鮮度

  • Hugging Face のデータセットページ(README・ファイル一覧・メタデータ)を 2026-11-07 に読んだ。データセットの最終更新は 2026-10-30(英訳の追加)
  • 紹介ページは nishio の Scrapbox(2026-09-09 に Hugging Face への移行を告知、2026-10-30 に英訳を追加)
  • 照合した kouchou-ai main は 7253efcc(2026-11-07)

何のデータか

2025 年 7 月の参院選で、チームみらいの「しゃべれるマニフェスト」(AI がインタビューして政策提案の PR を書く仕組み。中身は idobata のいどばた政策)に届いた提案を、広聴AI で分析した結果。各段の出力を全部残してあるので、後段だけを別の方法でやり直せる。

段件数方法
政策提案の PR9,6882025-05-15〜07-26 の team-mirai/policy の PR。97.9% は AI インタビュアーの bot が作成
課題の抽出18,967gpt-4o(policy-pr-hub のスクリプト)
意見の抽出21,348広聴AI(gpt-4o-mini)、2025-07-30 実行
配置とクラスタ上位 20・下位 400広聴AI。text-embedding-3-small → UMAP 2 次元 → 2 次元座標の上で k-means 400 → Ward で 20 に併合。表札は gpt-4o-mini

ほかに 1536 次元の埋め込み 2 種類(広聴AI が UMAP に入れたものと、2025-10 に計算し直したもの)、取り込み可否つきの PR 表、広聴AI の実行設定(全プロンプト・パラメータ・各段のコード)、英訳(argument_en・label_en・takeaway_en、2026-10 にオープンウェイトのモデルで機械翻訳、人手の確認なし)が入っている。

ライセンスは CC BY 4.0。元の team-mirai/policy も CC BY 4.0 で、チームみらいの許可を得て公開したと README に明記されている。PR のタイトルなどニックネームが入りやすい列は除いてある。

kouchou-ai の公開用 artifact との対応

結果 JSON の層分離の第 1 段(PR #1179)で入った public_result.json の項目(packages/analysis-core/src/analysis_core/public_result.py の ARGUMENT_KEYS / CLUSTER_KEYS)と、ほぼ 1 対 1 で対応する。

public_result.jsonこのデータセット
意見 arg_id / argument / comment_idarguments.id / argument / comment_id
意見 x / yumap_x / umap_y
意見 cluster_idscluster_level1 / cluster_level2(根のクラスタは補う)
意見 urlpr_url
クラスタ id / level / label / takeaway / parent / density_rank_percentileclusters の同名の列
クラスタ valuenum_arguments

足りないのは根(level 0)のクラスタだけで、全体の概要文は pipeline/kouchou-ai-overview.txt にある。したがって変換スクリプト 1 本で public_result.json の形にでき、その形を読む可視化はそのまま本体の公開ビューアの plugin に移しやすい。

可視化の題材としての向き不向き

  • 付箋ズーム:意見・座標・クラスタの経路・表札が全部ある。open-decisions A13 で「先に決める」としていた書き出しの取り決めを、public_result.json の形で代用できる。21,348 件なので 1 万件超の表示の検証にもなる
  • ツリー表示(階層リスト):20 → 400 → 意見 → 元の PR まで辿れる。density_rank_percentile で #60 の「濃いクラスタだけに絞る」も試せる
  • マンダラート(#880):階層が [20, 400] で、マンダラートの前提 [8, 64] と合わない。11-07 の nishio の案は 8 分割を、各マスが意見 1 枚になるまで繰り返す(8, 64, 512, … と降りる)。21,348 件なら log8 ≈ 4.8 なので 5 段前後
    • 広聴AI の既定の階層づくり(最細の段を k-means で切り、Ward で上へ併合する)では、親 1 つあたりの子の数が揃わない。このデータでも上位 20 の子の数は 1〜38(中央値 18.5)。段数を [8, 64, 512, …] と指定しても「子は 8 つ以下」は保証されない
    • したがって、上から順に「8 つ以下に割る」を再帰的に繰り返す分割が要る。子が 8 以下になった節は意見そのものをマスに並べる。木の深さは枝ごとに変わってよい
    • 内部の節は約 3,000 個になるので、全部に LLM で表札を付けると数が多い。深い段は中心に最も近い意見をそのまま表札にする手もある
    • 入れ子の 3×3 は、そのまま拡大縮小できる格子になる。付箋ズームの配置を UMAP 座標でなくこの格子にする案とも重なる
  • 日英の両方で見せられる:英訳の列があるので、海外の研究者向けにも同じデータで見せられる

使うときの注意(README より)

  • PR の本文は市民が直接書いたものではなく、AI インタビュアーが会話から書いたもの。課題・意見はさらに 2 回の LLM 抽出を経ている
  • 参加者はチームみらいの AI と話すことを選んだ人で、有権者の標本ではない
  • umap_x / umap_y は同じ設定で UMAP をやり直しても再現しない(ライブラリの版と環境で変わる)。公開されている座標とクラスタを基準として扱う
  • 英訳は機械翻訳。用語が大事なときは日本語の列を見る

課題の多くは PR 本文を見ずに作られている(2026-11-10 に確認)

README の説明では、課題の抽出(gpt-4o)にはタイトル・本文・コメント・コミットメッセージを渡したことになっている。しかし、抽出のコードが読んだ PR データ(team-mirai-volunteer/pr-data の 2025-07-27 の snapshot)を全件調べると、大半の PR で本文が入っていなかった。

単位本文なし本文あり本文なしの割合
PR(9,688)8,5831,10589%
課題(problems、18,967)15,0423,92579%
意見(arguments、21,348)16,1515,19776%
  • 本文なし 8,583 件のうち 8,578 件は、PR データの JSON に body の項目そのものが無い。残る 5 件は本文が空である
  • body の項目が無い 8,578 件はすべて、JSON の収集時刻(collected_at)が抽出時刻(extracted_at)と一致する。抽出の直前に、本文を保存しない形で集め直した記録と見られる
  • 本文が入っているのは 2025-05 に作られた PR の一部(1,105 件)だけだった。2025-06・07 に作られた 7,847 件は、すべて本文なしだった
  • 元のコードは basic_info.body が無ければ本文を入力に入れない。そのため、これらの課題はタイトル・コミットメッセージ・コメントだけから取り出されている
    • 標本の 198 件で確かめた。gpt-4o の課題文のうち、今の本文にしか無い言い回し(6 字)を含むものは、本文ありの PR で 90%、本文なしの PR で 26% だった
  • 影響:
    • 課題・意見は、本文の具体的な中身を取りこぼしている可能性が高い
    • 課題の抽出を別の LLM で再現・比較するときは、今の GitHub から取り直した本文入りの入力を使うと、入力が食い違う。この食い違いで team-mirai-local-llm-quality-2026-11-10 の結果 4 を撤回した
  • データセットの README の説明を直すかは未定(2026-11-10 時点) → 2026-11-11 に nishio が更新を決めた(下)

本文を戻したデータを作る(2026-11-11、Hugging Face に公開済み)

nishio の指示「まず正しく本文が入っているデータを作ろう」「HuggingFace のデータを更新する(本文データもつけると良さそう)」「古いデータはどの領域が本文のちゃんとあるものかを明確にせよ」を受けて進めている。

  • 本文の取り直し(済)
    • 全 9,688 件の PR のタイトルと本文、編集履歴を GitHub の API で取り直した
    • 本文が抜けていた 8,578 件は、当時の収集時刻より後に本文が編集されたものが 1 件も無かった。収集時刻は UTC で、各 PR の最後の編集の数秒後に集められている
    • 本文が入っていた 1,105 件は、snapshot の本文と今の本文が完全に一致した
    • したがって、今の本文が当時の本文そのものである
    • 内訳は、本文を戻せた 8,557 件、もともと入っていた 1,105 件、今も本文が無い 26 件
  • 入力の組み立て直し(済): 元のコードの組み立て方のまま、本文を入れた入力を作った。入力の長さの中央値は 157 字から 1,441 字になった
  • 課題の抽出し直し(全件済み、一部を直している)
    • モデルは gemma-4-31B(組織内の OpenAI 互換 API)。nishio が gpt-4o・gpt-4o-mini より選んだ
    • プロンプトは当時のまま。json_schema の strict、temperature 0、出力の上限 2,048 トークン
    • 全 9,688 件で、最初の時点では 35,409 件の課題が取れた。旧データ(18,967 件)の 1.9 倍で、本文を読むようになって 1 件の PR から取り出す数が増えた
    • 5%(500 件)は、説明欄で繰り返しのループに入って JSON が閉じなかった(team-mirai-local-llm-quality-2026-11-10 の結果 6)
      • 最初は温度 0.7・1.0 でやり直したが、その行だけ条件が変わるので、nishio の判断で温度 0 に戻すことにした
      • 温度 0 のまま送り直し、切れた出力から課題の配列だけを取り出した。300 件は再びループして切れた出力から取り出し、200 件は普通に終わった
      • 最終的に全 9,688 件が温度 0 の出力で、課題は 35,393 件、課題が 1 件も無い PR は 119 件
  • Hugging Face の更新(2026-11-11 公開、commit 9128b74)
    • prs に title・body・body_in_step1_input を足す
    • problems・arguments に pr_body_in_step1_input を足す。古いデータのどの行が本文入りの入力から作られたかを示す
    • 新しい表 step1-inputs(当時の入力と、本文を戻した入力)と problems-with-body(上の抽出し直し)を足す
    • README に「1 段目は 89% の PR で本文を見ていなかった」の節を足す
    • タイトルと本文は、参加者のニックネームが入るがそのまま載せる(nishio の判断)。そのため README の Personal information の方針を書き換える。LLM の説明欄は引き続き外す
    • nishio が差分を確認して公開した。git-lfs の無い機械から、Hugging Face の API で 10 ファイルを 1 コミットで上げた(clusters.parquet は中身が同じなので外した)
    • 公開後に prs(9,688 行、本文入りの印 1,105)と problems-with-body(35,393 行)を読み直して確かめた
  • 比較実験の材料の追加(2026-11-11、commit 8710909)
    • experiments/step1-local-llm-2026-11/ に、本文が入っていた 1,105 件での 1 段目の比較(gemma-4-31B・12B・E4B・E2B・ELYZA-JP-8B 対 当時の gpt-4o)の判定材料・判定結果・スクリプトを載せた。詳細は team-mirai-local-llm-quality-2026-11-10 の「追試に使える材料」
    • README の日本語の節が古いまま(「PR の題名は収録しておらず」)だったので、題名と本文を載せたこと、本文の抜けの件、実験フォルダへの案内に書き直した
    • scripts/extract.py の説明の「温度 0 ではループが必ず再現する」を直した
  • DOI の発行(2026-11-14): nishio が Hugging Face の「Generate new DOI」で、版 033d1e7(2026-11-11 の 3 commit の最後。本文・本文入りの印・抽出し直し・比較実験の材料・31B の重みの記録を含む)に DOI 10.57967/hf/11618 を発行した
    • 前の DOI は古い版を指したまま残る:10.57967/hf/11333 は bca82bd(2026-10-30 の訂正版、本文の抜けの件の前)、10.57967/hf/11332 は 05e2273
    • 本文の抜けの件を踏まえた版を引用するときは 11618 を使う。README には DOI を書いていないので、発行に合わせた README の変更は無い
  • 意見(arguments)・クラスタ・埋め込みの 2 段目以降は、まだやり直していない

位置づけ(2026-11-07 の nishio の方針)

可視化(付箋ズーム・ツリー表示・マンダラートなど)は、このデータを共通の題材にして nishio の個人 repo で作ってカタログ化し、kouchou-ai 本体に入れるかはそこで試してから決める。詳細は open-decisions A13。

個人 repo のカタログ

2026-11-07 に nishio/broadlistening-visualizations(public、コードは MIT、デモは GitHub Pages)を作った。

  • 変換スクリプトでこのデータを public_result.json の形にし、可視化はそれを読む

  • 最初の項目は 意見マンダラート(デモ)。1536 次元の埋め込み(cosine)を上から k-means(k=8)で割り続け、5,848 節・最大 7 段(段ごとの節の数は 1, 8, 64, 509, 2811, 2279, 170, 6)。表札は各まとまりの中心に最も近い意見(LLM 不使用)で、上の段ほど「〜が不足している」のような一般的な文になる。9×9 と 3×3(スマホ)、日英の切替、最下層から元の PR へのリンク

  • 同日、nishio の指示でマンダラートの既定を 3×3 にし、カタログに 付箋ズーム(デモ)と 階層リスト(デモ)の実物を足した。どちらも public_result.json をそのまま読む

    • 付箋ズーム(最初の版):画面の升目ごとに 1 枚を毎フレーム選び直す方式で、拡大すると付箋が入れ替わって震えた。オリジナルのコードを読まずに作っていた
    • 付箋ズーム(作り直した版、同日):nishio の「オリジナルを参考にしつつ、引いた状態でも付箋で意見が見える価値は残す」という指示で、地図アプリの地名ラベルと同じ事前計算にした。位置はオリジナル(canvas_kozaneba_prototype の StickyNotesZoomDemo)と同じく格子+螺旋で全意見を固定し(平均のずれ 0.76 マス)、拡大率を 2 倍ごとに 8 段に区切って、引いた側から優先度順(上位クラスタの代表 → 下位クラスタの代表 → 残りを全クラスタで順番に)に「重ならないなら出す」を決める。付箋は画面上で一定の大きさ。全体が 1000px の拡大率で 27 枚、16 倍で 2,058 枚、約 60 倍で全件。ブラウザで 60 段の拡大を試し、付箋の重なり 0・位置の変化 0・枚数の単調増加を確認
    • 階層リスト:本体の階層リスト(PR #1166)と同じ見せ方の単体版に、検索を足したもの
  • 2026-11-08、nishio の「付箋に出す文字は可能な限り大きく」という指示で、マンダラートと付箋ズームの文字を 全文が収まる最大の大きさ にした(個人 repo の commit 23a2584)

    • マンダラート:マスごとに 10〜40px を二分探索(全マスを同じ歩みで探し、配置計算は 1 歩 1 回)。幅 1280px で 3×3 は 26〜38px、9×9 は 13〜24px でどのマスも全文が入る(以前は 13px・11px 固定で行数で切っていた)。スマホ幅の 9×9 で以前からマスどうしが重なっていたので、盤を最小幅 620px にして横スクロールにした
    • 付箋ズーム:付箋の大きさは画面上で一定なので、付箋ごとに 10〜28px を 1 回だけ決めて使い回す(寄っても文字は変わらず震えない)。表札と本文を 1 枚に入れる付箋は 140×76px では 10〜12px にしかならず、nishio の判断で まとまりの代表の付箋は表札だけ(濃い色・太字)にし、代表の意見の本文は押すと出るようにした。3 段寄った状態の 134 枚で、表札の付箋は 13〜18px、意見の付箋は 10〜21px(大半 13〜17px)
  • 2026-11-08、nishio の「tokoroten の実験的なやつもこっちで実験して」という指示で、対立軸ビュー(デモ、個人 repo の commit b18593f)を足した。元は tokoroten の DivCon(tokoroten/divcon、MIT)で、段の構成とプロンプトはそのまま、LLM によるトピック発見(Stage 1・2)の代わりに広聴AI の上位クラスタをトピックにした(本体に載せるときも「クラスタごとの対立軸」になる)

    • 部分集合は nishio の「ランダムではなく適切な部分集合」に従い、賛否の割れそうなまとまり 4 つ:エネルギー(967 件)・家族(659 件、夫婦別姓・同性婚)・移民と外国人(444 件)・皇位継承(97 件)。計 2,167 件

    • LLM は組織内の OpenAI 互換 LLM(unsloth/Qwen3.8-27B、並列 2)。358 回・約 20 分。接続先のホスト名は追跡しない JSON から読み、repo に入れていない。この接続先では response_format の JSON Schema(制約つき生成)が空白を出し続けて止まらず、スキーマをプロンプトに書く方式にした

    • 結果:軸 12 本・延べ採点 3,338 件。移民は両側がある(例「厳格な管理 vs 包括的な受容」で左 180・右 68)。家族は一方に大きく偏り反対側は各軸 10 件ほどで、2 ペインにするとその少数側が埋もれない。再エネ推進を反原発と読むなどの誤り、中立がないので関係の薄い意見が 3・4 に寄る、「議論の活性化 vs 停滞」のように「〜が不足している」型の入力から来た軸、皇位継承の「男系 vs 女系」が 97 件中 16 件しか採点されない(立場が整えた文に残っていない。このデータセットには提案本文がない)

    • 軸ごとの左右の件数(公開している出力 docs/divcon/team-mirai-2025.json(個人 repo の commit b18593f)から 2026-11-19 に集計。1〜6 の採点の 1〜3 を左、4〜6 を右とした。「判定不能」は軸に関係ないとされて採点されなかった件数)。中立と「関係なし」を選べないので 3・4 に寄った分を含み、左右とも実際より多めに出る

      まとまり軸(左 vs 右)左右判定不能
      エネルギー(967)原子力の継続・活用 vs 脱原子力・再エネへの転換55350562
      環境保護・生態系保全 vs 経済的負担・供給の安定性216131620
      中央集権・大規模 vs 地域分散・地産地消46203718
      家族(659)個人の選択の自由・多様性 vs 家族の一体性・伝統的規範48511163
      同性婚・多様なパートナーシップの法制化 vs 異性婚中心の制度維持46511183
      ジェンダー平等の徹底 vs 既存の性別役割分担51210137
      移民と外国人(444)国家の安全保障・主権 vs 経済成長・グローバル化17273199
      厳格な管理・排他的な共生 vs 包括的な受容・多様性18068196
      国民の生活・権利の保護 vs 外国人の権利・公平な待遇16668210
      皇位継承(97)男系継承の維持 vs 女性・女系天皇の容認31381
      憲法・皇室典範での明確化 vs 現状維持・慣習的運用51244
      国民的議論の活性化 vs 停滞・不足252250
    • LLM が挙げた「合意できそうな点」と「根本的に対立する点」の例。エネルギーでは、合意できそうな点に廃棄物問題の解決と透明性・送電網の強化・再エネ賦課金の透明化が挙がり、原発を続けるか廃止するかは対立する点に入った。移民では、受け入れ体制と共生のための制度の不足が合意できそうな点に挙がり、外国人の土地取得の規制と参政権・社会保障の範囲が対立する点に入った

    • public_result.json に足りない項目:意見ごとの採点は arguments[].attributes に数値で載るが、軸の定義(名前・両極・アンカー・合意可能性)を置く場所がない。省略可能なトップレベルキー(仮 opposition_axes)を足す案を個人 repo の README に書いた(2026-11-11 の nishio の方針で、試作の段階では提案せず、本体に入れると決めたときの材料にする。open-decisions の A13)

  • 2026-11-08、nishio の「賛否スライダーもこっちで試して」という指示で、賛否スライダー(デモ、個人 repo の commit 6971f97)を足した。元は tokoroten のセンチメント次元の付与(sentiment-weighted UMAP)。賛否スコアに重みを掛けて埋め込みに 1 次元足し、重み 0〜1.5 の配置をスライダーで動かす

    • 賛否スコアは本体の任意ステップ opinion_stance(#1165)と同じ形・同じ既定プロンプト。本体は AGPL-3.0、個人 repo は MIT なので、プロンプトは写さず kouchou-ai の checkout から実行時に読む。対象は 1 レポートに 1 つなので、まとまりごとに public_result.json の部分集合を作って config.question を対象に置き換えた(エネルギー=原子力の活用、家族=選択肢を法的に広げること、移民=受け入れを広げること、皇位継承=女性・女系天皇を認めること)。組織内の LLM で 2,167 回・応答待ち 654 秒
    • 元の設定(前の重みの座標から学習率 1.0 で学習し直す)では、重みを変えなくても点が配置の幅の 12% 漂った。学習率 0.1 と Procrustes の重ね合わせで 2.5% にした
    • 重み 0 → 1.5 で、賛否の分かれ(シルエット係数)はエネルギー 0.09 → 0.73・移民 0.01 → 0.72・皇位継承 0.27 → 0.91、家族は賛成が大半で -0.02 → 0.14。話題の近さの残り(近傍 15 件の重なり)は 1〜2 割落ちる
    • 逆に「賛否を無視したら元の広聴AI になるか」(nishio の問い)も試した。重み 0 が元の広聴AI と同じ考え方で、負の重みは正と同じだけ分かれるので無視にならない。埋め込みから賛否の方向を線形に取り除くと:埋め込みには賛否がはっきり入っている(AUC 0.81〜0.93)のに、元の配置は皇位継承以外ほぼ賛否で分かれていない(-0.01〜0.09)。10 方向取り除いても AUC は 0.7〜0.8 に残り、配置は seed 違い以上に変わって話題の近さも落ちる。このデータでは、元の配置がすでに「賛否をほぼ無視した地図」で、無視の端を足しても得るものはほぼない
    • public_result.json に足りない項目:スコアは arguments[].attributes.stance_score に載るが、何への賛否か(対象の文)が載らない(target を指定すると opinion_stance_summary.json にしか残らない)。省略可能なキー(例 config.opinion_stance_target か attribute_meta)を足す案を個人 repo の README に書いた(2026-11-11 の nishio の方針で、試作の段階では提案せず、本体に入れると決めたときの材料にする)
  • 2 つを作ってみた見立て(2026-11-08、nishio に聞かれて AI が答えたもの。nishio の判断ではない)

    • 対立軸ビューは読む道具になる。軸に名前があり、左右に強い立場から文で並ぶので、どちら側にどんな意見があるかを追える。家族のように一方に偏ったまとまりでも、少数側が片方の欄に独立して並んで埋もれない。「合意できそうな点・根本的に対立する点」は熟議の材料になる。弱いのは採点の誤り、中立も「関係なし」も選べないこと、「〜が不足している」型の入力では立場が読めないこと、費用(2,167 件で約 20 分、全件なら約 10 倍)。賛否が割れる問いを立てたレポートで、中立と「関係なし」を足して試せば使えるものになりそう
    • 賛否スライダーは説明用で、新しく見えるものは少ない。分かれるのは足した 1 次元(賛否スコア)が距離になるからで、分かれた島はスコアで割ったのとほぼ同じ。そのうえ話題の近さが 1〜2 割崩れる。元の配置のまま点を賛否スコアで塗り分けるだけで、話題の近さを崩さずに同じ情報が見える
    • いちばん価値があったのは副産物の「無視したら」の実験:埋め込みには賛否が入っている(AUC 約 0.9)のに 2 次元の地図では消えている(シルエット ≈ 0)。広聴AI の散布図は話題の地図で、賛否は描いていない。散布図で賛否が分かれて見えないのは賛否が無いからではない、というのは利用者に伝える価値がある
    • 2 つに共通する難しさは「何についての賛否か」を先に決めること。対立軸ビューは LLM に探させ、賛否スライダーは人が対象の文を書く(エネルギーでは原子力の活用に対して 56% が判定不能で、結果は対象の選び方に左右される)。描き方より軸を決めるほうが難しい
    • 残っている判断への AI のおすすめ:賛否の対象を置くキーは足す(本体の opinion_stance がすでにスコアを出しており、何への賛否かが公開ファイルに残らないのは今の欠け。省略可能なキー 1 つで済む)。軸の定義を置くキー(仮 opposition_axes)はまだ足さない(DivCon は本体に入る予定がなく、使う側が個人 repo だけ)。本体に入れるなら、いちばん安く効くのは公開ビューアの散布図に「賛否スコアで色分け」を足すこと。nishio はこの方向の試作を個人 repo で今は作らないと判断した
    • 対立軸ビューを誰がどの場面で使うかのユーザストーリー案(政策を書き直す人・ファシリテーター・パブコメの回答者・参加者・報告をまとめる人)は divcon-view-user-stories
  • 2026-11-11、nishio の「新しい可視化の方法を考えて」「all go」で、今の 5 つが描いていない軸(いつ届いたか・何と一緒に言われたか・要約から何が落ちたか)の可視化を 5 つ足した:話題の流れ・要約から落ちた声・一緒に言われた話題(つながり線)・自分の声を探す・merge された提案。どれも LLM を使わず public_result.json(+任意の埋め込み)だけで描く。同日、nishio の判断で merge された提案を除く 4 つを公開した(個人 repo の commit 85d79c4、カタログ)。merge された提案は、既定の表示が読み違えを招くので見送った。案・下見・確かめた結果は new-visualization-axes-2026-11-11

    • 変換スクリプトが、PR の作成日時・merge の有無・作者の種別を意見の attributes(created_at / merged / author_kind)に入れるようにした(propertyMap には入れない)
    • 上の「課題の多くは PR 本文を見ずに作られている」が話題の流れに効く。PR 1 本あたりの意見は 5/16〜21 が 4.17 件、6 月 2.30 件、7/1〜19 2.01 件で、5 月とそれ以降の比べには抽出の入力の違いが混ざる。どちらも本文なしの 6 月 → 7/1〜19 でも、家族 1.4% → 4.3%・子ども 5.6% → 8.5% などの変化は残る
    • public_result.json に足りないのは、属性の型と役割(同じ投稿を束ねる属性・日時・値の表示名)を宣言する場所。試作は URL 引数で渡して動いている。賛否の対象と合わせて attribute_meta にまとめる案は、本体に入れると決めたときの材料として個人 repo の README に置いた(実験のたびに本体を直すなら切り分けた意味がない、と nishio。open-decisions の A13)
  • 2026-11-11、個人 repo の README から wiki へのリンク 3 か所(open-decisions の A13 など)が、最初の版(2026-11-07)から digitaldemocracy2030.github.io/kouchou-ai-developer-wiki/ を指していて、どれも 404 だった。公開先の nishio.github.io/kouchou-ai-developer-wiki/ に直した(個人 repo の commit 6fdee4c)。直した 3 つのリンク先と、カタログ・公開した 4 つのページが開く(200)ことを確かめた。外からこの wiki にリンクするときの住所は wiki-pages-publishing-stack の「Project Site の subpath 方針」

Open Questions

  • 本体 docs の関連研究ページ(PR #1174、未 merge)から個人 repo のカタログへのリンクの張り方
  • マンダラート用に 8 分割を再帰的に繰り返した木を、このデータセットに別の設定として足すか、カタログ側だけに置くか。深い段の表札を LLM で付けるか代表意見で済ませるか

Updates

  • 2026-11-07: 初版作成
  • 2026-11-07: マンダラートについて nishio の案(8 分割を意見 1 枚になるまで繰り返す)と、既定の階層づくりでは子の数が揃わないこと(このデータで 1〜38)を追記
  • 2026-11-07: 個人 repo nishio/broadlistening-visualizations を作り、意見マンダラートの試作を公開したことを追記
  • 2026-11-07: マンダラートの既定を 3×3 にし、付箋ズームと階層リストの試作をカタログに足したことを追記
  • 2026-11-07: 付箋ズームを、位置と出始める拡大率の事前計算で作り直したことを追記
  • 2026-11-08: マンダラートと付箋ズームの文字を全文が収まる最大の大きさにし、付箋ズームの代表の付箋を表札だけにしたことを追記
  • 2026-11-08: tokoroten の DivCon を広聴AI のまとまりに当てた対立軸ビューと、public_result.json に足りない項目(軸の定義)の提案を追記
  • 2026-11-08: tokoroten のセンチメント次元の付与を試した賛否スライダーと、賛否を無視した配置との比べ、賛否の対象を契約に足す提案を追記
  • 2026-11-08: 対立軸ビューと賛否スライダーを作ってみた見立て(AI の見立て)と、残る 2 つの判断へのおすすめを追記
  • 2026-11-10: 対立軸ビューのユーザストーリー案 divcon-view-user-stories へのリンクを追記
  • 2026-11-10: 課題の 79%(PR の 89%)が PR 本文を見ずに抽出されていたことを確認し、節を追加
  • 2026-11-11: 本文を戻した入力の作成、gemma-4-31B での抽出し直し(実行中)、Hugging Face の更新案を追記
  • 2026-11-11: 散布図が描いていない軸の可視化 5 つ(個人 repo で作成、未公開)と、変換で意見の属性に作成日時・merge の有無・作者の種別を足したことを追記(new-visualization-axes-2026-11-11)
  • 2026-11-11: 抽出し直しの全件完了と、温度 0 での繰り返しのループの直し方を追記
  • 2026-11-11: ループした 500 件を温度 0 で直し終えた件数を追記
  • 2026-11-11: Hugging Face の更新を公開した(本文・本文入りの印・1 段目の入力・本文入りでの抽出し直し、README の Known issue)
  • 2026-11-11: Hugging Face に比較実験の材料(experiments/step1-local-llm-2026-11/)を載せ、README の日本語の節の古い記述を直した
  • 2026-11-11: 散布図が描いていない軸の可視化のうち 4 つを公開し、merge された提案は見送ったことを追記。個人 repo のカタログの「足りない項目」を、試作の段階では提案しない材料に改めた(nishio の方針)
  • 2026-11-11: 個人 repo の README から wiki へのリンクが org の住所を指して 404 だったのを直したことを追記
  • 2026-11-14: 版 033d1e7 に DOI 10.57967/hf/11618 が発行されたことを追記
  • 2026-11-19: 対立軸ビューの 12 本の軸ごとの左右の件数と、合意できそうな点・対立する点の例を追記