人間の「いい加減な能力」を利用する(小松孝徳)

人間の「いい加減な能力」を利用する
小松孝徳（明治大学総合数理学部）
2014/12/9＠京都工芸繊維大学
【認知的インタラクションデザイン学】

「いい加減な能力」？
 「ちゃらんぽらん」という意味ではなく，「いい塩梅」という意味
 1. 非注意による盲目状態
 2. 自動処理による無意識的な情報処理
 3. 論理的とはとてもいえない状況判断

1. 非注意による盲目状態
 見えているけど気づかない
 有名なビデオ
 その２

1. 非注意による盲目状態
 見えているけど気づかない
 有名なビデオ
 その２
 無関係と思われる情報には注意を割かない
 認知的リソースの有効活用

2. 制御処理と自動処理
 制御処理：意識的な処理
 自動処理：無意識的な処理
 制御処理と自動処理とのバッティング

 声に出して「文字通りに」読んでみてください．
 こんちにはみさなんおんげきですか？わしたはげんきです。
 このぶんょしうはいりぎすのケブンッリジだがいくのけゅきんうのけっかにんんげ
はたごんをにしんきするときにそのさしいょとさいごのもさじえあいてっれば
じばんゅんはめくちちゃゃでもちんゃとよめるというけゅきんうにもづいとてわざ
ともじのじんばゅんをいかれえてあまりす。
 どでうす？ちんゃとよゃちめうでしょ？

 制御処理：文字通りに読む
 自動処理：ありえない語順を補完してしまう
 制御処理と自動処理とのバッティング
 文字通りに読むことが難しい！！

3. 論理的な思考？
 抽象的な事象 vs 具体的な事象
 おかしなことを言っているのだが，説得力を感じる．
 「放射能の影響はないって学者は言ってますけど，ウソですよ．じゃあ，なんで鼻
血が出るんですか！！どう説明するんですか！！」
 抽象的な話よりも具体的な話の方が，直観的に理解しやすい

 4枚カード問題
 「片方が母音ならその裏面は偶数でなければならない」という規則があるとしよう。
 この規則が守られているかを見るために、以下の４枚のカードのうちどれを裏返し
て調べる必要があるか
E K ４７

 4枚カード問題再び
 あなたは警官で、未成年(２０歳未満)で「ビールを」飲んでいる人を取り締まら
なければならない。次の４枚のカードは４人の人について、片面には年齢、もう片
面にはビールを飲んでいるかどうか、という情報がかかれている。４人の人のなかに
取り締まりの対象がいるかどうかを決めるためにはどのカードを裏がして他の情報を
見る必要があるか。
ビールを飲ん
でいる
コーラを飲ん
でいる
２２歳１６歳

 抽象的な事象 vs 具体的な事象
 抽象的な4枚カード問題：約25%の正解率
 具体的な4枚カード問題：約65%の正解率
 抽象的な話よりも具体的な話の方が，直観的に理解しやすい

「いい加減な能力」？
 「ちゃらんぽらん」という意味ではなく，「いい塩梅」という意味
 1. 非注意による盲目状態
 2. 自動処理による無意識的な情報処理
 3. 論理的とはとてもいえない状況判断
 なぜ，このような「いい加減」な能力が人間に備わっているのか？
 おそらく進化の過程で培ってきたもの
 熟考していると，天敵から逃げられない
 長考によって最適解を求めることよりも，瞬間的に局所解を求める能力

瞬間心理学
 瞬間情報処理の心理学（海保，2000）
 「人は約2秒（くらいの短い時間）でほとんどの事柄に対処して生きている」
 そのような人間の特性を利用した様々な研究（or 戦略）が行われている．
 直観的な認知の本質
 反射（思考ではない）
＜直観的な認知（2秒以内）
＜高次認知（熟考）

瞬間心理学
 瞬間情報処理の一例
 車の運転をしながら，複雑な状況を一瞬のうちにつかんで，適切な運転をする
交通心理学
 新聞広告をほんの1～2秒で見て，だいたい何が書いてあるかを知る
広告心理学
 物を買う時でも，一瞬の判断に基づいて買うことが多い
消費者心理学
 目の前の初対面の人が信頼できる人かどうかを，一瞬のうちに知る
印象形成

私自身の動機
 「人間はいい加減な存在である」ことを踏まえた上で，HCI/HAIを
考えよう
 適応ギャップ仮説
 オノマトペの利活用
 ASE（Artificial Subtle Expressions）
15

簡単に自己紹介
 小松孝徳（こまつたかのり）
 明治大学総合数理学部先端メディアサイエンス学科准教授
http://www.tkomat-lab.com
Twitter: @tkomatlab , tkomat@meiji.ac.jp
専門：認知科学，心理学，HCI/HAI
 自転車，ビール，perfumeという三大元素で構成
 私自身は，悪い意味で「いい加減」なヤツです

私自身の動機
考えよう

Artificial Subtle Expressions (ASEs)
 キカイからユーザに対して表出される情報表現について考える
 キカイ＝HCI/HRI/HAIにおける人間じゃない方の総称
 「人間と向き合うキカイは人間らしくあるべき」
 キカイに対して表情，ジェスチャー，言語などを表出させるシステムを構築する必
要がある．
 多大な労力とコストが必要
 この考え方に歯向かい続けて，はや○○年

不気味の谷（森, 1970）

適応ギャップ仮説（小松・山田，2010他）
 人間らしい表現を使うことの危うさ
 ≒不気味の谷

人間らしさを追求することで引き起こされる問題
 人間らしい情報なんて使わなければいい

人間らしさを追求することで引き起こされる問題
 人間らしい情報なんて使わなければいい
 Artificial Subtle Expressions; ASEs（小松他，2010;
Komatsu et al., 2010）
 キカイはキカイらしい情報を表出した方がいい
 システムの内部状態を直観的かつ正確にユーザに伝達する手法

ASEsに関する研究について紹介
 その１：ASEsとは何か？（基礎編）
 その定義と具体的機能について
 その２：ASEsと人間らしい情報との比較（応用編）
 人間らしい情報よりもASEsを使う利点について
 キカイのアドバイスが間違っていた時に注目
 その３：最近のトピック（飛翔編）
ASEのバリエーションは増えるのか？
日本人以外でも通じるの？

ASEとは？
 低コストで単純な情報表現にて，エージェントの内部状態を直感的
にユーザに伝達できるもの
 具体的には，二つの実装的要件および二つの機能的要件を満たす
 実装的要件その①「シンプル」単一のモダリティにて構成され，実装の労力およ
びコストがかからない
 実装的要件その②「補完的」インタラクションにおけるメインのプロトコルを阻害し
ない
 機能的要件その①「直感的」 ASEに関する知識を必要とすることなく，その解
釈が行われる
 機能的要件その②「正確」特定の意味を正確にユーザに伝えること

目的
ユーザに情報を提示するロボットにASEを実装し，その効果
を検証する．
ユーザに情報を提示するロボットに「シンプル」「補完的」という二つ
の実装的要件を満たしたASEを実装し，ユーザとのインタラクション
において「直感的」「正確」という二つの機能的要件を満たしている
のかを実験的に検証．
ASEに関する学習を行わなかったユーザであっても，その特定の意
味を理解できたのか否かを調査する

実験設定
 宝探しゲーム（改）
 三つの盛り土のいずれかに隠された金貨をできるだけ多く獲得する．
 ゴール到達までに20回三つの盛り土が現れる．

実験設定
 宝探しゲーム（改）
 被験者の横に置かれたロボットから，金貨の隠された位置の予想が人工音声に
よって伝えられる．
 その予想を採用するか，却下するかは被験者にお任せ
ただし，ロボットの予想が当たっていたのかというフィードバックは被験者には伝えない

実験設定
 使用したASE：ロボットが被験者に対して発する人工音声に実装
 「いちばん」「にばん」「さんばん」という音声
 クリエイトシステム社製Document Talkerにて作成
 この人工音声の0.2秒後にASEを付与
Flat ASE: 提示時間0.5秒，250 [Hz]->250 [Hz]
Decreasing ASE:提示時間0.5秒，250 [Hz]->100 [Hz]
 Adobe社のCool Edit 2000で作成

実験設定
 使用したASE：
 「いちばん」「にばん」「さんばん」という三つの音声とFlat ASE，Decreasing
ASEの二種類のASEの組み合わせ

実験設定
 使用したASE：
 「シンプル」：ソフトウェアにて簡単に作成
 「補完的」：人工音声の0.2秒後の再生＝ジャマはしていない
 二つの実装的要件は満たしている．
 ASEの意味：提示した人工音声に関する確信度
 Komatsu & Yamada (2008)
周波数が減少する人工音＝ネガティブな印象
周波数が上昇する人工音＝ポジティブな印象
 人工音声＋Decreasing ASE＝確信度が低い
あまりロボットが自信がないのでは？

実験設定
 参加者
 19人の大学生（22～25歳：男性10名，女性9名）
 20回の音声提示のうち，＋flat ASEが10回，＋decreasing ASEが10回．
提示順については，被験者間でカウンタバランスを配慮
 実験の説明の際には，人工音声の後に表出されるASEに関しては何も言及
しない．

実験設定
 調査項目
 参加者がロボットの予想を受け入れたのか否かという行動と，ASEとの関連性を
観察．
ASEに関しては，なにも言及していない
 （予想）Flat ASEが付与された音声による予想は参加者に受け入れられ，
decreasing ASEが付与された予想は参加者に拒絶される
これが確認されれば，「直感的＝何の学習もなく」「正確＝ロボットの確信度という
内部状態の伝達」という二つの機能的要件を満たしたといえる．
実験風景

実験結果
 参加者が人工物の予想を拒絶した回数（拒絶数）を計測
 10回のFlat ASE提示における拒絶数 vs. 10回のDecreasing ASE提示の
場合における拒絶数
 Flat ASEの場合：1.73回（S.D.=1.51）
 Decreasing ASEの場合：4.58回（S.D.=2.43）
一要因二水準（要因：ASEの種類，水準：flat/dec，従属変数：拒絶数）
被験者内計画における分散分析の結果，これらの拒絶数に有意差が観察
（F(1,18)=13.38, p<.01 (**)）

実験結果
 Flat ASEが付与された音声による予想は参加者に受け入れられ，
decreasing ASEが付与された予想は参加者に拒絶された
 これより，「直感的」「正確」というASEの機能的要件が満たされたと言える．
 実験終了後のインタビュー
 19人中5人は，ASEの存在に気づきそれを利用してゲームを進めていた
「音程が下がる音が聞こえると，ロボットは予想に自信がないのかと感じた」
 19人中14人は，ASEの存在に気づいていなかった！

本研究の「仮説」
 ASEによって確信度を表出する場合よりも，人間らしい情報によって
確信度を表出する場合の方が，言動不一致システムへの評価が低く
なる
ユーザの印象：人間らしい表現☹ ＜ ASE☺
 システムが提示する情報と表出する確信度との関連において，ユーザ
がシステムに対してどのような印象を抱くのかを実験的に調査する．
39

言動不一致なシステムとは？
 言ってることとやってることが違うシステム
 そんなシステムってあるの？？
 例えば．．．カーナビ
 なんかすごくムカつきませんか？
 笑いごとのようですが，音声で情報を提示するシステムでは起こり得る現象で
は？

実験設定
 システムがユーザに情報を提示する環境：ドライブ宝探しゲーム
 システムからユーザへ20回の情報提示

実験設定
 独立変数
 その１：提示する情報の種類（被験者内・三種類）：ASE/パラ言語/言語
 その２：システムの種類（被験者間・二種類）：言動一致/言動不一致シス
テム
 従属変数
 システムに対する主観的印象点（7段階リッカートスケール×18問＝最低点18
点～最高点126点）
 2×3の混合計画

要因その１：提示する情報の種類（三種類）
 ASE条件
 金貨の位置を予想する音声の0.2秒後にASEを付与することで確信度を表現
（高確信度，低確信度）
 パラ言語条件
 予想音声のパラ言語情報を変化させることで確信度を表現（高確信度，低確
信度）
 言語条件
 予想音声に接尾辞を付与することで確信度を表現（高確信度，低確信度）
 20回の情報提示中：高確信度10回，低確信度10回

要因その２：システムの種類（二種類）
 言動一致グル―プ：提示情報と確信度とが一致した状況
 高確信度を伴う情報＝100%の確率で盛り土に金貨
 低確信度を伴う情報＝0%の確率で盛り土に金貨
 言動不一致グループ：提示情報と確信度とが不一致な状況
 高確信度を伴う情報＝50%の確率で盛り土に金貨
 低確信度を伴う情報＝50%の確率で盛り土に金貨

従属変数：主観的印象点
 7段階リッカートスケール18問の合計点
 Love-liking尺度（Rubin, 1970）の改変版7項目
 筆者らが独自に用意した11項目
 最低点18点，最高点128点
 クロンバックのα：0.86

従属変数：主観的印象点

実験設定
 参加者
 20人の大学生（男性15人，女性5人：21-28歳）

実験設定
ASE条件パラ言語言語条件
言動一致
グループ（10人）
X 点 X 点 X 点
言動不一致
X 点 X 点 X 点
被
験
者
間
被験者内（ランダム順）

実験結果
ASE条件パラ言語言語条件
言動一致
58.2
(15.53)
75.1
(9.27)
68.1
(11.85)
言動不一致
60.0
(11.40)
49.4
(11.94)
48.6
(12.31)

実験結果ASEによって確信度を表出する場合より
も，人間らしい情報によって確信度を表
出する場合の方が，言動不一致システ
ムへの評価が低くなる
→我々の仮説が検証された

実験結果：まとめ
 面白い現象
 ASEに対する評価は，システムが言動一致でも言動不一致であっても変化して
いない．
ASEの解釈はロバスト？
 言動一致システムの場合は，人間らしい情報の方がASEよりも評価が高い．
システムが完璧に動作するならば，人間らしい情報でもよい？
 機能的側面
 金貨の獲得数：言動一致＞言動不一致
 提示情報に従う数：言動一致＞言動不一致
提示情報の違いという要因の影響はなかった．

おわりに～この知見をどう生かすのか？
 「人間らしい情報」と「ASE」の使い分けに応用
 完全な情報提示システムが可能であるならば前者，そうじゃなければ後者
 現実的なアプリへの実装
 本気でカーナビへ．．．
 ASEのさらなる応用可能性を探求
 確信度の伝達以外にも．．．
 （参考）発話衝突，発話の低速化

私自身の動機
考えよう
57

「いい加減な能力」
 頭の中のイメージをうまく表現できない
 そのかわりに，他の情報として漏らしちゃっている

Welcome!!
「オノマトペ」（Onomatopoeias）
擬音語，擬態語，擬情語，擬声語などの総称

Introduction (1/6)
オノマトペ（Onomatopoeias）
擬音語，擬態語，擬情語，擬声語などの総称
感覚的で繊細かつ直観的な表現が可能
バンバン，ビービー，チクタク，
かちかち，がちがち，みゃーーお

Introduction (2/6)
日本語におけるオノマトペ
他言語に比べて，オノマトペの種類が豊富
多言語に比べて，動詞の種類が少ない
「あるく」という動詞に関する日本語と英語の比較
英語: Plod, Stroll, Strut, Swagger, etc
日本語: あるく

Introduction (3/6)
 「オノマトペ＋動詞」による表現の拡張
 Plod = とぼとぼ + あるく
 Stroll = ぶらぶら + あるく
 Strut = かぜをきって + あるく
 Swagger = えらそうに + あるく
 多くのオノマトペは音象徴（Sound Symbolism）によって説明できる？
オノマトペ = “副詞”

Introduction (4/6)
音象徴 - Sound Symbolism
音素自体が意味を持っているという言語非依存な考え方
Bouba/Kiki Effect (Koehler, 1947)
Kiki Bouba

Introduction (4/6)
 Takete or Malma ?
Malma
Takete

Introduction (5/6)
音象徴の例
サ行（/s/）: 軽い摩擦，スムーズで速度感がある
カ行（/k/），タ行（/t/）: 固さ，剛性のイメージ.
ナ行（/n/）: ベタベタ感.
多くのオノマトペは音象徴によって説明できる？
かさかさ: 乾燥肌や枯葉などの質感
ぬるぬる: どろどろ感，ぬめり感など

Introduction (6/6)
I’m going to add white
color to the sky and
then feathering
between the sky and
mountain!
I wanna add a more
“MOFU-MOFU”
feeling around
here…
People who can express
how they want
Their intentions are described literally.
People who cannot express
how they want
Their intentions are expressed as
onomatopoeias.
ユーザのコトバにならないイメージや直観的な感覚はオノマ
トペに込められているのでは？

Introduction (6/6)
オノマトペに関する特徴的な使われ方
ユーザのコトバにならないイメージや直観的な感覚はオノマ
トペに込められているのでは？
オノマトペを入力として扱えるインタフェースを実現できれ
ば，ユーザのコトバにならないイメージや直観的な感覚
を扱えることになる．
ユーザの表現の幅を拡張するインタフェースに！

Concept (1/2)
オノマトペを入力として扱うには
= オノマトペの数値化
オノマトペは子音と母音によって構成される（/s/, /k/, /a/, etc）
子音と母音を表現するn次元ベクトルを用意．各属性の値は音象
徴によって決定される．
サ行（/s/）: 軽い摩擦，スムース，スピード感
カ行（/k/） and タ行（/t/）: 固さ，剛性
k={a,b,c,d}
s={w,x,y,z}
…
a={ , , , }
かさかさ

Concept (1/2)
オノマトペを入力として扱うには
= オノマトペの数値化
オノマトペは子音と母音によって構成される（/s/, /k/, /a/, etc）
子音と母音を表現するn次元ベクトルを用意．各属性の値は音象
徴によって決定される．
子音ベクトルと母音ベクトルを組み合わせる線形式を用意し，任
意のオノマトペを数値化する.
k={a,b,c,d}
s={w,x,y,z}
…
a={ , , , }
かさかさ Okasa-kasa =Ak+Ba+Cs+Da
={i,j,k,l}

Concept (2/2)
数値化されたオノマトペ
どのようにして使うのか？
これら数値化されたオノマトペは
“副詞”として扱われることを想定
※任意の対象を修飾するようなイメージ
Okasa-kasa =Ak+Ba+Cs+Da
={i,j,k,l}

Purpose (1/1)
オノマトペの数値化方法の提案
 Step 1: n次元ベクトルの次元数および属性の種類を決定する．
{a,b,c,d} or {a,b,c,d,e,f}? “a”は何を意味する?
 Step 2: 各子音および母音を表現するn次元ベクトルの属性値を決定
する．
k={2.4,1.2,-0.1,2.8}, s= {…}
 Step 3: オノマトペのn次元ベクトルを表現する線形式の重み係数を決
定する．
Oi =Ak+Ba+Cs+Da (注：本研究ではXYXY型のオノマトペのみを扱う)

Step 1: 次元の数と種類 (1/4)
する．
k={2.4,1.2,-0.1,2.8}, s= {…}
定する．

質問紙調査により9種類の子音および5種類の母音に関
する印象を調査
43種類の形容詞対（5件法）を用意
{澄んだ – 霞んだ}, {興奮した – 落ち着いた},…
43種類の形容詞対 x (9種類の子音 + 5種類の母音)
= 604 回答
115名の大学生が参加

鋭さ
柔らかさ
大きさ
躍動感

結果
子音および母音ベクトル4次元ベクトルである．子音/母音 4次元ベクトル =
{鋭さ, 柔らかさ, 躍動感, 大きさ}

Step 2: 各属性の“値”(1/3)
する．
k={2.4,1.2,-0.1,2.8}, s= {…}
定する．

Step 2: 各属性の“値”(2/3)
質問紙調査により子音/母音ベクトルの各属性の値を調
査する．
ベクトルの各属性の種類を形容詞対（5件法）として表現し
たものを準備
{鋭い – ぼやけた}, {柔らかい – 固い}, {躍動感のある –
落ち着いた}, {大きい – 小さい}
84名の大学生が参加

Step 2: 各属性の“値”(3/3)子音/母音ベクトルの完成！

Step 3: 重み係数の決定(1/4)
する．
k={2.4,1.2,-0.1,2.8}, s= {…}
定する．

 重回帰分析による重み係数の決定
 説明変数と基準変数の設定
 基準変数を用意する必要がある= オノマトペを4次元ベクトルにて表現したもの
Ii = ai CiX + bi ViX + ci CiY + di ViY
基準変数
説明変数(子音/母音ベクトル)

説明変数の決定
93人の大学生が参加
38種類の典型的なオノマトペに対して，属性ベクトルを設定しても
らう
その平均値を基準変数として設定する

説明変数の決定
kaku-kaku 3.98 (1.01) 1.22 (0.44) 3.26 (0.95) 3.19 (0.98)
kata-kata 3.59 (0.98) 1.59 (0.72) 3.38 (1.02) 2.49 (0.95)
kati-kati 3.94 (0.84) 1.37 (0.67) 3.34 (1.08) 3.12 (1.10)
kisi-kish 3.57 (0.92) 2.03 (0.81) 3.10 (0.93) 2.26 (0.87)
kiti-kiti 3.76 (0.97) 1.66 (0.63) 3.18 (1.04) 2.60 (1.06)
kuta-kuta 1.75 (0.85) 3.53 (0.95) 1.78 (0.89) 2.45 (0.85)
kune-kune 2.09 (0.92) 4.34 (0.70) 2.67 (1.23) 2.62 (0.96)
…
…
…
koso-koso 3.00 (1.15) 2.84 (0.83) 2.53 (1.12) 1.84 (0.72)
mota-mota 1.44 (0.70) 4.02 (0.62) 1.61 (0.80) 2.80 (1.17)
yota-yota 1.62 (0.70) 3.92 (0.69) 1.98 (0.89) 1.98 (0.85)
toti-yoti 2.00 (0.98) 4.28 (0.65) 2.24 (1.01) 1.96 (0.97)
yoro-yoro 1.70 (0.79) 3.85 (0.57) 1.73 (0.92) 1.97 (1.01)
wasi-wasi 3.03 (0.99) 3.24 (1.00) 3.31 (0.99) 3.42 (0.95)
…
Average（SD.） Average（SD.） Average（SD.） Average（SD.）
…
…
…
…
…
…
…
…
…
…
…
Sharpness Softness Dynamic Largeness

重回帰分析の結果(ステップワイズ法)
この式を使えば，どのようなオノマトペであっても数値化
は可能となる

ここまで
オノマトペを数値化することに成功
数値化されたオノマトペは何等かの対象に対して，副詞的に作用
することを想定
動詞「あるく」 + 任意のオノマトペ
= Plod, Stroll, Strut, Swagger, etc
対象の付与する何等かの“フィルタ”のようなイメージ
86

応用例その1: Robot Choreography
(1/4)
目的
様々なロボットが家庭に普及している一方，それらの動作を作
成することは，まだまだ一般のユーザには敷居が高い．
モーションエディタのようなものはあるんだけども．．．
 “もっと，ガシガシっと動いてほしいんだけど．．．”

応用例その1 : Robot Choreography
(2/4)
基本方針
オノマトペベクトルの各属性を，ロボットの動作波形の物理特性と
対応づけておく
鋭さ => 動作波形の周期
柔らかさ => 動作波形の形状
大きさ => 動作波形の振幅
躍動感 => 動作波形の振幅の変化

(3/4)
 例その1
 基本アクションに対して「がしがし」を付与
 “がしがし” ={2.1, -2.9, 1.26, 1.0}
-> 鋭くて，固くて・・・

(4/4)
 例その2
 基本アクションに対して「ぷりぷり」を付与
 “ぷりぷり” {0.3, 0.6, 0.9, 0.5}
-> 柔らかく，躍動感がある
ロボットの動作編集経験がないユーザでも，自分のニュ
アンスをロボット動作に反映できる

I’m going to add white
color to the sky and
then feathering
between the sky and
mountain!
I wanna add a more
“MOFU-MOFU”
feeling around
here…
People who can express
how they want
Their intentions are described literally.
People who cannot express
how they want
Their intentions are expressed as
onomatopoeias.
目的
下図の右側の人を救済する
基本方針
オノマトペベクトルの各属性を，ドローイングツールのエフェクト
を対応付けておく
イメージとしては“Photoshop”のエフェクトのようなもの
応用例その2: もやもやドローイング (1/2)

応用例その2: Effect for Drawing Tool
(2/2)
例その1

応用例その2: Effect for Drawing Tool
(2/2)
例その2

まとめ(1/3)
提案手法の長所
オノマトペに関するデータベースや辞書を用意する必要がない
 子音と母音の組み合わせで対応するから
辞書にないオノマトペ，即興的に使われるオノマトペにも対応が可能
Input ? >
BAKYO-BAKYO
Error: No such onomatopoeic word.
Input ? >

振幅
周期
波形
位置
加速度
関節の組合せ
Etc…
まとめ(2/3)
提案手法の短所
オノマトペの各属性と，そのニュアンスを付与する対象の物理特性
とのマッピングは試行錯誤的である．．．
鋭さ柔らかさ大きさ躍動感
?

まとめ(3/3)
印象
ベクトル
パラ言語情報
コトバではうまく表現できずに思わずユーザが表出
してしまう情報の数々
音楽活動の支援
ジェスチャ，表情など
オノマトペロボットの
動作編集
描画活動の支援

私自身の動機
考えよう
 ユーザの認知的特性を踏まえながら，人とメディアの関係を再考すること

シメの一枚
「人間はいい加減な存在である」
 このような視点から「人間の認知的な特性」を捉え直し，ユーザ人と
メディアの関係を俯瞰する．
 人間もキカイも完璧であることはできない．不完全さを「いい加減
に」許容することが重要なのでは．

Thanks for your attention
mail: tkomat@meiji.ac.jp
Twitter: @tkomatlab
Website: http://www.tkomat-lab.com

人間の「いい加減な能力」を利用する(小松孝徳)

人間の「いい加減な能力」を利用する(小松孝徳)

Recommended

Recommended

More Related Content

Viewers also liked

Viewers also liked (6)

More from KIT Cognitive Interaction Design

More from KIT Cognitive Interaction Design (20)