位置づけ

2026-11-10 夜の nishio の「新しい可視化の方法を考えて」に AI が案を出し、2026-11-11 の nishio の「all go」で 5 つとも作ったもの。案を机上で並べる前に、team-mirai-2025-open-dataset の集計(LLM は使わない)で、その見せ方で実際に何かが見えるかを下見した。

  • 2026-11-11、nishio の判断で、merge された提案を除く 4 つを個人 repo(nishio/broadlistening-visualizations、commit 85d79c4)に入れ、GitHub Pages で公開した(カタログ)。merge された提案は公開を見送り、個人 repo の手元(push されない場所)に残した(下)
  • 仕組みと確かめた数値の正本は、個人 repo の README の各「〜の作り」節
  • 案と見立ては AI のもので、本体に入れるかの判断ではない

今のカタログが描いていない 3 つの軸

個人 repo の既存の 5 つ(team-mirai-2025-open-dataset の「個人 repo のカタログ」)は、どれも「何が言われたか」を読む・寄る・割る見せ方で、次の 3 つは描いていない。

  • いつ届いたか:元データの PR に作成日時がある(2025-05-15〜07-26)
  • 何と一緒に言われたか:1 つの投稿から複数の意見が抽出される。散布図は「文が似ているか」で置くので、「同じ人が一緒に言ったか」という別の関係は見えない
  • 要約から何が落ちたか:表札と要約は、まとまりの多数派を代表する。似た意見がほとんど無い声は、どの要約にも出てこない

名前は post-review-product-direction-2026-10-28 の「view は手法名ではなく読者の目的の名前で増やす」に合わせた。

作った 5 つと、確かめた結果

どれもビルドなしの静的 HTML 1 枚で、入力は public_result.json(+任意の埋め込み)だけ、LLM は使わない。ヘッドレス Chromium(幅 1280px・390px、ライト・ダーク)で肝の操作を動かし、数値は Python で数え直して突き合わせた。

話題の流れ(いつ何が届いたか)

意見の日時の属性で日・週に区切り、全体の量と上位のまとまりの積み上げを描く。期間をドラッグで選ぶと、その期間とそれ以外で割合が増えた話題・減った話題を上位・下位のまとまりで並べ、押すとその期間の意見と出典まで降りる。事前計算はしない。

  • 量(JST):最初の 6 日(5/16〜21)で意見 5,510 件(全体の 26%)、6 月は週 400〜750 件、7 月後半は週 4,000〜4,700 件。PR が最も多い日は投票日前日の 7/19
  • 公示から投票日前日(7/3〜19)とそれ以外を比べると、上位で割合が増えたのは医療制度・子ども・家族・子育て支援・エネルギー・移民、減ったのは透明性と公正性・地域社会と行政改革・AI の倫理。下位で増えたのは選択的夫婦別姓(2 つ)と同性婚。投票日以降は、デジタル民主主義(選挙制度の DX・インターネット投票など)が増えた
    • ただし「それ以外」には 5 月が入る(下の項)。どちらも本文なしの 6 月とだけ比べると、医療制度は +3.0 → +1.1 ポイント、エネルギーは +1.5 → +0.2 ポイントに縮み、家族 +3.1・子ども +2.8・子育て支援 +2.3・移民 +1.0 は残る。そのため、カタログのリンクは期間を選ばずに開くようにした(最初は 7/3〜19 を選んだ状態で開き、医療制度の +3.0 が最初に見えていた)
  • 話題の顔ぶれは変わっていない(7/1〜19 に初めて意見が届いた下位のまとまりは 400 のうち 2 つ)。動いたのは割合。理由(参加者の層か、マニフェストや聞き手の側か)はこのデータでは分けられない
  • 5 月とそれ以降の比べには、1 段目(課題の抽出)の入力の違いが混ざる。本文が入った入力から抽出されたのは 2025-05 の PR の一部だけで、6・7 月の PR は全件本文なし(team-mirai-2025-open-dataset)。PR 1 本あたりの意見の数も、5/16〜21 が 4.17 件、6 月 2.30 件、7/1〜19 2.01 件と違う
    • どちらも本文なしの 6 月 → 7/1〜19 でも残る変化:家族 1.4% → 4.3%、子ども 5.6% → 8.5%、移民 1.7% → 2.6%、AI の倫理 7.0% → 5.3%
    • 医療制度(4.8% → 8.9% → 9.8%)は 5 月から 6 月の間に動いており、本文の有無の切り替わりと重なるので、話題の変化とは言い切れない
  • 下位のまとまりの短い山(3 日で 5〜13 件)は PR 2〜11 本ぶんで、少数の PR で山ができる。下位は PR の数で比べる

要約から落ちた声

同じ投稿の意見を除いて 10 番目に近い意見との近さ(1536 次元の埋め込みの cosine)が、全体の下位 5% の声(1,067 件)を、上位のまとまりごとに並べる。いちばん近い他の投稿の意見と、同じ投稿のほかの意見を添える。重要かどうかは決めず、候補として見せる。

  • 並ぶのは 3 種類:要約に出てこない具体的な論点(「千島列島全域の返還を求める方針を明記することは、サンフランシスコ平和条約の条項に相反する可能性がある。」など)、抽出で文脈が落ちた断片(「その日暮らしが現実となっている」)、仕組みそのものへの声(「エンターキーを押すとメッセージが即送信されるため、誤字や機会喪失を招く。」)
  • 文脈が落ちた断片は、同じ投稿のほかの意見で読める(1,067 件中 1,014 件は、同じ PR にほかの意見がある)
  • まとまりごとの割合は、地域社会の行政改革とインフラ 11.0%・安全保障と情報管理 9.3% が高く、デジタル民主主義 1.0% が低い。表札と食い違う声も見える(「エンターキーを押すと…」は下位「安全保障政策の強化と具体的対策の必要性」に入っている)
  • 埋め込みなしで x / y の距離で測ると、埋め込み版との重なりは 12% だけで、測れるのは「配置の上で小さな島にいるか」になる(道は残し、注意書きを出す)
  • 時間順の新規性(その時点までに届いた他の PR の意見との近さ)も測ったが、ほぼ同じ声を拾う(低い方から 15 件のうち 14 件が孤立した声に入る)。post-review-product-direction-2026-10-28 の Open Questions「新規性スコアの定義」には、説明しやすい「同じ投稿を除いて k 番目に近い意見との近さ」で足りるという材料になる

一緒に言われた話題(つながり線)

同じ投稿の中で一緒に書かれた下位クラスタの組を、偶然では説明できないものだけ、広聴AI の散布図の上で線で結ぶ。線を押すと、両方を書いた投稿の意見を左右に並べる。graph-visualization-proposal-2026-05-25 の「クラスタ内 MST +クラスタ間の橋」の橋を、LLM ではなく実データの共起で引く版(地図は作り直さず線を重ねる。同ページの移植経路 A)。

  • このデータは 1 本の PR を課題ごとの comment に割っているので、PR で束ねた(8,909 本の 41% が 2 つ以上の上位クラスタにまたがる。comment_id で束ねると 18,802 件中 1,005 件だけ)
  • 偶然の見込みは、含む話題の数が同じ投稿どうしで出して足す(層別)。単純な n_x·n_y/N は話題が 1 つの投稿も組を作れるものとして数え、見込みの合計が実際の 1.16 倍になる(comment_id で束ねると 6.6 倍)。ポアソン検定で、Bonferroni 1% の厳しい段は 127 組、Benjamini–Hochberg 5% の緩い段は 456 組
  • 線のほとんどは、隣り合う下位クラスタ(同じ話題を割ったもの)を結ぶ短い線。地図の対角線の 10% 以上離れた組は、厳しい段で 6 組。それが散布図の裂け目の候補になる
    • 性犯罪対策の強化と厳罰化(安全保障と情報管理)× 被害者支援体制の不備(世代間の負担と社会保障):18 本・偶然の見込みの 81 倍・24%
    • 終末期医療の自己決定権(医療制度)× 安楽死と尊厳死の議論(世代間の負担と社会保障):5 本・128 倍・31%
  • 緩い段では、地図が AI の側に置いた「AI を教育に入れる話」の下位クラスタが、教育の下位クラスタと一緒に書かれている組が 8 組ある
  • 弱いところ:離れた線は少ない。AI の聞き手が話題を順に尋ねたことによる共起も混ざりうる。作者がほぼ全部同じ bot なので、同じ人の複数の PR を見分けられない

自分の声を探す

文を入れると字面の近い意見を探し、似た声の数・どのまとまりに多いか・地図の上のおおよその位置を出す。投稿の URL や番号でも引ける。参加者向け(post-review-product-direction-2026-10-28 の「自分の投稿」、farbrain の「自分の投稿のハイライト」)。入れた文はどこにも送らず、索引もブラウザの中で作る。

  • 日本語は 2 文字の組と、ひらがな以外の 1 文字の TF-IDF。意見 2,000 件で比べると、近い 10 件が同じ上位のまとまりに入る割合は 0.51(埋め込みなら 0.81)
  • 近さ 0.30 以上を「似た声」として数える(2 件が同じ上位のまとまりに入る割合が半分を超える境)。データに無い話題の文は、ほぼ 0.30 に届かない
  • 例:「マイナンバーカードが使いにくい」は似た声 77 件、「夫婦別姓を早く導入してほしい」は 13 件(13 件とも選択的夫婦別姓の意見)
  • 字面の近さなので、言い換え(「給料」と「給与」)は拾えず、賛否も区別しない。意味の近さで探すには、入れた文を埋め込みにする API が要る
  • 索引の作成は日本語で約 260ms。repo の方針「重い計算は Python で事前に」とは合わないが、事前計算なしで作った(作る担当への指示による)

merge された提案

結果の属性(ここでは PR が merge されたか)を上位のまとまりごとに数え、どのまとまりも同じ割合なら偶然で散らばる範囲(二項分布の 95%)を帯で重ねる。一般には、パブコメの「意見に対する考え方」のような、意見ごとの結果を想定している。

公開は見送った(2026-11-11、nishio の判断)。PR の state を属性に足すことも見送った。

  • 見送った理由(AI が判断材料として出したもの):既定の表示(作者の種別を混ぜた PR 単位)では、merge 率の高い「人が直接出した PR」(51%)がほとんど無いまとまりが、帯の下に出る。市民の PR だけで数えると帯の中に入る。また下の 2 つ目のとおり、merge されなかった PR の大半は open のままだが、public_result.json に PR の state が無いので、ページはそれを分けて描けない

  • public_result.json の中では、市民の PR(AI インタビュアー経由)は 8,820 本中 48 本が merge(0.54%)。人が直接出した PR は 79 本中 40 本

  • merge されなかった市民の PR の 99% は open のまま(merge も close もされていない)。「merge されなかった」の大半は判断が記録されないまま残ったもので、「採らないと決めた」記録ではない

  • 出した時期の影響が大きい(市民の PR の merge は、5 月 2.0%・6 月 1.1%・7 月 0.05%)

  • 政治的に強い読まれ方をしやすいので、評価の言葉を使わず、注意書きをページの上に置いた。最初に付けた「採否の地図」という名前は、判断があったように読めるので外した(ページの題は「採られた声」)。まとまり別の内訳は、公開した README からも外した(この wiki にも載せない)

public_result.json に足りない項目(本体に入れるときの材料)

どれも値は arguments[].attributes(自由形式)に入るので、契約を変えずに描ける。試作は属性の役割を URL 引数で渡して動いており、本体の契約を変える必要はない。2026-11-11 に nishio は、実験のたびに本体を直すなら、個人 repo に切り分けた意味がないとした(AI が「本体の公開設定の許可リストを直す小さな PR を出すか」を判断に上げたことへの答え)。以下は、本体に入れると決めたときに URL 引数の代わりに要るものの控えで、個人 repo の README の「本体に入れるときに要るもの」にまとめた。方針は open-decisions の A13 に書いた。

  • 宣言したいこと:どの属性が「同じ人の同じ投稿」を束ねるか(公開した 4 つ全部が要る。このデータは comment_id が「PR の中の課題 1 件」なので、pr_number を引数で渡している)、どの属性が日時か、値の表示名、事前計算した値が何を測ったか
  • 形の案:省略可能なトップレベルキー attribute_meta に、属性ごとの型(id / datetime / boolean / category / number)・役割(group)・表示名を置く。賛否スライダーで出た「何への賛否か」(team-mirai-2025-open-dataset の「個人 repo のカタログ」)も、stance_score の target として同じ場所に書ける
  • 日時の型だけなら、契約を変えずに、本体の公開ビューアの型の推定(kouchou-ai main ddd0bacd の apps/public-viewer/components/report/attributeFilterUtils.ts の computeAttributeMetas)に足す道もある。今は数値とカテゴリの 2 つだけで、created_at は 8,883 個の値のカテゴリになる
  • 意見が 1 件も抽出されなかった入力は、契約のどこにも残らない(このデータでは意見の無い PR が 779 本)。日ごとの投稿の数を「意見のある投稿」でしか数えられない

作り方

  • 変換スクリプト(個人 repo の scripts/team_mirai_to_public_result.py)が、元データの PR の表から作成日時・merge の有無・作者の種別を、arguments[].attributes の created_at / merged / author_kind に入れるようにした。本体の入力 CSV の attribute_* 列と同じ扱いで、propertyMap には入れない。attributes 以外の全項目は前と同じで、ファイルは 10.0MB → 12.1MB
  • 5 つは Claude Code の workflow で並列に作った。可視化ごとに作る担当 1 と、別の担当が確かめ直して直す 1、最後に README と一覧をまとめる 1 の計 11
    • 確かめる担当が直した例:日本語の変換中に検索が走る、読み込み中や失敗したときの表示、?data= で別のレポートを読むと例文が空振りする(題材の事情の持ち込み)、断片にあった再現しない数値
  • 並列の担当に渡したサーバの止め方((cd … && python3 -m http.server …) & echo $!)では、外側のシェルの PID しか残らず、python 本体が残った。python3 -m http.server <port> --directory docs & のように本体を直接裏に回して $! を取る

Open Questions

  • 話題の流れの 5 月と 6 月以降の差のうち、どこまでが話題の変化か。「本文入りの入力だったか」の印(arguments の pr_body_in_step1_input)は 2026-11-11 に Hugging Face に入った(team-mirai-2025-open-dataset)。変換で属性に載せれば分けて比べ直せる(まだしていない)。2 段目(意見・クラスタ・埋め込み)までやり直したデータが出れば、作り直して比べる
  • 一緒に言われた話題の偶然の見込みを、層別と単純のどちらにするか → 2026-11-11、層別のまま(AI のおすすめを nishio が了承)
  • merge された提案のページを公開するか。PR の state も属性に入れるか → 2026-11-11、どちらもしない(nishio)
  • attribute_meta を、賛否の対象と合わせて公開契約に足す提案にするか → 2026-11-11、しない。試作は今の契約の中で描き、要るものは本体に入れると決めたときの材料として個人 repo の README に残す(nishio、open-decisions の A13)

Updates

  • 2026-11-11: 初版。5 案の下見、nishio の「all go」で 5 つとも作って確かめたこと、public_result.json に足りない項目をまとめた(個人 repo では未 commit・未公開)
  • 2026-11-11: nishio の判断を反映。4 つを公開し、merge された提案と PR の state は見送った。偶然の見込みは層別のまま。attribute_meta は提案せず、本体に入れるときの材料にした。話題の流れのカタログのリンクは期間を選ばずに開く
  • 2026-11-19: 自治体の研究会から、ここの案と重なる要望が Issue になった(時系列で見せる #1214、件数の少ない声 #1213、意見の数と回答者の数 #1211)。散布図の輪郭の重なりの話も含め slack-municipal-workshop-issues-2026-11-18 にまとめた