Shuichiro Ogawa
English

ノート · 更新 2026-11-01 · Markdown 版

このサイトの持ち主が最も多く調べてきた 5 つの主題と、それぞれの研究の主流

このサイトの日本語のノート 233 本（2026-11-01 の時点、非公開を含む）を、定期収集のウォッチとサイト自体を扱うノートを除いて slug の規則で主題に分けると、多い順に、デザイナーの職能と実務（40 本）、生成 AI の道具と仕組み（32 本）、能力と評価（26 本）、研究の方法と新規性（26 本）、デザインの理論と来歴（23 本）になった。

目次（9）
  1. 何をどう数えたか
  2. デザイナーの職能は、AI でどう変わると研究されているか
  3. 生成 AI の道具と仕組みでは、何が主流か
  4. 能力と評価の研究の主流は何か
  5. 研究の問いと新規性は、どう立てるのが主流か
  6. デザインの理論の主流は何か
  7. 五つの主流と、持ち主のノートの立ち位置
  8. この数え方で言えること、言えないこと
  9. Footnotes

何をどう数えたか

このサイトのノートを、持ち主が何を最も多く調べてきたかで並べると、どの主題が上に来るのか。 2026 年 11 月 1 日の時点の日本語のノート 233 本（非公開のノートを含む）を、slug（ノートの名前）の語の規則で 1 本 1 主題に割り当てて数えた（規則と表は source/review/interest-top5-mainstream-trends/papers.md）。 毎週と毎月の定期収集のウォッチ 22 本と、このサイト自体を扱うノート 11 本は、関心の主題ではないので外した。

順位主題本数公開
1デザイナーの職能と実務4035
2生成 AI の道具と仕組み3229
3能力と評価2616
3研究の方法と新規性2622
5デザインの理論と来歴2313

6 位は学びと教育の 22 本で、5 位との差は 1 本である。 割り当ては slug の語によるもので、中身を読んで分けたものではない。 たとえば、AI が人の考える力の差を広げるかを扱うノートは能力に入れたが、道具や学びとも読める。

次に、主題ごとに、その研究分野でいま最も主流の流れを一つ選んだ。 ここでの主流は、持ち主のノートの中の多数派ではなく、分野の研究の多数派である。 主題ごとに調べる係を一つ置いて候補を出し、系統的レビューの記述、代表文献の被引用、近年の論文数の三つで確かめた。 数値と主張は、本文が取れた文献では本文で、取れなかった文献では要旨で照合し、件数と被引用は OpenAlex と Europe PMC で取り直した（末尾の未検証事項）。

デザイナーの職能は、AI でどう変わると研究されているか

主流は、人と AI の協働による補完である。 人と AI は得意が違うので、組み合わせれば片方ではできない仕事ができる、という前提に立ち、デザイナーと AI の役割の分け方と、相互作用の型を研究する。 デザイン研究の人と AI の協働を扱う系統的レビューは、Scopus の 568 本から 48 本に絞って読み、この前提を序に置いた（Figoli と Rampino 2026）。 93 本を読んだ別のレビューは、デザイナーと AI が補い合う強みをどう増強するかを問いとし、協働的な創造性を中心に据えることを提案した（Shi ら 2023、要旨）。 共創の相互作用を記述する枠組みで既存の共創システム 92 個を符号化した研究（Rezwana と Maher 2023）や、自動化の水準と人の制御の水準を分けて両方を高くすることを目標にした枠組み（Shneiderman 2020）が、この流れの代表である。

論文数でも協働の語が多い。 OpenAlex で、題名か要旨にデザイナーと生成 AI の語を含む論文は、2023 年の 159 本から 2024 年の 510 本、2025 年の 980 本へ増えた。 そのうち協働の語（collaboration、co-creation など）を含むものは 34、111、244 本、代替の語（replacement、displacement など）を含むものは 7、20、48 本で、どの年も約 5 倍の差がある1。

対抗の流れは三つある。 一つめは需要の減少の実証で、ChatGPT の公開後 8 か月で自動化されやすい文章とコードの求人が 21% 減り、画像生成 AI の公開後に画像制作の求人が 17% 減った（Demirci ら 2025、要旨）。 影響の大きい職種のフリーランサーは仕事と収入を減らし、過去の評価が高い人も守られなかった（Hui ら 2024、要旨）。 二つめは均質化の実証で、生成 AI の案を使った物語は個々には高く評価されるが、互いに似る（Doshi と Hauser 2024）。 三つめは協働という言い方そのものへの批判で、Sarkar（2023）は、この言い方は誤解を招き、AI の背後にいる人の労働の功績を奪うと論じた。 協働の効果の実証も主流を単純には支えない。 106 の実験研究のメタ分析では、人と AI の組み合わせは平均で、人か AI の良いほうだけより成績が低く（Hedges の g = −0.23）、作る課題では得をし、決める課題では損をした（Vaccaro ら 2024）。

持ち主のノートは、主流に沿って書いたものと、主流が見ない側を測るものに分かれる。 役割が執行から方向づけへ移るという整理（今後5年間で価値が出るデザイナーキャリア — 学術レビュー（2026））は主流に沿う。 一方で、発注する側の判断が質の低い AI の生成物に慣れて作る文化が細るという鎖を確かめたノート（センスのない決定権者は、クリエイターへの発注をやめるのか：画像生成 AI の問題を「発注」「慣れ」「裾野」の三つの環で確かめ、AI スロップの研究と重ねる）や、賃金の伸び悩み（デザイナー報酬停滞の構造要因 — 学術レビュー（2026））、民主化と再商品化の逆説（民主化＝再商品化のパラドクス — AIが「誰でもできる」を「誰も請求できない」に変える非対称）は、対抗の側に立つ。

生成 AI の道具と仕組みでは、何が主流か

主流は、LLM によるエージェントである。 LLM を制御の中心に置き、記憶、計画、道具の使用を足して、環境の中で何段も行動する系として組む。 Wang ら（2024）の総説は、LLM による自律エージェントの研究が急増したと書き、プロフィール、記憶、計画、行動の 4 つの部品で枠組みを立てた。 Xi ら（2025）の総説も、多くの研究者が LLM をエージェントの土台にしてきたとし、脳、知覚、行動の 3 部品の枠組みを置いた。 推論の記録と行動を交互に生成させる ReAct（Yao ら 2023）が、この流れの初期の代表である。 複数のエージェントの協働、動的な課題の分解、持続する記憶を持つ系を agentic AI と呼び、単体のエージェントと分ける総説も出ている（Sapkota ら 2026）。 Wang ら（2024）の年ごとの被引用は、2023 年の 9 から 2024 年の 249、2025 年の 624、2026 年の 1,045（11 月 1 日まで）へ増えた。

対抗は、人の側から任せ方を問う HCI の流れと、能力の物語への批判である。 自動化されたサービスと直接操作を組み合わせる混合主導の原則（Horvitz 1999）と、人の制御を保つ枠組み（Shneiderman 2020）は、エージェントにどこまで任せるかを人の側から問う。 批判の側では、Kapoor ら（2024）が、エージェントの評価が正確さだけに偏り、最先端のエージェントは不必要に複雑で費用が高く、ベンチマークへの過剰適合も起きていると指摘した。 人と同じ課題で比べると、ウェブ操作の課題で最良の GPT-4 のエージェントの成功率は 14.41%、人は 78.24%（WebArena、Zhou ら 2024）、パソコンの操作では人が 72.36%、最良のモデルが 12.24% だった（OSWorld、Xie ら 2024）。 エージェント性を増す系の害を先回りして論じる研究もある（Chan ら 2023）。

持ち主のノートの多くは、この主流を外から測っている。 エージェントの考えが 70 年で何度流行り、デザインがそのたびに任せる範囲と見せ方の語彙を出してきたかをたどったノート（AI エージェントは 70 年で何度流行り、デザインはそのたびに何をしたか（学術研究から））がその代表である。 実務で主流の道具を使う側のノート（エージェンティックコーディング：オーケストレーションパターンの現在地（2026））もあるが、迎合の仕組み（LLM の迎合はなぜ起きるのか：選好学習、内部回路、入力の形から見る発生の仕組み）や、作れる人が増えても正しさを確かめる手間が残ること（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）のように、副作用を問うノートが多い。

能力と評価の研究の主流は何か

主流は、心理測定の妥当性の枠組みと、それに立つ個人差の研究である。 能力は直接は見えない構成概念で、検査の得点がそれをどこまで表すかは、得点の解釈と用途ごとに証拠で確かめる、という考え方である。 教育と心理の検査の標準（AERA、APA、NCME 2014）は、妥当性を「意図した用途について、検査の得点の解釈を証拠と理論が支える程度」と定義し、公平さを妥当性の根本の問題とした。 この定義は、構成概念妥当性の古典（Cronbach と Meehl 1955）と、内容、基準、構成概念に分けていた妥当性を、得点の意味と社会的な帰結を含む一つの構成概念妥当性にまとめた Messick（1995、要旨）の上にある。

この枠組みに立つ個人差の研究は、能力の差がどこから来て、何を予測するかを測る。 50 年分の双生児研究のメタ分析では、2,748 本の論文の 17,804 の特性を合わせると、報告された遺伝率は 49% だった（Polderman ら 2015、要旨）。 人事選抜の手法の妥当性は、補正のしすぎを直すと推定が .10〜.20 下がり、構造化面接が最上位になったが、手法は有用なままとされた（Sackett ら 2022、要旨）。 数字の訂正も、主流の枠組みの道具（メタ分析の補正）で行われている。 Europe PMC で語句を数えると、“psychometric properties” を含む論文は 2010 年の 2,171 本から 2025 年の 13,446 本へ、“construct validity” は 1,709 本から 10,857 本へ増えた2。

対抗は二つある。 一つめは累積有利と能力主義の批判で、差は能力だけでなく最初の有利から広がると見る。 Merton（1968、要旨）は、著名な科学者の貢献ほど見えやすく、無名の著者の貢献ほど見えにくくなるマタイ効果を論じ、DiPrete と Eirich（2006、要旨）はこれを不平等の一般的な機構として整理した。 助成の審査点がほぼ同じでも、境目のすぐ上で採択された人は、その後 8 年で 2 倍超の研究資金を得た（Bol ら 2018、要旨）。 二つめは、能力を人の中に固定せず、状況に置く見方である。 Mischel と Shoda（1995、要旨）は、人格の不変と行動の状況による変化を、状況ごとの if-then の型で両立させた。 主流の妥当性の定義そのものにも異論がある。 Borsboom ら（2004、要旨）は、妥当性を、属性が存在し、その変化が測定の結果を因果的に生むことと定義し直し、解釈と相関に置く従来の妥当性の理論と対置した。 行動遺伝学の側でも、双生児研究は遺伝が環境より根本的であることを示すものではないと Turkheimer（2000、要旨）が書いている。

持ち主のノートは、主流の道具で書いたものもあるが、重心は解釈と用途を問う側にある。 努力と遺伝率のノート（努力できるのも才能か：やり抜く力、自己制御、学習意欲の遺伝と、変えられる範囲）と LLM を評価者にする研究のノート（LLM-as-a-Judge の最新潮流：中核研究53件の文献地図と創造性評価の独立章）は主流の道具で書かれ、前者は遺伝率が変えられなさの度合いではないことを本文に置いた。 累積有利（持てる者はさらに与えられるのか：累積有利とマタイ効果の機構、因果の識別、限界の学術文献から）と最初の有利（最初の有利は運なのか：選択的運と厳然たる運、事前と事後、最初の有利の実証と公平の判断の学術文献から）は一つめの対抗の側、構えを人と状況の条件つきの傾向として測るノート（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）は二つめの対抗の側に立つ。

研究の問いと新規性は、どう立てるのが主流か

主流は gap-spotting、つまり先行研究の空白を見つけて問いを立て、空白を埋めたことを新規性として名乗るやり方である。 Sandberg と Alvesson（2011、要旨）は組織研究の 52 本を調べ、立場の違いを越えて最も多い問いの立て方は文献の空白を見つけることだったと報告し、gap-spotting の支配を驚きとした。 高等教育の上位 5 誌の 124 本でも、大半の論文が空白の言明を持っていた（Wald ら 2024、要旨）。 ただし同じ調べで、20% の論文は空白の言明を持たず、27% は研究の重要さの根拠を書いていなかった。 主流を批判する側も、確立した問いの立て方が空白を見つけるか作ることだと認めている（Alvesson と Sandberg 2011、要旨）。

対抗は二つある。 一つめは problematization で、既存の文献が置く前提を特定し、問い直すことから問いを立てる（Alvesson と Sandberg 2011、要旨）。 その源には、おもしろい理論は聞き手の前提を否定するという Davis（1971、要旨）の議論がある。 二つめは、新規性を引用の組み合わせから測る科学計量で、1,790 万本の論文を調べた Uzzi ら（2013、要旨）は、ごく慣れた組み合わせに珍しい組み合わせが入った論文が高被引用になる確率は 2 倍だと報告した。 4,500 万本の論文と 390 万件の特許では、過去と断絶して新しい方向へ押す研究は年を追って減っていた（Park ら 2023、要旨）。

持ち主のノートで最も多いのは、主流を批判する側である。 自明な前提を反転させる枠組みの飛躍で AI 研究の未踏の領域を探す論考（AI研究のスキマはどこにあるか：枠組みを組み替えて見つける七つの空隙）や、問題の定義の方法（問題を立て直す手法の学術地図：アブダクション2から問題構造化まで）がそれにあたる。 新規性が論文のどこに宿るかを確かめたノート（新規性のある問いはどこから来るのか：四つの座とその組合せの学術的検討）は、主流の型（空白を名乗る節）を一つの座として位置づけ直している。

デザインの理論の主流は何か

主流は、デザインには固有の知の型があり、その知は、定まらない状況に対処しながら考える過程（行為の中の省察、問題と解の共進化）に現れる、という流れである。 代表作は Cross（1982）の designerly ways of knowing、Schön（1983）の省察的実践、Dorst と Cross（2001）の問題と解の共進化、Dorst（2011）である。 Schön は、専門家が独特で不確かで葛藤を含む実践の状況に対処する力の中心に、行為の中の省察（reflection-in-action）を置いた。 Cross（2001）は、Simon がデザインの科学を大学に求めた訴えを起点に、デザインを科学にしようとした系譜をたどり、規律としてのデザインを論じた。 プロトコル研究 47 本の系統的レビュー（Hay ら 2017）は、デザインの認知の研究に二つの基本のパラダイムがあるとし、Newell と Simon に基づく問題解決のパラダイムと、Schön の行為の中の省察に強く影響された省察のパラダイムを挙げた。 同じレビューが 33 本から取り出した 24 の認知過程のうち、10（41.7%）は探索、14（58.3%）は探り（問題と解の共進化や予期しない発見を含む）の側だった。 主流を攻撃する側の Digby（2026）も、これらを「デザインの支配的な認識論」の基礎の説明として挙げている。

ただし勢いは移っている。 主流の代表作 8 本の被引用は累計 10,927 で、多元世界、トランジション・デザイン、デザインの正義、人間以外を含むデザインの代表作 7 本の 6,006 より多い。 年あたりでは、2023 年に主流 909、対抗 738 だったのが、2024 年に 799 対 872 と入れ替わり、2025 年は 924 対 1,189 になった3。 累計と総説では主流、年ごとの被引用では対抗が上である。

対抗は二つある。 一つめは、普遍のデザインの知という前提と人間中心の考えを問い直す流れで、Escobar（2018、要旨）は商業と近代化の目的から離れた自律的なデザインを、Costanza-Chock（2020、要旨）は周縁化された共同体が主導し、構造的な不平等に挑むデザインを論じた。 二つめは認識論からの批判で、Kimbell（2011、要旨）はデザイン思考の説明の多くが考えることと行うことの二元論に頼っていると指摘し、Digby（2026）は主流の説明は主に記述的で、デザイン専用の認識論は要らないと論じた。

持ち主のノートは、この流れに哲学と歴史の側から関わっている。 デザイン哲学の地図（デザイン哲学とは何か（学術研究から））とデザイン学の不在という問いの読み直し（「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）は主流を幹に置く。 Digby の批判を本文で読んだノート（デザインに固有の認識論は要るか、デザインで哲学はできるか（2026 年の二つの論考を読む））は、批判そのものの論証を点検した。 主流の実証の柱（Cross 1982、Dorst と Cross 2001、Dorst 2011）は、持ち主のノートの台帳でも書誌か要旨しか読まれていない。

五つの主流と、持ち主のノートの立ち位置

五つの主流は、どれもその分野で多くの研究が頼っている枠組みである。 協働による補完、LLM のエージェント、心理測定の妥当性、gap-spotting、デザイン固有の知の流れは、それぞれ分野のレビュー、標準、文献の分析に、最も多い流れか基礎の枠組みとして書かれている。 被引用で見ると、主流と対抗の大小は主題で違う。方法では批判の側の Alvesson と Sandberg（2011）が 1,584 回引かれ、主流を記録した Sandberg と Alvesson（2011）の 787 回より多い。理論では年ごとの被引用で対抗が上回った。

持ち主のノートは、五つのどれでも、主流に乗って書くより、主流の前提や範囲を問う側に多く立っている。 職能では需要の減少と均質化を、道具では副作用と任せ方を、能力では解釈と用途と最初の有利を、方法では前提の問い直しを、理論では主流の認識論への批判の点検を扱うノートが多い。 主流の道具そのものを使って書いたノート（努力と遺伝率、エージェントの実務、LLM の評価者）もあり、持ち主は主流の道具を使いながら、主流がどこまで言えるかを確かめている。

この数え方で言えること、言えないこと

言えるのは、2026 年 11 月 1 日の時点で、持ち主のノートが最も多く扱ってきたのはデザイナーの職能、生成 AI の道具、能力と評価、研究の方法、デザインの理論の五つで、それぞれの分野の主流は上の五つの流れだということである。

言えないことも多い。 主題の割り当ては slug の語によるもので、1 本のノートが複数の主題にまたがることは数えていない。 本数は関心の強さの一つの指標で、ノートの長さや、繰り返し直した回数は順位に入れていない。 「主流」は、レビューの記述、被引用、論文数のそろう流れを選んだもので、ほかの主流の候補（たとえば職能での労働経済学の需要の研究）を退けたわけではない。 論文数は語の検索で数えたので、文脈を見ていない（協働を否定する文も協働に数える）。 理論の被引用の交差は代表作の選び方で変わりうるが、調査の係が別の 8 本で数えても、2024 年に対抗が上回った。

関連ノート

未検証事項

主要主張に未検証の記述は残していない。 次の文献は本文を取れず、要旨の範囲で書き、本文中で「要旨」と添えた。 Alvesson と Sandberg（2011）、Bol ら（2018）、Borsboom ら（2004）、Costanza-Chock（2020）、Davis（1971）、Demirci ら（2025）、DiPrete と Eirich（2006）、Escobar（2018）、Hui ら（2024）、Kimbell（2011）、Merton（1968）、Messick（1995）、Mischel と Shoda（1995）、Park ら（2023）、Polderman ら（2015）、Sackett ら（2022）、Sandberg と Alvesson（2011）、Shi ら（2023）、Turkheimer（2000）、Uzzi ら（2013）、Wald ら（2024）。 Cronbach と Meehl（1955）、Cross（1982）、Dorst と Cross（2001）、Dorst（2011）は要旨も取れず、書誌と被引用だけを使った。 WebArena と OSWorld の数値は arXiv 版のもので、査読版と照合していない。 Kapoor ら（2024）はプレプリントで、査読版は確認していない。

参照文献

主題 1 デザイナーの職能と AI

  • Demirci, Ozge, Jonas Hannane, and Xinrong Zhu. 2025. “Who Is AI Replacing? The Impact of Generative AI on Online Freelancing Platforms.” Management Science 71 (10): 8097–8108. https://doi.org/10.1287/mnsc.2024.05420
  • Doshi, Anil R., and Oliver P. Hauser. 2024. “Generative AI Enhances Individual Creativity but Reduces the Collective Diversity of Novel Content.” Science Advances 10 (28): eadn5290. https://doi.org/10.1126/sciadv.adn5290
  • Figoli, Fabio Antonio, and Lucia Rampino. 2026. “Mapping the Human-AI Collaboration Trends in Design Research: A Systematic Review.” Interaction Design and Architecture(s) 69: 258–285. https://doi.org/10.55612/s-5002-069-012
  • Hui, Xiang, Oren Reshef, and Luofeng Zhou. 2024. “The Short-Term Effects of Generative Artificial Intelligence on Employment: Evidence from an Online Labor Market.” Organization Science 35 (6): 1977–1989. https://doi.org/10.1287/orsc.2023.18441
  • Rezwana, Jeba, and Mary Lou Maher. 2023. “Designing Creative AI Partners with COFI: A Framework for Modeling Interaction in Human-AI Co-Creative Systems.” ACM Transactions on Computer-Human Interaction 30 (5): 1–28. https://doi.org/10.1145/3519026
  • Sarkar, Advait. 2023. “Enough With ‘Human-AI Collaboration’.” In Extended Abstracts of the 2023 CHI Conference on Human Factors in Computing Systems, 1–8. https://doi.org/10.1145/3544549.3582735
  • Shi, Yang, Tian Gao, Xiaohan Jiao, and Nan Cao. 2023. “Understanding Design Collaboration Between Designers and Artificial Intelligence: A Systematic Literature Review.” Proceedings of the ACM on Human-Computer Interaction 7 (CSCW2): 1–35. https://doi.org/10.1145/3610217
  • Shneiderman, Ben. 2020. “Human-Centered Artificial Intelligence: Reliable, Safe & Trustworthy.” International Journal of Human–Computer Interaction 36 (6): 495–504. https://doi.org/10.1080/10447318.2020.1741118
  • Vaccaro, Michelle, Abdullah Almaatouq, and Thomas Malone. 2024. “When Combinations of Humans and AI Are Useful: A Systematic Review and Meta-Analysis.” Nature Human Behaviour 8 (12): 2293–2303. https://doi.org/10.1038/s41562-024-02024-1

主題 2 生成 AI の道具と仕組み

  • Chan, Alan, Rebecca Salganik, Alva Markelius, Chris Pang, Nitarshan Rajkumar, Dmitrii Krasheninnikov, Lauro Langosco, et al. 2023. “Harms from Increasingly Agentic Algorithmic Systems.” In Proceedings of the 2023 ACM Conference on Fairness, Accountability, and Transparency, 651–666. https://doi.org/10.1145/3593013.3594033
  • Horvitz, Eric. 1999. “Principles of Mixed-Initiative User Interfaces.” In Proceedings of the SIGCHI Conference on Human Factors in Computing Systems (CHI ‘99), 159–166. https://doi.org/10.1145/302979.303030
  • Kapoor, Sayash, Benedikt Stroebl, Zachary S. Siegel, Nitya Nadgir, and Arvind Narayanan. 2024. “AI Agents That Matter.” arXiv:2407.01502. https://arxiv.org/abs/2407.01502
  • Sapkota, Ranjan, Konstantinos I. Roumeliotis, and Manoj Karkee. 2026. “AI Agents vs. Agentic AI: A Conceptual Taxonomy, Applications and Challenges.” Information Fusion 126: 103599. https://doi.org/10.1016/j.inffus.2025.103599
  • Wang, Lei, Chen Ma, Xueyang Feng, Zeyu Zhang, Hao Yang, Jingsen Zhang, Zhiyuan Chen, et al. 2024. “A Survey on Large Language Model Based Autonomous Agents.” Frontiers of Computer Science 18 (6): 186345. https://doi.org/10.1007/s11704-024-40231-1
  • Xi, Zhiheng, Wenxiang Chen, Xin Guo, Wei He, Yiwen Ding, Boyang Hong, Ming Zhang, et al. 2025. “The Rise and Potential of Large Language Model Based Agents: A Survey.” Science China Information Sciences 68 (2): 121101. https://doi.org/10.1007/s11432-024-4222-0
  • Xie, Tianbao, Danyang Zhang, Jixuan Chen, Xiaochuan Li, Siheng Zhao, Ruisheng Cao, Toh Jing Hua, et al. 2024. “OSWorld: Benchmarking Multimodal Agents for Open-Ended Tasks in Real Computer Environments.” arXiv:2404.07972. https://arxiv.org/abs/2404.07972
  • Yao, Shunyu, Jeffrey Zhao, Dian Yu, Nan Du, Izhak Shafran, Karthik Narasimhan, and Yuan Cao. 2023. “ReAct: Synergizing Reasoning and Acting in Language Models.” In ICLR 2023. arXiv:2210.03629. https://arxiv.org/abs/2210.03629
  • Zhou, Shuyan, Frank F. Xu, Hao Zhu, Xuhui Zhou, Robert Lo, Abishek Sridhar, Xianyi Cheng, et al. 2024. “WebArena: A Realistic Web Environment for Building Autonomous Agents.” In ICLR 2024. arXiv:2307.13854. https://arxiv.org/abs/2307.13854

主題 3 能力と評価

  • American Educational Research Association, American Psychological Association, and National Council on Measurement in Education. 2014. Standards for Educational and Psychological Testing. Washington, DC: AERA. https://www.testingstandards.net/uploads/7/6/6/4/76643089/standards_2014edition.pdf
  • Bol, Thijs, Mathijs de Vaan, and Arnout van de Rijt. 2018. “The Matthew Effect in Science Funding.” Proceedings of the National Academy of Sciences 115 (19): 4887–4890. https://doi.org/10.1073/pnas.1719557115
  • Borsboom, Denny, Gideon J. Mellenbergh, and Jaap van Heerden. 2004. “The Concept of Validity.” Psychological Review 111 (4): 1061–1071. https://doi.org/10.1037/0033-295x.111.4.1061
  • Cronbach, Lee J., and Paul E. Meehl. 1955. “Construct Validity in Psychological Tests.” Psychological Bulletin 52 (4): 281–302. https://doi.org/10.1037/h0040957
  • DiPrete, Thomas A., and Gregory M. Eirich. 2006. “Cumulative Advantage as a Mechanism for Inequality: A Review of Theoretical and Empirical Developments.” Annual Review of Sociology 32: 271–297. https://doi.org/10.1146/annurev.soc.32.061604.123127
  • Merton, Robert K. 1968. “The Matthew Effect in Science.” Science 159 (3810): 56–63. https://doi.org/10.1126/science.159.3810.56
  • Messick, Samuel. 1995. “Validity of Psychological Assessment: Validation of Inferences from Persons’ Responses and Performances as Scientific Inquiry into Score Meaning.” American Psychologist 50 (9): 741–749. https://doi.org/10.1037/0003-066x.50.9.741
  • Mischel, Walter, and Yuichi Shoda. 1995. “A Cognitive-Affective System Theory of Personality: Reconceptualizing Situations, Dispositions, Dynamics, and Invariance in Personality Structure.” Psychological Review 102 (2): 246–268. https://doi.org/10.1037/0033-295X.102.2.246
  • Polderman, Tinca J. C., Beben Benyamin, Christiaan A. de Leeuw, Patrick F. Sullivan, Arjen van Bochoven, Peter M. Visscher, and Danielle Posthuma. 2015. “Meta-Analysis of the Heritability of Human Traits Based on Fifty Years of Twin Studies.” Nature Genetics 47 (7): 702–709. https://doi.org/10.1038/ng.3285
  • Sackett, Paul R., Charlene Zhang, Christopher M. Berry, and Filip Lievens. 2022. “Revisiting Meta-Analytic Estimates of Validity in Personnel Selection: Addressing Systematic Overcorrection for Restriction of Range.” Journal of Applied Psychology 107 (11): 2040–2068. https://doi.org/10.1037/apl0000994
  • Turkheimer, Eric. 2000. “Three Laws of Behavior Genetics and What They Mean.” Current Directions in Psychological Science 9 (5): 160–164. https://doi.org/10.1111/1467-8721.00084

主題 4 研究の方法と新規性

主題 5 デザインの理論と来歴

Footnotes

  1. OpenAlex の題名と要旨の検索（2026-11-01）。共通の式は「(designer OR designers OR “design practice”) AND (“generative AI” OR “large language model” OR LLM OR “text-to-image”)」で、協働の語は collaboration、co-creation、co-creative、augmentation、augment、代替の語は replacement、replace、displacement、“job loss”。語の検索は文脈を見ないので、比は目安である。 ↩

  2. Europe PMC の本文と要旨の語句検索（2026-11-01）。生物医学の文献が多い。“measurement invariance” は 115 本から 2,524 本、“heritability” は 2,540 本から 8,090 本、“meritocracy” は 17 本から 236 本、“cumulative advantage” は 18 本から 119 本だった。 ↩

  3. OpenAlex の年ごとの被引用（2026-11-01、2026 年は 11 月 1 日まで）。主流の 8 本は Cross 1982、Schön と Wiggins 1992、Dorst と Cross 2001、Cross 2001、Cross 2006（書籍）、Dorst 2011、Dorst 2015（書籍）、Schön 1983（2017 年の再刊の記録）、対抗の 7 本は Willis 2006、Irwin 2015、Forlano 2017、Escobar 2018、Costanza-Chock 2020、Giaccardi と Redström 2020、Wakkary 2021 で、一覧と DOI は台帳にある。2026 年は主流 1,028、対抗 1,434。 ↩

書いた人：小川 修一郎（デザイン研究者／デザインコンサルタント） 経歴を見る →