ノート。

正しいアーキテクチャ設計を学ぶためのツールを、レビュー型（不足要素の指摘）、演習フィードバック型、参照型、記述型の4類型で整理した産業調査ノート

実運用前にアーキテクチャをシミュレーション・演習で検証/学習する手段を、標準・独立系調査・開発者証言・労働市場の4系統で整理した産業調査ノート

Roger Schank らの Goal-Based Scenario（GBS）の先行研究を、一般理論とデザイン文脈の2系統31件（探索40行、重複統合9、除外0）で地図化した。(1) 理論的背景では、Dynamic Memory のケースベース推論（期待の失敗が学習を駆動する記憶理論）を認知的基盤に、learning by doing の実装理論として GBS が1994年の Journal of the Learning Sciences 特集で成立した系譜を整理した。(2) 構成要素では、learning goals、mission、cover story、role、scenario operations、resources、feedback の7要素（Schank, Berman & Macpherson 1999）と設計手順を確認した。(3) 技術的要請では、マルチメディアシミュレーション環境と GBS Builder などの ILS の実装系譜を追った。(4) 実証では、統計教育、計算機基礎、初等プログラミング、VR 訓練での適用事例と準実験を収集し、効果検証が2020年代のトルコ語圏と台湾の準実験に偏り、メタ分析を確認できない証拠の薄さを特定した。(5) 他手法比較では、PBL、アンカードインストラクション、Learning by Design、Merrill の第一原理との異同を整理した。(6) デザイン文脈では、instructional design 正典への収録、工学教育のシナリオ中心カリキュラム、HCI スタジオの PBL 実践を確認する一方、デザインスタジオへの GBS の明示的適用研究が未発見という空白を特定した。

FDE（Forward Deployed Engineer）、戦略コンサルタント、デザイナーの職責を求人票と一次言説で実測し、その差分の上に Nielsen が提唱する FDD（Forward Deployed Designer）を置き直した検討。FDD の職務内容はサービスデザインの既存技能とほぼ重なり、新しいのはその職務と FDE 型配置（ベンダー側所属、稼働物への責任、製品への還元ループ）の、これまで結合されていなかった組み合わせである。職場の分業としては空席が実在するが、職名としての市場は確認できた求人2件がともに終了しており、まだ立っていない。成立の分水嶺は、この配置が FDE への従属ではなく対等な分業として決着するかにある。

2026年7月から8月初頭の「AIとデザイン」査読論文とプレプリント25件を収集した月次学術ウォッチ。ACM C&C 2026の11件は重心を「出力の整合」から「参加・工芸・統治」へ移し、DRS 2026の実務研究は前回空白だった職能変化を部分的に埋めた。一方、AIアイデエーション支援が集合的多様性を圧縮するという実証が加わり、前回からの対立は解消されていない。

ジェネラティブアート（generative art / creative coding / computational art）を教育の題材として使う学術研究72件（探索86件、重複統合14、除外0）を、教育利用の目的で類型化した文献地図。目的は (1) プログラミング入門の動機づけと文脈化（media computation、Processing/p5.js）、(2) 多様な学習者の包摂（女性、非専攻、低所得地域）、(3) computational thinking の育成と評価（Scratch 作品の CT 評価）、(4) STEAM 統合と構築主義的メイキング、(5) アート/デザイン/音楽教育における表現拡張、(6) 創造性教育、(7) LLM 以後の AI リテラシーと批判的メディアリテラシー（2023–2026）の七類型に整理できる。教育段階との対応では、K-12 は CT 育成と STEAM と包摂、高等教育 CS は入門動機づけ、美術大学と建築/音楽の高等教育は表現拡張が支配的で、2023 年以後は「コードを書く技法の教育」に「生成モデルを批判的に理解する題材としての教育」が急速に加わった（アート教育×生成AI の実証は 2023 年 2 件から 2025 年 14 件に増加という報告がある）。全 72 件に DOI/URL つき。

ジェネラティブアートの文献地図（94件）と、レビュー論文の引用獲得切り口を順位づけた書誌分析の2 noteを、design-theory レンズ（Simon/Schön/Cross/Dorst & Cross/Buchanan/Rittel & Webber/Krippendorff/Costanza-Chock）で敵対的に検査した。文献地図側の主要な弱点は4つ: AI の存在論的地位（道具/共同設計者/環境/評価装置）が章ごとに移る混線、「生成」概念の未整理、94件コーパスの不在から分野の断絶を推す標本推論の飛躍、1965年 generative Ästhetik と 2020年代 text-to-image を単一定義で貫く概念史の圧縮。引用戦略側の主要な弱点は5つ: 引用予測から研究価値への滑り（problem-setting の引用市場への委譲という Schön 的批判）、引用速度指標の年齢バイアスと自己への外挿、空白判定の限定が1位断定で外れる悉皆性の滑り、高被引用サーベイのみを見る生存者バイアス、「累積3,850件の再引用結節点」という含意飛躍。一方で steelman により、空隙発見（計算論的創造性評価と LLM 実証の未接続）の実質と流通予測としての限定的有用性は崩せないことも確定した。全批判は Evidence Ledger で出典に紐づけ、対立は folded せず対立表のまま残す。批評全文は source/review/generative-art-adversarial-review/ に保存。

ジェネラティブアート研究のレビュー論文を書く際に最も引用を獲得しうる切り口を、OpenAlex と Semantic Scholar の公開書誌データで実証的に特定した。(1) 既存レビュー43件の被引用実測では、2023–2025 の実証研究（Zhou & Lee 191.5引用/年）と大型技術サーベイ（Yang 2023 288.2引用/年）が最速で、理論系は年14〜30件の安定ベース。(2) テーマ別成長では human-AI co-creation が 2024→2025 に+607%で最速、著作権+160%、LLM 創造性評価+115%が続く。(3) 高被引用サーベイは taxonomy と open problems 節を全件が備え（7/7）、被引用トップ層のみ GitHub リポジトリを持つ。系統的レビューは他の研究設計より高引用（年平均6.6件、JIF が R²=0.59）。(4) 空白領域の検証では、計算論的創造性の評価枠組み（Boden/SPECS/Lovelace）を LLM/拡散モデル生成物の評価に接続するレビューが最有望（先行理論の累積被引用3,850件超の再引用結節点、一次研究15.8倍増、最近接レビュー自身が接続不在を明記）。ラベル効果メタ分析は De Rooij 2025 が既に出版しており空白ではなくなった。これらを統合し、引用獲得見込みの高い切り口を7位までランキングした。数値はすべて出典・取得日つき。

ジェネラティブアートの学術研究を、レビュー論文の章立てに対応する4系統94件（探索108行、重複統合8、除外0）で地図化した。(1) 歴史的起源では、Bense と Moles の情報美学を理論基盤に1965年の Nees 展と「rot」誌で generative Ästhetik の語が成立し、1968年の Cybernetic Serendipity とザグレブの New Tendencies を経て、美術界の拒絶（Taylor）と定義論（Galanter の自律システム定義）に至る系譜を整理した。(2) 技術系譜では L-system と進化計算（Sims、IEC）から GAN/CAN、StyleGAN、拡散モデル（DDPM、CLIP、Latent Diffusion）、LLM マルチモーダルまでの世代交代を追った。(3) 理論枠組みでは Boden の3類型とその形式化（Wiggins、Jordanous SPECS）、作者性論争（Hertzmann のツール論と McCormack の4概念）、AI ラベルが評価を下げる受容実証（Ragot、Bellaiche）を整理した。(4) LLM 以後（2024–2026 重点）は最も厚く、text-to-image の実践研究（AI 採用で生産性+25%だが平均新規性は低下）、LLM コード生成によるクリエイティブコーディング（Spellburst、GenP5）、人間-AI 共創、著作権と保護技術の軍拡競争（Glaze/Nightshade 対 迂回攻撃）、労働影響の実証（短期収入低下の証拠なしと5年縦断の失業報告が併存）を扱う。空白として、計算論的創造性の評価枠組みが LLM 以後の実証研究にほぼ接続されていない断絶などを特定した。

LLM を評価者として使う LLM-as-a-Judge という概念の発生史を、学術文献 38 件（C1〜C38）とベンダー一次資料 10 件（P1〜P10）の拡張コーパスで整理した。概念は (1) NLG 評価の危機（表層指標 BLEU/ROUGE の妥当性喪失、人間評価の標準化不能と再現性危機、learned metrics による評価の学習化）、(2) 選好学習の技術基盤（RLHF の reward model、Constitutional AI と RLAIF の AI フィードバック）、(3) scalable oversight の規範的要請という三つの系譜の合流として 2023 年に成立した。実践（2023-03 の Vicuna ブログの GPT-4 採点）が語（2023-06 の MT-Bench 論文の表題語）に先行し、オープンエンド生成の正解不在、ベンチマーク飽和と汚染、評価の需給ギャップ、アラインメント評価の需要という四つの要請が概念を押し出した。成立後はサーベイ、メタ評価ベンチ、公的機関の文書化（NIST AI 800-2）へと制度化が進んだが、表層指標の妥当性問題は judge のバイアス問題へ、人間評価の再現性問題は judge のメタ評価問題へと、形を変えて存続している。