kouchou-ai developer wiki

ブロードリスニングとは

9 min read

ブロードリスニング

定義

ブロードリスニング (broad listening) は、放送 (broadcasting) の対義として、多数の市民・利用者・参加者から自由記述意見を集めて LLM で集約・整理・可視化する手法。広く「聴く」 ことに重点がある。

kouchou-ai はこの手法のリファレンス実装の一つで、Talk to the City のフォークから出発した日本語特化版。

ただし実務上は、「ブロードリスニング」という語が 狭義には収集済み自由記述の分析・可視化、広義には interactive な収集・深掘り・対話設計まで含む活動全体 を指すことがある。議事録では、首長やトップ層には kouchou-ai が、広報・広聴の現場部署には idobata のような深掘りツールが、それぞれブロードリスニングとして認識される可能性があると整理されている。公開 docs ではこのズレを tool catalog で分ける必要がある。meeting-cartographer-idobata-boundary-2026-06-30より

読み方 — 「遊園地の地図」比喩

「意見の地図」は静的なマップではなく、reader が 俯瞰してゾーン構成を把握 → 関心のあるゾーンを選択 → drill in という三段の探索パターンで読むことを前提にしている。遊園地の地図に例えるなら、「この辺が西部劇ゾーンでこの辺が SF ゾーンなのか〜、SF に興味があるから SF ゾーンを詳しく見てみよう」という読み方になる。nishio-amusement-park-map-metaphor-2026-06-03より

ここから出てくる帰結：

  • 全件を頭から読むのではなく、ゾーン名（上位クラスタラベル）が「関心で選ぶ手がかり」として機能することが前提になる
  • 上位ラベルの品質が低くゾーン名として機能しないと、この探索は成立せず、reader は地図を捨てて全件読みに戻るか諦める
  • したがって階層構造とラベル品質は「見栄え」ではなく reader の探索を成立させるための機能要件 である

典型的なパイプライン

  1. 抽出 (extraction) — 生コメントから「意見の単位」を LLM で取り出す。多くの場合 1 コメント → 複数意見
  2. 埋め込み (embedding) — 各意見をベクトル化
  3. 次元削減 — UMAP で 2D へ
  4. クラスタリング — k-means または HDBSCAN
  5. ラベリング — クラスタの代表的意見をまとめて LLM にタイトル／要約を書かせる
  6. 可視化 — 散布図、ツリーマップ、階層リスト

pipeline で実装詳細を扱う。

二つのアーキテクチャ系統

書籍 13.5 (broad-listening-book-source) は、ブロードリスニング実装を二系統に整理している：

  • 散布図タイプ — kouchou-ai / TTTC Scatter。Embedding → UMAP → クラスタリング → 可視化。「意見の地図」を自動生成、直感的だが 2D 圧縮後クラスタリングのため精度は妥協
  • Long Context タイプ — TTTC Turbo / embedding を介さない LLM 直接グルーピング / 富士通-中央省庁実証実験。Embedding と UMAP を使わず LLM に直接全件読ませる。賛否分離・ニュアンス区別に強く精度が高いが、見栄えのする散布図は出ない

kouchou-ai は散布図タイプから出発したが、analysis_mode=llm_grouping (pr-827-llm-grouping-capabilities-plan-2026-05-18) は Long Context 系統の枝を内包しようとしている。両者は技術的に急発展しており、長短は今後変動する。

この「散布図 vs Long Context」とは直交する別軸として、ツールの重心を 「忠実な集約」と「熟議の演出(dynamics)」 で棲み分けるレンズもある（kouchou-ai は前者、ojpp BroadListening は後者寄り）。faithful-aggregation-vs-deliberation-dynamics

なぜ重要か

  • パブコメ攻撃 / パブコメ DDoS — AI による大量コメント投稿への対策が現代的な行政課題（meeting-minutes 2025-03-26）。重複検出・低品質コメント除去・統計的世論との区別が必要。文化庁公開コメントデータ (nishio/aipubcom-data 8000→25000 件) などが研究対象
  • 行政 RAG との境界 — デジタル庁・eGov・RAG 周辺の断片はあるが、2026-05-25 時点の wiki / 議事録だけでは「デジタル庁の条文RAG」を正面から説明する一次整理は見つかっていない。広聴AIのパブコメ連携案や回答案支援と、法令条文検索・条文QAは分けて扱う。digital-agency-legal-ragより
  • 既存の世論調査では拾えない少数意見 の可視化 — ランダムK件抽出では割合pの意見を exp(-K·p) の確率で丸ごと見落とす（1%・K=100で36.4%）。この数理を体験できるデモが zipf-broadlistening
  • 自治体・政党の意見集約コスト を下げる（パブコメ職員の手作業を AI で代替）

関連用語

  • 濃い意見グループ / 濃いクラスタ — 意見密度の高いクラスタ。10,000 件以上のデータセット向けに設計された UI 要素
  • 属性フィルタ — クラスタを年齢・地域などのメタデータで絞る機能（PR #531）
  • 民意 vs 統計的世論 — 書籍側の区別。Wiki スコープ外だが用語として頻出
  • ナラティブアプローチ — tokoroten のチャット型インテーク手法。「あなたの感情を真剣に受け止める」スタイルで、kouchou-ai の「要するに〜」型バケット化と対比される

関連プロジェクト

  • TTTC — 上流。AIObjectives Institute 発、現在 archived (2025-08-01)。tttc-light-js は scatter なし
  • idobata — 1-on-1 深掘り interview AI。広聴AIで theme を見つけて idobata へ渡す、または idobata 由来の提案 / PR データを kouchou-ai で分析する接続があり得る。ただし AI-generated long text は通常の短文 survey と data shape が違う
  • Cartographer — idobata 系の派生プロトタイプ。追加質問生成・会議理解・user research 設計の抜け検出に寄るため、kouchou-ai の標準 analysis mode と混ぜない
  • DivCon (tokoroten) — 自治体データを扱う別系統の実験
  • farbrain (tokoroten/farbrain) — UMAP+k-means+ラベリングを使ったゲーミフィケーション派生

Updates

グラフビュー

バックリンク