nishio 個人の静的デモサイト(2026-09 公開)。kouchou-ai が前提にする「全件を読む」ことの数理的な存在理由——ランダムサンプリングでは小さい意見が指数的に埋没する——をインタラクティブに体験させる。
- 公開: https://nishio.github.io/zipf-broadlistening/
- リポジトリ: https://github.com/nishio/zipf-broadlistening
数理の骨子
- 割合
p = n_X / Nの意見を K 件のランダムサンプルで1件も引けない確率はP_miss ≈ exp(-K·p)。N=10,000・1%・K=100 で 36.4%(exact)、0.1% なら K=100 でも約9割見落とす。 - 意見分布は Zipf
n_r = C / r^αでモデル化。n_r >= 1を満たす rank までを実在クラスタとしM_effを導出(クラスタ総数 M を固定する変種もある)。 - 全件をクラスタリングして「頻度上位Kクラスタの代表」を見る方式なら、
n_i >= N/Kのクラスタは必ず視界に入る。要約が効くのは情報圧縮でなく、観察単位を「件数比例」から「意見クラスタ単位」へ変えて配分戦略を選べるようになるから。詳細は repo の README。
構成 — 体験→解説→実験室のパターン
体験→解説→実験室を 2 ページに分けた構成:
index.html(ランディング)— 10,000個のドット図でサンプリングがページを開いた瞬間にアニメーション実行され、「今回は意見Xに出会えたか」が毎回変わる。理論値 36.4% と実測 tally を併置し、繰り返すと収束していく。その下に P_miss の式・p×K の見落とし確率表・ブロードリスニングが効く理由の解説。playground.html(実験室)— N / n_X / K / T / α / M / g をフォームまたは URL ハッシュ(例#N=10000&K=100&ni=10&M=200&a=1.00&g=1)で指定して再計算。gは実在クラスタとみなす最小件数(n_r >= gの閾値、既定 1)で、既定のg=1は上の「n_r >= 1を満たす rank まで」と同じ。結果の URL はそのまま共有できる。
ランディングは、最初の画面をそのままスライド 1 枚として投影できることを第一の設計制約にし、シナリオを1つ(1%・K=100)に固定した。自由な探索は別ページへ分離することでメッセージが薄まらない。プレゼン素材を兼ねるデモの構成として再利用できる。
関連項目
- kouchou-ai — このデモが数理的に正当化する「全件AI処理」の実装
- broad-listening-book — 書籍の主張(サンプリング調査に対するブロードリスニングの優位)の体験版として使える
Updates
- 2026-10-21: repo の README と
playground.htmlで、パラメータg(実在クラスタとみなす最小件数、既定 1)の定義を確認し、実験室の説明に記載した