ノート

AI とデザインの調査、実験、考察を、つくる過程もあわせて公開しています。

公開ノート 154 件。LLM Wiki 方式で作っています。 仕組みを見る → ノートに聞く → 引用ネットワーク（ノートと文献のつながり）を見る →

2026年8月

• 日本のデザイン研究の系譜：三つの源流と、会長職を回してきた大学

  2026-08-31

  日本のデザイン研究を、機関の設立系譜（1876–2026）、学会の分岐、理論的学統、人事構造の四層で地図化した統合要約。査読論文と、大学、学会、公的機関の一次資料 94 件に依拠する。デザイン教育の制度は工学系、美学系、芸術工学系の三つの源流に分かれ、それぞれ別の学会を持つ。日本デザイン学会が公開していない歴代会長14名を機関誌の奥付から復元したところ、在任時の所属を確定できた12名のうち6名が千葉大学であり、1986年の論文にはのちに会長となる3名が同じ研究室の共著者として並んでいた。一方、教員採用については、日本の大学全体の自校出身率（32.6%、2013年度）は公表されているのに、デザイン系に固有の数値はどこにも存在しない。主要3機関の教員の出身校を自前で集計すると、自校出身率は 12.5% から 66.7% まで開き、最も高い機関では判明した教員全員が博士号を持たなかった。

• AI とデザイン 週次ウォッチ（2026-08-24〜08-31）

  2026-08-31

  直近7日間の「AIとデザイン」動向をT1vベンダー一次、T2公的機関と標準、T3専門家私見の3ティアで収集した統合要約。CursorがSCM接続なしでクラウドエージェントを開始できるようにし、Figmaはエージェントチャットパネルを独立ウィンドウ化し、OpenAIのChatGPT Workの構成がWillisonにより解説された。同じ週に、セキュリティ研究者RehbergerがClaude Code Opus 5 Auto Modeへの攻撃で60〜80%の成功率を報告し、Anthropicの第三者評価が示した0.00%という数値との対応が問われた。Stability AIはEA、Sony Music、Universal Music、Warner Musicから7,600万ドルを調達し、Kaeligの調査はオープンソースのデザインシステムがMCPやagent skillsへの対応を急速に進める一方、Figma Code Connect対応はわずか10%にとどまることを示した。

• 「デザイン学の不在」は三度言われたのか：1978年・2008年・2023年の指摘を原典で読み直す

  2026-08-31

  日本のデザイン研究で繰り返し引かれる「デザイン学の不在」という問題提起を、阿部公正 (1978)、向井周太郎、八重樫文ら (2023) の三つの言明に即して読み直した。三者は同じことを言っていない。阿部はデザインが「応用美術」に過ぎないのかという学の地位を問い、向井はウルム造形大学だけが実践的理論を持っていたと評価しながらその再構築を未完のまま残し、八重樫らは科学化を追究した先に「科学化の不可能性」という逆説に達したと診断する。問いは地位から構築へ、構築から方法へ移っている。さらに 2025年、八重樫らが依拠した Nigel Cross 本人が「design is now recognized as an academic discipline」と書き、共著論文で「we have emerged」と宣言した。不在という問題設定は 2026年時点で現役ではない。

• オンラインで多く見えることは、多くの人がそうしていることか

  2026-08-30

  「よく見かける」を「よくあることだ」の手掛かりにしてよいか。この問いに関わる学術文献303件（頻度手掛かりと普及率推定29、少数主体による大量発信26、生成AI固有の情報環境27、自己成就と規範動態26、デジタル痕跡データの代表性27、直近3年の追加収集117、エコーチェンバー研究との差分検証51）を集めた。頻度と人数の対応が壊れる現象そのものは生成AI以前から測られている。Weaver ら (2007) は、一人が同じ意見を三回繰り返すのを聞いた人が、三人が一回ずつ言うのを聞いた人とほぼ同じだけ「その意見は広く支持されている」と推定することを6実験で示し、この効果は発言者が一人だと明示されても消えなかった。Pew Research Center (2019) の確率標本調査では米国成人 Twitter 利用者の上位10%が全ツイートの80%を生成し、van Mierlo (2014) は4つの健康 SNS で投稿の74.7%を1.3%の利用者が書いていることを測った。Rao & Reiley (2012) はスパムの限界費用がほぼゼロであることから送信量が送信者数から切れる構造を定式化し、Lerman, Yan & Wu (2016) はネットワークの次数分布の偏りだけで稀な属性が局所観察では多数派に見えることを形式化している。直近3年で像は大きく動いた。曝露が「何が普通か」の判断を動かす経路は既に直接実証されている。Glickman & Sharot (2025, Nature Human Behaviour, N=1,401) の第3実験では、Stable Diffusion 生成の金融マネージャー画像を1.5秒ずつ3枚見せただけで、白人男性を最も金融マネージャーらしいと選ぶ割合が32.36%から38.20%へ上がった（p=0.04、統制群は有意差なし）。AlDahoul ら (2025) は AI 生成顔への曝露が人種とジェンダーの知覚を動かすことを、開示の有無を問わず生じる形で示した。Brady ら (2026, Nature 事前登録報告) は Bluesky で2,000名を8週間追い、エンゲージメント最適化フィードが社会規範の知覚精度を下げ、多様化アルゴリズムが改善することを実プラットフォームで確かめている。ただし Geber & Stahel (2026, N=1,021) は推薦の種類が規範知覚に有意な効果を与えなかったと報告し、Liu ら (2025, PNAS) は YouTube の4実験（計約9,000名）でフィルターバブル操作の短期的な分極効果を検出できなかった。量の測定も進んだ。Liang ら (2024) は AI 会議の査読本文の6.5〜16.9%が LLM により実質改変されたと推定し、Allaham & Diakopoulos (2026) は生成検索の被引用ソースの約16%が既に AI 生成物だと測り、Lee ら (2025, PNAS Nexus) は有害投稿者の比率の推定が実測の最大約100倍過大であることを示した。見分ける側は追いついていない。透かし除去攻撃は7方式にほぼ100%成功し（Cheng ら 2025、費用は100万トークンあたり0.88ドル）、C2PA は独立評価で主張するセキュリティ目標を達成していないと結論され（Golaszewski ら 2026）、ボット検出は LLM 回避で最大29.6%性能を落とす（Feng ら 2024）。名づけも先を越されている。Schroeder ら (2026) は Science の政策論説で「合成された合意（synthetic consensus）」を提起した（実証は伴わない）。測定の道具そのものも汚染されており、Westwood (2025, PNAS) は自律型 LLM エージェントが調査の品質管理を6,000試行の99.8%で回避できることを示している。残る空白は一点に絞られた。Daikeler ら (2025) が58件のデータ品質枠組みを系統的にレビューしても、発信主体が母集団の外にある場合の誤差類型は存在せず、欠落としてすら名指しされていない。Alsalti ら (2026) が総調査誤差のカバレッジ誤差の節で初めてこの前提を文章化したが、下位類型としての定式化には至っていない。最近接概念であるエコーチェンバー研究との差分も、文献51件を追加して検証した。エコーチェンバー研究は原因の置き所こそ割れているが（Sunstein は受け手の選択、Pariser はアルゴリズム、Cinelli ら 2021 はホモフィリー、Bakshy ら 2015 は個人のクリックが約70%減でアルゴリズムの約15%減を上回ると切り分ける）、観測される各項目の背後に実在の人間が一人いるという前提は24件を通じて一度も明示されていない。方法論の構造上、ノードが人間であることが出発点だからである。否定側の蓄積も厚く、Guess (2021) は党派間のメディアダイエット重複を50〜65%と測り、Meta の2020年選挙研究4本は露出を大きく動かしても態度指標が動かないことを示した（Nyhan ら 2023 Nature、Guess ら 2023 Science 2本、González-Bailón ら 2023 Science、2.08億人規模）。構成比の誤推定の系譜も同じ構造を持つ。Ahler & Sood (2018) は民主党支持者の LGBT 比率を回答者が32%と推定すること（実際6%）、共和党支持者の高所得者比率を38%と推定すること（実際2%）を示したが、推定対象はいずれも実在する集団であり、処方は真の基準率の提示である（Ahler 2014 で意見が8〜13%穏健化）。選択的接触そのものの効果量は d=0.36 にとどまる（Hart ら 2009 のメタ分析）。差分は三点に整理できる。歪みの所在（観測者の標本か、供給される項目の人間対応か）、処方が前提にするもの（実在する意見の配分か、真の比率の存在か）、誤りの向き（自分の側か、目立つ少数派か、立場と独立か）。ただし Guay ら (2025, PNAS) の「不確実性下の再スケーリング」説が正しければ、比率推定はもともと0.5付近へ回帰するので、入力を汚しても悪化の余地は小さいという反論が成り立つ。この反論は比率推定の課題には効くが、Glickman & Sharot (2025) が動かした「誰が典型的か」という課題には直接には当たらない。

• フロンティアモデルと廉価モデルの使い分け（Fable 5 と GPT-5.6 Sol）

  2026-08-29

  Claude Fable 5 と OpenAI GPT-5.6 Sol を軸に、最上位モデルと廉価モデルの使い分けをベンダー一次情報・公的機関の中立データ・実務家の私見の3層で整理した。両社の公式ガイドが揃って「モデルを切り替えるより effort を調整するほうが良いレバーであることが多い」と述べており、判断の単位も1リクエストあたりの単価から1タスク完了あたりのコストへ移っている。Anthropic の計測では研究系タスクで effort を low にしても精度低下は1〜3ポイントでコストは1/3〜1/2、長時間コーディングでは Opus 5 の medium が2ポイント減で半額、low が8ポイント減で1/4。全件 low で走らせて失敗のみ既定 effort で再実行すると、全件既定より高い成功率を半額で得た。上位と下位を混ぜる構成が引き合うのは、どの文脈窓にも収まらない量の独立作業を配れるときに限られ（フロンティア単独比55%安）、依存が一本鎖の作業では調整役のモデル単独を低 effort で回すほうが常に有利だった。

• デザイン史から見たスロップ：職能は粗製濫造への対策として始まった

  2026-08-28

  AI スロップをデザイン史のディシプリンから見直した。文献116件（19世紀英国のデザイン改革24、機械と真正性の論争24、キッチュと趣味の政治21、デザイン史学の方法論24、計画的陳腐化と均質化23）。核心は、デザインという職能そのものが最初のスロップ対策として制度化された事実にある。1835–36年の英国議会特別委員会は「英国製品の意匠が外国製に劣る」という産業的危機を審議し、1837年に官立デザイン学校が設立された。1852年、Henry Cole と Richard Redgrave は悪趣味と判定した製品87点を実名で並べる展示（通称 Chamber of Horrors）を開いたが、製造業者の反発により2週間で閉鎖された（Suga 2004）。教育の実効性も怪しく、Stourbridge の美術学校は地域産業と接続できなかった（Measell 2020）。機械と真正性の論争は Ruskin から Loos、Werkbund の Typenstreit、Benjamin、Gute Form まで同じ形で反復したが、Morris 商会は実際には機械と手仕事を併用しており（Harvey & Press 1991）、Pye (1968) は手仕事と機械の区別そのものが技法上は無意味だと論じた。さらにデザイン史は、悪趣味の判定が階級とジェンダーの装置でもあったことを明らかにしてきた（Greenberg 1939、Bourdieu 1979、Buckley 1986、Sparke 1995、Attfield 2000、Venturi ら 1972）。ただし趣味批判も単純ではなく、160世帯の訪問調査は Veblen とフランクフルト学派と Bourdieu のいずれも単純には当てはまらないと結論している（Halle 1993）。決定的なのは、均質化が AI 以前にすでに測られていたことである。ウェブデザインは2007年以降に有意に類似化し、ページレイアウトの平均距離は30%超縮んだ（Goree et al. CHI 2021）。要因はライブラリの共有と配色の標準化とモバイル対応であって、生成 AI ではない。ここから、「AI っぽくてダサい」という語り方が1852年の展示の反復になりうること、姉妹ノートの定義（検証の外部化）が趣味判断を迂回できる利点をもつこと、そしてデザイナーが対策側から生産側へ移ったことが、今回の新しさとして残る。

• スロップと対策の歴史：なぜ同じ賭けが繰り返し破れるのか

  2026-08-28

  低品質な生成物が環境を汚し、それに対して選別の仕組みが作られるという循環を、印刷術以後から2026年までの文献140件（前史21、メールスパム28、検索とボット25、学術出版29、2022年以降のAI対策37）で追った。対策は歴史上おおむね五つの型に収まる。受け手が分類する（ベイズフィルタ）、送り手に費用を課す（proof-of-work）、出所を証明する（SPF/DKIM/DMARC、C2PA、透かし）、人間であることを証明する（CAPTCHA）、門番を置く（査読、ブラックリスト、コミュニティ規約）。そして破れ方にも五つの型がある。(1) 攻撃者の能力不足を前提にした設計は能力の向上で失効する（CAPTCHA は AI の未解決性に安全性を賭けた設計で、GAN ソルバーが33スキームを0.05秒で解いた）。(2) 費用を課す対策は費用を他人に転嫁できる相手に効かない（Laurie & Clayton 2004 が proof-of-work の失敗を論証）。(3) 来歴は任意採用だと正直な参加者しか使わない（Durumeric 2015 で DMARC ポリシー指定は1.1%）。(4) 門番の誤りは弱い側に集中する（ブラックリストによるグローバルサウスの誤分類、Tor 利用者への差別、非母語話者の誤検知）。(5) 効いた対策は検証能力を大手に集中させる。今回だけ新しいのは三点で、生成物と本物が見分けられないこと、強い透かしの不可能性が証明されていること（Zhang et al. ICML 2024）、そして対策が slop の量や流通を実際に減らしたと示す査読研究が本収集の範囲では見つからないことである。歴史上効いた対策の共通点は「見分ける」ではなく「構造を変える」ことだった。

• AIスロップ：質の低さではなく、検証の外部化として読む

  2026-08-28

  「AIスロップ」をデザインと創造性の側から、学術文献92件（概念史22、創造性の実証24、デザイン理論27、産業と労働19）で検討した。語の初出（Willison 2024）が核に置いたのは出来の悪さではなく「自分で検証していないものを他者に押し付けること」であり、スロップは物の性質ではなく検証の負担の配分である。この読みを Pye (1968) の「リスクの職人仕事／確実性の職人仕事」に重ねると、生成物は結果が事前に定まらない点で確実性の仕事ではなく、制作中の判断が結果を左右しない点でリスクの仕事でもない第三の様式、すなわちリスクが下流へ渡る仕事として位置づく。実証は三方向から支える。(1) 均質化：個人の作品評価は上がるが集団の新規性は下がり（Doshi & Hauser 2024）、人間のエッセイ1本が足す新規性は GPT-4 の2〜8倍（Moon et al. 2025、N=2,200）、Midjourney では無関係なプロンプトが同一のデフォルト画像へ収束する（Simonen et al. 2026、75万枚）。(2) 費用の非対称：低品質生成の限界費用だけが下がり検証費用は下がらない（Zhang & Zhang 2025）。Spotify の新規リリースに占める AI 楽曲は1%未満から40%超へ（Wu et al. 2026）、curl は確認率が15%超から5%未満に落ちバグバウンティを停止した（Stenberg 2026）。(3) 評価の由来依存：人は AI 生成物を見分けられない（識別精度46.6%、Porter & Machery 2024）のに、AI と告げられると一貫して低く評価する（16実験 N=27,491、Raj et al. 2026）。この読み方が外れる条件を3つ明示し、スロップの測定基準が未確立であること（Shaib et al. 2025）を含め射程を限定する。

• 重いと感じた人が、能力が低いと言うまで

  2026-08-24

  「他者の認知負荷を上げる人は低能力である」という命題を、測定によってではなく現場の記述によって検討する研究設計。前段の文献調査で、評価者が三つの集団に分かれ、その分かれ方が所属組織でも属性でも説明されないことがわかった。測れば決着するという見通しが立たない以上、問いを「命題は正しいか」から「この判定はどう成立しているか」へ移す。認知負荷を尺度で測らず、自己調整を変数として定義せず、記録にコードを付けて分類することもしない。Blumer の感受概念を概念の持ち方として、Sacks の成員カテゴリー化を「誰が有能か」の扱い方として、Katz の記述が推論を担うという議論を分析の位置づけとして採る。見に行くのは、作業が重いという体験が、あの人は能力が低いという人物の判定に変わる場面である。

• 低能力は他者の認知負荷で定義できるか

  2026-08-24

  「知的生産の現場における低能力とは他者の認知負荷を上げることであり、処理能力の高低はあまり影響しない」という命題を、学術文献58件と産業実務の両面から検証した。命題は定義・因果経路・処理能力の除外という三つに分かれ、性格がそれぞれ違う。定義部は反証できず、因果経路を直接測定した実証研究は探索範囲に存在せず、経験的に検証できるのは「処理能力は効かない」という一文だけである。その一文について、認知能力テストの職務成果予測は .51 から .31 へ下方修正され構造化面接や職務知識テストに順位を譲った一方、評価者504人は task 最重視・counterproductive 最重視・両者同等の三クラスタに分かれ、クラスタは組織でも属性でも説明されない。認知負荷理論の側からは、負荷は送り手の属性ではなく送り手の提示と受け手の事前知識の組み合わせに生じる関係量であり、個人に帰属させる根拠がない。

• AI とデザイン 週次ウォッチ（2026-08-18〜08-24）

  2026-08-24

  直近7日間の「AI とデザイン」動向を T1v ベンダー一次、T2 公的機関と標準、T3 専門家私見の3ティアで収集した統合要約。Anthropic が browser use と Skills API を一般提供化し、Vercel は v0 製アプリを100以上の外部サービスへつなぎ、Cursor は PR や Slack の購読で起動する常時稼働エージェントを出した。エージェントが外へ手を伸ばす範囲が同じ週に三方向で広がる一方、Nielsen は生成 UI ツールの説明と実装が食い違う「デザイン劇場」を紹介し、Willison は検証能力こそ核心スキルだと述べ、Figma のニュースレターでは各社のデザイン責任者がチェックポイントと説明責任を論点に挙げた。規制側は静かで、窓内の公式イベントは英国の知財担当大臣交代のみだった。

• 初学者グループワークと共有AIエージェント：CSCL・AI支援協調学習の文献地図（2026）

  2026-08-22

  グループに1体の共有AIエージェントを導入する設計のベストプラクティスを、CSCL基盤理論から ACLS（適応的協調学習支援）の系譜、SSRL×AI、LLM期の実証まで48件の学術文献で整理。介入タイミング、宛先設計、発話のAI集中とその条件依存性、過度依存とフリーライドの抑制を論点別にまとめた統合要約。

• AI とデザイン 週次ウォッチ（2026-08-10〜08-17）

  2026-08-17

  直近7日間の「AI とデザイン」動向を T1v ベンダー一次、T2 公的機関と標準、T3 専門家私見の3ティアで収集した統合要約。Figma の Weave が MCP 経由で外部エージェントから直接実行できるようになり、Lovable も MCP レジストリを追加して、デザインツールを単体のアプリから他エージェントが呼び出す部品へ位置づけ直す動きが揃った。同じ週に Anthropic は Claude Cowork のブラウザ統合で「重大な操作」の前に別系統の検証を挟む設計を明らかにし、Nielsen は実行前プレビューのないエージェントに対して利用者が抱く「委任後悔」の実験を紹介した。EU AI Act の行動規範は署名者82組織の内訳がようやく開示された一方、総数との不一致という新たな疑問を残した。

• 構えはいつ測られているのか：条件付き傾向としての測定と、共起としての測定

  2026-08-15

  「構え（disposition）」を固定的な所有物としてではなく、人×状況の条件付き傾向として測る測定パラダイムの文献地図。Mischel & Shoda の if-then 行動シグネチャ、Fleeson の状態密度分布、Steyer の潜在状態–特性理論、経験サンプリング法、動的SEM と RI-CLPM、Molenaar のエルゴード性批判、DIAMONDS による状況の分類、状況判断テストと条件推論テストを配置した。あわせて自己報告リッカート尺度の構造的限界（参照群効果、応答スタイルの文化差、因果論的妥当性）、マインドセットと grit をめぐる測定論争、土着心理学の emic/etic、行動痕跡からの推定、そして認識論的ネットワーク分析による共起の分析を整理する。出発点になった記述のうち二つは帰属先が確認できなかった。「2025年の改訂潜在状態–特性理論」は実在せず確認できたのは2015年の Revised 版であること、「近年のレビューが ENA を code and count からの移行と位置づけている」に該当するレビューは特定できず該当する記述は2018年の実証比較研究にあることを、いずれも本文に明記した。参照文献76件。

• 平成レトロはなぜ流行ったか：ギャルマインドへの憧れ尺度の開発と検証

  2026-08-15

  本出莉乃「平成ギャルの持つマインドが現代女性たちに及ぼす影響の検討」（関西学院大学社会学部紀要 141、2023年）の内容を本文36頁から記述する。ギャル雑誌10冊の内容分析でギャルマインドを4因子に定義し、594名で尺度を作成、893名（15〜59歳）で仮説を検証した研究である。α は .703 から .904、標本は計1,487名。基準関連妥当性の検討では4因子中2因子が想定と異なる結果になったことを報告し、そのうち1因子は項目を作り直して再検証している。仮説1（ノスタルジア性向が昭和レトロの魅力を媒介する）は支持されず、仮説2は一部支持。コロナ禍での不満感がギャルマインドへの憧れを媒介して平成レトロの魅力を高める経路が確認された。2011年の電通ギャルラボによる先行尺度を批判的に検討したうえで作られている点も記す。参照文献つき。

• ギャルマインドはどう測れそうか：既存の二つの尺度が測っていないもの

  2026-08-15

  ギャルマインドを測った二つの先行研究（本出莉乃 2023 の4因子44項目、池上桃花ら 2025–2026 の8因子 GYARU-MIDX）が、実際には何を測っているかを測定論の側から検討し、条件付き傾向として測る設計を推定する。本出の44項目はすべて「〜に憧れる」「〜したい」型で、尺度名のとおり憧れを測っている。池上らは15分の会話1回から発話の様式を測っている。どちらも状況の記述を持たないため「この人はどの場面でどう反応するか」は出てこない。世代比較には参照群効果が、外れた2因子の解釈には if-then シグネチャの視点が関わる。そのうえで、当事者から場面を採取する段階から始める5段階の測定設計と、先に回すべき4つの安価な検定を提案する。土着の概念を尺度にする手続き（Church & Katigbak 1988 の4段階）に照らすと、二つの尺度はいずれも第2段階で止まっており、既存尺度との弁別妥当性検定を踏んでいない。本ノートの後半は検証済みの知見ではなく設計の推定であり、その旨を明記した。

• 差異は基準にならない：ギャル的実践の新規性主張に対する敵対的査読

  2026-08-15

  「既存基準によって評価される対象だった差異が、逆に新しい評価基準を生み出す側へ転換する」というギャル的実践の理論的新規性主張を、競合先行研究と突き合わせて検討した記録。Thornton の subcultural capital、Fraser の subaltern counterpublics、Collins の self-definition/self-valuation、Agha の enregisterment、Lamont の valuation studies、Costanza-Chock の design justice、Dorst の frame creation により、主張の各部品にはすでに強い先行研究がある。残るのは、差異の再評価（revaluation）と評価規則の生成（criterion formation）を区別し、増幅から評価語、判定規則、制作フィードバックへ至る再帰的な系列を実証する筋だけである。因果連鎖を段階ごとに査定すると、差異から共有までは支持できるが、基準化と制作更新は支持されていない。素材の報告が基準化の根拠に挙げた現代事例（SHIBUYA109 lab.×CGOドットコムの「ギャル式自己分析」）は、初回の検討で出典を特定できず2主体の混同と判定したが、2026-08-16 の再探索で**実在することが確認された**（初回判定の訂正）。ただし語彙を用意したのは主催者であり、当事者による基準化の証拠にはならないため、基準化は未証明のままである。松井剛の社会記号研究が示す逆因果（命名者がメディアだった可能性）を含め、7つの代替説明と、事前に置くべき反証条件を整理した。分類語・評価語・メタ語を区別して語の初出と使用者を追跡した研究は、5経路で探索したが見つからなかった。参照文献36件。

• 「自分ごと」では足りない：当事者性を構成する十の次元と、その測り方

  2026-08-15

  日本語の「当事者性」を、英語圏の agency / autonomy / self-efficacy / sense of agency / psychological ownership / empowerment / political efficacy / participation / lay expertise / co-production の系譜と突き合わせた文献地図。当事者性はこれらのどれか一つには対応せず、被影響性からスチュワードシップまで十の次元に分けて扱う必要がある。中西正司・上野千鶴子の当事者主権、土場学が紹介するニーズ論、浦河べてるの家の当事者研究を、Bandura、Emirbayer & Mische、Haraway、Epstein、Arnstein、Scandinavian Participatory Design の系譜と並べた。測定については標準尺度が存在せず、主観・行動・成果・構造的権限の四層で測る必要があることを、既存尺度の心理計量値とともに整理する。LLM が実装コストを下げるほどボトルネックが問題設定と検証と統治へ移るという論点を、2026年の実証研究2件で確認した。素材となった報告の記述を一次 API で照合したところ6箇所が原典と一致せず、検証できなかった数値も特定したので、いずれも本文に明記した。ギャルマインドを測った3つの研究に当事者が配置されていないことも、この枠組みで名指しした。参照文献26件。

• ギャル研究の空白を再探索する：71件の追加と、経路を変えても残った一つの不在

  2026-08-15

  前回の文献地図（61件）が「探索範囲内で不在」と報告した4領域を、探索経路を7方向に変えて再探索した補完コーパス71件の統合要約。ガングロとヤマンバ、ギャル男とギャルサーの2領域は不在ではなく探索経路の欠落だったこと、令和ギャルは主題ではなく他分野の比較項として現れること、韓国語圏に独立した研究系統があること、そして「ギャルマインド」を言説として批判的に分析した研究だけが経路を変えてもなお0件であることを示す。末尾に参照文献71件。

• エンドユーザー開発（EUC/EUD）の系譜と限界：文献152件の地図

  2026-08-15

  エンドユーザーコンピューティング（EUC）とエンドユーザーデベロップメント（EUD）の歴史、社会的要請、限界を、1960年の Licklider から2026年の LLM 期までの文献152件で地図化した統合要約。管理の枠組みとして生まれた EUC と解放の枠組みとして生まれた EUD が同じ現象を逆向きに記述してきたこと、四つの異なる社会的要請が「民主化」の一語に畳み込まれてきたこと、会計、医療、科学計算の各領域で限界が異なる形をとること、そして分野が自ら記録した限界が LLM 期に同じ形で再演されていることを整理する。

• AI とデザイン 週次ウォッチ（2026-07-28〜08-10）

  2026-08-15

  直近14日間（前回実行が飛んだギャップ週を含む）の「AI とデザイン」動向を T1v ベンダー一次、T2 公的機関と標準、T3 専門家私見の3ティアで収集した統合要約。EU AI Act 第50条の透明性義務は予定どおり8月2日に執行が始まり、行動規範には約190組織が署名したが、公表資料の例示にデザインツール提供者の名は見えない。同じ週に Adobe は70以上のツールを束ねたプラグインを ChatGPT の中に置き、Figma Make は逆にチャット生成へプロパティパネルと注釈を返した。Nielsen はデザイナーが AI 関連作業の35%を他職能から輸入し1.7%しか輸出しない非対称を紹介し、フルスタック化とデザインエージェントとの競合を予測した。

• ギャルはどう研究されてきたか：文献61件の地図と「ギャルマインド」の空白

  2026-08-15

  日本のギャル文化（コギャル、ガングロ、ギャル男、ギャルサー、令和ギャル）とその思考様式を扱う学術文献61件を10クラスタで地図化した統合要約。30年分の研究がファッション、言語、身体、メディア表象を対象にしてきた一方で、「ギャルマインド」というエートスそのものを主題化した文献は少なく、その多くが人文社会科学の蓄積とほぼ接続していないこと、令和ギャルの査読研究と自己肯定言説の批判的検討が空白であることを示す。2026-08-15 訂正：初版は「エートスを主題化したのは2022年以降のデザイン学とHCIの4件だけ」としたが誤りで、本出莉乃 2023（関西学院大学社会学部紀要）が2年先行して4因子の尺度を作成し1,487名で検証していた。末尾に参照文献61件。

• 自分のために作ることは生成AIで何が変わったか：文献59件の地図

  2026-08-14

  「自分の必要から始まり、自分のために作る」制作を生成AI（2023–2026）がどう変えたかを、文献59件で地図化した統合要約。姉妹ノート2本（EUDの歴史152件、学習効果185件）の計337件に1件も入っていなかった「自分のために作る × 生成AI」の交点だけを埋めた。作る入口の敷居が下がった証拠は4領域（自分用ソフト、自己データ、自作支援技術、趣味制作）で積み上がる一方、59件中32件が査読前で、測定はほぼ即時評価に偏る。既存レビューの4空白のうち、自作物への愛着はAI共同作成テキストのIKEA効果RCTで動き始めたが、遅延テストによる長期追跡、非公開個人ツールの追跡、動機比較は生成AI期でも未充足のまま残ることを確認した。

• 作れることは学べることか：エンドユーザー開発の学習効果を動機から読み直す

  2026-08-14

  エンドユーザー開発（EUD）を「誰が、なぜ作るのか」と「そこで何が学ばれるのか」の二つの軸で読み直し、文献185件で地図化した統合要約。EUD 研究の想定利用者が「非プログラマだがドメインの専門家」であり初学者とは別の学習者であること、作ることによる遠転移は1984年以来支持されていないこと、自己効力感の上昇が実力と対応しないこと、AI 支援下の学習成果を遅延テストで測った研究がほぼ存在しないこと、シビックテックが無償の公共活動という条件を持ち込みドメイン知識の所在を作り手から分離すること、そして EUD 研究が最も基本的な動機である「自分自身の必要のために作る」を扱ってこなかったことを整理する。

• デザイン研究の最近の学術的トピック（2024–2026）：文献地図と本 wiki の立ち位置

  2026-08-09

  デザイン研究（design research / design studies）の 2024–2026 年の査読文献 39 件を 8 クラスタで地図化した統合要約。AI×デザイン、方法論、規範的転回（sustainability / decoloniality / more-than-human）、教育、職能、フィールド自己診断の現在地を整理し、本 wiki の関心領域との重なりと空白を明示する。

• レビュー論文の執筆材料：新規性監査17件が残した前提台帳と近接文献

  2026-08-09

  wiki コーパス117件から抽出した論文候補20件を質的研究5件へ絞り、さらに前提反転（problematization）で12の挑戦を生成し、計17件すべてに外部の新規性監査をかけた記録と、その副産物をレビュー論文の執筆材料として編み直したノート。監査の結果は無傷0件、限定つきで残る12件、実質的に既出5件であり、実証論文の新規性は「未主張の発見」ではなく特定のフィールドでの経験的実行にしか残らないことが確認された。この判定を受けて重心をレビュー論文へ移し、書ける3案（LLM-as-a-Judge と創造性評価の scoping review、AI と創造的職能をめぐる研究の前提批判レビュー、認知的オフロードの害の条件を束ねる統合レビュー）について、RQ、貢献の置き場所、既存コーパスの実数、方法の作法、残作業、投稿先を整理する。分析枠組みとして4分野（AI とデザイン実務、生成 AI と学習、創造性の評価と測定、デザインプロセス研究と方法論）の前提台帳45件を五層で提示し、監査で特定した最近接文献をレビューの位置づけ証拠として分野別に収める。参照文献88件（DOI または URL つき、うち一次未確認7件を明示）。

• デザイン教育（Not クラフト教育）の論点：失敗設計と認知オフローディングの証拠から

  2026-08-08

  本セッションで蓄積した証拠系（失敗を組み込む学習設計とその論争、生成AIによる認知オフローディングの害、テクノロジー教育害の頑健性判定、GBSとシナリオ学習）をデザイン教育に転写したときに立つ7論点を導出し、academic-critic（canon: design-education）の批判的検討を経て確定した。核心は、生成AIが既定でオフロードする処理（代替案の生成、探索、評価判断）がデザイン教育の学習目標そのものと一致するという構造にあるが、その前提となる「クラフトとデザイン判断の切断」自体が教育学のカノン（Dewey、Lave & Wenger）から挑戦を受ける未決の論点であることを明示した。証拠の大半は正解の定義できる領域からの外挿であり、ill-structuredなデザイン問題での検証は空白として残る

• テクノロジーが教育に害を与えるパターンと、その反証：25文献の頑健性判定

  2026-08-08

  Google効果や認知オフローディングを含む「テクノロジーの教育害」の主張を機構別6パターンに類型化し、原典12件と査読済みの反証・再現検証13件を突き合わせて頑健性を判定した。有名な害の多く（Google効果のStroop実験、ラップトップ筆記害、メディアマルチタスク害、スマートフォン存在効果、スクリーンタイム害）は再現失敗または効果量の大幅縮小が査読誌で報告されている一方、教室での注意分散（RCT）と受動的な答え提供型AIの害は比較的頑健に残る。学習サービスから排除すべき害と、反証済みの害への過剰適応の両方を設計判断として整理した

• 生成AIの早期利用は思考の醸成を阻害するか：cognitive offloading と学習の文献地図

  2026-08-08

  「生成AIの早期活用が、学習者自身から本来出てくるはずだった思考の醸成を阻害する」という主張の学術的証拠を、害の実験報告7件、相関・自己報告2件、理論的先行枠組み3件、反対・条件付け証拠3件（＋撤回1件の記録）の16文献で整理した。害は (1) 答え提供型のガードレールなしAI、(2) 初学者・苦戦中の学習者、(3) 即時成績と定着・転移の乖離、の3条件に集中し、肯定的メタ分析との見かけの矛盾は測定対象の違いで説明できる。主張は「ガードレールなしの答え提供型AIの早期利用」に限定して実証的に支持される

• 意図的な失敗の学習設計をめぐる論争：4系譜と認知負荷理論の論点整理

  2026-08-07

  失敗を組み込む学習設計の4系譜（productive failure、desirable difficulties、impasse-driven learning、error management training）と認知負荷理論陣営（Kirschner, Sweller & Clark）の論争を、応答文献14件を追補した27文献コーパスに基づき5論点（指導のタイミング、最小限指導という括りの妥当性、効果の測定、事前知識、感情の役割）に整理し、各論点の主張と実証結果、未決の対立を対立表にまとめた

• 意図的な失敗の学習設計：期待の失敗から productive failure、産業実装まで

  2026-08-07

  「指示を意図的に不足させ、学習者を行き詰まらせる」設計の系譜を、学習科学の4理論（productive failure、desirable difficulties、impasse-driven learning、error management training）13文献と、意図的困難を明言する技術学習サービス13件の2系統で整理し、産業側に「失敗後の統合指導」が薄いという理論とのずれを特定した

• シナリオベースのシステム設計学習：Goal-Based Scenario の文脈での産業調査

  2026-08-07

  物語・役割・ミッション付きでシステム設計を学べる産業サービス28件を収集し、Schank の Goal-Based Scenario の7要素に照らして、設計を操作にする演習の少なさと resources（専門家ストーリーの just-in-time 提供）の欠落を特定した

• システム設計を学ぶためのツール：産業インテリジェンス

  2026-08-07

  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

• システムアーキテクチャの事前検証と学習：産業インテリジェンス

  2026-08-07

  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

• Goal-Based Scenario の先行研究：Schank の理論から構成要素、実証、デザイン文脈まで31件の文献地図

  2026-08-07

  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。

• フォワードデプロイデザイナーは職責として成立するか

  2026-08-04

  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。

• AI とデザイン 月次学術ウォッチ（2026年7月〜8月）

  2026-08-04

  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は教育で何のために使われるのか：目的七類型と72件の文献地図

  2026-08-02

  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調査2件への敵対的レビュー：文献地図と引用戦略をデザイン理論カノンで検査する

  2026-08-02

  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のレビュー論文はどの切り口なら引用されるか：書誌データによる実証分析

  2026-08-02

  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系譜：情報美学から LLM 以後まで94件の文献地図

  2026-08-02

  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。