ノート
AI とデザインに関する調査と実験と考察を制作の過程も含めて公開しています。
可視化とアート(13)
データの可視化とデータアートとジェネラティブアートについてのノートです。
-
データの解釈を新しい切り口で探るための可視化の文献整理(レビュー論文の準備)
2026-10-07
「データ可視化は、データの解釈を新しい切り口で探索するための操作のひとつである」という仮説でレビュー論文を書くために、探索的データ解析と視覚分析、外部表象の認知科学、デザイン理論(フレーミング、曖昧さ、固着)、人文学と批判的可視化の 4 領域で文献を集め(参照 118 本、本文取得 67 本)、paper-pipeline の新規性の条件(RW 軸の B 経路)に沿って、領域ごとの最近接レビューとその棚、仮説の軸で置いた五つの新しい棚(計算の肩代わり、枠の中の発見、枠の組み替え、枠の固定、経路の記録と監査)への対応表、2 領域以上を横断する分ける組と結ぶ組の候補 5 つ、除去テストと置換テストの見通し、新たに可能になる判断の一文の候補、3 方向の最近接、仮説に逆らう文献、8 条件の充足状況と次の作業を記録した。「表現を変えると考え方が変わる」こと自体は Scaife と Rogers、Kirsh、Tversky の語彙でそのまま言えるので、新しさは現象の主張ではなく文献の棚の組み替えに置く必要がある。論文用のノート。
-
データ可視化の効率以外の価値
2026-10-07
データ可視化の価値を、速さ、正確さ、行動の変化、利用者数という最適化の物差しで測った前回までの整理から離れ、数値にせずに全体を見ること、見方が決まらないことで別の切り口が開くこと、あえて抽象化して局所最適な見方を避けること、の意義を、学術研究(可視化研究、HCI のデザイン理論、データの社会学、監査の人類学)と、データを図にする作り手の発言から整理した。可視化研究の主流の価値の物差しは、効果と効率で価値を測る経済モデル(van Wijk 2005)にさかのぼり、正典が普遍性、客観性、効率を価値として埋め込んでいるという批判がある(Saharan ほか 2026、未査読)。個々の値の読み取りの精度では最下位のヒートマップが全体像には最も役立つ(Bertini ほか 2020)、HCI で忌避されてきた曖昧さは近い関与を促す資源になる(Gaver ほか 2003)、見慣れたものを見慣れなくすると設計の余地が開く(Bell ほか 2005)、視覚的な難しさは能動的な処理を引き出し理解と記憶を助ける(Hullman ほか 2011)、指標は目標になると良い指標でなくなる(Strathern 1997)、一つの案を磨き続ける反復は固着を生む(Dow ほか 2010)。作り手の側では、数字がなくても色がメッセージを伝える(Hawkins)、手描きの図で見る人に図を疑わせる(Chalabi)、データで効率を上げるより人間らしくなる(Lupi と Posavec)。一方で、要約の図の目立つ特徴は別の量と誤読され(Padilla ほか 2017)、誤った抽象は下流で救えず(Munzner 2009)、抽象化は人から切り離す行為にもなる(Thorp)。ここから、効率の物差しは問いが決まっている場面のもので、問いが決まっていない場面では図は答えを渡す道具ではなく問いを生む場になる、効率から離れることの価値は、作り手が離れ方を設計したとき(正確さを保つ、読み方の余白と誤読の境を引く)に限って生まれる、の二つの仮説を示した。
-
データを図で示すことの価値の種類
2026-10-07
データ分析やデータサイエンス全般ではなく、データを図や視覚的な表示で示すこと自体の価値を、産業界の資料(米国 FDA の栄養表示の実験、米国 FTC の省エネラベルの調査、英国のスマートメーターの宅内表示の評価、米国ハリケーンセンターの予報円の検証、気象庁のキキクル、英国の統計規制機関の指摘、Datawrapper と Spotify と Apple の公表値、気候のストライプや Flatten the Curve の作り手の発言)を軸に、学術研究で理由を補って整理した。価値は、すぐ分かること(理解と速さ)、多くの人に届き共有されること(伝達と関与)、行動が変わること、異常に気づけること(安全と運用)、続けて使われること(製品の体験)、信頼を保つことに分かれる。図とそれ以外の表示を比べた資料では、評価の言葉を添えた栄養表示が数値だけの表示より健康的な食品を見分けさせ(FDA、9,200 人)、星の段階で示した省エネラベルを見た人の 82% が冷蔵庫を効率順に並べた(現行ラベルは 72%)。一方で、図が読めるのは散布図で 63%、株価の図で 21% にとどまり、予報円は最も見られ最も誤解される図とされ、図が説得力を高めるという研究は追試で再現しなかった。行動への効果も、エネルギーのフィードバックで相関 0.071、宅内表示の導入で電力 2.3% 減と、小さく条件つきである。ここから、図の価値は絵であることより、比べる基準と評価を視覚の符号に載せ、見る人の計算を肩代わりするところから生まれる、価値は作り手の編集(何を削り、どの基準と比べるか)と読み手の読む力の両方に依存する、の二つを仮説として示した。
-
データ可視化の市場と企業での利用
2026-10-07
データビジュアライゼーション(ダッシュボード、BI、報道の図、公的統計の可視化)の産業とビジネスでの価値を、産業界の資料(上場企業の法定開示と決算説明、英国の統計規制機関と保健当局、デジタル庁と内閣府、IDC Japan と BARC の調査、米国労働統計局と Indeed、可視化の道具と報道の図の作り手の発言)から整理した。学術研究は集めていない。市場は可視化に高い値を付けている。Salesforce は Tableau を株式交換で買収し、Alphabet は Looker を 24 億ドルで買収し、Power BI の月間利用者は 3,000 万人を超えた。一方で、BI ツールを実際に使う従業員は平均 25% で 7 年ほぼ増えておらず、専業の Domo は売上が横ばいで、既存顧客からの売上の維持率は 106% から 89% に下がった。価値が大きく生まれたのは、英国の COVID-19 ダッシュボード(週約 1,900 万ページビュー、データへの信頼は 73.4% から 90.3%)や Our World in Data(月 200 万人から 1,000 万人)のように、公共に向けて一つのメッセージを伝える場面だった。作り手は、図の価値を、作者が要点を言えることと文脈を添えることに置く。組織の中では、ダッシュボードの保守に時間が取られ、使われ方が分析にならない問題が語られる。2024 年以降、Copilot in Power BI や Tableau Pulse は自然言語での問い合わせと通知を加えたが、準備のないデータでは誤った答えを返しうると Microsoft 自身が書いている。ここから、図を作る費用が下がるほど、価値は図の上流(データと指標の整備)と下流(メッセージと文脈の編集)へ移る、ダッシュボードは開いて見る画面から届く答えと通知へ形を変える、公共に向けた図では出所と方法を示すことの価値が残る、の三つを仮説として示した。意思決定の質がどれだけ上がったかを第三者が測った資料は見つからなかった。
-
データアートとしてのネットワークの描き方(力学配置から墨流しまで)
2026-09-24
力学配置で描いたネットワークは、そのネットワークの唯一の形に見えるが、実際には多くの並べ方の一つである。力学配置の式(Eades 1984、ForceAtlas2)と球面の上の力学配置(Kobourov と Wampler 2005)、属性で座標を決める hive plot、辺の束ね(Holten 2006)、一本の軸と時間に並べる図法(arc diagram、ThemeRiver、streamgraph、alluvial diagram)、水面に滴を落として模様を作る数学的マーブリング(Lu ら 2012、Jaffer の滴の写像)、データを作品として扱う先行例、線を引くための曲線と数値計算(中心化 Catmull–Rom 曲線、一様 B-spline、中点法、ガウス核、流れ関数)、紙と墨のにじみの表現(Curtis ら 1997 の水彩、Chu と Tai 2005 の MoXi、Guo と Kunii 1991 の墨絵)を、確かめた範囲(本文、要旨、書誌のみ)を添えて並べる。この wiki の /network では、共引用の関係を固定したまま、並べ方だけを方法とシードで替えてこれらを使い分けた。力学配置を置く空間は作品ごとに固定した(墨流しは描画域と同じ縦横比の平面、織物は枠の無い自由な平面、星座は立体射影で写す球面)。シードによる絵の変化は、織物では初期配置の族と力の係数の範囲(ForceAtlas2 の LinLog 型と strong gravity を含む)から、墨流しと星座では初期配置の揺らぎと係数の小さな幅から作った。
-
データビジュアライゼーションとデータアートは何が同じで、何が違うのか
2026-09-22
同じ折れ線グラフでも、新聞に載れば「正確に読ませる図」、美術館にかかれば「データアート」と呼ばれる。両者はデータ、視覚変数、作り手、発表の場を共有しており、素材や道具では区別できない。実証研究は「可視化は正確、アートは美」という通説を両側から崩す。芸術の定義論は三つに割れており(対象の性質で決まる/単一の基準はない/制度が決める)、実証研究は判定者間の一致が低いことを示す。対象の性質だけから判別する方法は成立していない。ただし「どちらとして扱われたか」は客観的に記録でき、要求、意図と発表先、認定制度の三層を問う手続きとして運用できる。
-
データビジュアライゼーションとデータアートは創造性教育でどう扱われてきたか
2026-09-22
データを扱う教育には、図を正しく読む力を測る流れと、データを作品に変える制作を授業に持ち込む流れがある。前者は可視化リテラシーの測定尺度(VLAT、CALVI、Mini-VLAT、多次元尺度)を持ち、尺度そのものへの批判も蓄積している。後者は科目設計と展覧会の事例が中心で、成果を測る標準尺度を持たない。両者を橋渡しするのは、Papert の構築主義に遡る「作ることで学ぶ」系譜と、データ物理化の教育実践である。芸術統合の実践は、芸術的創造性とデータの正確さの緊張を繰り返し報告する。日本語圏では、データアートを教育に用いた研究がほぼ存在しない。
-
教育でジェネラティブアートは何のために使われるのか(文献 72 件の検討)
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。
-
デザイン理論からみたジェネラティブアート調査 2 件の批判的検討
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(書誌データの分析)
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研究の系譜(情報美学から LLM 以後まで)
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。
-
生成 AI に関する芸術文化の研究動向(2024〜2026)
2026-07-19
生成AIと芸術文化研究の交差を、美学、計算的創造性、メディアと文化研究、音楽学、批判的文化理論の学術文献16件から整理した統合要約。作者性とアウラの再定義、創造性評価の方法論、表象と労働の政治が並行して進む像を示す。末尾に参照文献16件。
-
産業界から見たジェネラティブアートのエコシステム
2026-06-28
ジェネラティブアートの著作権・市場・ツール・実務家証言を3ティアで整理した産業調査ノート