それでも人は、知識の全体図を欲しがる――見取り図を切り替え、根拠へ戻れるAI案内系の条件

それでも人は、知識の全体図を欲しがる

――見取り図を切り替え、根拠へ戻れるAI案内系の条件

文学研究のアプローチを紹介する模式図を見て、「なんじゃこりゃ」と笑っていた。

作者論、語り論、児童文学、フェミニズム、出版文化論。それぞれ研究上の意味はあるのだろう。しかし、研究対象、分析方法、理論的視角、制度への着目が、同じような札になって一枚の図に並んでいる。札の位置には何の意味があるのか。中央と周辺を分ける基準は何なのか。

そう言ってから、自分の昔の記事を開いた。

私もやっていた。

学問を円で囲み、線で結び、内側と外側に配置している。関係を示そうとしたのだが、何の関係なのかを十分に定めないまま、全体が見える形へまとめてしまった部分がある。人の図を笑っていたら、自分の図がこちらを見ていた。(note（ノート）)

前稿「知識の地図は描けるか？――分野知図の批判的再構成」では、学問間の距離を測る試みを検討し、学問名を点として置き続けるのか、それとも重なり合う研究内容・方法・制度の関係から組み立て直すのか、というところで止まっていた。(note（ノート）)

今回は、その続きを考える。

ただし、「古い分類表は駄目だから、AIにもっと複雑な図を描かせよう」という話ではない。それだけなら、こちらも札と矢印を増やしているにすぎない。

必要なのは全体図の完成ではなく、全体図を何のために使い、何を確かめ、いつ取り替えるかの設計ではないか。

1．案内図を、世界の間取り図にしない

まず、批判する側にも修正が必要である。

発端となったのは、文学研究の諸アプローチを紹介するものとして提示された図だった。学問全体の厳密な分類表なのか、授業や読書の入口となる案内なのかでは、評価の基準が違う。図だけから、作成者の理論全体まで断定してはいけない。

「この授業では、これらの話題を扱います」という案内なら、研究対象と研究方法が並んでいてもよい。同じ色は、同じ論理的種類ではなく、単に「取り上げる項目」を表しているのかもしれない。

問題になるのは、案内としての配置が、そのまま対象世界の構造として受け取られるときである。

上にあるから基礎なのか。中央にあるから重要なのか。近くにあるから方法が似ているのか。それとも同じ学部に属しているだけなのか。

図が何を示しているかを明示しなければ、描いた側が意図していない意味まで読み込める。

比較の手掛かりになるのが、米国科学振興協会の『Science for All Americans』である。科学・数学・技術の性質、物理的世界、生命環境、人間、人間社会、設計された世界、数学的世界、歴史的展望、共通テーマ、思考の習慣などを配置し、科学リテラシーとして学ぶ内容を構成している。(Project 2061)

ここでは、対象についての章と、認識や判断についての章が併存している。それは教材として不合理ではない。

しかし、この目次をそのまま空間図に変えるなら、別の説明が必要になる。章が隣り合うことを点の距離に置き換えるなら、その距離は何を測ったものなのか。「思考の習慣」を大きな外側の円にすれば、ほかの章を包含するという意味なのか、それとも横断的に利用するという意味なのか。

目次にも選択や順序の判断はある。目次なら中立、地図なら危険、という話ではない。

それでも、読む順序、概念の包含、因果関係、制度上の所属、測定された類似度は区別しなければならない。

教える順番を、世界の組み立て方にしてはいけない。

2．分類を変えることと、表示を変えることは違う

対話の途中で、私は「四次元構造でも描写できないのではないか」と言った。平面に収まらない関係なら、立体にしても足りないだろう、という意味だった。

AIもそれに乗って、多層ネットワーク、動的ハイパーグラフと、次々に大きな道具を持ち出した。

しかし、ここにも飛躍があった。

関係が多いことと、表示が不可能であることは同じではない。座標だけで全情報を表す必要もない。表、色、記号、拡大、複数画面、表示の切り替えも使える。

問題は、単純に次元が足りないことではない。

二つの研究が同じ装置を使っていても、同じ対象を研究しているとは限らない。互いを引用していても、結論に同意しているとは限らない。この異なる関係を、全部まとめて一つの「近さ」にすることが問題なのである。

ここでは、少なくとも次の違いを保ちたい。

まず、何を資料として収集したか。次に、その資料から何を単位とし、どの関係を取り出し、どう分類したか。そして、得られた関係をどう表示したかである。

同じネットワークを回転させるのは表示の変更だ。引用関係から方法の共有へ切り替えるのは、関係モデルの変更である。日本語の教本や映像記録を追加するなら、資料集合そのものが変わる。分類の粒度を変えることも、単なる画面操作ではない。

ただし、これらは独立した世界ではない。何を保存し、電子化し、データと呼ぶかにも先行する考え方や制度が入る。表示を見た結果、資料を集め直すこともある。

区別するのは、無関係だからではない。どこで何が変更されたかを追跡するためである。

前稿の「学問を点として扱うか、重なり合う場として扱うか」という対立も、ここから組み直せる。重なり合う関係を表すために、点そのものを放棄する必要はなかった。(note（ノート）)

論文、方法、装置、人、組織を別種の単位として保持し、引用、使用、所属などの関係を区別して結ぶこともできる。

問題は点ではない。何の点なのか分からない点と、何の関係なのか分からない線である。

3．複数の見取り図は、すでに先行研究の課題である

ここで、自分たちが初めて問題を発見したような顔はできない。

Rafols、Porter、Leydesdorffによる科学オーバーレイ・マップは、共通の基図の上に大学や研究領域などの文献集合を重ね、位置や時間的変化を比較する方法を提示していた。固定した基図にも、比較の条件をそろえるという用途がある。(Wiley Online Library)

Rafolsの2025年論文は、さらに直接的である。引用や文章から自動生成した分類でも、ある集まりは方法、別の集まりは材料、別の集まりは対象や理論を表してしまう、と指摘する。そのうえで、問いに応じた分類原理を採ることを提案し、Leydesdorffの仕事を、複数の分類を扱う対話的な仕組みへ向かうものとして位置付けている。(スプリンガーリンク)

複数化は、混在を無条件に許すためではない。何を区別するための分類なのかを、表示ごとに明確にするためである。

基盤には多種類の関係を保持してよい。ただし、「方法の共有」を見ているときに、制度上の所属を同じ意味の線として混ぜない。複数の関係を同時に表示するなら、その違いを読めるようにする。複合的な近さを計算するなら、何をどの重みで合成したかを示す。

何をもって「近い」とするかは、問いによって変わる。しかし、資料と計算規則を決めた後の結果まで、好きなように変えてよいわけではない。

AIによる分類も、この問題の外にはいない。

OpenAlexでは、引用関係からトピックのまとまりを作り、言語モデルで名前や説明を付け、上位では既存のScopus ASJC分類へ接続している。各文献へのトピック付与には、題名、要旨、引用、掲載誌などが使われる。データから得たまとまりと、既存の分類が組み合わされているのである。(OpenAlex ヘルプセンター)

また、SPECTERは引用関係を利用して論文の表現を学習する。そのため、引用による地図とSPECTER系の類似度による地図が一致しても、まったく独立した二つの証拠の一致とは扱えない。(ACL Anthology)

ここから考えたいのは、複数の分類という発想の新しさではない。

利用者が分類や関係モデルを切り替え、差分を比較し、根拠へ戻り、必要なら判断を撤回できる案内系の条件である。

4．実際に資料へ戻ると、初稿の読み落としが見つかった

抽象的な仕様だけを並べて終わるわけにはいかない。

そこで、この原稿がすでに扱っていた「分類は研究活動を変えるのか」という問いについて、資料を読み直した。ここで行ったのは、完成したAI地図の性能試験ではない。実在する資料を、出典・主張・証拠の種類に分けて整理し直す、小さな試行である。

その結果、初稿には読み落としがあった。

文部科学省の説明は、科研費の審査区分が学問分野の体系化を目的としないことだけでなく、広い区分での応募・審査を求めることによって、研究者の意識改革と学問的視野の拡大を目指す、と明記している。(文部科学省)

つまり、研究者が変わることは、ここでは想定される副作用だけではない。制度側が掲げた目的の一部だった。

関連資料も、同じ「分類の影響」という札でまとめず、次のように分けられる。

資料確認できることそれだけでは確認できないこと文科省「審査区分表」について区分変更によって応募者・審査者の視野を広げるという制度目的実際にどの程度変化したかEspeland & Sauderの法科大学院ランキング研究公的評価への反応が期待や組織の実践を変える事例と機構同じ機構・効果量が科研費にもあるかOpenAlexのTopics説明主区分の一元化が、分野別の引用影響度を正規化する目的と結び付いていることその分類が、あらゆる探索目的にも最適か

それぞれ、制度の公式説明、社会学的な事例研究、情報基盤の設計説明である。(文部科学省)

この整理によって、「分類は研究を変える」という大きな一文を、変える意図、変化を生む機構、実際に観測された効果へ分けられた。

一方、科研費によって研究者の視野がどれだけ広がったかは、今回の資料だけでは確定できない。目的の存在を、効果の証明へ置き換えてはいけない。

この試行で示せたのは、原典へ戻ることで初稿の主張が実際に変わったことだ。可変地図が通常の検索より優れていることまでは示していない。

これが、提案自身にも適用すべき区別である。

5．制度には、分類を一定期間固定する理由がある

固定分類を、単なる認識の遅れとして扱うこともできない。

予算を配るときには、誰が何を審査し、どの基準で比較したかを説明する必要がある。案件ごとに分類の仕方も審査範囲も際限なく変われば、比較や異議申立てが難しくなる。

BowkerとStarは、分類や標準を、日々の仕事、技術、組織、交渉の中に埋め込まれた情報基盤として分析した。分類には、世界を記述するだけでなく、人や組織の仕事を接続する働きがある。(UCI Information and Computer Sciences)

ただし、そこから「制度には必ず一つの固定ツリーが必要だ」とは言えない。

必要なのは、使用する規則や版を確定し、判断を追跡可能にすることであって、すべての研究を永久に一つの枝へ所属させることではない。複数所属や共同審査を含む仕組みでも、決定に使った条件を保存することはできる。

科研費についても、変更権限や手続きが全面的に不明なわけではない。2023年度適用の改定では、日本学術振興会が作成した案について意見募集と再検討が行われ、科学技術・学術審議会の審査部会が決定したことが公表されている。(文部科学省)

したがって、設計上は、探索と制度的決定で時間の扱いを分けたい。

探索では複数の分類を試す。決定では、使用した分類、基準、資料、担当者を記録する。その間で何を省略したかも残す。

たとえば、ある研究が複数領域と関係していても、申請時には主たる審査区分を一つ選ぶことがある。そのとき、選ばれなかった関係が消える必要はない。「この区分で処理したが、この方法については別領域の吟味が必要」という情報を持ち越せる。

固定分類をなくすのではなく、何の決定のために、どの期間、何を固定したかを明らかにする。

これなら、探索の柔軟さと制度の継続性を、最初から敵同士にしなくてよい。

6．AIに欲しいのは、もっともらしい説明ではなく、戻れる記録である

AI案内系を考えるとき、「なぜこの二つを結んだのか」と聞けば答えてくれることは魅力的に見える。

しかし、説明が返ってくることと、実際の処理の根拠が分かることは違う。

Turpinらは、回答を偏らせる手掛かりを入力へ加えた実験で、言語モデルがその影響を説明に含めず、回答をもっともらしく正当化する場合を示した。これは調べたモデルと課題についての結果だが、少なくとも、流暢な自己説明を処理の忠実な記録と同一視してはいけない。(NeurIPS Proceedings)

案内系に必要なのは、後から理由を作文させることではなく、関係を抽出した時点の記録を外部に残すことである。

どの版の資料の、どの箇所を使ったのか。どの処理や規則で関係を抽出したのか。誰が確認し、何が未確認なのか。資料にある記述を拾ったのか、複数資料から推論したのか。

ただし、ログがあれば正しいわけでもない。誤った抽出を忠実に記録することもできる。

そのため、資料に書かれていること、抽出が正確であること、その記述内容が妥当であることを分けて点検する必要がある。出典が実在するだけでは、主張は正当化されない。

切り替えにも同じことが言える。

「方法の共有」から「引用関係」へ切り替えたなら、点が動くだけでは足りない。

こうした変更の差分が欲しい。

これは、図を豪華にする要求ではない。利用者が毎回、自力で変更点を発見し直さなくて済むようにする要求である。

そして費用を忘れてはいけない。

AIによって分類候補を安く増やせても、確認すべき候補まで増えれば監査の負担は重くなる。

生成費用の低下は、検証費用の低下を意味しない。

何十枚でも地図を出せることより、少数の候補について重要な差分と根拠を確かめられることの方が、役立つ場合がある。

7．空白は、不可能の証明ではない

前稿で、私は実践知の一部を「計量不能」と呼んだ。この言い方は撤回する。(note（ノート）)

現在の書誌資料では十分に捉えられていないことと、どのような観測を加えても測れないことを混同したからである。

武術の技能を調べるなら、教本だけでなく、稽古の映像、動作の測定、指導時の訂正、習得過程の記録などを資料候補にできる。ただし、何を測れば技能の変化を捉えたことになるのかは、別に検討しなければならない。

記録を増やせば技能の全体が分かる、とは言えない。しかし、現状の記録の不足から原理的な不能へ進むこともできない。

言語別の知識地図にも、調べ直せる空白がある。

Céspedesらの2025年論文は、調査当時のOpenAlexがWeb of Scienceより広い言語的収録範囲を持つ一方、言語判定の誤りによって英語を過大評価し、他言語を過小評価する傾向を報告した。(Wiley Online Library)

しかし、ここで「OpenAlexには言語の偏りがある」と書いて止まるのも、時間を止めた地図になる。

OpenAlex側は2025年10月、研究者との追加検証を経て言語判定を更新したと報告している。これは運営側の改善報告として読むべきで、すべての言語について問題が解消したという独立検証ではない。それでも、旧方式への批判を現在の方式の評価として据え置くことはできない。(OpenAlex blog)

空白には、収録されていない場合も、収録されているが誤分類された場合もある。何を資料として集めればよいか定まっていない場合もある。

それぞれ、次の操作が違う。

AIの仕事は、空白を想像で塗ることではなく、その空白を調べるための観測や資料収集を提案することだろう。

8．可変地図も、評価に使われれば研究者を変えうる

固定分類に作用があるなら、可変分類にも作用がありうる。

これは思考実験である。

あるAI地図が、研究の「学際性」や「未開拓性」を示し、それが資金配分や評価に使われるとする。その場合、研究者が、自分に有利な関係モデルを選んだり、見つけてもらいやすい語彙や引用を整えたりする可能性がある。

文章の説明を改善することは、不正ではない。しかし、実際の研究内容とは別に、地図上の位置だけを有利に見せる誘因も生じうる。

しかも、恣意性を防ぐために評価用の関係モデルを固定すれば、今度はその固定モデルへの適応が起こりうる。自由に切り替えれば自動的に公正になるわけでも、固定すれば解決するわけでもない。

したがって、探索のために選んだ見方を、そのまま配分や順位付けへ流用しない方がよい。評価へ用いるなら、使用した条件、別の条件でも判断が維持されるか、誰が条件を選んだかを確かめる必要がある。

また、言葉が変わっただけなのか、共同研究や方法、資料収集まで変わったのかを追跡しなければならない。

分類を可変にすることは、権力を消すことではない。分類を選び、標準画面を設定し、評価へ接続する場所へ、判断の重心を移すことでもある。

だから変更権限、異議申立て、履歴の保存は、画面の使いやすさとは別の設計課題になる。

9．それでも、全体が見たい

ここまで考えて、科学分類など、そのうち笑い話になるのではないかと思った。

対象、方法、制度、資料の流れは一致しない。それなのに、唯一の正しい配置を決めようとしていた時代があった、と。

しかし、その直後に思った。

それでも、人は全体図を欲しがるのだろう。

少なくとも私は欲しい。いま何を見ていて、周囲には何があり、次にどこを調べればよいのかを知りたい。毎回、大量の文献を一件ずつ開くところから始めたくはない。

「ホログラムでも見せておけばよいのではないか」と冗談を言ったのは、そのためである。

ただし、何の距離か分からない点が立体的に回転しても、分からないものが回転しているだけである。光っている分だけ、ありがたく見えるかもしれないが。

逆に、切り替え機能を大量に付ければ解決するわけでもない。

研究者に、関係モデル、分類粒度、抽出条件、表示条件を毎回すべて選ばせたら、研究を始める前に設定作業で疲れてしまう。利用者がいつでも自力で適切な切り替えを選べることを前提にしてはいけない。

最初は簡単な見取り図でもよい。行き詰まったとき、二つの資料が矛盾して見えるとき、探している領域が不自然に欠けているときに、別の見方を提案する。その際、何が変わるかを示し、元へ戻せるようにする。

操作の選択肢を最大化するより、必要な切り替えを、理由と差分を伴って提示する方がよいかもしれない。

ただし、私の関心に合わせるだけでも困る。好きな理論や使い慣れた語彙ばかりを中心にした地図は、よくできた自分専用の壁になる。

私が尋ねなかった接続や、自分の説明に合わない資料にも出会える余地が欲しい。

画面の隅に「これは一つの見取り図です」と書くことはできる。

しかし、それだけでは足りない。別の見方へ移れ、その根拠へ戻れ、表示から落ちたものを調べられて、初めて注意書きに中身が生まれる。

10．よい案内系だったかは、地図の外で確かめる

この仕組みが、従来の分類表や通常の検索より役立つかどうかは、まだ検証する必要がある。

同じ資料集合と探索課題を使い、固定分類を使う場合、通常の検索を使う場合、関係モデルを切り替えられる案内系を使う場合を比べる。資料の量やアクセス条件まで異なれば、何が改善をもたらしたか分からなくなる。

評価したいのは、見つけた文献の数だけではない。

関連資料を拾えたか。重要な反例を落とさなかったか。誤った接続を見抜けたか。その一方で、正しい接続まで棄却しなかったか。示された根拠を、自分の言葉で説明できたか。

所要時間、確認の手間、主観的な負担も測りたい。NASA-TLXのような負荷評価を用いる場合も、それは主観的負担の測定であって、探索の正確さそのものとは区別する。(NASA)

資料との対応、条件変更に対する安定性、目的に対する有用性も、別々の評価軸である。安定していても役に立たない図もあれば、限られた課題では役立つが一般化できない図もありうる。

また、一回の探索だけでなく、継続利用した結果も見たい。読む資料が広がったのか。特定の語彙へ偏ったのか。新しい協力関係ができたのか。指標に合わせた見せ方ばかりが上達したのか。

差が検出されなかった場合も、それだけで「人は切り替えを望まない」とは言えない。課題に切り替えが必要なかったのか、操作が難しかったのか、比較の精度が足りなかったのかを分ける必要がある。実用上意味のある差の範囲も、あらかじめ定めておきたい。

もちろん、簡単な一覧表が最もよい結果を出すなら、それを使えばよい。

複雑さを増やすことが目的ではない。必要な区別を保ちながら、次の調査や判断へ進めることが目的なのである。

ここまで来ると、科学分類そのものを笑い話にする必要はなくなる。

分類は使う。地図も描く。ただし、それを世界の最終的な間取り図にしない。

学問分野の中で蓄積された方法や技能を無視して、すべてを混ぜればよいのでもない。それぞれの方法がどの条件で働くのかを確かめ、ほかの分野との接続条件を調べる。その入口として分類を使い、足りなくなったら別の見取り図へ移る。

私が知りたいのは、すべての学問が宇宙のどこに配置されているかではない。

まずは、隣の研究室の人が何をしているのか。こちらの問いに使える方法を持っているのか。こちらが当然だと思っている前提を、向こうではすでに疑っているのか。

その会話へたどり着くためなら、地図は役立つ。

知識の全体を所有した気になるためではなく、次に誰の話を聞き、どの資料を開き、何を確かめるかを決めるために。

ホログラムでもよい。

ただし、光る全知の模型ではなく、調べ直せる案内図であってほしい。

主要参照文献・資料

AAAS（1989） Science for All Americans. Project 2061。本文では公開オンライン版の目次と科学リテラシー教育としての位置付けを参照。(Project 2061)

Bowker, G. C., & Star, S. L.（1999） Sorting Things Out: Classification and Its Consequences. MIT Press。分類・標準・情報基盤・組織実践の関係について参照。(MIT Press Direct)

Espeland, W. N., & Sauder, M.（2007） “Rankings and Reactivity: How Public Measures Recreate Social Worlds.” American Journal of Sociology, 113(1), 1–40. DOI: 10.1086/517897.(RCNi Company Limited)

Rafols, I., Porter, A. L., & Leydesdorff, L.（2010） “Science overlay maps: A new tool for research policy and library management.” Journal of the American Society for Information Science and Technology, 61(9), 1871–1887. DOI: 10.1002/asi.21368.(Wiley Online Library)

Cohan, A. et al.（2020） “SPECTER: Document-level Representation Learning using Citation-informed Transformers.” Proceedings of ACL 2020, 2270–2282.(ACL Anthology)

Turpin, M., Michael, J., Perez, E., & Bowman, S. R.（2023） “Language Models Don’t Always Say What They Think: Unfaithful Explanations in Chain-of-Thought Prompting.” Advances in Neural Information Processing Systems, 36.(NeurIPS Proceedings)

Céspedes, L. et al.（2025） “Evaluating the linguistic coverage of OpenAlex: An assessment of metadata accuracy and completeness.” Journal of the Association for Information Science and Technology, 76(6), 884–895. DOI: 10.1002/asi.24979.(Wiley Online Library)

Rafols, I.（2025） “Towards multiple ontologies in science mapping. A tribute to Loet Leydesdorff.” Scientometrics, 130, 3229–3255. DOI: 10.1007/s11192-025-05323-0.(スプリンガーリンク)

制度・実装資料：文部科学省「『審査区分表』について」「令和5年度公募から適用する『審査区分表』の決定について」；OpenAlex Help Center “Topics”；OpenAlex Blog “A Better Way to Detect Language in OpenAlex—and a Better Way to Collaborate”（2025年10月20日）。ウェブ資料は2026年9月8日確認。(文部科学省)

石部統久・ChatGPT６Pro
査読：ChatGPT5.６Sol・Claude Fable5.1・Grok・Gemini3.８（Parcae Protocol）