGensparkのアプローチは補助的な意図カテゴリを選択肢として重ねる構成。柔軟な自由入力を残しつつ、迷うユーザーには出発点となる目的分類を提示することで言語化コストを下げている
サービス裏側では目的別に異なるプロンプト・仕様が設計されており、「言語化支援」はフロントの設計とバックの設計が連動している
これらは「言語化しやすさのデザイン」がすでに実践的課題として認識されていることの傍証になりうる
「既知のことかも」という留保はあるが、自分の理論的整理（言語化負荷・言語化支援）と既存の実装を接続できると、理論の妥当性を支える事例群として機能する
キーワード： #言語化支援のUIパターン #プロアクティブな意図引き出し #サジェスト型補助 #意図カテゴリの事前分類 #Genspark #入り口設計 #言語化コストの低減 #理論と実装の接続

2026-03-26（5）

呟き： 言語化が必要な範囲を行為の設定と計画（意図の設定）にしていたけど、目標の段階も言語化して伝える必要があると思う。実行に至るまでの段階などをコンテキストとして言語化して伝える必要があるから。
整理：

言語化が必要な範囲はさらに「目標」まで拡大する
- 目標：「こういうことがしたい」というゴール自体をAIに伝える
- 計画（意図の設定）：どんな文脈・意図かを言語化
- 行為の設定：具体的な操作内容を言語化
「実行」に至るまでの全段階（目標・計画・行為の設定）がAIへのコンテキストとして言語化が必要になる
これはゴールから行為に至る認知プロセスの前半部分が丸ごと、AIへの入力として外部に引き出されることを意味する
従来のUIでは、ユーザーが目標を頭の中で持っていれば、あとは画面操作で完結した。AIインタラクションでは、目標も含めたすべてを「言葉で渡す」必要がある
キーワード： #言語化範囲の拡大 #目標の言語化 #コンテキストとしての言語化 #実行前の全段階

2026-03-31

原文：

この方が言っている通り、AIは急速に性能が発達したり、プロダクト開発などのシーンに介入してくる機会がこれからもっと増えていくと思う。でも、そんな中で人間側の能力や認知だったり、デジタルプロダクトを利用するシーンにおいての根本的な構造は変わらないと思う。これは、ノーマンの行為の７段階モデルの、ユーザーが目標を達成するための段階的な行動というものは根本的に変わらないと思っているから。変わっていくのは、中のインスタンスだと思う。従来は実行に至るまでの、目標の設計や意図の設計、行為の設計などの頭の中で行っていたものが、AIが普及してくるようになると、それを言語化してAIに伝えなければならないが、実行の部分はAIに委任する機会が多くなる。
そして、目的を達成させるために、システムをユーザー自身で実行していた今までにおいては、ユーザーのメンタルモデルはシステムに対するものであって、これからは、自分の目的や意図などを言語化し、それを自然言語で指示することでAIが実行してくれるようになり、そのAIからの結果の確認、フィードバックも自然言語になり、そうなると、ユーザーが目的を達成するために認知することや考えること、期待することは、今までのシステムに対するメンタルモデルみたいなものから、より人間に期待すること、に近づいていくと思っている。

（参照: 村越さんのnote を読んでの呟き）

呟き： 村越さん（Ubie）のnote記事を読んで自分の研究との親和性を感じた。村越さんはペースレイヤリング（スチュアート・ブランド）で振り返り、最上層（ツール・モデル）ではなく最深層（ユーザーの課題構造・情報設計の原理原則）に向き合うべきだと言っている。「舞台装置と踊り手」という概念で原理原則をプラットフォームに組み込む仕事と課題に向き合いアウトカムを出す仕事を分けている。デザイナーの暗黙知を「情報タイプ×認知タスク×コンテキスト」で分解しClaude Codeのスキルとして形式化した、というのも面白い。自分が「ノーマンの7段階モデルの構造は変わらない、変わるのはインスタンス」と考えていること、村越さんが「情報設計の原理原則は変わらない、変わるのはツールやモデル」と言っていること——語彙は違うが同じ二層構造を見ている。村越さんは「作る側の舞台装置」、自分は「使う側の認知とメンタルモデル」を同じ深い層に置いていて、対になっている気がする。メンタルモデルが「人間への期待に近づく」という自分の考えは、完全な対人モデルではなく「人間っぽいが機械的制約と統計的挙動を持つ相手」のハイブリッドになりやすいかもしれない。
整理：

7段階モデルの認知プロセス構造自体は変わらない。変わるのはインスタンスで、頭の中でやっていた目標設定・意図設計・行為設計をAIに伝えるために言語化する必要が出てくる。実行はAIに自然言語で委任する
認知負荷は「どう操作するか」から「どう言語化して伝えるか」へ移動している
そうなると、ユーザーのメンタルモデルは「システムに対する期待」から「より人間に期待すること」に近づいていくのではないか
ペースレイヤリング（スチュアート・ブランド）の枠組みがこの見方を支持する——7段階モデルの認知構造は最深層（変わらない）に位置するのではないか
この「深い層の暗黙知を言語化して外部に引き出す」動きは、作る側（設計の暗黙知の形式知化）と使う側（認知プロセスの言語化）の両方で起きている
メンタルモデルの「人間化」は、完全な対人モデルではなく「人間っぽいが統計的で非決定的な相手」というハイブリッドなモデルになるのかもしれない——まだ形がはっきりしない
キーワード： #認知負荷の移行 #言語化 #メンタルモデルの人間化 #ペースレイヤリング #深い層と表層 #作る側vs使う側 #ハイブリッドなメンタルモデル

2026-05-01

呟き： ゼミ文字起こし（千葉工業大学_津田沼_16_transcript.txt）を読み返した。発表ファイルは slides/seminar_2026-03-28.html だった可能性が高く、slides/seminar_2026-03-26_all.html も候補として照合した。読み直してみると、教授のコメントは「方向性の否定」ではなく、メンタルモデルや認知といった用語の解像度を上げること、ノーマンの枠組みの適用範囲を丁寧に見直すこと、どの人間像を前提にするか（世代差や経験差）を明示することに重心があったように思える。
整理：

文字起こしとスライドを照合すると、中心論点（認知負荷の移行・期待の人間化・ギャップの性質変化）は継続しており、思考の軸は保たれているように見える
そのうえで、教授フィードバックの核は「主張を変えること」よりも「概念の粒度をそろえること」にあるかもしれない。特にメンタルモデルは行為予測だけではない広がりを持つため、定義を一段掘る必要がありそう
ノーマンの7段階モデルは参照軸として有効でも、AI対話をそのままワンステップ的に扱うと取りこぼしが出る可能性があり、適用単位の設定（どこを1サイクルとみなすか）を丁寧に置いた方がよさそう
「知覚」と「認知」の差をどう扱うかは、認知負荷の議論の前提そのものに関わるため、用語整理の優先度が高いかもしれない
「人間への期待」と言うときの人間像は時代・世代・経験によって揺れる可能性があり、対象ユーザーの想定を曖昧なままにすると議論が拡散しやすい
研究の落とし所としては、大きな理論の完結より、事例や対話場面を手がかりにした概念整理（AI対話のガイドライン的な中間層）を経由して上位概念へ戻す流れが現実的かもしれない
キーワード： #ゼミ文字起こし #概念定義 #メンタルモデル #知覚と認知 #適用範囲 #対象ユーザー像 #落とし所

2026-05-02

呟き： インターンでは、Claude Code や Claude Design などの AI ツールを使い、社内の Git で構造化されていたデザインシステムを、非デザイナーでも自然言語で画面やスライドに近い成果物を出せるようにする試行錯誤をしている（skill 作成など）。AI がデザインシステムを参照してくれない箇所があったり、何をどう読んでいるかが見えにくいので、裏側の挙動の調査や、Files の構成・README 誘導で精度とトークン消費のバランスを試している。これを研究に活かせないかとも思うが、具体例そのものに論文を縛りたいわけではなく、切り口を探っている。このやりとりをログに残し、一度フラットな視点で考え直してほしい、と言われた。

整理：

インターンで触れているのは、組織のデザイン判断や規約を モデルが読める形に再編する作業 と、あいだに入るメディエーション（README・インデックス・スキル） の試行に近いように見える
研究側で積み上げている「実行から言語化へ」「深い層の暗黙知の外部化」「作る側と使う側の同型性」とは接続しうるが、レイヤーは エンドユーザーが製品を使う場面 と 社内生産ツールの設計 でずれる可能性がある。接続するなら事例固有の固有名を本文から逃がした抽象度が無難かもしれない
活かし方の候補としては、成功談より 参照が効く／効かない条件 や 失敗の型 を観察メモにし、言語化負荷・ギャップの議論の補強に使う、あるいは トークン予算を前提にした情報設計 を方法論の話として添える、といった取り方がありそう
フラットに見ると、インターンは「修論のデータ」というより 思考の引き金・身体知 に近いかもしれない。主張の芯は今までどおりユーザ側の認知と相互作用に置き、現場は必要なら脚注や一章で十分、という距離感もありうる
キーワード： #インターン観察 #デザインシステム #skill #README #組織の暗黙知 #研究との距離感 #切り口

2026-05-02（2）

呟き： これからサービス内の機能としてだけでなく、プロダクト開発そのものにも AI がより介入していく中で、デザイナーが従来 Figma や Illustrator などで手動で行っていた画面設計やグラフィック制作なども AI で行えるようになっていく。その中で「デザイナーの役割とは何か」という議論が X や note などでされている。AI が出力してきたデザインを審美眼やさまざまな観点から見て、よし悪しを判断し、改善策や方針を出すこと、デザインへの好みや意思がブランドの味をつくること、職能の壁が薄れ「AI を活用して試行錯誤し生み出す人」が増えていくこと、デザイナーの情報設計の暗黙知を SKILL.md など AI が認識して実行できる形に残すこと、デザインシステムを AI が読み込める形にして、誰でもブランドの統一感を損なわずにアウトプットを作れるようにすることなどが挙げられる。これらは結果として見えている現象であり、もっと概念的な視点から整理できるのではないか。

呟きの生 : この研究の意義として、これからサービス内の機能としてだけでなく、プロダクト開発にもAIがより介入していく中で、デザイナーが従来FIgmaやイラレなどで手動で行っていた画面設計だったりグラフィックなどの作業がAIでも行えるようになっていったりする中で、現在デザイナーの役割とは?みたいなxやnoteなどさまざまなばでのの投稿・議論がされており、これからのデザイナーとしての役割、プロダクト開発においての携わり方みたいなところも研究として、整理していけるのではないかとも思っている。例えば今は、デザイナーは審美眼を磨いて、AIが出力してきたデザインに対して、それがいいもかどうかをさまざまな観点から見ていって、その改善策・方針みたいなところを提示するところが必要とされてきたり、あとは「デザインが好き、こういうデザインが好き」という意思があるからこそ、サービスだったりデザインがコモディティ化しないというかブランドとしての味を出していけたりする一つの力となったり、デザイナーやエンジニアpdmなどの職能の壁がなくなってって言って、「AIを活用して試行錯誤し生み出していく人」という人がより増えてきたり、今私がインターンで行っているように、デザイナーの情報設計の暗黙知だったりをAIが認識して実行できるような形として残していったり(SKILL.mdなどで、暗黙知などを記述してAI適切なタイミングで実行させることなど)、デザインシステムをAIが読み込める形にして誰もがブランドの統一感を損なうことなくAIでアウトプットを作っていけるようななど、デザイナーがいなくても60点までは持ってけるような環境を整備したりなど。みたいな感じで言われているけど、これをもっと概念的な視点から整理できないのかなとも思っている。今のはその先の結果を言っているだけであって、これをもっと概念的に言えるのではないかなとも思っている。これは現時点でのただの憶測だけど。

整理：

この呟きは、研究の対象を「AI を使うエンドユーザー」だけでなく、AI が介入する制作・開発プロセスにおける人間の役割変化へ広げる可能性を示している
具体的な現象（AI が画面を作る、非デザイナーでも60点まで出せる、デザイナーが審美眼でレビューする、暗黙知を skill 化する）は、概念的には 実行の外部委譲 と 判断・評価・方向づけの人間側への残存／移動 として整理できるかもしれない
デザイナーの役割は「手を動かして作る人」から、「何を良いとするかを定義し、AI が実行できる形に判断基準を外部化し、出力を評価して方向づける人」へ移っていく、という仮説が立ちそう
ただしこれは「デザイナー不要論」ではなく、むしろ 審美眼・意思・判断基準・ブランドの一貫性・暗黙知の形式化 がより重要になる、という方向で捉えた方が研究の主線に合いそう
この観点は、現在の「委譲条件」整理と接続できる。AI に任せるためには、何を任せるかだけでなく、何を人間が判断し続けるのか、何を組織知として外部化するのか、どの水準までを AI に任せるのかを設計する必要がある
キーワード： #デザイナーの役割 #AI介在型プロダクト開発 #審美眼 #暗黙知の形式化 #委譲条件 #判断基準 #ブランドの一貫性

2026-05-02（3）

呟き： さっき作成した現時点での研究スライドや analysis/2026-05-02-masters-thesis-provisional-outline.md を見て、頭の中で思ったことを雑に書き出した。ズレを探っていくと言うよりも、このシチュエーションで AI を扱っていく・研究していくなかで、人間の諸々、サービスの諸々など、多角的な観点から、何を見て、何を考慮して、みたいな所を、見つけると言うよりかは整理していくみたいなニュアンスだと思っていた。スライドの「短く言えば、AI 時代のデザインにおける『任せるための設計』を考える研究である」という表現も本当にそうなのか疑問がある。現在のスライドは全体を通して文脈が繋がっておらず、1枚1枚ブツ切りな気がする。「委任条件」「ズレ」「制作実績」など、変に難しくコンパクトな言葉で表そうとしているから理解しにくくなっている気もする。研究題名候補の「AI に実行を委任するデザイン実践における、意図・制約・評価基準の外部化に関する考察」も、「AI に実行を委任する際」という言い方が本当にそうなのか、自分でも整理できていない。方針としては間違っていないけれど、表現の仕方が悪いのかもしれない。問題意識の「モデルの性能が上がれば解決する」「プロンプトをうまく書けばよい」「デザインシステムを読み込ませればよい」といった言い方がされやすい、という表現は決めつけになっていないか気になる。中心仮説の「負担は単純に減るのではなく、操作の負担から、意図・制約・評価基準を外部化し、AI とのあいだで委譲条件を整える負担へ移動する」も、「で？」となってしまう気がする。何に対しての仮説なのか分からないし、まあそうだよねという内容に過ぎない気もしている。もっと探る内容や方針を、具体的に探っていって、それを上位の概念として捉えていく方がよい気がする。研究の意義も、「AI に実行を委任する場面で起きているズレを、設計・認知・相互作用の問題として説明できる形にすること」では意義ではない気がする。意義は、具体的にどんな人・どんなシチュエーションで、その研究によって何がプラスに働き、その結果何がもたらされるかまで言えないといけない気がする。今の整理では「〜ができる」としか言っておらず、その先に具体的に何をもたらすのかが曖昧な気がする。

整理：

今回の違和感は、研究の方向性そのものの否定というより、整理の語り口が研究の射程を狭めてしまっていることへの違和感に近いかもしれない
「ズレを探る」「委譲条件を整える」「任せるための設計」といった言葉は、現象を圧縮するには便利だが、先に出しすぎると、AI を扱う状況で何を見て、何を考慮すべきかを多角的に整理するという探索的なニュアンスが落ちてしまう
研究は「ズレを発見する」よりも、AI が介在するサービス利用・制作・開発の場面で、人間側、サービス側、組織側、AI 側、評価側にどのような観点が立ち上がるのかを整理する方向に近いのかもしれない
「まあそうだよね」と感じる仮説は、仮説自体が弱いというより、何に対して新しい見方を与えるのか、誰の判断や実践をどう変えるのかがまだ書けていない可能性がある
意義は「説明できるようになる」だけでは足りず、デザイナー、PM、UX リサーチャー、開発者、AI 機能を導入する組織などが、どの場面で何を見落とさずに済むのか、その結果どのような設計・評価・導入判断がしやすくなるのかまで言う必要がありそう
次の整理では、圧縮語をいったん後ろに下げ、具体的な状況・困りごと・見るべき観点から入り、最後に上位概念へ引き上げる流れの方が伝わりやすいかもしれない

キーワード： #表現への違和感 #研究の射程 #ズレ中心への寄りすぎ #圧縮語の危うさ #意義の具体化 #多角的整理 #概念化の順序

2026-05-02（4）

呟き： 今までのことに引きづられすぎている感もある。今やりとりしていたことなどは、すべて研究背景や現状みたいなところでしかないと思っている。今日のつぶやきを振り返ってみようか。その辺も理解して、研究者視点でまずは見直そうか。

整理：

今日出てきた README、skill、デザインシステム、Claude Design、Claude Code、AI によるスライド化や画面生成などの話は、研究の中心対象というより、AI がサービス利用や制作・開発の現場に入り込んできているという背景・現状を示す素材に近いかもしれない
これまでの思考の蓄積に引っ張られると、「委譲条件」「ズレ」「判断基準の外部化」などの既存語彙に今日のつぶやきを回収しすぎてしまう危険がある
研究者視点で見直すなら、まず「いま社会や実践の中で何が起きているのか」「その変化をどのレベルで捉えるのか」「その変化に対してどんな観点の整理が必要なのか」を、既存の仮説語に先立って置き直す必要がありそう
今日のつぶやきは、研究の結論ではなく、研究背景・問題設定・現状認識を組み替えるための材料として扱った方がよいのかもしれない
次にやるべきことは、既存の analysis やスライドを微修正することではなく、今日の思考全体を研究者視点で振り返り、どこまでが背景で、どこからが研究の問い・目的・意義なのかを分け直すことにありそう

キーワード： #研究背景 #現状認識 #既存語彙に引きずられない #研究者視点 #問いの置き直し #背景と主題の分離

2026-05-02（5）

呟き： モデルが性能低いものに切り替わってしまったので、再度考えてほしい。研究者視点で振り返って考えて、意見をしてほしい。研究の意義のところで、デザイナーにとっては、組織にとっては、研究としては、みたいにそれぞれの視点で語られているけれど、それぞれの視点に解を出していくということではないことは本当に理解しているか。今の意義が広すぎるというか、変に具体的すぎるというか、もっと概念的に語るべきではないか。雑にという意味ではない。

整理：

研究の意義を役割別の効能として並べると、デザイナーや組織に対して個別の解決策を提示する研究のように読まれてしまう危険がありそう
ここで必要なのは、職能ごとのメリットを列挙することではなく、AI がサービス利用・制作・開発に介在する状況を、どのような関係の再配置として記述できるのかを示すことかもしれない
「広すぎるのに妙に具体的」という違和感は、対象領域は広く取っている一方で、意義の説明が役割別の実務メリットに落ちていることから生じている可能性がある
研究の主たる意義は、直接的な処方箋やガイドラインではなく、人間の判断、評価、暗黙知、サービス、AI、組織的知識の関係を捉えるための概念的な足場をつくることに置いた方がよさそう
デザイナー、PM、UX リサーチャー、開発者、組織といった視点は完全に消す必要はないが、意義の本体ではなく、研究から派生する含意として控えめに扱う方が誤読されにくいかもしれない

キーワード： #研究の意義 #概念的貢献 #役割別メリットへの違和感 #処方箋ではない #実務への含意 #中間語彙 #AI介在型実践

2026-05-02（6）

呟き： 次のステップとして、どんな背景があって、どんな研究の意義があって、ほかの既存研究との立場的な違いも踏まえつつ、どんな方針でどんなことを明らかにしていくのか、突き詰めていくのかという方針を立てたい。その方針を元に、実際にどういう作業、リサーチ、実験をしていくのかを決めておきたい。現在、背景や目的では広い視点で語っているが、それはそれでよい。ただし、その中でこの研究で扱っていくのはこの部分だ、あるいはこういうものを題材にして、こういう目的・見立てで、こういうアプローチをしていく、という方針も決めておきたい。

整理：

背景・目的・意義を広く置くことと、実際の研究で扱う対象を絞ることは分けて考える必要がありそう
次の段階では、「AI がサービス利用・制作・開発に介在する」という広い背景の中から、この研究ではどの断面を題材にするのかを定める必要がある
研究の射程は、AI 全般やデザイン実践全般ではなく、AI が実行や生成を担う場面で、人間の判断・評価・暗黙知・組織的知識がどのように表に出るかという部分に絞るのが自然かもしれない
そのためには、先行研究上の立場、観察する題材、分析単位、明らかにしたいこと、実際に行う作業を一つの方針として接続する必要がありそう
次に作るべきものは、本文の完成稿ではなく、「研究方針メモ」や「リサーチ設計メモ」のような、背景・意義から実際の作業へ橋をかける文書かもしれない

キーワード： #次のステップ #研究方針 #射程の切り出し #リサーチ設計 #分析単位 #先行研究との差分 #実行可能な研究計画

2026-05-02（7）

呟き： 今立てた方針を、研究の背景を踏まえ、結構ボリュームを出してよいので md ファイルなどでドキュメントとして残しておいてほしい。「次に作るべきものは、論文本体ではなく、研究方針メモだと思う。そこに背景、既存研究との差分、この研究で扱う断面、題材、明らかにしたいこと、実際にやる作業を1枚の設計図としてまとめると、かなり次に進みやすくなる」というのはもっともだと思う。

整理：

研究は、背景・目的・意義を広く語る段階から、実際に何を観察し、何を分析し、何を成果として出すのかを設計する段階へ移りつつある
この段階では、論文本体の文章を完成させるよりも、研究方針メモとして、背景、既存研究との差分、研究で扱う断面、題材、研究課題、作業計画をひと続きに整理することが重要になりそう
新しく作成した analysis/2026-05-02-research-direction-memo.md は、今後の文献レビュー、公開サービス観察、実践ケース記録、概念整理を進めるための設計図として機能しそう
特に、「広い入口 / 狭い観察断面」という整理が重要で、背景は AI 介在型実践全体として置きつつ、実際の研究対象は「AI が生成や実行を担う場面で、人間の判断・評価・暗黙知・組織的知識がどのように外部化・媒介・再配置されるか」に絞る方向が見えてきている

キーワード： #研究方針メモ #リサーチ設計 #広い入口と狭い観察断面 #文献レビュー #公開サービス観察 #実践ケース記録 #概念整理

2026-05-02（8）

呟き： もっとクリティカルで端的に表した文章も作成してほしい。大枠として、こういう現状・背景があり、その中でこの研究ではこういう方向性でアプローチしていく、研究の内容としてはこういう方針で何かを試していき、何かを探る、という形にしたい。意図は伝わっているか。

整理：

長い研究方針メモだけでは、研究の芯や発表冒頭での言い切りがまだ掴みにくい可能性がある
必要なのは、背景、研究の立場、扱う断面、具体的なアプローチ、何を探るのかを一続きで端的に表す文章かもしれない
「AI がサービス利用・制作・開発に介在している」という背景から、「AI が実行や生成を担う場面で、人間の判断・評価・暗黙知がどのように AI に渡され、媒介され、再び見直されるのかを見る」という芯を短く言えるようにする必要がありそう
新しく作成した analysis/2026-05-02-research-direction-brief.md は、長い研究方針メモの要約ではなく、研究の方向性を相談・発表・スライド冒頭で言い切るための表現案として位置づけられる

キーワード： #端的な研究説明 #研究の芯 #発表冒頭 #研究方針の言い切り #AI介在型実践 #判断と評価の再配置

2026-05-02（9）

呟き： 基本的には大枠はその方針でいいと思う。ただし、analysis/2026-05-02-research-direction-brief.md の「この研究では何を試すのか」で、「人間の判断や暗黙知がどのように表に出てくるのか」と書かれているが、「人間」と総称している点が気になる。人間にも、一般人、一般大学生、デジタル弱者の老人、教授、デザイナー、ジュニアデザイナー、エンジニア、PdM などがいて、それぞれ判断や暗黙知が異なる。一概には言えない。このこと以外にも、こういう曖昧なところが他にもあるのではないか。研究を進める上で、こうしたところを曖昧にしたまま取り掛かるのは研究者視点から見て避けたいのではないか。先へ焦らず、研究者視点を持った考えを聞きたい。

整理：

「人間」という言葉は、背景や概念整理のレベルでは使えるが、観察・分析のレベルでは一枚岩に扱うと危うい
一般ユーザー、学生、高齢者、デザイナー、ジュニアデザイナー、エンジニア、PM、教授などでは、持っている目的、専門知、評価基準、暗黙知、AI への期待が異なるため、「人間の判断」と総称すると研究の主張が過度に一般化されてしまう可能性がある
この研究では、「人間一般」について言うのではなく、どのような実践の担い手の、どのような判断・評価・暗黙知を扱うのかを限定する必要がありそう
ただし、すべての属性を比較する研究にする必要はない。むしろ、背景としては広く置きつつ、実際の観察対象は制作・開発・研究実践に関わる一定の専門性や目的を持つ主体に絞る方が現実的かもしれない
次に必要なのは、研究方針メモの中に「対象とする人間像」「扱う実践の範囲」「一般化できること / できないこと」を明示することかもしれない

キーワード： #人間を一枚岩にしない #対象者の限定 #暗黙知の差異 #過度な一般化の回避 #実践の担い手 #研究射程 #分析単位

2026-05-02（10）

呟き： 今の考えはいいと思うので、ドキュメントとして残しておきたい。そもそも AI という変化がめまぐるしいものを研究として取り扱っていくのは難しい、ということがまずあり、中間でも教授からそのような意見が出ていた。仮に対象を「AI を用いて制作・開発・研究・設計に関わる実践の担い手」と定めるのはよいかもしれない。ただ、ふと考えると、そもそもこの AI という進化が激しすぎて研究として着手するのが難しいものを、研究として扱っていくための手がかりや要素を整理する方針なのかもしれない。今のシチュエーションを題材にしてアプローチしていく、というニュアンスではないか。研究者視点で全体を見通して考えてほしい。

整理：

今回の気づきは、研究対象を「誰にするか」だけでなく、変化の速い AI をどのように研究可能な対象として扱うかという一段上の問いに関わっている
AI の最新機能や特定ツールを追う研究にすると、技術変化によってすぐに古くなる危険があるため、AI そのものではなく、AI が入り込んだ実践の中で繰り返し現れる構造や観点を見る方がよさそう
「制作・開発・研究・設計に関わる実践の担い手」は、研究対象者というより、AI 介在型実践の中で目的、制約、評価基準、暗黙知、人間の介入点がどのように表に出るかを観察する窓として位置づけられるかもしれない
研究の方針は、AI の変化を直接追いかけることではなく、変化の速い AI 介在型実践を研究として扱うための観察枠組みを探ることに近づいている
新しく作成した analysis/2026-05-02-ai-as-fast-changing-research-object.md は、この「AIそのものではなく AI が入った実践の構造を見る」という転回を記録するメモとして機能しそう

キーワード： #変化の速いAI #研究対象化 #AIそのものではなく実践を見る #観察枠組み #実践者は観察窓 #研究として扱うための足場 #教授FBとの接続

2026-05-02（11）

呟き： 1 は大枠の大前提として、この研究の絶対的な軸としてあり、そのアプローチ方法として今は 2 や 3 を考えているという感じかもしれない。これまで話してきた中心は、「変化の速い AI を、研究としてどう扱うか」「そのために、どんな観察軸を立てればよいか」という意味では 1 にかなり近い。ただし、純粋な「研究方法論の研究」までは行っていない。つまり、「AI 研究一般をどう設計するか」というメタ研究ではなく、もう少し具体的に、AI が制作・開発・研究・設計の実践に入り込んだとき、どの要素を見れば、変化の速い AI を研究可能な対象として扱えるのかを考えている。正確には、1 を上位方針にしつつ、2 の媒介物や 3 のワークフローを使って、具体的に観察可能な研究に落とそうとしている。1 だけにすると抽象度が上がりすぎて「AI 研究方法論」になってしまう。一方で、2 や 3 だけにすると、「媒介物の整理」や「ワークフロー分析」に寄りすぎて、最初にあった「変化の速い AI をどう研究するか」という問題意識が薄くなる。だから今の本線は、変化の速い AI を研究として扱うために、AI が入り込んだ実践を観察し、その中で媒介物やワークフローや判断・評価の現れ方を手がかりに、観察軸を整理する研究だと思う。

整理：

「変化の速い AI をどう研究として扱うか」は、この研究の上位方針として置けそう
ただし、それだけを主題にすると抽象的な AI 研究方法論に寄りすぎるため、具体的な観察対象として AI が入り込んだ制作・開発・研究・設計の実践を扱う必要がある
媒介物を見ること、ワークフローを見ること、判断・評価の現れ方を見ることは、上位方針を観察可能な研究に落とすための具体アプローチとして位置づけられる
逆に、媒介物やワークフローだけに寄ると、最初にあった「変化の速い AI をどう研究するか」という問題意識が薄れる危険がある
現時点の本線は、上位には「変化の速い AI を研究として扱うための観察軸を探る」という問いを置き、具体的には「AI が入り込んだ実践における媒介物、ワークフロー、判断・評価の現れ方」を手がかりにする構造になりそう

キーワード： #上位方針 #具体アプローチ #媒介物 #ワークフロー #判断評価 #観察軸 #AI研究方法論に寄りすぎない

2026-05-02（12）

呟き： クリティカル・インシデント法というものがあると知った。1 の絶対的な軸のもと、これを具体的にどのように組み込み、アプローチしていく想定なのか。今の方針や洞察の中で、どう組み込み、どうアプローチしていくのか。もしくはもっと違った観点があるのかを考えたい。

整理：

クリティカル・インシデント法は、AI 介在型実践全体を均等に見るのではなく、判断・評価・違和感・修復が露出する具体的な出来事に焦点を当てる方法として、現在の方針と相性がよさそう
ただし、この方法を研究全体そのものにするのではなく、上位方針である「変化の速い AI を研究として扱うための観察軸を探る」ためのデータ収集・分析手段として位置づけるのが自然かもしれない
具体的には、AI に何かを任せたエピソードの中で、成功・失敗・違和感・修復・判断の露出が起きた場面を記録し、そこに現れた媒介物、ワークフロー上の位置、判断・評価基準を分析する方向が考えられる
クリティカル・インシデントを使うことで、「人間の判断」や「暗黙知」を抽象的に語るのではなく、実際にどの場面でそれらが表に出たのかを記述しやすくなりそう
注意点として、記憶に残る出来事に偏ること、失敗事例に寄りすぎること、個別事例の印象に引っ張られることは避ける必要がありそう

キーワード： #クリティカルインシデント法 #判断の露出 #ズレと修復 #媒介物 #ワークフロー #観察軸 #方法論の組み込み

2026-05-02（13）

呟き： クリティカル・インシデント法を活用していくにあたって、その題材となる AI サービスや、対象となる人、あるいは別の観点について何か考えはあるか。研究者視点で考えを聞きたい。

整理：

クリティカル・インシデント法を使う場合、最初に決めるべきなのは特定の AI サービス名や対象者属性ではなく、「どのような実践エピソードをインシデントとして扱うのか」かもしれない
題材は、汎用対話型 AI、目的別生成サービス、UI・デザイン生成、コード実行支援のようにタイプを分け、ツール比較ではなく、異なる実践構造の中で判断・評価・媒介物がどう現れるかを見る方向がよさそう
対象者は「人間一般」ではなく、AI に生成や実行を任せ、その出力を評価する必要がある実践者に絞る方が自然そう。たとえば研究・資料作成をする学生、デザイン実践者、開発者などが候補になりうる
ただし、職能間比較を主題にすると射程が広がりすぎるため、対象者属性は主題ではなく、インシデントの文脈条件として記録するくらいがよさそう
方法としては、記憶に頼るインタビューだけでなく、実践中のメモ、プロンプト履歴、生成物の差分、修正ログなどをあわせて残すことで、判断や暗黙知が露出した場面をより具体的に扱えそう

キーワード： #CIT設計 #インシデント単位 #題材選定 #対象者選定 #理論的サンプリング #実践ログ #職能比較にしすぎない

2026-05-02（14）

呟き： ツール単位ではなく、目的・実践タイプで選んでいくということについて、何か一つに絞るのではなく、さまざまなものを数集めた方がよいのか確認したい。また、対象者は「AI に生成や実行を任せ、その出力を評価する必要がある実践者」とする中で、区別しなくてよいのか、それともその人の文脈などをしっかり管理しておく必要があるのかが曖昧なので考えたい。

整理：

実践タイプは最初から一つに絞り切るより、文章・研究整理、資料・スライド生成、UI・デザイン生成、コード・実装支援のように複数タイプから少数ずつ集めた方が、AI 介在型実践に共通する観察軸を見つけやすそう
ただし、何でも集めるのではなく、目的・実践タイプごとに 2〜3 件、合計 8〜12 件程度の濃いインシデントから始めるのが現実的かもしれない
対象者は「AI に生成や実行を任せ、その出力を評価する実践者」として大きくまとめられるが、その中の立場、専門性、評価基準、AI 利用経験、組織的文脈は必ず記録する必要がある
職能差や属性差を主題にする必要はないが、文脈条件を記録しないと「人間の判断」として粗く一般化してしまう危険がある
この整理を踏まえ、analysis/2026-05-02-cit-sampling-and-context.md と analysis/2026-05-02-critical-incident-record-template.md を作成した

キーワード： #実践タイプ #対象者文脈 #CITサンプリング #記録フォーマット #文脈条件 #比較軸ではなく解釈条件 #濃いインシデント

2026-05-02（15）

呟き： 作成したフォーマットは、クリティカル・インシデント法として成り立っているものなのか。クリティカル・インシデント法について徹底的に調べた上で、この研究も踏まえて考えてほしい。もし良さそうなら、フォーマットを改善してほしい。

整理：

現在の記録フォーマットは、具体的な出来事、違和感・判断・修復、媒介物、ワークフロー上の位置を記録する点で、CIT 的な方向性にはかなり近い
ただし、CIT としてより厳密に扱うには、「何に対して critical なのか」「その出来事がどの成果に正負の影響を与えたのか」「なぜ重要なインシデントと判断したのか」を明示する必要がある
原典や UX/HCI での解説を見ると、CIT は単なる利用メモではなく、結果に影響した具体的出来事を集め、前後関係、行動、判断、結果への影響を記録し、後で分類・解釈する手続きとして扱う必要がありそう
この研究では CIT を厳密なインタビュー法としてそのまま使うというより、AI 介在型実践で判断・評価・暗黙知が露出する出来事を記録するための応用 CIT として位置づけるのが自然そう
この方針を踏まえ、analysis/2026-05-02-critical-incident-record-template.md に、期待していた成果、実際の結果、インシデントの影響、なぜ critical と判断したか、出来事のタイムライン、プローブ質問、分析コード、記録の信頼性メモを追加した

キーワード： #CIT妥当性 #応用CIT #成果への影響 #因果関係 #タイムライン #プローブ質問 #分析コード #記録の信頼性

2026-05-03（1）

呟き： ここまでを振り返って総まとめをしたい。ファイル更新するところがあればしてほしい。また、次のゼミで発表するためのスライドも作成していきたい。まずは、そのスライドの構成・内容を考えていきたい。

整理：

研究の現在地は、古い「委譲条件」中心の整理から、「変化の速い AI を研究として扱うために、AI が入り込んだ実践のどの要素を見ればよいのか」という上位方針へ移っている
now.md を更新し、AI そのものではなく AI が入った実践を見ること、媒介物・ワークフロー・判断評価を手がかりにすること、CIT を応用して判断・評価・違和感・修復の場面を記録することを現在地として整理した
次回ゼミでは、結論を出した研究としてではなく、研究対象を研究可能な形に切り出し、方法設計を組み立てつつある段階として発表するのがよさそう
スライド構成案として analysis/2026-05-03-seminar-slide-plan.md を作成し、背景、問題、視点の置き直し、上位方針、具体アプローチ、CIT、題材・対象者、初期調査計画、相談事項までの流れを設計した

キーワード： #総まとめ #現在地更新 #次回ゼミ #スライド構成 #AIが入った実践 #観察枠組み #応用CIT

2026-05-06

呟き： 変化の流れとしては、この変化の流れとしてはというラベリングが正しいかはわからないけど、基本はあんま短期的に変わりはしないけど、UIやツール、アプリなどの変化が早く、その後に人間の前提としていた認知だったり思考フロー的なところが変わっていくのかな?アプリ側などが変化していくにあたって人間も変化されていくようなことが多いのかな?ここら辺は雑に書いちゃったし、決めつけは良くないと思う。もし必要であれば、こういう視点でも考えていくことが必要みたいなことを今の段階で言えたらとも思うし、その具体も考えていきたい。

整理：

「不変的」という語は、永遠に変わらないものというより、変化の速度が異なる層を見分けるための語として扱う方がよさそう
モデル性能、UI、ツール、アプリ形態は速く変化しやすい一方で、人間や組織の目的の持ち方、判断、責任、レビューや承認の慣習、暗黙知の扱い方は相対的にはゆっくり変化する可能性がある
ただし、「技術やアプリが先に変わり、人間の認知が後から変わる」と決めつけるのは危うく、技術、UI、ワークフロー、人間の認知、組織ルールが相互に調整される共変化として見る方がよさそう
クリティカル・インシデント法では、速く変わる層と遅く変わる層がぶつかる場面、たとえば新しい AI 機能によって既存のレビュー、責任、判断基準、作業順序が揺らいだ場面を拾うことができそう
analysis/2026-05-06-ai-change-stable-human-practice.md に、変化の層として見る視点を追記した

キーワード： #不変的構造 #変化の層 #共変化 #社会技術的変化 #CIT #認知とワークフロー

2026-05-06（2）

呟き： 基本的にはいい感じだけど、研究の保身として「AI 技術や UI・ツールが速く変化する一方で、人間の判断、評価、責任、暗黙知、組織的な作業慣習は相対的にゆっくり変化する層として捉える。」のようにいうのはどうかとも思う。軸としては以前までと変わらずに、それをみていくにあたっての一つのピース的な観点なのかなと考えただけ。

整理：

変化の層という見方は、研究の中心的な前提として置くより、インシデントを読むための補助的な観点として扱う方がよさそう
研究の主軸は引き続き、AI を使う実践の中で繰り返し現れる判断、評価、修復、外部化の出来事をクリティカル・インシデントとして記録し、観察軸を整理することにある
「技術は速く変わり、人間は遅く変わる」と主張すると、研究を古くならないように守るための保身的な説明に見える危険がある
変化の層は、何がツール変化に由来し、何が実践者の判断や組織の前提に関わり、どの媒介物がそれらをつないでいるのかを読むための補助線として位置づけるのがよさそう
analysis/2026-05-06-ai-change-stable-human-practice.md の該当箇所を、中心軸ではなく補助的観点として書き直した

キーワード： #研究の主軸 #補助線 #変化の層 #保身的主張の回避 #CIT #観察軸

2026-05-11

呟き： 一言で言うと、この研究は何か。そもそも、なぜこの研究をやろうと思ったのか。なぜ変化の速い AI を研究として扱うためにどうすればよいか、という研究に至ったのか。それ以前の考えも踏まえて整理したい。

整理：

研究の出発点は、最初から「AI 研究方法論」を目指していたというより、AI が実行を担うことで、従来は操作手順にかかっていた認知負荷が、目的・意図・制約を言語化して AI に渡す負荷へ移るのではないかという感覚にあった
そこから、ノーマンの7段階モデル、メンタルモデルのギャップ、期待の人間化、言語化支援、暗黙知の外部化といったスレッドが生まれた
一方で、AI のモデル・UI・ツールの変化が速いため、特定ツールや特定機能を中心にすると研究がすぐ古くなるという問題が浮上した
教授からの「研究の仕方の手段を提示していく考え方もある」というフィードバックもあり、研究の軸が「AI の特定現象を説明する」から、「変化の速い AI を研究可能にするために、AI が入り込んだ実践のどの要素を見るべきかを整理する」方向へ引き上がってきた
現時点では、AI が入り込んだ実践の中で判断・評価・修復・外部化が露出する出来事を手がかりに、変化の速い AI 介在型実践を観察するための暫定的な枠組みを探る研究として説明できそう

キーワード： #研究の一言 #出発点 #認知負荷の移行 #言語化 #変化の速いAI #観察枠組み #研究に至った経緯

2026-05-11（2）

呟き： そもそも変化の速いAIを研究として扱うにはと言う軸はいいと思うのですが、その大元ではただAIを研究として扱うためには?と言う疑問というよりも、何かを探りたいという状況がある中でのそれなのではないかと思った。たとえば、これからAIが進化していくにあたっての人間のAIに対するあるシーンでのメンタルモデルについてとか(これは雑だけど。)。わからないけど、どうかな?研究者視点に立って、視野が狭くならないよう、私に賛成して欲しいわけでも過度に批判して欲しいわけでもないですが、意見して欲しい。その意見自体も本当にそうか?と問いながら、意見してほしい

整理：

「変化の速い AI を研究としてどう扱うか」は重要な軸だが、それだけを前面に出しすぎると、研究が純粋な方法論に寄りすぎる危険がある
大元には、AI が実行・生成・解釈を担うようになる中で、人間の目的設定、期待、メンタルモデル、判断、評価、修復がどのように変わる／表に出るのかを探りたいという実質的な関心がありそう
したがって、「変化の速い AI を研究可能にする観察軸」は、単独の主題というより、その実質的な現象を扱うための研究戦略として位置づける方がよさそう
メンタルモデルを中心に置く可能性はあるが、内面概念として広くなりすぎるため、現時点では「AI が入り込んだ実践の中で、期待・判断・評価基準・暗黙知がどこで表に出るか」を見たうえで、その一部としてメンタルモデルの変化を扱う方が安全かもしれない
研究の階層としては、現象の関心、研究上の困難、観察戦略、方法の順に整理すると見通しがよさそう

キーワード： #研究の大元 #メンタルモデル #実質的関心 #研究戦略 #方法論に寄りすぎない #観察軸

2026-05-11（3）

呟き： 今のだとちょっと離れているかも?ふと思ったけど、「変化の速いAIを研究として扱うには」を軸にしていくのはいいのかな?背景としても、変化が早くて何を起点に・論点にして研究をしていけばいいかがわからない。みたいなものがあればそれでもいいと思ったけど。全体的に言葉が抽象的すぎる。それっぽいことを言っているけど、それがわかりにくいというか当てずっぽうで書いている感じがする

整理：

「変化の速い AI を研究として扱うには」という表現は、研究の方向性として有効な可能性はあるが、それだけでは抽象的で、何に困っているのかが見えにくい
研究の起点は、「AI が速く変わるから困る」だけではなく、「AI が実践に入り込むことで、従来の UI / UX や HCI の観点だけでは何を見ればよいのか分かりにくくなっている」という状況に置く方が具体的かもしれない
たとえば、操作のしやすさ、効率、出力品質だけでは、AI に何を任せているのか、何を基準に評価しているのか、どこで人間が介入しているのか、どの知識が媒介物として外に出ているのかを捉えにくい
したがって、「変化の速い AI を研究として扱う」という言い方は、研究の看板として使うなら、背景に「何を起点・論点にすればよいかが見えにくい」という具体的な困りごとを置く必要がありそう
次の整理では、抽象語から入るのではなく、「既存の観点では拾いにくい場面」を具体例として置き、そこから観察軸の必要性へ進む方がよさそう

キーワード： #抽象語の危うさ #研究の起点 #何を見ればよいか #既存観点の限界 #観察軸 #背景の具体化

2026-05-11（4）

呟き： いや、あなたは下記のように言っているけど、それもあなたの憶測でしかない気がしている。そもそも軸を、「変化の速い AI を研究として扱うための観察軸的なところを探る研究」みたいにしてもいいのでは。それで今回は、〇〇のシーンで見ていきます。みたいな。論理的に。

整理：

「従来の UI / UX や HCI の見方だけでは足りない」といった書き方は、現時点では根拠を十分に示せていない推測になりやすい
研究の軸は、「変化の速い AI を研究対象として扱うための観察軸を探索する研究」として置いてもよさそう
その場合、研究が抽象的な方法論に浮かないように、「今回はどのシーンでその観察軸を探索するのか」を明確にする必要がある
現時点の候補は、AI が生成や実行の一部を担い、人間がその出力を評価・修正・採用判断する制作・開発・研究・設計の実践である
論理としては、「上位目的 = 観察軸の探索」「経験的対象 = AI 介在型の制作・開発・研究・設計実践」「方法 = 判断・評価・違和感・修復が露出するクリティカル・インシデントの記録」と分けると見通しがよさそう

キーワード： #観察軸探索 #研究対象化 #経験的対象 #CIT #論理構成 #推測の扱い

2026-05-11（5）

呟き： Park et al. の Evaluating Generative AI in the Lab もかなり自分が考えていることに近いのではないか。無理に違うところを見つけて独自性があると言うのではなく、他の研究も踏まえて、自分が行っていることが実際どうなのか、先行研究として活かせそうな部分、自分の研究が甘かったところ、どう繋げて見直していくかを詳細に分析したい。Shi et al. の An HCI-Centric Survey and Taxonomy of Human-Generative-AI Interactions も役に立ちそうだと感じている。

整理：

先行研究との関係は、「違うところを探す」よりも、近い研究群がすでに何を整理しているのかを受け止めたうえで、研究の焦点を締め直す段階に入っているように見える
Park et al. は生成 AI の非決定性が HCI 評価方法を揺るがすことを扱い、Shi et al. は Human-GenAI Interaction の分類軸を整理しているため、「変化の速い AI を研究として扱う観察軸」という上位表現だけでは既存研究とかなり重なる可能性がある
研究の核は、観察軸をゼロから発明することではなく、既存の評価・分類枠組みを踏まえたうえで、AI 介在型の制作・開発・研究・設計実践における判断・違和感・修復・媒介物更新のインシデントを記述することに移せそう
CIT は独自性そのものではなく、実践中に判断基準や暗黙知が露出する出来事を焦点化するための方法として位置づける方がよさそう
この方向では、先行研究を回避するのではなく、Park et al.、Shi et al.、Terry et al.、Doshi and Moore、Watkins et al. などを主要な土台として使い、実際のインシデントが既存枠組みでどこまで説明できるかを検討する研究になりうる

キーワード： #先行研究 #Park_et_al #Shi_et_al #観察軸 #研究設計の見直し #CIT #taxonomy #実践インシデント

2026-05-11（6）

呟き： クリティカルインシデントでは、AIを使って何かアウトプットを出させたシーンであれば、特に区別なく聞いたりアンケート取ってっていいよね? あと、やっぱりAIを使ってアウトプットを生成したフロート、実際に人間自身でアウトプットを作成した際においての、上位概念的な比較が必要なのでは?また、研究タイトルを考えて。

整理：

AI を使ってアウトプットを出した場面を広く聞くことはできるが、CIT として扱うなら「AIを使った場面」一般ではなく、判断・違和感・修復・採用/不採用・媒介物更新などが生じた具体的な出来事に絞る必要がありそう
AI あり実践と人間のみ実践の比較は、前後比較や効果測定としてではなく、目的設定、制約処理、評価基準、修復、責任、成果物への納得といった上位概念で比較する補助線として使うとよさそう
AI なし実践を聞く意義は、AI利用時に外部化される判断基準や暗黙知が、人間のみの制作ではどこに埋め込まれていたのかを理解することにありそう
研究タイトルは「変化の速い AI を研究対象化する」という上位問題を前面に出す案と、「AI 介在型制作実践における判断・修復・外部化」を前面に出す案の両方がありうる

キーワード： #CIT #AIありなし比較 #上位概念比較 #アウトプット生成 #判断 #修復 #研究タイトル

2026-05-11（7）

呟き： 「AI時代の人間-システムインタラクションの変容を、変化の速い技術に依存しすぎず観察するための軸を探る」というニュアンスよりも、そもそも設計者目線で、「UI/UX設計で考えるべき対象が、画面上の操作性だけでなく、AIへの指示、権限、確認、実行過程の見え方、結果の妥当性、既存アプリとの関係などに広がっている可能性がある。」UIを設計したり体験を設計するにあたっての今までの考え方やあり方に変化が当たり、考え直していかないといけないことも出てくると思う。ということがあり、それを研究で探っていくということが以前の私の研究の目的であったが、それを探るにあたって、AIの進化が早すぎて、なかなか見ていく軸が見れなかった。この視点で見ていこうとしても、もしかしたら研究を行っている間で前提が変わってしまうかもなとか。なので、まずは、何かAIと人間の間での不変的な概念・構造みたいなものを探ることがまずは重要だと思い、このような考えに至っています。

整理：

研究の出発点は、「変化の速い AI をどう研究するか」という方法論的関心だけではなく、設計者目線で、AI によって UI/UX 設計の対象や考え方が変わりつつあるのではないかという問題意識にありそう
AI 機能、AI ツール、AI エージェント、MCP などによって、体験設計の対象は画面上の操作性だけでなく、指示、権限、確認、実行過程の見え方、結果の妥当性、既存アプリとの関係などへ広がっている可能性がある
ただし、その変化を研究で扱おうとすると、AI 自体の変化が速すぎて、AI をどのような判断軸で扱えばよいのかが見えにくいという困難がある
そのため、「AI と人間の間にある不変的な概念・構造を探る」という方針は、特定の AI 機能や UI を避けるためではなく、AI が関わる体験設計を研究で扱うための判断軸をつくる必要から出てきているように見える
判断・委譲・評価・修復・外部化・介入といった語彙は、研究の前提として先に置くものではなく、この設計者目線の問いを探る中で見えてくるかもしれない観察語彙として扱う方がよさそう

キーワード： #設計者目線 #UIUX設計 #体験設計 #AIエージェント #MCP #設計対象の拡張 #不変的構造 #研究の起点

2026-05-11（8）

呟き： クリティカルインシデント法を用いる理由としては、AIと人間の間にある不変的なものを探っていくために、人間がAIを使って何か生み出していく際に頻出している重大事項みたいなところを捉えることができたら、かつ、人間自身で何かアウトプットを生み出した際の頻出している重大事項的なところを見比べて、それが一致している概念みたいなところがあれば、それを「AIと人間の間にある不変的なもの」としてみていけることができるんじゃないか?みたいな考えでいいですか?

整理：

クリティカル・インシデント法は、AI 利用の一般的な感想ではなく、目的達成やアウトプット生成の中で重要な判断・迷い・修正・評価・納得が表に出た出来事を拾う方法として使えそう
AI を使ってアウトプットを生み出す場面と、人間自身でアウトプットを生み出す場面の両方で、頻出する重大な出来事を比較するという発想が出てきている
ただし、「一致した概念 = 不変的なもの」と直ちに言い切るより、両者に共通して現れる上位概念を「AI と人間の間にある不変的構造の候補」として扱う方がよさそう
比較の焦点は、AI あり/なしの優劣や効率差ではなく、目的形成、評価基準、修正判断、納得、責任、暗黙知の扱いなどが、AI あり/なしの双方でどのように現れるかに置くとよさそう
AI 利用場面だけを見ると AI 固有の現象に見えるものが、人間のみの制作にも現れるなら、それは AI によって新しく生まれたものではなく、AI によって露出・再配置された人間側の構造として捉えられるかもしれない

キーワード： #CIT #AIありなし比較 #不変的構造 #上位概念 #アウトプット生成 #目的形成 #評価基準 #納得

2026-05-12

呟き(重要)：

もう少し、私の言葉で全体を整理してほしい。そもそもの始まりは、AIの急速な発達に伴い、AIがAI機能として
サービス・アプリの中に組み込まれてくる様になったり(canva,notionのAI機能など)、AIを軸としたサービスが生
まれてきたり(genspark,claude,claude codeなど)、最近はmcpやAIエージェントの発達によって例えばfreeeやマネーフォワードなど、今までサービスとして、人間が操作・管理するためのUIを展開していたけど、mcpサーバーにも対応する様になって、AIエージェントからデータの操作・取得ができる様になったり、デジタルサービスの中にAIというものが介入する様になってきて、今までのデジタルサービスで人間が目的を達成させるまでの中に、AIが介入する様になってきた。それによって、人間がデジタルサービスを使って目的の動作・目的を達成するまでの、考えることの内容、プロセス、人間とシステム(アプリ)とのインタラクション、などに変化があるのではないか。と考えた。
そうなると、サービス設計・体験設計・UI設計をしていく人・シーンにおいて、新たに考慮しなければいけない要素(generativeUIや)、人間側のメンタルモデル的なところ、など、設計要件的なところの前提や内容を見直さなければいけないことも出てくるのではないかと考えた。(uiの観点のユーザービリティのことだった
り、SEOだけではなくてAIリーダブル・AIによまれやすい設計が必要など、ここはもっと先人の研究や提言を見て行ったり、具体的に定義や例を挙げていかないといけないと思っているが。)
しかし、この変化が激しい中で、新たな前提を探っていくことは、今の一瞬はできてもAIの急速な発達や新たなAIサービスの登場、mcpのような新たな技術の確立、AIのモデルの性能の向上などによってその日その日でAIによってできることのレベルや内容・規模が変わっているので、「その前提」を定義するのは難しいのではと考えた(ここも、もっと具体的な例などを考えていかないとと思っているけど)。
そこで、この様なことを研究していく前に、一度、この様なシーンにおいて、人間とAIとのインタラクションやAIとの関わり方の中で、何か不変的な軸や構造みたいなところを探っていき、変化が早いAIというものを、扱っていくための整理をすることが重要であって、意義もあるのではないかと考えた。そしてこれをこの研究の主題としようとしている。
そして、これをどう探っていくか、アプローチしていくか.現在考えているのは、クリティカルインシデント法というものを使って、AIで何かアウトプットを生成したプロセスと、AIを使わずに人間の手で何かアウトプットを生成したプロセスそれぞれを、量重視でクリティカルインシデント法にそってインタビュー・アンケートを行なっていき、そこでそれぞれに出てきたクリティカルなインシデントなどを見比べ、そこで共通したクリティカルなインシデントなどがあれば、それを「人間と AI の間の不変的な概念・構造」の候補としてみていけるのではないかと考えています。

次のゼミに向けて

「実行負荷から言語化負荷へ」の転換の議論（未完、次回継続）
メンタルモデルのギャップが「高度化・複雑化」していくという仮説の深掘り
既存フレームワーク（ノーマンの7段階モデル、ニールセンの10原則）のAI文脈での限界の整理