地図・地誌類データを中心としたデータ/AI駆動型人文学研究のガイドライン(仮称)

第1版 候補1(候補版・非規範)

書誌情報

タイトル
地図・地誌類データを中心としたデータ/AI駆動型人文学研究のガイドライン(仮称)
著者
DHコンソーシアム(DiHuCo)
出版者
DiHuCo研究実践ハブ
版
第1版 候補1
状態
候補版(非規範)。引用には承認版を使ってください。
公開日
2026-11-12
URL
https://codh.rois.ac.jp/dihuco/dgs/guideline/candidates/1-1/

本版は候補版であり、規範性を持たず、内容は予告なく変更されます。引用には承認版(DOI付き)をお使いください。

本版も承認版と同じく CC BY-NC 4.0 で提供されます。版の状態(作業版・候補版・承認版)によって、利用条件が変わることはありません。

はじめに

本ガイドラインは、デジタル・ヒューマニティーズ・コンソーシアム(DiHuCo)の研究実践ハブが作成する。焦点は実践知にある —— 研究においてどのようにデータを作り、どのように扱い、何を問うたか。

扱う範囲

地理情報と空間、地域を記した地誌資料、そして画像と視覚資料を主な対象とする。それらをデータとして扱うための作法、AI との協働、データを公開する実務、そして研究が社会と接する場面を収める。

扱わない範囲

テキストそのものの符号化は、DiHuCo 研究基盤ハブが公開する東アジア/日本のテキストデータ構造化のためのガイドラインが扱う。本ガイドラインはその分担の外側を担うため、TEI による符号化と学術編集版には立ち入らない。ただし画像に写った文字を読むこと —— 認識、字形の分析、判読して活字に起こす翻刻 —— は本ガイドラインが扱う。同ガイドラインの範囲と一部重なるが、画像から文字を起こすことは本ガイドラインの中核にあるため、重複を許容する。

テキストの計量的な分析 —— テキストマイニング、トピックモデル、文体分析 —— も範囲外である。本ガイドラインの対象が図像的・空間的な資料であり、素材とした講演にこの領域の実践知がないためである。ただし規模を変えて見るという見方、すなわち遠読は、画像と空間に適用する形で扱う。

このほか、ネットワーク分析、画面の設計と利用者試験、音声と映像、そして自分で機材を飛ばして行う撮影と測量は扱わない。衛星画像や過去の空中写真のように、すでにアーカイブとして存在するデータを使うことは扱う。

外に良い規範があるので参照で足りるもの

扱わない理由がもう一種類ある —— 本ガイドラインが書くより、既にある文書を指した方がよいものである。

資料の撮影とデジタル化(解像度・色管理・照明・撮影記録)は、国文学研究資料館の日本語の歴史的典籍のデジタル化に関するマニュアルが、撮影方法を詳細に示している。本ガイドラインは節を設けず、そちらを参照する。

FAIR 原則と研究データ管理の一般論は、ALLEA のSustainable and FAIR Data Sharing in the Humanitiesと DARIAH の資料がある。本ガイドラインは、地理・画像・三次元のデータに固有の判断に絞る。

保存の理論的枠組み(OAIS 参照モデル、InterPARES)も概念の紹介にとどめる。

扱うべき範囲のうち、まだ書けていない領域については付録に一覧を置いた。

この文書の作り方

本ガイドラインの本文は、実践知に関する講演や記事を素材とし、研究実践ハブが指定した構造にしたがって AI が生成したものである。本文には根拠となる記事へのリンクを置き、記事からはその出典となる講演資料やリンク先をたどることができる。このようにテキストの由来を検証できる仕組みを用意することで、AI の柔軟性と専門家の信頼性とを統合することを目的とする。

1 地理情報と空間

地図・地誌・地名をはじめとする地理情報を、研究のためのデータとしてどう作り、どう扱うかをまとめる。

1.1 空間の表し方

位置を数値で表すとは、地球上の場所に座標という識別子を割り当てることである。球面を平面へ写す投影法と、座標値の意味を定める測地系は、どちらも取り決めであり、何を優先し何を捨てるかの選択を含む。

緯度経度と見かけの桁数

位置を表す最も標準的な方式は緯度経度である。スマートフォンの地図が現在地を示すときにも使われている [UC-009 §地理情報とは何か]。高さを加えれば3次元になるが、地図は平面で表示されるため、基本的には2次元の座標として扱われる [UC-009 §地理情報とは何か]。

緯度経度の扱いにくさは、座標値が二つ必要なことに加え、何桁まで精度の裏づけがあるかが見た目から分からない点にある。プログラムが返す数値は小数点以下15桁ほどになることもあるが、実際に意味を持つのは6桁程度で、これがおよそ1メートルの精度に相当する [UC-009 §座標を指定するその他の方式]。有効桁数を確認せずに使うと、見かけの精度と実際の精度のあいだに齟齬が生じる。

グリッドと単語による位置の指定

緯度経度の限界を補うため、地球を区画に分割して識別子を与える方式が考案されている。Uberが用いるH3は地球を六角形に分割し、各セルにIDを付ける。分割には三角形・四角形・六角形があるが、四角形では縦横と斜めで隣接セルまでの距離が異なる。H3の六角形では隣り合うセルへの距離がすべて等しい [UC-009 §座標を指定するその他の方式]。ズームインするほどIDが長くなり、ID自体が解像度の情報を含む点も特徴である。同じく六角形を用いる方式にGeoHexがある [UC-009 §座標を指定するその他の方式]。

3つの単語の組み合わせで位置を表すwhat3wordsは、覚えにくいIDの代わりに覚えやすい言葉を使うという発想に立つ。ただし、実際にはあまり普及していないとの見方が示されている [UC-009 §座標を指定するその他の方式]。

球面を平面に写す決断——地図投影法

地球全体を表示するには、3次元の球面を2次元の平面に写す必要がある。球面を平面に押し込めるとどこかが必ず歪み、長さ・面積・角度・形のすべてを同時には保存できない。投影法とは何を保存し何を捨てるかの選択であり、目的に応じて100種類以上が提案されてきた [UC-009 §地図投影法]。

保存の対象によって性格が分かれる。正角図法は角度を、正積図法は面積を、正距図法は中心から各点への距離を保存する。正距図法は、ある都市から各地までの距離を正しく示す航空路線図などに使われる [UC-009 §地図投影法]。

広く知られるメルカトル図法は、緯度と経度が直交する格子を作るが、極に近づくほど面積が拡大し、極域を描けない。これを改良したUTM(ユニバーサル横メルカトル図法)は、地球を経度6度ずつ60のゾーンに分け、各ゾーンの中央子午線からの距離をx座標、赤道からの距離をy座標とすることで、全体の歪みを最小化する [UC-009 §地図投影法]。このほか、データ処理に便利な正距円筒図法や、視点を無限遠に置いて地球を眺める正射図法がある [UC-009 §地図投影法]。

投影法を一つ選ぶことは、何かを優先する決定であると同時に、他の幾何学的性質を犠牲にする決定でもある。

測地系——座標値の意味を決める基準

投影法と並ぶもう一つの取り決めが測地系で、地球の中心と形を定義する枠組みである。緯度経度や高さの値はこの定義に依存し、同じ場所でも基準の取り方によって座標値が変わる [UC-009 §測地系と高さの基準]。

地球は完全な球ではなく、自転によって赤道方向にわずかに潰れた楕円体として近似される。かつて測地系は国ごとに異なり、日本も2000年ごろまで独自の測地系を用いていた。GPSの普及に伴い世界測地系WGS84が標準となり、日本も2000年に移行した。このとき全国の緯度経度値が変わり、古い地図を使ったカーナビゲーションで位置がずれる事例も生じた [UC-009 §測地系と地球の形]。地球の中心を重力の中心として定めたことで、ニュートン力学に従って運動するGPS衛星との親和性が高まり、複数の衛星の信号から高精度の測位ができるようになった [UC-009 §測地系と地球の形]。異なる時期のデータを統合するときは、どの測地系に基づくかの確認が欠かせない。

高さの基準はさらに複雑である。GPSが与える高度は、基準楕円体の表面からの高さである。一方、日本で伝統的に使われてきた高さは、東京湾の平均海水面を基準とする。これは重力が釣り合う水面であるジオイド面に対応するが、山や深い海、地下の岩石密度によって重力の強さが場所ごとに異なるため、ジオイド面は不規則な形になる [UC-009 §高さは何を基準に測るか]。そのためGPSが示す高さと海抜による高さは食い違う可能性がある。水面基準の高さは過去に積み上げたデータとの連続性のために使われ続け、GPSだけから高さを推定するときには楕円体基準が用いられる [UC-009 §高さは何を基準に測るか]。

空間を索引する——R木と空間検索

座標・投影法・測地系が決まれば、空間オブジェクトを格納して検索する仕組みが問題になる。点・線・ポリゴンといった図形のあいだには、交わる・接する・含む・内側にある・重なる・等しいといった関係が定義され、和・距離・交差といった図形操作も提供されている。こうした関係の表現と図形操作を備えることが、地理情報システムの特徴の一つである。これらの計算幾何の処理を担うライブラリとして、C/C++で書かれたGEOSがある [UC-009 §空間検索を高速化する仕組み]。

検索の対象が少なければ、一件ずつ調べるリニアスキャンでも現実的な時間で解ける。しかし100万、1000万件になると時間がかかり、オブジェクトをインデックス化するアルゴリズムが必要になる [UC-009 §空間検索を高速化する仕組み]。代表的な構造が1984年に提案されたR木(R-tree)で、大きな矩形から順に内側の小さな矩形へとたどることで、すべてを調べずに検索できる [UC-009 §空間検索を高速化する仕組み]。

典型的な検索には二種類ある。ある領域に含まれるオブジェクトを探すcontainsは、たとえば東京都に住む人(点)、東京都を通る道路(線)、東京都内の公園(ポリゴン)を探す処理にあたる。ある地点から一定距離以内のオブジェクトを探すwithinは、距離を一つずつ測る代わりに、バッファリングで範囲を領域に変換し、contains検索と組み合わせて実現する。領域を拡張してインデックス構造を使うことで高速化できる [UC-009 §空間検索を高速化する仕組み]。Google Mapsのような地理情報サービスの機能も、こうしたアルゴリズムが支えている [UC-009 §空間検索を高速化する仕組み]。

地名による位置の指定については詳細は「地名という接点」を参照。地理データのファイル形式の選択については詳細は「地理データの形式と公開基盤」を参照。空間境界の時間的変化については詳細は「時間をもつ空間」を参照。

この節へのコメント

  • まだコメントはありません。

1.2 地名という接点

地名は、史料に書かれた記述と地図上の位置を結びつける接点である。この節では、その接続がどういう構造で成り立っているかを述べ、続いて地名辞書、識別子、典拠データ、ジオコーディングの順に、地名を位置に変換する道筋をたどる。

三つの空間と、地名による接続

地理に関わる情報は、三つの空間に分けて整理できる [UC-010 §情報・地理・つなぐ──三つの空間のモデル]。

  • 情報空間:テキストや画像など、地理に関わるメディアのデータが置かれる空間。地名辞書(ガゼッティア)もここに位置づく。
  • 地理空間:点・ポリゴン・ピクセルなど、現実世界を表す幾何データの空間。地図がここにあたる。
  • つなぐ空間:両者をつなぐ空間で、座標と識別子を備えた地名(トポニム)がここに位置する。

地名に識別子(ID)を与えれば情報空間の資料へ、座標を与えれば地理空間の地図上の位置へつながる [UC-010 §情報・地理・つなぐ──三つの空間のモデル]。座標が地図側、識別子が資料側の接点となるので、史料中の「何々町」という記述を地図上の座標に変換できる [UC-011 §3. 「どこ」を特定する——情報空間・地理空間・つなぐ空間]。地誌は地理情報が地名として言及される資料であり、地名は地図上に表示でき、文章中でも言及できるエンティティ(実体)である。そこで地名にIDを与えて一元管理する方針が立つ [UC-033 §地図・地誌・地名の枠組みと識別子付与の方針]。地誌の記述を地名辞書のエントリに結びつける場面でも、この構図がそのまま使われる。

「どこ」を特定する経路は二通りある。文章中の地名を取り出して位置を特定する経路と、地図そのものを分析して画像上の位置から実世界の場所を割り出す経路である [UC-011 §3. 「どこ」を特定する——情報空間・地理空間・つなぐ空間]。前者に必要な地名辞書と識別子が、この節の主題である。緯度経度という座標の表し方は、節「空間の表し方」を参照。

地名辞書と、識別子を与えること

地名辞書(ガゼッティア)は、地名を一件ずつ並べ、それぞれに識別子と属性を付した資源である。地名辞書の1行(エントリ)は、その地名が指す実体(エンティティ)を一つ示す。付与する属性は、位置情報のほか、名称の表記揺れや粒度の違いの吸収、よみ、基本統計などである [UC-033 §地図・地誌・地名の枠組みと識別子付与の方針]。

位置情報は特に重要だが、どこを代表点に選ぶかという難しさが伴う [UC-033 §地図・地誌・地名の枠組みと識別子付与の方針]。識別子と属性の組をデータセットとして整えると、実世界との紐づけやデータ統合に使える [UC-033 §地図・地誌・地名の枠組みと識別子付与の方針]。

識別子の付与でいちばん重い判断は、何を同じエンティティとみなすかである。たとえば東京が指す範囲は、東京市15区から35区を経て現在の23区へと時代によって変わり、東京府と東京都でも異なる。これらを同じ東京とみなすかどうかは、どちらの立場も取りうるため、基準をあらかじめ決めておく必要がある [UC-033 §地図・地誌・地名の枠組みと識別子付与の方針]。識別子の付与は、同じIDを持つものを同じものとみなす作業として位置づけられ、その判断基準は非常に難しい問題とされている [BP-006 §識別子を介したデータの連携]。

識別子を共有するデータは、作成者や時点の異なるデータどうしを結びつけられる。たとえば『天保郷帳』の各村をGeoLOD APIで『日本歴史地名大系』地名項目データセットに対応づけ、地名に含まれる緯度経度を村に付ければ、地理データとして使える。大系のデータをキーに他の郷帳(幕末期近世村領域データ、旧高旧領取調帳、慶長郷帳、正保郷帳、元禄郷帳)と連携すれば、生産高の時代的な変遷も把握できるはずだとされる [UC-049 §『日本歴史地名大系』地名項目データセットとの対応付け]。ただし、同名の地名や表記揺れが多い場合は、単純な文字列の一致では対応づけがうまくいかない [BP-006 §識別子を介したデータの連携]。藩や街道への識別子の付与は、節「時間をもつ空間」と節「識別子とデータ引用」を参照。

GeoLOD:地名辞書を共有する基盤

地名情報処理基盤のGeoLODは、地名に識別子を割り当てるサービスである。多数の地名をアップロードしてGeoLOD IDを得れば、さまざまなアプリでその識別子を使え、同じIDを介して異なるアプリ間のデータ統合も容易になる [UC-010 §歴史的ジオコーダーとGeoLOD──地名をつなぐ基盤]。属性の表示や検索はウェブとAPIから利用でき、オンラインで地名辞書を構築・共有する機能もある [UC-033 §地名のデータセット:藩・街道・宿場とGeoLOD]。

典拠データとしての地名

識別子を与える対象の地名を決める拠り所が、典拠データである。ここでは、行政区域と文献の地名辞典の二つを例にとる。

行政区域では、市区町村が最も基礎的な地名になる。多くの文書や統計に頻出するが、公式の市区町村IDは1968年以降にしか存在せず、現行制度が始まる1889年から1968年までの期間にはない。歴史的行政区域データセットは、複数のデータセットを統合して1889年以降の市区町村に一意のIDを付与したもので、表記の同一性に基づき16,856件を識別した。各IDは、代表的な位置(点)と時期ごとの境界(ポリゴン)を属性に持つ [UC-010 §歴史的行政区域データセット]。このデータセットは、2023年10月時点で行政区域件数が16,856件であることを示している 1。合併で範囲が広がっても同じ名称のものを同じエンティティとして統合するので、資料に市が現れたときにこのIDと結びつけ、資料の年次によって範囲が変わることを確認できる [UC-033 §地名のデータセット:行政区域から近世村へ]。境界の時間変化の扱いは、節「時間をもつ空間」を参照。

代表例:『日本歴史地名大系』地名項目データセット

文献の地名辞典の側で代表となるのが、平凡社『日本歴史地名大系』をもとにした『日本歴史地名大系』地名項目データセットである。全50巻(1979〜2004年、刊行に25年を要した)の地名項目に位置情報を加えて機械可読にしたもので、江戸時代の村までさかのぼる80,502件の地名をCC BYで公開している [UC-010 §6.1 『日本歴史地名大系』地名項目データセット, UC-013 §江戸時代の村のデータセット——統合の試みと課題]。

公開するのは名称・位置・読みと識別子という、書き手に依存しない事実に関する情報である。解釈に関わる詳細な解説は、有料の電子版(ジャパンナレッジ)に残してある。地名ページからその記述へリンクが張られ、オープンな側からクローズドな側へたどれる構造になっている [UC-012 §江戸近世村データセット]。

このデータセットは、他のデータセットとの突き合わせの要にもなる。幕末期の近世村66,581件を収める幕末期近世村領域データセットと名称の一致で突き合わせたところ、約56,000件を統合できた [UC-012 §江戸近世村データセット]。残りには、一方では1村が他方では東西2村に分かれている粒度の相違や、表記が大きく異なって対応づけられない例がある。表記揺れの一因にはOCR誤りもあり、粒度や表記の違い、どちらを正解とするかといった問題を丁寧に解くにはかなりの時間がかかる [UC-013 §江戸時代の村のデータセット——統合の試みと課題]。村にIDを付けるとは、こうして二つの資料を組み合わせる作業そのものである。

地名と住所を位置に変換する:ジオコーディング

住所や地名を緯度経度に変換する処理をジオコーディングと呼ぶ。住所は行政区分に対応した階層構造を持ち、都道府県から番号までが入れ子状に並ぶ [UC-031 §住所とジオコーディングとは]。日本の住所には、法務局が土地ごとに定める地番住所と、市町村が建物につける住居表示住所が併存する [UC-031 §住所とジオコーディングとは]。

住所は、表記揺れ・異体字・複数の表記法・部分的な省略といった問題を抱えており、機械的に扱うのは難しい [UC-031 §日本の住所が抱える課題]。ジオコーディングの精度は、地名辞書にあたる住所データベースの質に大きく依存する。

jageocoder:住所データベースを差し替える

現代の住所向けのジオコーダーjageocoderは、住所データベースを目的に合わせて差し替えられる [UC-031 §jageocoder——現代日本の住所ジオコーダー]。この性質を使うと、過去の住所データベースを用意して差し替えるだけで、過去の住所も同じ仕組みで地図に対応づけられる。過去の住所データベースを作るツールがjageocoder-dbtoolで、GeoJSON形式の地図データから住所データベースを作る [UC-031 §旧東京市15区住所データセットの構築]。

その一例が、1907年の郵便地図(各区1枚、計15枚)を基にした旧東京市15区住所データセットで、住所件数は56,089件である [UC-031 §公開したデータセットとマップ]。作成にあたっては、地理データ(GeoJSON)と住所データに加え、表記揺れを収めた辞書を別に用意した [UC-031 §旧東京市15区住所データセットの構築]。

表記揺れと異体字をどこで解くか

表記揺れ・異表記辞書は、実データに現れる住所を、住所データベース中のエントリに一件ずつ対応させる。たとえば「東京府東京市小石川區大塚辻町」を、省略されている「小石川」を補って「小石川大塚辻町」として扱う [UC-031 §旧東京市15区住所データセットの構築]。区と町名の間に入る地域名は日常では省略されがちで、実データでこの種の省略が多いため、補うルールが多く必要になる [UC-031 §旧東京市15区住所データセットの構築]。辞書を使う優先順位を決められるので、表記揺れ辞書を優先すれば、実データの不正確な住所にも対応できる [UC-031 §旧東京市15区住所データセットの構築]。

異体字は二段構えで扱う。jageocoderが標準で持つ地名異体字辞書に頻出する異体字を登録し、利用例の少ないものは表記揺れ・異表記辞書で個別に処理する [UC-031 §旧東京市15区住所データセットの構築]。Unicodeとして適当でない、書き間違いに近い文字は、無理に異体字として登録せず、住所データ側を修正する。辞書を拡張するか元データを修正するかは、どれだけ例外的かという観点から決める、微妙なバランスの上にある [UC-031 §旧東京市15区住所データセットの構築]。

関東大震災の死亡者住所を変換する

この住所データセットを使い、東京都慰霊協会が所蔵する「震災死亡者調査表」の住所(3万8,332件)を変換した例がある。大正期の住所は区画整理で町名が大きく変わっているため、現代の住所表記は参考にならず、原票の表記にも揺れがある [UC-032 §大正時代の住所をジオコーディングする課題]。たとえば「本所区三笠11」は、正式には「本所區本所三笠町」と「本所」が付く [UC-032 §住所データ修正のワークフロー]。この例では、変換率を見ながら4段階で修正した [UC-032 §住所データ修正のワークフロー]。

  1. そのまま変換し、表記揺れのパターンを収集して辞書に登録する。これで全体の約84%が地番レベルで変換できた。
  2. 「横川町」のように一意に決まらない町名を、文脈から判断する。区別の表記がなく単に「横川町」とだけあるものは「本所横川町」とみなした。
  3. 誤字・入力ミス(常磐→常盤、蛎売→蛎殻など)と区違いを、元データで手作業により修正する。レベル7(地番)は全体の86%に達した。
  4. 残りを一件ずつ確認する。地図上に存在しない地番は近接する番地で代表させるなどの処理を行い、レベル7は87%となった。

使用したデータセットは1907年時点のもので、対象の1923年と16年の差がある。ぴったり合うデータセットを探すのは無理なので、概ね適用可能と判断し、変化のある地域は後から考慮する方針をとった [UC-032 §ジオコーディングの基盤となるデータセットとツール]。実際、1913年に成立した町は1907年基準のデータセットに含まれず、変換できない [UC-032 §変換の限界と今後の課題]。

同じ名が違う場所を指し、違う名が同じ場所を指す

歴史地名では、名と場所が一対一に対応しない。同じ名が違う場所を指し、違う名が同じ場所を指す。両方向の例が記事に現れる。

同じ名が違う場所を指す:震災死亡者調査表の「横川町」は、本所横川町・中ノ郷横川町・柳島横川町のいずれかで、名だけでは区別がつかない [UC-032 §大正時代の住所をジオコーディングする課題]。『天保郷帳』でも、GeoLOD上に同名の地名が複数あり、直前の村の位置を中心に半径10km以内で検索して候補を絞った。1件に絞れたのは地名全体の68.6%(41,553件)で、残る31.4%(19,048件)は人手で突き合わせることになった [UC-049 §ルールベースによる絞り込み]。

違う名が同じ場所を指す:住所の表記揺れは、同じ場所が異なる書かれ方をする例である。「小石川大塚辻町」が「大塚辻町」と省略され、「一ツ橋通」が「一ッ橋通町」と書かれる [UC-031 §旧東京市15区住所データセットの構築]。区の誤記(「浅草區佐賀町」と書かれているが実際は深川区)もある [UC-032 §大正時代の住所をジオコーディングする課題]。

扱い方は大きく二つに分かれる。第一に、表記揺れ辞書や異体字辞書で、実データの表記を辞書のエントリに対応させる(前節)。第二に、同名の複数候補は文脈で絞り込み、絞れない分は人手で確認する。位置そのものが一つに決まらない歴史的な単位の扱いは、節「時間をもつ空間」を参照。

参考資料

この節へのコメント

  • まだコメントはありません。

1.3 時間をもつ空間

空間の境界は動く。同じ名前を使い続けていても、その名前が指す範囲は時代によって違う。旧国・旧郡、近世村、藩、市区町村といった単位はいずれもそうした変化の中にあり、これらを時代をまたいでデータにするには、動く単位を同定する方法と、時期ごとの記録を束ねる方法が要る。本節が扱うのは、単位の範囲が時代とともに変わるとき、動く単位に時代を超えた識別子をどう与えるかである。識別子の考え方は節「識別子とデータ引用」を、位置情報の扱いは節「空間の表し方」を、地名と識別子の関係は節「地名という接点」を参照。

範囲が変わっても同じものとして立てる市区町村

市区町村は、合併のたびに範囲が変わる。歴史的行政区域データセットβ版は、時期の異なる市区町村どうしを「同じもの」として統合し、同じものは同じIDを、違うものは違うIDを与える方針をとる。八王子市には13201A1968が付与されており、合併で範囲が広がっても概念としての八王子市を一つのエンティティとして扱う。資料中に八王子市が現れたときにこのIDと結びつければ、資料の年代によって範囲が変わることを確認できる [UC-033 §地名のデータセット:行政区域から近世村へ, UC-013 §歴史的行政区域データセット——市区町村IDの付与]。

江戸は、東京府東京市(15区)、同(35区)、東京都特別区部(23区)へと変遷した。こうした連なりでも、同一とみなせるものと別のものとを分けてIDを付与している [UC-013 §歴史的行政区域データセット——市区町村IDの付与]。

講演時点のIDは1920年以降の市区町村に網羅的に付与されており、合計16,729件である。市区町村コード(4,159件)、国土数値情報(12,234件)、行政界変遷DB(336件)の三系統から成る [UC-033 §地名のデータセット:行政区域から近世村へ]。データセットの管理主体の公開ページでは、その後の更新を経て行政区域件数が16,856件(2023年10月時点)とされている 1。課題は過去への遡及で、1919年から1889年(市制及び町村制の成立年)への遡及と、明治から江戸への遡及が残る。1889〜2006年には行政界変遷DBが使えるが、誤りが多く部分的な利用を想定している [UC-033 §地名のデータセット:行政区域から近世村へ, UC-013 §歴史的行政区域データセット——市区町村IDの付与]。

ポリゴン自体の出所も一様ではない。国土数値情報の行政区域データは、1920年が旧版地図から、1950〜1985年が国勢調査の町丁・字等別境界を基に、1995年以降が地形図や数値地図から作られており、データソースの違いから、実態とは異なる重なりや隣接関係が一時的に生じやすいとされる 1。

近世村:現代のデータで代用した境界

本田謙一が作成した幕末期近世村領域データセット(66,581件)は、境界を現代の農業集落境界データで代用している。領域のポリゴンは当時の境界そのものではなく、現代の農業集落と江戸時代の村にそれなりの連続性があるという前提に立つ近似である [UC-033 §地名のデータセット:行政区域から近世村へ, UC-012 §江戸近世村データセット]。

代用が必要になる事情は、村の成り立ちにある。村はもともと土地ではなく人を単位としたもので、その村に属する人が持つ土地が村の土地であり、領域が先にあったわけではない。どの村にも属さない荒地や入会地があり、複数の村に属する場所もあって、境界線を引く発想がそもそも合わない場合がある [UC-046 §近世村の領域を復元する課題と基盤データの選択]。

作成者は、2015年の農業集落境界データを最小単位として近世村の領域を推定することにした。小地域ポリゴンを東北で試すと山地で境界に違和感があったため、農業集落のほうを選んでいる。この方式は再現性に限界があるが、ポリゴンを新たに描かないため手間が少なくて済む [UC-046 §近世村の領域を復元する課題と基盤データの選択]。

代用の限界は、複合村と呼ばれる処理に表れている。一つのポリゴンに二つの村が入る場合は、今回は分けることをあきらめ、一つのポリゴンにまとめている。江戸川区のように市街化で農業集落が消えた都市部や、集落が統合・消滅した山間地では、それ以上の分割ができない。ダムに沈んだ村もある [UC-046 §作成手順]。

現代の集落との対応は、近世村と農業集落が1対1(標準型)のものが35,522村(53.5%)、1対多(須恵村型)が19,623村(29.6%)、多対1または多対多が11,190村(16.9%)であった。近世村=行政村=大字、農業集落=自然村とみなしてきた従来の整理に対して、近世村が自然村である地域と行政村である地域が混在する可能性が示されている [UC-046 §応用事例:全国石高変遷と集落類型]。

石高には旧高旧領取調帳データベース(国立歴史民俗博物館)が使われ、天保郷帳の翻刻データを組み合わせる予定もある [UC-013 §江戸時代の村のデータセット——統合の試みと課題, UC-012 §江戸近世村データセット]。この資料自体も時点が一様でなく、令制国ごとに時期がばらばらで、戊辰戦争後に転封された会津藩と転封後の斗南藩が、同時期には存在しないはずなのに両方載っている。同じ郡内の同名の村も多く、最も多いのは中村で、作成者は確か300ほどあったと述べている。新潟平野にも多数の中村があり、位置の推定を誤りやすい [UC-046 §間違いを前提にしたデータの定義]。

この誤りやすさに対して、村ごとの固有ID(UID)を最初のルールとして決めている。同名の村がデータベース上で連続している場合のみ同一村として固有IDを付ける。村は藩ごとに整列しているため、相給の村(一つの村を複数の領主が分けて治める村)でも離れて記載されていることがあるからである。位置の推定を進める中で村は分割・統合され、連番にはこだわらず、分割した村は5000番台、統合した村は欠番とする。IDは国・郡・村の組み合わせで、たとえば陸奥国津軽郡の青森町はK01G01S00001となり、レコードには村名、石高計、最大八つの領分とその石高などを持たせている [UC-046 §間違いを前提にしたデータの定義]。完成品を直すのではなく、村の位置や農業集落の所属といった元データを直して再処理する形にして、修正を容易にしている [UC-046 §手順③:自動でできるところは自動で]。

名称の照合については、節「地名という接点」を参照。

公式のリストがない単位を数える——藩

藩は、江戸時代には正式に定義された語ではなく、幕府が公式のリストを作ったわけでもない。そのため総数の確定が難しく、厳密な定義は歴史研究そのものになる。藩IDデータセットは、この問題を単位の定義そのものには踏み込まない形で扱っている [UC-013 §藩IDデータセット——識別子の付与と研究動向の可視化, UC-012 §藩IDデータセット]。

『藩史大事典』『角川新版日本史辞典』『岩波日本史辞典』などの事典を比較して統合や分離を検討し、寛文4年(1664)から明治4年(1871)に存在した藩として408藩にIDと別名を定めた。この数は唯一の正解ではなく、データセットの基準で決めたものである [UC-012 §藩IDデータセット, UC-033 §地名のデータセット:藩・街道・宿場とGeoLOD]。

呼称も公式には定まっていない。地名で呼ぶか家名で呼ぶかの二通りがあり、仙台藩と伊達藩、薩摩藩と鹿児島藩のようにずれが生じる。同名の松山藩は出羽・伊予・備中に三つあり、区別が要る。代表的な呼称は、J-STAGEの論文での使われ方やWikipediaの用例など、現代の利用実態も参照して決めた [UC-012 §藩IDデータセット, UC-013 §藩IDデータセット——識別子の付与と研究動向の可視化]。

位置は、居城や陣屋を代表点として付与している。城跡が残る有名な藩は問題ないが、一万石規模の小さな藩には所在が判然としないものがある。陣屋は小さな建物で痕跡が消えやすく、石川藩の陣屋のように候補が複数あって一つに決められない例もある。こうした場合にはUber H3インデックスを使い、六角形で位置の範囲を指定する。IDの中に場所と六角形の大きさが含まれるため、ID自体に曖昧さのレベルを持たせられる [UC-012 §藩IDデータセット, UC-033 §地名のデータセット:藩・街道・宿場とGeoLOD, UC-013 §歴史的空間情報基盤の課題と今後の展望]。

領域は、幕末期近世村データの領分(旧高旧領取調帳に由来)で可視化できる。居城の周囲にまとまるという素朴なイメージとは異なり、加賀藩や尾張藩の領分は大まかには二つの地域に分かれ、熊本藩には飛び地が多い。領域内には別の領主に属する村が「穴」として入る場合もある。村は基本的に一つの領主に属すが、複数の領主を持つ村もあるので、村と藩は多対多の関係にある [UC-012 §藩IDデータセット, UC-010 §藩IDデータセットと村・藩の統合的な可視化, UC-013 §藩IDデータセット——識別子の付与と研究動向の可視化]。

藩IDを導入すると、表記揺れしていた藩名をIDで結合・統合でき、寛政武鑑と安政武鑑の経時的な統合のようなほかのデータとのリンクも容易になった [UC-012 §藩IDデータセット, UC-013 §藩IDデータセット——識別子の付与と研究動向の可視化]。

旧国・旧郡:時代に合わせてIDを振り直す

旧国・旧郡境界データセットは、人間文化研究機構が公開する「幕末明治地勢地図境界データ」を利用している。ただし明治期と江戸期では国・郡の分け方が異なるため、江戸・明治の実情に合わせて、CODH側で新たにIDを付与し直した [UC-013 §既存データセットの活用と過去データの課題]。同じ名前の国や郡でも、時期によって範囲が違うことをIDの側で吸収する例である。

経路と点にも通時的なIDを与える

面だけでなく、経路(線)と点(宿場)にも、時代をまたぐIDが与えられている。番号付けの発想と規則は節「識別子とデータ引用」を参照 [UC-013 §江戸の地理空間データと街道・宿場のID化, UC-012 §江戸期地理データセット]。

江戸主要街道データセットは、五街道および主要脇街道の道路データで、総延長は約8,360kmである。文献によって街道の名称が異なっても、IDで管理すれば同じものとして扱える [UC-044 §地名・街道・宿場のデータセット, UC-033 §地名のデータセット:藩・街道・宿場とGeoLOD]。

江戸宿場データセットは、『日本歴史地名大系』の宿場データに宿場IDを付与したもので、東海道品川宿はR001-002となる。ただし宿場IDの付与は進行中で、まだ全部はできていない [UC-044 §地名・街道・宿場のデータセット, UC-033 §地名のデータセット:藩・街道・宿場とGeoLOD]。

街道にも時期による移設や経路の違いがあり、複数の経路が想定されうる。講演の質疑では、IDを与えつつ、説や時期に応じて複数の経路を割り当てられる柔軟な枠組みが望ましいという指摘が出された。ナンバリングに公式の定義がなく、呼称や経路がぶれることから、できるだけ柔軟に対応したいとされている [UC-012 §江戸期地理データセット]。

既存の通時的データセットが再利用しにくい理由

過去に作られた通時的データセットの再利用には、共通する課題がある。旧国・旧郡境界データセットのもとになった「幕末明治地勢地図境界データ」を例に、講演では四点が挙がっている [UC-013 §既存データセットの活用と過去データの課題]。

  • 精度: 技術的制約のある時代に作られ、現代の基準では精度や統合に問題がある場合がある。
  • サービス展開の未達: データセットが公開されても、サービス展開やプラットフォーム化に至らなかった。
  • 修正手順の未整備: 修正手順が確立されておらず、誤りの指摘に対応しにくい。
  • 翻刻の誤り: 紙資料のデジタル化・翻刻(OCR)の過程で誤りが混入する。

行政界変遷データベース(筑波大学で構築)は、精度の問題でそのままでは使えない例である。1889〜2006年を扱う貴重な資料だが、誤りが多く、部分的な利用にとどめている [UC-013 §歴史的行政区域データセット——市区町村IDの付与, UC-013 §歴史的空間情報基盤の課題と今後の展望]。

これに対して、データの側に修正しやすさを組み込む工夫も試みられている。幕末期近世村領域データセットは、完成品ではなく元データ(村の位置や農業集落の所属)を直して再処理する形にして、修正を容易にしている [UC-046 §手順③:自動でできるところは自動で]。

参考資料

この節へのコメント

  • まだコメントはありません。

1.4 地図資料の処理

古地図や絵図を現代の地図に合わせるとは、画像上の点を地球上の位置に対応づけることである。測量にもとづく地図なら、幾何学的な変換でかなりの範囲を合わせられる。測量にもとづかない絵図は、位置関係をどこまで信じるかを決めたうえで、一点ずつ扱うことになる。座標系や投影法の選択については「空間の表し方」を参照。

基準点を打って重ねる

古地図の位置合わせの基本はジオレファレンスである。古地図と現代地図のあいだに GCP(Ground Control Point、基準点)と呼ばれる対応点を打ち、対応点どうしができるだけ近づくように幾何学的な変換を求める [UC-011 §4. 江戸切絵図を現代地図に重ねる——地名抽出とジオレファレンス]。変換の結果、地図は回転し、距離の合わない部分は歪めて合わせられる。

基準点には、桜田門のような特徴的な地物や堀が曲がる地点が選ばれた。対応物が変化している場合は、現在残っている地物を探して合わせる。かつての堀が現在は外堀通りになっている例である [UC-011 §4. 江戸切絵図を現代地図に重ねる——地名抽出とジオレファレンス]。変換が済めば、古地図を現代地図や Google Earth に重ねられる。江戸切絵図では、東京駅周辺がかつて大名屋敷の区域であったことや、運河の名残が道路に変わった様子が読み取れた [UC-010 §江戸マップ──古地図からの地名抽出とジオリファレンス]。

江戸マップの作成では、位置合わせに先立つ作業がある。地図に描かれた地名の画像座標と翻刻を IIIF Curation Viewer で収集し、続いて切絵図と現代地図の間に基準点を設定して座標変換パラメータを得て、地名の画像座標から緯度経度を推定した [UC-044 §江戸マップ:江戸切絵図の地名を現代の地図に重ねる]。ジオレファレンスは、地名の翻刻という作業の上に載っている。

歪みの大きさをどう扱うか

変換だけでは合わない地図

江戸切絵図は全 29 枚で東京全体を覆うが、後ろの図ほど位置合わせが難しくなる。観光名所を一枚の枠に収めるために、距離も方向も大きく崩れているためである [UC-011 §4. 江戸切絵図を現代地図に重ねる——地名抽出とジオレファレンス]。巣鴨付近では、実際には遠い場所が近くに詰めて描かれていた。この地図は「この道を行けばここにたどり着く」というトポロジカルな関係としては正しく、距離と方位を歪めた地図として解釈すべきだという見方が示されている [UC-044 §江戸マップ:江戸切絵図の地名を現代の地図に重ねる]。

全体を一括で合わせると周辺ほど誤差が増える [UC-012 §江戸マップデータセット]。対処は二段階で行われた。まずジオレファレンスで地名の点をおおよその位置に合わせ、そのうえで一点ずつを現代地図と見比べながら正確な位置へ動かす。寺院が多く描かれた領域では、OpenStreetMap のほうが使いやすかった [UC-010 §江戸マップ──古地図からの地名抽出とジオリファレンス; #UC-044 §江戸マップ:江戸切絵図の地名を現代の地図に重ねる]。この作業を 29 枚すべてで行い、複数の図に現れる同一地名を統合した結果が江戸マップである [UC-044 §江戸マップ:江戸切絵図の地名を現代の地図に重ねる]。

測量地図でも誤差は残る

測量にもとづく地図にも誤差はある。伊能図は実測にもとづくが、測量は海沿いが中心で、測量した部分にもずれが見られる。そのため、岬の地点や村と街道の屈曲といった特徴を現代地図と対応づけて位置を合わせ、江戸時代の海岸線の推定に用いている [UC-011 §5. 江戸の地理空間データとその活用]。

スタインのシルクロードの地図では、描かれた緯度経度の線そのものがずれていた。誤差は場所によって数十 km に及び、特に経度方向で大きかった。経度はグリニッジとの時差から求めるため、砂漠で時計が狂いやすく、都市から離れるほど誤差が蓄積したのである。緯度経度の位置に GPS を頼りに行っても遺跡が見当たらなかったのは、遺跡が失われたからではなく、地図がずれていたからだった [UC-011 §7. ディジタル・シルクロードの古地図を読み直す]。

地図の誤りが、画像の取り違えに由来することもある。乾隆京城全図は、基準点が合わない箇所を寺院の位置などから調べると、5 枚のシートで配置が入れ替わっており、一枚の中で左右が逆転しているものもあった。撮影時のミスか、傷んだ地図の修復時の取り違えと考えられる [UC-011 §7. ディジタル・シルクロードの古地図を読み直す]。北京の城内は碁盤目状の道であるため、基準点だけでなく、線を線に対応づけて直線が直線として保たれる変換も開発された [UC-011 §7. ディジタル・シルクロードの古地図を読み直す]。ただつなげればよいのではなく、正しくつながるかを確認する必要があるというのが、この事例から引き出された教訓である。

幾何補正と一点合わせ

古地図を現代地図に重ねる方法は二つの方向に分かれる。

  • 幾何補正(GCP を使うジオレファレンス): 複数の対応点から変換式のパラメータを推定し、対応点以外の点も式で写す。多くの点の位置は合うが、形が歪むため、地図上の文字が読めなくなる。
  • インタラクティブ・ジオレファレンシング: 見たい一点だけを合わせ、地図の形は歪めない。その一点の周辺以外はずれるが、形が保たれるので文字も読める。スマートフォンで自分のいる場所を中心に合わせて見るような用途に向く [UC-011 §6. 古地図の位置合わせ手法とソフトウェア]。

使い分けは精度の見極めで決まる。ある程度の精度のある測量地図には GCP のジオレファレンスが有効であり、歪みの大きい地図は、幾何変換すると可読性が大きく下がるため、歪めずに一点だけ合わせる方法が有効である。点データにとって、ジオレファレンスは出発点にすぎない [UC-011 §8. まとめ——不確かさと向き合う歴史GIS]。

誤差そのものを見せる道具として、一点だけ合わせるソフトウェア「マッピニング」が開発された。地点を選ぶと背景地図が動いてそこだけが合い、「この地点は約 5.6 km ずれている」といった誤差が表示される。ずれの向きへずらして合わせると、遺跡が見つかった [UC-011 §7. ディジタル・シルクロードの古地図を読み直す]。

測量に基づかない地図の扱い

絵図は、測量していないために合わせにくく、一点ずつ合わせる必要がある [UC-011 §8. まとめ——不確かさと向き合う歴史GIS]。江戸切絵図の後半の図は、座標を信じず、トポロジカルマップ(位相的な地図)として読む対象になる。トポロジカルマップとは、地下鉄の路線図のように、距離や方位が不正確でも、接続関係(どの駅で乗り換えるか)が保たれていればよい地図である [UC-011 §7. ディジタル・シルクロードの古地図を読み直す]。

この読み方が効いた事例が、シルクロードでスタインと同じ地域を調査したグリュンヴェーデルの地図である。位置や方位はずれているが、調査した遺跡と、そこから出土した壁画・壺などの遺物が結びつけて記されている。この地図では、位置や方位を直接は信じず、描かれた道や壁の位置関係を正しいものとして読み、写真の位置関係も併用しながら、もっともらしい解釈を組み立てた。こうして、ほとんどの遺跡を同定できた [UC-011 §7. ディジタル・シルクロードの古地図を読み直す]。

道具とサービス

古地図の位置合わせには、次のような道具とサービスが使われている [UC-011 §6. 古地図の位置合わせ手法とソフトウェア]。

道具 特徴
日本版 Map Warper 立命館大学が公開するサービス。画像をアップロードして対応点を打つと位置合わせができる。OpenStreetMap を土台に、多くの人が地図を持ち寄って合わせられる。江戸切絵図でも使用
Georeferencer 地図収集家デイビッド・ラムジーのコレクションに付随する仕組み。ブラウザ上で点を打って合わせるほか、三次元的な重ね合わせもできる
Allmaps IIIF に対応し、IIIF で公開された地図を取り込んで位置合わせする。複雑な GIS の基盤や XYZ 形式のタイル生成を必要とせず、IIIF サーバーさえあれば動く。複数ページの紙をつないで一枚の地図にすることもできる
Maplat 一点合わせに近く、イラストマップや路線図のように絵のように描かれた空間表現を扱う。位置関係が逆転しないよう同相変換を行い、三角形に分割したり線を線に変換したりして、もとの線が保たれるようにする

IIIF は位置合わせの前段にも使われる。江戸切絵図は国立国会図書館デジタルコレクションで IIIF 形式で公開されており、IIIF Curation Viewer を使うと、地図上の各地点にマーカーを立てて地名を記録できる [UC-011 §4. 江戸切絵図を現代地図に重ねる——地名抽出とジオレファレンス]。大きな一枚画像に大量のアノテーションを付ける場合も、IIIF Curation API に対応したデータであれば、表示と検索のツールを共通に使える。東洋文庫『大明地理之図』では、IIIF Curation Viewer で作成したデータを、アノテーションの表示と検索を行うツールに読み込ませる構成が取られている [UC-003 §東洋文庫『大明地理之図』]。IIIF そのものの仕組みは「画像の流通基盤」を参照。

公開されている成果物

位置合わせの成果は、データセットや地図サービスとして公開されている。

この節へのコメント

  • まだコメントはありません。

1.5 地誌という資料

地誌とは、ある地域に何があり、何が営まれているかを記した資料の総称である。地図が点やポリゴンなどの幾何的なデータであるのに対し、地誌はテキストや画像などのメディアデータであり、両者は地名を介して結びつく [UC-033 §地図・地誌・地名の枠組みと識別子付与の方針]。地名が両者をどう接続するか(三つの空間のモデルと、識別子・座標による定式化)は、「地名という接点」を参照。ここでは、どんな資料が地誌として使えるのか、そこに何が記されているのか、そこから何を取り出せるのか、そして地理情報とどう結びつくのかを順に述べる。

どんな資料が地誌として使えるのか

地誌の類型としては、名所図会・地域誌・案内記・買物案内・武鑑などが挙げられる。この節に紐づく記事で具体的に確認できるのは、次の二種類にとどまる。

一つは名所図会である。江戸時代のガイドブックで、『江戸名所図会』には飯田町の中坂や九段坂(現在の千代田区)が描かれている [UC-045 §POIを選び]。図と文によって場所を紹介する資料であり、地誌が画像としても現れることを示している。

もう一つは辞書型の地名資料である。平凡社の『日本歴史地名大系』は、現在は失われた地名も含み、地名の名称・位置・読みと、辞書独自の詳細な解説とからなる [UC-010 §地名・村のデータセット]。地名を項目として並べる資料である。

前者は図と文で場所を紹介する資料、後者は地名を項目として並べる資料であり、地誌の中にも性格の異なる資料があることがわかる。

そこに何が記されているのか

名所図会のような資料には、場所の名前と姿が記される。れきちずのPOI(地点)は、国絵図や名所図会などに記載されているものを中心に選定されている。選定の恣意性をできるだけ避けるためで、関所、宿場、城、神社、寺、橋、茶屋など、江戸時代のさまざまな地物が収録されている [UC-045 §POIを選び]。

地誌に記されていることには偏りがある。当時人気だった場所と現在有名な場所は必ずしも一致せず、浮世絵や講の記録などから当時の賑わいを読み取って、当時の観光地にあたる場所も採っている。例として、大山に参詣する大山詣りの人々を描いた浮世絵が挙げられている [UC-045 §POIを選び]。

資料のカバー範囲にも偏りがある。江戸や東海道のように名所図会などの資料が充実している地域がある一方、そうした資料がない地域もある。この地域ごとの偏りは課題として挙げられている [UC-045 §POIを選び]。地誌から集めた地点の分布は、当時の実態そのものではなく、資料が残した範囲を反映するものとして読む必要がある。

そこから何を取り出せるのか

地誌からは、地点の名前と分類を取り出せる。分類には判断を要する場面がある。神社か寺か、城か陣屋かといった区別に悩むことがあり、神社か寺かについては、当時は両者がそれほどはっきり分かれていなかったことが理由として挙げられている [UC-045 §POIを選び]。現代の分類を過去の資料に当てはめるときの注意点である。

資料にもとづいて取り出した地点には、表示の優先度を付けられる。表示順を制御するランクを付け、低いズームでは成田山や関所など重要度の高いPOIを、高いズームでは継立場や村名なども表示する [UC-045 §POIを選び]。

街道や宿場は、地名辞書型の資料から取り出されている。江戸宿場データセットは、『日本歴史地名大系』の宿場の記述を街道IDごとにリスト化し、宿場IDを付与したものである。東海道の品川宿はR001-002となる [UC-044 §地名・街道・宿場のデータセット]。街道IDは、五街道だけ一桁、その他は地域ごとに三桁の番号が付与されている。文献によって街道の名称が異なっても、IDで管理すれば同じ街道として扱えるので、移動のデータを扱うときに便利である [UC-044 §地名・街道・宿場のデータセット]。地誌の記述から、IDを備えたデータ項目が取り出されている例である。

地理情報とどう結びつくか

地誌と地理情報は、地名に識別子を与えることで結びつく。何を同じエンティティとみなすかの判断を含め、その定式化は「地名という接点」を参照。

地誌の記述が地理情報に結びつく様子は、江戸宿場データセットによく表れている。宿場の記述に宿場IDが、街道に街道IDが与えられるので、地誌の記述がIDを介して地図上の街道や宿場に対応づけられる [UC-044 §地名・街道・宿場のデータセット]。

図として残る地誌の地名も、同じように位置に結びつけられる。江戸切絵図に描かれた地名は、識別子を付けた地名データとして切り出され、現代の位置に結びつけられている [UC-044 §江戸マップ:江戸切絵図の地名を現代の地図に重ねる]。位置合わせの手順は「地図資料の処理」を参照。

この節へのコメント

  • まだコメントはありません。

1.6 地理データの形式と公開基盤

地理データを扱うときの出発点は、ラスタとベクタという二つのデータモデルのどちらを主に用いるかである。この選択は、デスクトップ GIS での扱い方や、配信に使うタイル形式へと波及していく。

ラスタとベクタ——データモデルの選択

ラスタデータは、四角形のグリッドのすべてに情報が埋まった構造をとり、衛星画像が典型例である。ベクタデータは、点・線・ポリゴンという図形で位置情報を表す。点は店や学校などの特定の場所(POI)、線は道路、ポリゴンは千代田区のような行政区画の境界に対応する。ポリゴンは始点と終点が一致する閉じた図形で、内部に穴を持つ場合はポリゴンの配列として表せる [UC-009 §地理情報システム(GIS)とデータ構造]。

面を表すもう一つの構造が TIN(Triangulated Irregular Network)である。点どうしをドロネー三角形分割で結んで三角形の網を作り、各頂点に標高などの値を与えて三次元の表面を表す。センサーのある地点の値から、センサーのない場所の値を補間したい場面で用いられ、IoT のようにセンサーを配置して計測する場合によく現れる [UC-009 §地理情報システム(GIS)とデータ構造]。

扱う対象が面的に連続する値なのか、個別の地物なのかによって、どちらのモデルを主に用いるかが決まる。座標系や投影法がこの選択にどう関わるかは、「空間の表し方」を参照。

デスクトップ GIS とレイヤー管理

GIS は地図を表示するだけでなく、地図の作成、情報の付加、データの処理といった機能を持ち、地理情報を管理・可視化・分析するソフトウェアである。特徴的な機能がレイヤーで、道路や建物などの情報をレイヤー単位でオン・オフし、表示する情報を組み合わせられる。道路レイヤーをオフにすれば道路が消え、建物レイヤーをオフにすれば建物が消える。オープンソースの実装としては QGIS が広く使われている [UC-009 §地理情報システム(GIS)とデータ構造]。

バイナリベクタタイルによる大量地点の配信

多数の地点をウェブ地図上で扱う場合、配信形式の選択が表示のしやすさを左右する。歴史地名マップでは、人間文化研究機構・H-GIS 研究会が公開する歴史地名データ 298,914 件をバイナリベクタタイルに変換し、多数の地点を 1 枚のウェブ地図に表示している [UC-013 §既存データセットの活用と過去データの課題]。この事例は、大量の点データをタイルに変換するという方法が実際に成立することを示している。

旧国・旧郡境界のような既存の通時的データセットが再利用しにくい理由(精度・サービス展開・修正手順・翻刻)は、形式ではなくデータの中身に由来する。その内容は「時間をもつ空間」を参照。データベースや配信サーバの選び方一般は「データの格納と情報基盤」を参照。

この節へのコメント

  • まだコメントはありません。

2 画像と視覚資料

画像・写真・三次元といった視覚資料を、研究のためのデータとしてどう作り、どう流通させ、どう分析するかをまとめる。

2.1 資料をさがす・集める

画像資料の研究は、どこで資料を見つけ、どこまでを集めるかを決めるところから始まる。本節は、機関の枠を越えて資料とその部分を探す横断検索と、その索引化(IIIF Curation Finder・Canvas Indexer)、そして何を集めるかという判断を担う。画像が機関をまたいで同じ方式で公開されていることの仕組みは節「画像の流通基盤」を参照されたい。本節ではそれを収集の前提として使う。

機関をまたいで集める

IIIF で公開された画像であれば、公開元の機関を問わず同じ仕組みに読み込める [UC-041 §顔貌コレクション(顔コレ)とは]。顔貌コレクションは、さまざまな機関の公開作品から顔を集めた例である [UC-041 §顔貌コレクション(顔コレ)とは]。

集めた部分に統一的なメタデータが付いていれば、機関が違っても同じ書式の値で引ける。横断検索が成り立つのはこの統一があるからで、作品の枠を越えた検索が可能になる [UC-041 §顔貌コレクション(顔コレ)とは]。付与の項目としかたは節「部分を切り出す」を参照されたい。

部分まで探す——検索と索引化

横断検索の単位は、作品や冊子とは限らない。この検索は二層で成り立っている。表側の入口が IIIF Curation Finder、裏側で索引を作るのが Canvas Indexer である [UC-002 §メタデータ検索と派生キュレーションの作成]。Finder では、メタデータの値を選ぶと、作品を越えて該当する部分が集まる。表示の単位は、キャンバス(個々の部分)とキュレーション(作品単位)のあいだで切り替えられる [UC-002 §メタデータ検索と派生キュレーションの作成]。

裏側の索引は、外から取り出して使うこともできる。searchEndpointUrl からはキュレーションに含まれる画像とメタデータの一覧が、facetsEndpointUrl からは付与されたメタデータの一覧と各値の付与数が取得できる [UC-002 §メタデータ検索と派生キュレーションの作成]。メタデータと画像座標を一括して取得できるので、検索の画面を介さずに、索引の内容をそのまま別の用途へ回せる [UC-002 §メタデータ検索と派生キュレーションの作成]。部分まで探せるかどうかは、画像を公開することとは別に、索引を整えることで決まる。

検索結果は、そのまま次の収集の材料になる。派生キュレーションの作り方と意義は節「部分を切り出す」を参照されたい。

何を集めるか——悉皆か標本か

何を、どこまで集めるかは、研究の結論に直結する。集めた範囲が結論を規定するからである。

収集の方針は、数が示す傾向に反映される。顔コレでは男性が圧倒的に多いが、テーマを選ばずに各機関の公開作品を網羅的に取り込んでいけば男性がさらに増えていくのではないか、というのが講演者の見立てである [UC-041 §顔コレの活用]。これは件数の紹介ではなく、何を取り込むかによって傾向が変わりうるという論点である。収集の対象が近世の絵巻・絵入本に偏っていること [UC-041 §顔貌コレクション(顔コレ)とは] も、その一例である。講演者は、日本中の作品から顔を集められるようになれば、作品の一般的な傾向がより明らかになるのではないかとも述べている [UC-041 §顔コレの活用]。

一方、網羅の単位を領域全体から一作品へ置き換える選び方もある。『遊行上人縁起絵巻 清浄光寺甲本』の分析では、広い領域から標本を取る代わりに一つの作品に絞り、その悉皆を目指すことで、作品の中の比較が成り立つようにした [UC-041 §『遊行上人縁起絵巻 清浄光寺甲本』への手法の適用]。研究コミュニティ全体のために長いスパンで作品を足し続ける顔コレと、ある程度の期間で結論を出す具体的な分析との違いが、網羅の単位の選び方に表れている [UC-041 §『遊行上人縁起絵巻 清浄光寺甲本』への手法の適用]。作品の規模と切り抜きの作業は節「部分を切り出す」を、絵師の分担の解釈は節「特徴抽出と様式分析」を参照されたい。

集める対象は、資料の種類と問いに応じて、どの単位まで切り出すかも含めて選ばれる。『捃拾帖』では、各ページにさまざまな資料が貼り込まれたスクラップブック群を、貼り込み資料の単位まで切り出して管理した [UC-003 §『捃拾帖』内容検索システムと貼り込み資料の自動抽出]。『ヒエラティック古書体学』データベースは、比べたい対象である文字に合わせて、字典を行の単位で集めた例である [UC-003 §『ヒエラティック古書体学』データベース]。字形の比較は節「文字を読む」を参照されたい。『デジタル源氏物語』は、東京大学総合図書館所蔵本に限らず、九州大学をはじめ複数の機関で公開されている写本・版本を集約して諸本対照を行えるようにした [UC-003 §「デジタル源氏物語」と諸本比較支援]。何を単位に、どの機関の範囲まで集めるかは、資料の構造と比べたい対象から決まっている。

集める行為を支える知識と体制

集めた範囲の質は、集める人の知識に左右される [UC-041 §顔コレの構築過程]。付与・切り抜きの作業体制は節「部分を切り出す」を参照されたい。地域の資料を集める場合は、地域の知識と組織の連携が収集の可否を左右する。たとえば「京都の鉄道・バス写真データベース」は、デジタルアーカイブの専門組織である立命館大学アート・リサーチセンターと連携したことで、継続的な公開と管理が可能になった [UC-005 §京都の鉄道・バス写真データベースの構築]。写真の同定や素材の性格は節「写真という資料」を参照されたい。

集めた範囲を記録に残す

収集は資料を見つけて終わりではない。集めた範囲に何が含まれ、何が含まれないのかを残すことが、後の結論を読むうえでの前提になる。顔コレの男女比の偏りも、収集の対象が近世の絵巻・絵入本に寄っていることも、範囲が分かってはじめて結論との関係を読み取れる。範囲の記録がなければ、傾向が資料の側にあるのか、集め方の側にあるのかを区別できない。

この節へのコメント

  • まだコメントはありません。

2.2 画像の流通基盤

IIIF(International Image Interoperability Framework)は、高品質で出典の明示されたデジタルオブジェクトを大規模にオンラインで届けるためのオープンな標準群であり、同時にそのAPIを開発・実装する国際的なコミュニティでもある 1。様々なサイトがHTMLで提供するページを同じブラウザで閲覧できるのと同様に、様々なサイトがIIIFで提供する画像は、どのビューアでも同じように閲覧できる。相互運用性を画像の世界で実現したことが、IIIFの注目される理由とされている。[UC-001 §IIIF Curation Platformとは何か] この節では、その構成、マニフェスト、機関をまたぐ閲覧がもたらす変化と、相互運用の前提として何を揃えるかを述べる。

画像を返す API と、閲覧の構造を与える API

構成の中心は二つのAPIである。Image APIは、標準的なHTTPまたはHTTPSのリクエストに応えて画像を返すWebサービスを定める。URIで、取り出す領域、大きさ、回転、品質、形式を指定でき、画像の技術的な情報を求めるURIも組み立てられる 2。部分を指定して取り出せるので、利用者は画像全体を手元に置かずに、必要な範囲だけを機関から受け取れる。

もう一方のPresentation APIは、デジタルオブジェクトを人間に見せるための情報を与える。画像・映像・音声などを閲覧者に表示し、複数の視点や時間範囲のあいだを順に、あるいは階層的に移動でき、オブジェクトの記述情報を示し、公開者と利用者がオブジェクトに注釈を付けられる共通の環境を提供する。検索エンジンによる索引付けのためのメタデータ提供は対象に含めていない 1。この二つのAPIを備えた機関の画像は、冒頭で述べたとおり、機関ごとにビューアを作り分けずに、同じビューアで閲覧できる。

マニフェスト

資料の構造を記述した文書がマニフェストである。各機関のサイトに置かれたマニフェストをビューアに読み込ませると、作品が表示される。[UC-002 §顔コレ構築のワークフロー] 読み込む側から見れば、どの機関の資料かは操作を変えない。

マニフェストが閲覧の挙動を決める例として、綴じの向きがある。日本古典籍データセットの和書と東洋文庫所蔵の貴重書デジタルアーカイブの洋書とではページめくりの方向が逆になるが、IIIFにはどちら側にめくるか(viewingDirection)を指定する機能があるため、同じビューアでどちらも閲覧できる。[UC-001 §IIIF画像の閲覧] 公開側の記述が、利用側のビューアの振る舞いを左右する。

標準の枠に収まる資料と、独自拡張に頼る資料

どんな資料でもこの枠に収まるわけではない。高解像度画像が短い間隔で観測される気象衛星画像のような時系列のアーカイブでは、「前」「次」が「ページ」ではなく「時間」の移動になり、カレンダーから日付を選ぶ操作も求められる。この種の資料は現在のIIIFの枠組みでは適切に扱えないため、Timeline APIとCursor APIを独自に拡張して実現しており、独自拡張に対応したビューアでしか表示できない。[UC-001 §IIIF画像の閲覧]

標準の仕様に沿って公開した資料と、独自拡張に頼った資料とでは、閲覧できるビューアの範囲が変わる。独自拡張で表現力を得ることは、対応していないビューアでは表示できなくなることと引き換えである。どちらを選ぶかは、公開する資料の性格と、誰にどう見てほしいかで決まる。

機関をまたいで資料を並べて見る

相互運用がもたらす最も大きな変化は、機関の境界を越えて資料を扱えることである。多くのミュージアムやライブラリが高解像度画像を公開してきたことが、大規模なデータ収集の背景にある。IIIFの相互運用性は、日本でも他の国でも同じ技術でデータを集められる形で、組織横断的かつ全球的な収集を可能にした。[UC-040 §知見と今後の展望]

利用者が画像を複製せずに使える例が、江戸マップである。もとの地図画像は国立国会図書館デジタルコレクションのIIIF画像で、CODHはこれをコピーせず、国立国会図書館にアクセスして取得し、その上に重ねる町名や施設名の情報だけを作成している。[UC-001 §地図へのアノテーション] 機関をまたいで集める行為そのものについては節「資料をさがす・集める」を、集めた画像から部分を切り出す作業については節「部分を切り出す」を参照。

別の機関の画像が、同じ手順で読み込め、同じ画面に並ぶ。この変化は、見る側の作業を変えるだけでなく、公開する側の価値の置きどころも変える。各種ツールがIIIFを前提とするにつれ、IIIFに対応していないアーカイブが逆に「不便」とみなされる時代が近づいている、という見方が示されている。[UC-001 §IIIFの相互運用性とICPの独自性]

相互運用の前提として揃えるもの

流通は、公開側が何を揃えるかに左右される。記事から読み取れる前提は三つに整理できる。

第一は、画像そのものが提供機関からIIIFで公開されていることである。利用者が画像を複製せず提供元から取得し、付加情報だけを作る使い方は、この公開を前提に成り立つ(前節の江戸マップを参照)。[BP-001 §画像は複製せず領域とメタデータを持つ]

第二は、標準の仕様に沿うのか、独自拡張に踏み込むのかという選択である。前節のとおり、独自拡張は対応ビューアに閲覧を限る。[UC-001 §IIIF画像の閲覧]

第三は、メタデータをどこまで記述するかである。メタデータには、利用者の類型、項目の類型、専門性の類型という複数の論点がある。自分や自組織のためだけなら相互運用性はあまり重要ではないが、一般的・専門的な利用者による流通を想定すると、相互運用性を考慮した形式や、分野ごとの詳細なメタデータが必要になる。項目は基本・内容・来歴・管理・利用の5種類に整理される。[UC-021 §メタデータをめぐる論点:利用者・項目・専門性] 公開側は、誰が使うことを想定して、どの項目をどの水準まで記述するかを決めることになる。

参考資料

この節へのコメント

  • まだコメントはありません。

2.3 部分を切り出す

画像資料の一部を切り出して集め直すと、一点の資料の内側に分け入った比較が、機関をまたいで可能になる。顔のように特定の部分を多くの作品から集めれば、描き方の違いを一覧で確かめられる。本節では、何を単位に切るか、何を記述するか、集め直した部分をどう扱うかを順に述べる。IIIF の仕組みそのものは節「画像の流通基盤」を参照。機関をまたぐ横断検索と索引化は探す側の担当なので、節「資料をさがす・集める」を参照。

何を単位に切り、何を記述するか

切り出しの単位は、研究の問いが決める。顔コレ(顔貌コレクション)は、各機関が IIIF で公開する作品から顔の部分を切り抜いて集めた事例である [UC-041 §顔貌コレクション(顔コレ)とは]。対象は顔に限られない。江戸時代の商人の広告や版面を切り取った江戸買物案内、名所案内から名所の画像を切り取った江戸観光案内も、統一的なメタデータを付与して整理した同様の試みとして公開されている [UC-041 §ICPを活用した展開]。名所案内のような地誌資料も、画像として部分に切り分ければ、名所の名前などのメタデータを付けて江戸の都市空間を再現する材料になる。

キュレーションとは、あるテーマに沿ってコンテンツを集め、適切な順番に並べ、新たなコンテンツとして提示・共有する活動である [UC-040 §IIIFとキュレーションによる画像収集]。実例として、末摘花の描かれ方を集めた「不美人の描き方—「末摘花」」と、肖像の顔貌を集めた「顔貌データ:イギリスの肖像」が挙がっている。どちらもテーマに沿って画像を集めたキュレーションであり、並べることで描き方の比較が可能になる [UC-040 §IIIFとキュレーションによる画像収集]。

切り出した部分は、元の画像を複製するのではなく、領域の指定とメタデータとして持つ。IIIF の枠組みでは、これがキュレーションリストとして記述される。リストは、複数の資料(マニフェスト)からそれぞれ切り出した画像領域を、メタデータとともに1ファイルで管理できる。データ管理が容易になり、長期保存にもつながる点が利点として述べられている [UC-003 §まとめ:相互運用性と管理の容易さ]。

このキュレーションの記述は、IIIF の Curation API で定義された、画像を切り取ってまとめるデータ形式である。IIIF Presentation API の annotation とは異なるが、大部分は相互変換できる [UC-001 §IIIF画像のアノテーション]。仕様に沿ったデータは、特定のツールに閉じない。IIIF Curation API に対応したキュレーションリストは、ICP(IIIF Curation Platform)とは別のアプリであるセルフミュージアムも入力として読み込める [UC-003 §Cultural Japan とセルフミュージアム]。以下で扱う作成・管理の手順は ICP のツールで示されているが、記述の形式は仕様として共有されている。

キュレーションの作成と保存

作成の手順は単純である。画面上の切り取りボタンで矩形領域を指定し、お気に入りに入れると、欲しい画像がキュレーションリストに溜まっていく。領域を切り取ってお気に入りに入れるだけで集められる点は、IIIF Curation Viewer の独自機能とされる [UC-001 §IIIF画像のキュレーション]。集めたキュレーションは JSONkeeper に保存でき、上書き更新も選べる。ログインしていれば他人による上書きを防げる。保存した内容は URL を共有すれば他者も閲覧でき、再び IIIF Curation Viewer で開ける。ただし保存はできても検索はできず、検索には IIIF Curation Finder の設定が別途必要になる [UC-001 §IIIF画像のキュレーション]。

保存したあとの管理には役割の異なるツールが使われる。ログイン状態でエクスポートしたキュレーションは IIIF Curation Manager で一覧・編集・削除でき、個別のメタデータの追加や変更は IIIF Curation Editor が担う。展示には IIIF Curation Player があり、画像に付けたメタデータを重ねて表示でき、スライドショーでコマを自動再生することもできる [UC-001 §IIIF画像のキュレーション]。切り出し・編集・管理・展示を役割の異なるツールに分担させ、同じキュレーションのデータ形式でつなぐ構成が、複数の実践に共通している。ただし IIIF Curation Editor は大規模な編集には向かないことが注意点として挙げられている [BP-001 §工程ごとにツールを使い分ける]。

アノテーションの付け方

切り出しただけでは、集めた部分は並べて見る材料にとどまる。アノテーションは、切り取った領域にメタデータを付けて画像の上に重ねて表示する仕組みで、画像を切り取ってまとめるキュレーションとは区別される [UC-001 §IIIF画像のアノテーション]。文字へのアノテーションでは、文字領域を囲む矩形枠線マーカー、翻刻した文字を表示する文字マーカー、下の文字を消すように上に表示する上書きモードがあり、原画像と比べる用途と翻刻部分だけを読む用途で使い分けられる [UC-001 §IIIF画像のアノテーション]。

顔コレの特徴は、すべての顔貌に統一的なメタデータを付与した点にある。性別・身分・向き・原典・所蔵機関といった項目を揃えることで、横断的な検索と数の確認が可能になる [UC-041 §顔貌コレクション(顔コレ)とは]。

メタデータの付与には、対象についての専門知識が欠かせない。予備知識のない人には単なる男性の顔に見えるものが、美術史の観点から見れば、鬼の正体を現す前の酒呑童子と分かる場合がある。それを分かる人がキーワードを付すことで、複数の絵巻を横断して酒呑童子の顔貌を確認できる [UC-041 §顔コレの構築過程]。

8,000を超える顔貌に項目を一つずつ入力すると作業量が膨大になる。そのため、キュレーションの JSON を表示して空のメタデータ項目を一括置換で挿入する工夫が採られている。複雑な置換には外部エディタを経由することもある [UC-002 §顔コレ構築のワークフロー]。

機械と人手を組み合わせた切り抜き

切り抜く対象が大量にある場合は、検出を機械に任せ、人が補う方法がある。『遊行上人縁起絵巻 清浄光寺甲本』は10巻本で、第三巻第一段「大衆に飲食を施す」のような多人数の場面が一つの巻の中に何度も現れ、2,000を超える顔貌が存在する。具体的な分析を目的とした研究では、ある程度の期間で結論を出すことが求められるため、切り抜きの速度を上げる必要があった [UC-041 §『遊行上人縁起絵巻 清浄光寺甲本』への手法の適用]。

そこで、顔コレデータセットを訓練データとして画像検出器に学習させ、甲本の版面のどこに顔があるかを調べた。顔コレの中心は江戸初期から中期の作品であり、14世紀の作品とされる甲本とは様式も顔の描き方も異なるため、難しいと見込まれていた。それでも約70%の顔貌を自動検出でき、人が囲むのは残りの30%で済んだ。人が密集している箇所でも、数人に1人を取りこぼす程度で、ほぼ正確に位置を検出したという [UC-041 §『遊行上人縁起絵巻 清浄光寺甲本』への手法の適用]。検出精度は、顔コレデータセット自体を対象にした場合で約80%、時代の異なる作品に適用した場合で約70%と報告されている。3分の2の検出を機械に任せられれば、人が顔を切り取る作業量は3分の1に縮む [UC-040 §機械学習による顔検出]。

手順としては、検出は機械、メタデータの付与は人という分担になる。切り抜いた顔貌へのメタデータ付与は、美術史的な姿やアトリビューションを確かめながら、人の目で一つずつ行われた [UC-041 §『遊行上人縁起絵巻 清浄光寺甲本』への手法の適用]。機械による検出の扱いは、節「特徴抽出と様式分析」を参照。

マイクロコンテンツ化とは何をすることか

デジタル化された人文学資料の一部を、特定の目的と粒度で整理し直して研究に使える形にすることを、報告者の研究チームはマイクロコンテンツ化と名付けている。IIIF に則ってデジタル化された資料から部分を抽出・収集し、メタデータを付与したうえで、横断検索・一覧化・研究活用につなげる流れである [UC-002 §人文学資料のマイクロコンテンツ化]。

これを手法として一般化したのが GM 法である。顔貌を切り抜き、メタデータを付与し、一覧化した部分を平面上で整理するという一連の作業に付けた名称で、様式研究者 Giovanni Morelli の名と、切り取った部分をよく見ることを意味する Gazing Microcontents を重ねている [UC-041 §手法の一般化としてのGM法]。従来、様式分析のために写真カードを並べ直したり分類し直したりしてきた作業を、デジタル環境で大規模化・効率化し、情報を付加できるようにしたものと位置づけられている [UC-041 §手法の一般化としてのGM法]。

集め直した部分を整理する道具として、IIIF Curation Board がある。画像を平面上に自由に移動させ、KJ 法のように分類できる。範囲選択した画像の自動整列、グループを囲む枠線、色つきのシール、付箋といった補助機能もあり、色分けの意図を凡例として示すこともできる [UC-002 §IIIF Curation Boardによる画像整理]。700を超える僧侶・尼僧、あるいは500を超える顔貌を平面上で整理する作業は紙の上では物理的に難しく、こうしたデジタル上の整理機能が実現を支えている [UC-002 §『遊行上人縁起絵巻』の様式分析への応用]。

多人数で集合的に集める

切り出しは多人数で分担できる。顔コレは複数の作業者が分担して構築しており、各作業者がメールアドレスと任意のパスワードでログインし、管理者が各アカウントのキュレーションを横断的に確認する形で進められた [UC-002 §顔コレ構築のワークフロー]。Google や Facebook のアカウントでのログインは、作業者の個人アカウントを管理側が把握することになるため、共同作業ではメールでのログインが推奨されている [UC-002 §顔コレ構築のワークフロー]。切り抜き作業では、大学院生が非常に多くの顔貌を切り取ったとされる [UC-041 §顔コレの構築過程]。

参加者が集まってキュレーションの視点を出し合うイベント「キュレーソン」も実施されている。基本操作をレクチャーしたうえで各自が自由にキュレーションを行い、互いに解説し合う。ある研究室での実施では、髷に注目したもの、背景の植物に注目したものなど、同じ研究室の中でも視点の異なる成果が生まれた [UC-002 §キュレーソン:ICPを使ったグループワーク]。大人数で実施して後日まとめる場合は、運営側が共通のアカウントを用意して全員にそれでログインしてもらうと、すべてのキュレーションが一つのアカウントに集まり、公開やアーカイブがしやすくなる。これは、上の共同作業での個別アカウントとは逆向きの運用である [UC-002 §キュレーソン:ICPを使ったグループワーク]。

集め直した部分を数え、比べる

統一的なメタデータが付いていれば、集めた部分を検索するだけでなく数えることもできる。顔コレでは、講演時点で顔貌が全部で8,845件あり、男性が圧倒的に多いことが数として確認できる。テーマを選ばずに各機関の公開作品を網羅的に取り込めば男性が増えていくのではないか、というのが講演者の見立てである。顔の向きでは、斜めを向いた顔が圧倒的に多く、正面は描きにくいといったことも確かめられる。美術に携わる人間が直感的に感じていることを、数量的に再確認する助けになるとされる [UC-041 §顔コレの活用]。メタデータと画像座標は、検索用の API から一括して取得することもでき、男女の比率のような統計的な検討に使える [UC-002 §メタデータ検索と派生キュレーションの作成]。

比べる作業は、切り出した顔に標識を付けて並べることで成り立つ。たとえば男女の標識を付けて IIIF Curation Board に並べれば、僧侶と尼僧の顔の描き分けを確かめる比較ができる [UC-041 §デモで示した僧侶と尼僧の描き分け]。この比較の結果と、そこから導かれる様式や分担についての解釈は、節「特徴抽出と様式分析」を参照。

既存のキュレーションから派生キュレーションを作る

既存のキュレーションから、新しいキュレーションを派生させることができる。検索結果から気になる顔貌をリストに登録し、エクスポートして派生キュレーションを作る機能があり、複数の作品から似た顔貌を集めて比較するという、美術史の古典的な様式分析の手法に対応する [UC-002 §メタデータ検索と派生キュレーションの作成]。

教育の場面では、この派生が追体験の手段になる。ある絵巻専用の顔コレを構築して検索用のメタデータを付与し、学生が先行研究で比較対象とされた顔貌を手がかりに、絵巻の中から典型として近い顔貌を探す。考察の結果は派生キュレーションとして作成し、グループごとに共有する。研究の第一線で行われている様式分析の手続きを、ツールに置き換えて学ぶ構成である [UC-002 §『石山寺縁起絵巻』を用いた美術史教育プログラム]。

派生キュレーションを作る意義は、一度集めた部分が使い捨てにならない点にある。他の人が作ったキュレーションを出発点に、別の問いに合わせて集め直せる。集めた部分に文章を添えて展示として提示することも可能で、description 項目に記述した文章は、キュレーションを読み込んだ IIIF Curation Player で画像とともに表示できる [UC-002 §キュレーソン:ICPを使ったグループワーク]。

この節へのコメント

  • まだコメントはありません。

2.4 文字を読む

活字の分割と F1:何を測っているか

画像に写った文字を読む作業は、文字を認識する前に、版面のどこで文字が区切れるかを決める段階を含む。嵯峨本『徒然草』の古活字を対象にした事例では、AI くずし字認識モデル RURI で文字の矩形を認識し、その矩形から版面の傾きを補正し、行を検出してグリッドを推定し、筆線とグリッドの交差を確かめて活字ブロックの境界を決めている [UC-043 §活字ブロックの自動分割]。

この分割の正確さは F1 スコアで測られている。人手で書いたコードの結果は 0.8599 で、筆線を切る誤りと空白を切る誤りが残った。そこで、AI にコードを書かせ、人手で注釈した 20 ページの正解データで結果を確認し、誤りをフィードバックするエージェンティックループを回した。改良したコードを残りの 303 画像に適用して得た値が 0.9902 である [UC-043 §活字ブロックの自動分割]。F1 が測るのは境界を切る位置の一致であり、切り出した文字が何であるかという読みの正しさではない。「正解 20 ページで調整し、残り 303 画像で評価した」という条件を添えて初めて、この 0.9902 の意味が定まる。

字形の比較:同じ活字かどうかを決める

同じ文字を刷った 2 つの像が、同一の活字によるものかどうかは、字形を比べて判定されている。同じ活字による刷りでは、インキングや圧力、紙によって輪郭に沿った細い縁だけが違う。別の活字なら筆画そのものの位置が違う。手彫りなので、2 本として同じ彫りはない [UC-043 §活字ブロックの同定]。

比較には 2 つの測度を用いる。ssim_ink は筆線が一致するかを、diff_blobs は余ったインクの形を測る。この 2 つをロジスティック回帰で 1 つの数値にまとめ、制約付き平均連結の凝集型クラスタリングで、平均類似度が最も高い族どうしを併合していく。0.85 を超える組み合わせがなくなった時点で停止する。「手」の字では、37 の刷りが 4 本の活字にまとまった [UC-043 §活字ブロックの同定]。

この結果は、刷られた紙の構造で検証された。クラスタリングにはページの情報を与え、丁の情報は与えていない。1 枚の紙(丁)は 1 つの版から一度に刷られるので、1 本の活字は同じ丁に一度しか置かれない。集計すると、同じ見開きで向かい合うページでは 11,411 ペア中 227 件が同じ活字にまとまったのに対し、同一丁では 11,034 ペア中 1 件にとどまった。見開きと同じ割合なら同一丁でも約 220 件起きるはずなので、この差はクラスタリングが丁の構造と整合していることを示す [UC-043 §活字ブロックの同定]。

暫定の結果は、セグメント 37,314 に対してクラスタ(物理的なブロック)8,494、最大のクラスタサイズ 40、シングルトン 3,467(40.8%)である。ただしシングルトンは多く見積もられている可能性があり、実際はより少ないと講演者は見ている [UC-043 §活字ブロックの同定]。

字形の比較と分類を、メタデータ管理とあわせて行う例として、『ヒエラティック古書体学』のデータベースがある。Möller の字典から字形を行単位で切り出し、ヒエラティック番号とヒエログリフ番号をメタデータとして管理し、Mirador に流し込んで並べて比べる構成である。この仕組みで、125 番と 600 番の字形の類似を検証している [UC-003 §『ヒエラティック古書体学』データベース]。

認識結果の誤りを人手に戻す

認識の結果は、そのまま成果とはされず、原資料と重ねて人が確かめられる形に戻される。自動読み順推定アルゴリズムで生成した行テキストと、人手でテキスト化した『校異源氏物語』各ページの先頭行との編集距離を計算し、概ね 90% 程度の精度で提示された対応箇所の候補を、人手で確認する例がある [BP-001 §機械の認識結果を人手の確認に戻す]。

ここで使われる編集距離にもとづく一致は、F1 とは比べているものが異なる。F1 は分割の結果と人手の正解の一致を測り、編集距離は機械が出した行テキストと、人手が書き起こした先頭行との一致を測る。後者の約 90% は、人手確認の要否を判断する材料として使われている。確認すべき箇所を絞り、人手の作業を広い範囲へ及ぼすための目安である [BP-001 §機械の認識結果を人手の確認に戻す]。

くずし字認識の結果を原画像と照らして読む仕組みも、同じ構えに立つ。KuroNet くずし字認識サービスは、囲った領域内のくずし字をすべて認識し、結果は原画像の上に文字マーカーとして重ねて表示される。利用者はもとの文字と照らしながら認識結果を確かめられる [UC-001 §IIIF画像のアノテーション]。表示方式の詳細は、節「部分を切り出す」を参照。

認識結果の誤りを許容できる使い方と、許容できない使い方

認識結果にどこまで誤りが残ってよいかは、そのテキストを何に使うかで変わる。つくしプロジェクトでは、LLM に古典籍を読ませるために入れるコンテキストと、LLM を学習させるための学習データとで、品質の要件を分けている。前者は分量を優先し、OCR テキストに誤りがあっても利用時に LLM 側で対応できるとする。後者は品質を優先し、誤りを手動・自動のいずれかで可能な限り事前に直す必要があるとする [UC-053 §LLM利用向けとLLM構築向けのデータセットの違い]。

誤りを許容するかどうかは、認識の精度そのものでは決まらず、テキストの行き先で決まる。学習データの実例(からまる)は、節「AI で問う・読む」を参照。

文字認識の難しさ:字形・書体・読み順

くずし字認識が間違えやすい箇所は、文字の性質から説明されている。ひらがなの「は」、カタカナの「ハ」、漢字の「八」や、「ば」「バ」といった似た字形は、文脈を見れば区別できるが、文字単位だけでは区別がつきにくく、認識精度が下がる。また「見」は、「みそ汁」ではひらがなの「み」、「見る目」では漢字の「見」として使われ、同じくずし字でも現代日本語では別の文字になる [UC-053 §歴史的日本語の文字とテキストの基礎知識:翻刻・文字・校訂・句読点]。「事」のように多くの異体字とそれを崩した形がある字は、すべて「事」と認識する必要がある。変体仮名は、小学校令(1900 年)以後に教えられなくなったため読めなくなった文字で、Unicode にも登録されているものの、通常は現代のひらがなの Unicode で翻刻する [UC-053 §歴史的日本語の文字とテキストの基礎知識:翻刻・文字・校訂・句読点]。

書体や本の種類による違いも、認識の手法に影響する。公文書や医学書は楷書の漢字、物語や読み本はかなり崩したひらがな、技術書や翻訳物はカタカナで書かれる傾向がある。同じ本の中に漢文・漢字かな交じり・万葉仮名が混在する場合もあり、本を単位に処理しようとしても 1 冊の中に異なる書き方が出てくる [UC-053 §歴史的日本語の文字とテキストの基礎知識:時代・種類・レイアウト]。

版面の読み順も別の難しさである。木版印刷でも写本でもレイアウトを自由に決められるため、行がはっきりしない紙面では読み順の自動判定が難しい。散らし書きの書状はその極端な例である。講演者は、文字認識とレイアウト認識は異なる問題で、読み順の推定は依然として重要な課題だと述べている [UC-053 §今後に向けて]。推定が難しい以上、読み順は人が行内・行間で指定して補う手段もあり、KuroNet Text Editor ではそれが可能である [UC-001 §IIIF画像のアノテーション]。

翻刻と字体:誤字を残すか、読みを補うか

翻刻は、くずし字で書かれた資料を読み、現代日本語の文字を入力してテキストにする作業である。ここで原文の字体や誤字をどこまで残すかは、後の読解に何を渡すかを決める判断になる。

読解の段階を整理した枠組みでは、テキストに誤りが含まれる場合、自分の知識によって、その先にある正しいテキストを想定しながら読む段階が置かれている [UC-039 §文献を「読む」とはどういうことか]。この段階の説明は節「AI で問う・読む」を参照。本節にとって要となるのは、翻刻で誤字を記録するか読みを補うかの選択が、この段階の最初の接点になる、という点である。誤字をそのまま記録すれば、翻刻テキストは原本の状態を伝えるが、正しいテクストの想定は後の読み手に任される。読みを補って記せば、後の読みは楽になるが、補った判断が見えなくなる。

原本画像と行テキストを一対一で結びつける仕組みは、この判断を後から検証する手がかりになる。Humanitext OCR は、行単位で座標とともにテキストを取り出し、校正ビューアで行ごとの目視校正ができる [UC-038 §三つの公開サービス]。誤りや補いを原本に戻して確認できるので、残した字と補った字を区別して扱う道が開ける。訳・注の初稿と修正の仕組みは、節「AI で問う・読む」を参照。

校訂本文は、この判断の一方の極にあたる。句読点を補い、濁点をつけ、歴史的仮名遣いを現代かなにし、ひらがなを漢字にする(「かむた」を「神田」にする)といった処理で、読みやすくしたテキストである [UC-053 §歴史的日本語の文字とテキストの基礎知識:翻刻・文字・校訂・句読点]。原文の表記をどこまで変えるかという翻刻の判断が、ここまで進んだ形である。校訂の有無が LLM での読解・翻訳にどう効くかは、節「AI で問う・読む」を参照。

句読点にも注意がいる。江戸時代の本の「。」は、文法的な文末ではなく、名詞句・連用形・連体形の後に置かれて読みのリズムを示すものであり、現代の句点と同じではない [UC-053 §歴史的日本語の文字とテキストの基礎知識:翻刻・文字・校訂・句読点]。原文の記号をそのまま残すのか、現代の用法に直すのかが、ここでも問われる。

この節へのコメント

  • まだコメントはありません。

2.5 写真という資料

写真を資料として扱うとき、問題は二つに分かれる。写っているものをどう読み解くか、そして、読み解いた結果を撮影によってどう確かめ、積み上げるかである。ここでは、写真を視覚的・空間的な資料として捉える観点、古写真の同定、共時的な写真と通時的な写真の違い、同一構図撮影と参照写真の役割、撮影を支援する仕組みの設計、写真を撮影者のまなざしの記録とみる見方を順に述べる。

視覚的であり空間的でもある資料

写真や映像は、テキストには現れない景観の細部を捉える視覚的な資料である。同時に、地理座標を通じて実世界と結びつく空間的な資料でもある。視覚資料それ自体にも情報はあるが、空間的な文脈を知ることで、より深い解釈が可能になる [UC-016 §視覚的・空間的な歴史資料という視点]。以下に述べる古写真の同定や共時的・通時的な写真の扱いは、この二面を結びつける作業として読める。

古写真の同定:何が写り、どこで撮られたか

古写真を資料として使うには、まず何が写っていて、どこで撮られたかを確定する作業が前提になる。この作業に用いられる手がかりは、事例によって異なる。

撮影場所の同定は、地図との対応づけで進む。北京の古写真の事例では、巨大な古地図の上に写真を置き、写真に写る建物や対象物を地図上の地点と一つずつ対応づけて撮影地点を特定している。建物に見えたものが通りの上に建てられた仮設の建物だったと判明した例もある [UC-016 §地図と組み合わせた過去の景観の再現]。

京都の市電写真のデータベースでは、地域の知識が同定の鍵になった。専門の異なる研究者に市電の専門家と市役所の職員が加わり、議論しながら撮影場所を同定している。たとえば北野線沿いのバス車庫がもとは市電車庫だったという知識が、場所を突き止める手がかりになる [UC-005 §京都の鉄道・バス写真データベースの構築]。市電写真が資料に選ばれた理由にも、写真の性格にかかわるものがある。車両を撮った写真の背景に、当時は被写体になりにくかった日常の町並みが映り込むこと、そして車両・路線・背景から撮影場所やおおよその時代を特定しやすいことである [UC-005 §京都の鉄道・バス写真データベースの構築]。撮影地点を地図上のピンとリンクさせ、現在のストリートビューと並べれば、過去と現在を簡易的に比較できる [UC-005 §京都の鉄道・バス写真データベースの構築]。

シルクロードのトルファンでは、探検隊の古写真と現在の景観を照合して遺跡を同定している。方法は、古写真・地図・衛星写真・遺構平面図を組み合わせることにある [UC-008 §古写真を用いた遺跡同定の方法論]。古写真は第1次から第4次までの探検で記録として撮られたが、整理メモやキャプション、日記が残っておらず、撮影対象も撮影地も不明で、写真自体も不完全にしか残っていない。出版された書籍に載る写真だけでは数も解像度も足りず、収蔵されている原資料にあたって全体像を調べる必要があった [UC-008 §古写真を用いた遺跡同定の方法論]。国際協力の体制は、節「文化遺産と国際協力」を参照。

同定の個々の場面でも、手がかりの置き方が異なる。勝金口の寺院は写真が多く残っていたため、おおよその場所を予想して近くまで案内してもらってから自分たちで探した。現地は人口が約10倍に増えて一帯がぶどう畑に変わっており、手前では高速道路の工事も進んでいた。次に訪れたときには同じ写真を撮れなくなる可能性が高い状況である。環境が変わった地点でも位置を確定する情報は価値を持つ。所在がわからないために発掘できない遺跡があるからである [UC-008 §遺跡同定の事例]。

高昌故城の Tempel T' では、壁画の位置を写真の照合で特定している。ドイツ隊の報告書には、この建物の東側の壁面に壁画があったことが、平面図とキャプションつきで記されていた。そこで、より広い範囲を写していたロシア探検隊の写真と照合した。撮影の方角が異なるため、どことどこが対応するかの特定は容易ではなかったが、写真を拡大して壁面の崩れた箇所のような細部を突き合わせれば、対応点を見いだせた。その点を基点に、建物の構造や壁画の位置、建物の所在地を整理できる [UC-008 §遺跡同定の事例]。

現地で構図を合わせる作業そのものが、同定の証拠になることもある。ドイツ隊の書籍では仏教寺院(5〜7世紀とされるが、年代の記述には揺れがある)とされた地点が、現在の現地の記録では19世紀の建物とされていた事例では、食い違いを言葉で説明しても理解を得にくく、証拠となる写真を突き合わせて示すしかなかった。現地の人に「もう何も残っていない」と言われた遺跡も、同一構図の写真で対応関係を確かめると残っていた [UC-008 §遺跡同定の事例]。

共時的な写真と通時的な写真

写真を並べる方向は二通りある。ある一時点の複数の写真を地図の上に集めて、その時点の都市景観を再現する方向(共時的な写真)と、同じ場所の異なる時点の写真を比べて変化を読む方向(通時的な写真)である [UC-016 §地図と組み合わせた過去の景観の再現]。

共時的な写真の例は、先の北京の事例である。古地図に古写真を対応づけ、一時点の景観を再現した [UC-016 §地図と組み合わせた過去の景観の再現]。ここでの写真は、空間的な文脈に置かれて初めて読めるようになる。

同じ主題の写真群でも、共時的に扱うには限界がある。華北交通の写真アーカイブは3万5千点を超えるが、写真は都市の一部を切り取るにとどまり、街並みを連続的に記録したものではない。しかも場所への対応づけが、元資料のメタデータに基づく駅単位にとどまり、地点レベルには至っていない。そのため過去の景観の再現には十分に有効とはいえない、と講演者は述べている [UC-016 §North China Railwayの写真アーカイブとAIタグによる検索]。

通時的な写真は、同一構図撮影によって作られる。古写真と同じ構図で現在を撮ると、東京のある地点では建物が大きく変わった一方で堀はほとんど変わっていない、といった対比が見える [UC-016 §Memorygraphアプリによる景観の変化の把握]。同一構図の写真を画素レベルで比べると、人が気づかないような微細な変化が明らかになることもある。この営みを講演者は、変化する景観の中に不変なものを見いだすこととして、景観を「読む」と呼んでいる。ただし、読み取りの巧拙は、その場所や景観についての知識に依存する [UC-016 §景観を「読む」ための新しい技術]。

通時的な写真には、変化の性質に応じた使い分けがある。長い時間の経過による景観変化には今昔写真、災害のように非連続的な変化には前後の比較(ビフォーアフター写真)、緩やかに進む変化には定点観測写真が向く、という整理が示されている。ビフォーアフター写真は、阪神・淡路大震災のように大きな変化があった場合に、被害の規模や復旧・復興の過程を可視化できる。定点観測写真は、植物の開花や成長、建設工事の進捗、季節による風景の変化の記録に向く [UC-004 §同一構図撮影の6つの種類]。

同一構図撮影と参照写真の役割

同一構図撮影では、古写真などの基準画像が参照写真の役割を担う。この写真は、撮影者が現在の景観を合わせる目標であると同時に、撮られた結果と対にして残る比較の片方でもある。

参照写真を使わない撮影は負荷が高い。古写真を短期記憶に保持し、ファインダー越しの像と見比べ、ずれていれば自分が移動して合わせなければならない。3次元のシーンが自分の移動でどう回転して見えるかを頭の中で予測する作業(メンタルローテーション)は、人間にとって得意ではない [UC-004 §開発の背景:手動による今昔写真撮影の困難]。紙焼き写真を手に持って再撮影する方法でも、写真の裏側の景観が隠れてしまい、2枚を別々のデータとして扱えない [UC-004 §拡張ファインダーとしての設計:ARや写真再撮影との比較]。

参照写真をファインダーに半透明で重ねると、この作業が大幅に楽になる [UC-016 §Memorygraphアプリによる景観の変化の把握]。重ねるのが参照写真であれば、撮影の目的が変わっても同じ仕組みで対応できる。ファインダーに重ねる画像を入れ替えるだけで、古写真による今昔写真のほか、聖地巡礼写真(作品中の場面との比較)、位置証明写真(その場所に行った証明)、撮影シミュレーション(有名な写真の撮影位置・カメラ・画角の再現による意図の分析)などに使える [UC-004 §同一構図撮影の6つの種類]。

照合の難しさへの対処は、事例ごとに異なる。同一構図に合わせるには景観を読む力が要り、古写真と現在のあいだで何が変わり何が変わっていないかを判断できれば、変わらない要素に合わせて構図を決められる。地形のような変わりにくい要素や、文化的景観の知識が手がかりになる [UC-004 §利用上の留意点:難易度のギャップと景観を読む力]。

撮影を支援する仕組みの設計

撮影を支援する仕組みの代表が、同一構図撮影のカメラアプリ「メモリーグラフ」である。設計上の要点は三つに分けられる。過去の写真をファインダーに重ねること、撮影地点へ導くこと、撮れた写真を束ねることである。

ファインダーに過去を重ねる

メモリーグラフは、カメラのファインダーを拡張する仕組みとして設計されている。通常のファインダーに出る構図グリッドの代わりに、古写真などのガイド画像を半透明で表示し、それに合わせて現実世界を撮影させる。ガイドを入れ替えれば、前節に挙げた複数種類の撮影を同じアプリで行える。撮影時のセンサーデータ(位置情報、方位など)も併せて保存できるので、ガイド写真の撮影位置や方向を推定する材料にもなる [UC-004 §拡張ファインダーとしての設計:ARや写真再撮影との比較]。

拡張現実(AR)とは設計上の立場が異なる。ARでは過去の写真は向こう側の世界の場所に固定され、カメラを動かすと写真の見え方が変わる。用意されたコンテンツを受動的に鑑賞する道具である。これに対しメモリーグラフでは、カメラを動かしてもファインダー上の写真は変わらず、撮影者が写真と実世界の座標系の一致を能動的に探索する参加のための道具になる。重ねた2枚は、それぞれ独立したデータとして扱える [UC-004 §拡張ファインダーとしての設計:ARや写真再撮影との比較]。拡張現実としての体験の詳細は、節「拡張現実と没入」を参照。

撮影地点へ導く

写真を合わせる以前に、どの地点へ行けばよいかという問題がある。メモリーグラフには、撮影地点へ導く仕組みがアプリの機能として加えられている。古写真上のどこにポイントを置けばよいかを示す撮影時の目印、初めての利用者に向けた道順表示、透過調整の案内がその例である [UC-030]。これらは、撮影者を地点へ運び、構図を合わせる段階へ進ませるための設計である。体験をどう組み立てるかという観点は、節「地域とともに進める」を参照。

撮れた写真を束ねる

メモリーグラフは、基準となる画像(シーン画像)とそれに合わせて撮った写真の集合を「シーン」とし、シーンを順序つきで束ねたものを「プロジェクト」とする。個人で完結するマイプロジェクトと、複数人で共有する共有プロジェクトがあり、同じシーン画像に対して複数の人が撮った結果を集めると、誰がどこから撮影したかを比べられる。共有プロジェクトの作成ツールと閲覧ツールが別に用意されており、閲覧側では地図上に各シーンの撮影地点を表示し、シーンごとに撮影された写真を一覧できる [UC-004 §アプリの基本要素とプラットフォーム]。

束ねたデータは、それ自体が分析の材料になる。多くの人が同じ場所を訪れて最適な一致を探すと、撮影地点の報告が集まり、その平均から古写真の撮影地点を特定できる。現在の写真と古写真を比べれば、現在の建物のどの部分に過去の姿が保存されているかを推測する手がかりも得られる [UC-016 §Memorygraphアプリによる景観の変化の把握]。

束ねる設計には運用上の論点も伴う。写真の共有をめぐる感覚には個人差があり、一律の共有設定では対応しきれない。そのため、個人単位で閲覧範囲を制限できる「非表示」モードが設計に加えられた [UC-030 §写真共有機能をめぐる課題と対応]。

撮影者のまなざしの記録としての写真

同一構図撮影を重ねると、写真という資料の見方が変わる。講演者は、写真をカメラが世界を記録したものとしてだけ捉える見方に対し、カメラの後ろに撮影者がいるという視点を前景に置く。写真は撮影者による世界の記録であり、どこから、どんな姿勢で、どんなカメラで、どんな意図で撮られたかを抜きには考えられない、という立場である [UC-004 §メモリーグラフが投げかける問い:写真の再考と身体性]。

この見方に立つと、同一構図撮影は景観変化の記録を超える。曾祖父が撮った写真を題材に同一構図撮影を行えば、現在の景観を記録するだけでなく、かつての撮影者と場所と姿勢を共有する行為になる。植生や煙の量といった細部の違いから、撮ったのは別の時代の別の人物だと感じ取れるとき、写真が景観のコピーではなく撮影者のまなざしを記録したメディアであることが浮かび上がる [UC-004 §メモリーグラフが投げかける問い:写真の再考と身体性]。

トルファンの遺跡調査では、同一構図の写真を撮る過程で、ドイツ隊のメンバーが高い場所に登って撮影するのを好んでいたことがわかった [UC-008 §遺跡同定の事例]。古写真の撮影位置を現地で追体験すると、撮影者の行動の癖が資料から読み出される。撮影者の身体や姿勢は、写真の構図に残っている。

この節へのコメント

  • まだコメントはありません。

2.6 三次元の計測と復元

三次元で対象を記録し復元するときに最初に立てるべき区別は、実測に基づくモデルと推定に基づくモデルの違いである。同じ「三次元モデル」でも、根拠の所在が異なれば、その後の使い方も、記録に残すべき事項も異なる。

実測に基づくモデルと推定に基づくモデル

三次元モデルには実測に基づくものと推定に基づくものの二種類があり、現存する対象であれば前者を作れるが、計測できない対象には後者によるほかない [UC-020 §実測と推定:2種類の3次元モデル]。実測に基づくモデルはレーザー計測や測量を用い、現存する遺跡について正確に作れる。推定に基づくモデルは、すでに崩壊して計測できない対象を三次元化するときに用いる。

2003年12月の地震で大部分が崩壊したイランのバム遺跡は、後者の例である。現代でありながら、推定によって復元せざるをえなかった [UC-020 §実測と推定:2種類の3次元モデル]。復元には衛星画像、写真、平面図、地形データ、記録、遺物、人々の記憶といった種類の異なるデータを統合する必要があるが、どうしても欠ける情報が出てくる [UC-020 §実測と推定:2種類の3次元モデル]。

実測の手法:レーザースキャニングと点群

レーザースキャナーは、機械点から360度方向にレーザーを放ち、物体の表面を記録する。記録範囲は50メートル以内程度が一般的である [UC-018 §レーザースキャナと点群データの仕組み]。得られる点群は、XYZの座標、反射強度、色(RGB)の情報をもつ点座標の集まりで、座標値をもつため、座標を指定すれば距離も測れる [UC-018 §レーザースキャナと点群データの仕組み]。古代ローマの港湾都市オスティアの点群では、ものによっては1ミリメートルほどの間隔で座標値が得られていた [UC-018 §レーザースキャナと点群データの仕組み]。

1か所からの計測では建物の一面しか記録できないため、さまざまな位置にスキャナを置き、周囲の特徴的な形状を手がかりに一面ずつ数珠つなぎに合成して、一つの建物のデータにする [UC-018 §複数の点群の合成]。合成の精度は、二つの点群に共通する点の誤差の中央値が1ミリメートル以下である。講演資料の平面の建物では約70か所にスキャナを置いて実測し、作業は1〜2日で、機材の測定速度が上がって1日で終われば上々だという [UC-018 §複数の点群の合成]。

この実測は、既往の理解が現物に合っているかを確かめる手段にもなる。古代ローマ建築研究では、交差ヴォールトは円筒を交差させた構造体として理解されてきた。ところがオスティアの遺構を実測すると、向かい合う円弧の形が明らかに異なる廊下の交差ヴォールトがあり、稜線はまっすぐなのにそもそも交差していないものや、交差する線が1本足りないものもあった [UC-018 §交差ヴォールトの既往研究と現地の遺構]。座標値で形を明確に示せる点群は、理念的な理解と現地の遺構との差を確認する有効な手段として働いた [UC-018 §交差ヴォールトの既往研究と現地の遺構]。

点群の扱い

レーザースキャナーで取得した点群はデータが非常に重く、すぐに1ギガバイトから数ギガバイトになる。視点を対話的に変えながら見せるには、かなり間引いて粗くする必要がある [UC-019 §Linked Data・360度VR・点群の取り組み]。フリーの点群ビューワーのポットリーは、プログレッシブレンダリングによって、待たされることなく詳細な部分を後から表示できる [UC-019 §Linked Data・360度VR・点群の取り組み]。

実測の点群は、必ずしも重要な遺構の記録のためだけに使われるわけではない。風洞実験室などの点群を、学生が実験の前にどのような実験をしてどのような機材を使うかをあらかじめ見る事前学習に使う例があり、その目的は工学的に重要なもののアーカイブではない [UC-019 §Linked Data・360度VR・点群の取り組み]。

計測できないものを復元する:推定モデルの作り方

推定に基づくモデルでは、欠落した情報をいかに補うかが、復元の本質的な課題になる。バム遺跡の復元で得られた知見は、補う作業の担い手と、精度とコストの配分に集約される。

制作はモデリングとレンダリングという二つの側面からなる。モデリングは遺跡の正確な構造を作る作業で、レンダリングはそれをもとに美しい画像や映像を生成する作業であり、必要とされる技術は大きく異なる [UC-020 §モデリングとレンダリングの分担と精度・コストの調整]。当初はコンピューターの専門家が両方を担当し、遺跡を知る専門家は指示を出すだけだったが、うまくいかなかった。そこで遺跡の専門家がモデリングを、コンピューターの専門家がレンダリングを担い、データを受け渡す形に改めたところ、正確かつ美しい画像が作れるようになった [UC-020 §モデリングとレンダリングの分担と精度・コストの調整]。

モデリングに専門知識が必要なのは、欠けている部分を補う際にペルシャ建築として妥当な構造かという観点が求められるからである。突起物や窓、門の形などを適当に決めるわけにはいかない [UC-020 §モデリングとレンダリングの分担と精度・コストの調整]。内部空間は写真が乏しく、天井の形などは建築学的な推定で補った [UC-020 §レンダリングと自動化の試み]。つまり、推定モデルの「推定」は、専門家の知見による補いとして、モデルの中に入り込んでいる。

精度とコストには釣り合いの問題がある。精度を高めると手作業が増えてコストが上がり、自動化すればコストは下がる代わりに精度は落ちる。バム遺跡では、重要な部分は手作業で正確に、重要度の低い部分はできるだけ自動でと使い分けた。都市的なスケールの遺跡では、コスト管理が特に重要であった [UC-020 §モデリングとレンダリングの分担と精度・コストの調整]。

近年の手法の位置づけ

実測の手法と推定の手法の区別に照らすと、近年の自動化された手法は、実測の側に位置づく。レーザースキャンやStructure from Motionといった全自動の手法は、新しいデータを取得できなければ使えない。遺跡が現存しないバムでは使えなかった [UC-020 §レンダリングと自動化の試み]。

標高データに写真を重ねて構造とテクスチャを得る半自動のモデリングも試みられたが、位置合わせが難しくうまくいかなかった。複数の画像やビデオから自動的に三次元モデルを作る手法についても、残された空撮映像の解像度が低く、精度の高い復元は難しいと考えられた [UC-020 §レンダリングと自動化の試み]。写真は質・量ともに限界があり、地震が起きた2003年はスマートフォン登場前でデジタルカメラも主流ではなく、多くはフィルム写真をスキャンしたもので、高解像度にならなかった [UC-020 §参照データと写真の収集]。

後年のドローンの活用や、観光客の写真から焼損した首里城を復元した例のような成果もあるが、当時は解像度の低さやカメラの種類の違い、修復による形の変化が壁となった [UC-020 §レンダリングと自動化の試み]。つまり、写真から三次元を起こす手法は、写真の解像度や撮影条件のそろい方によって成否が分かれる。

補った箇所を記録する

実測モデルと推定モデルの区別が重要になるのは、完成したモデルが同じように精緻に見えるからである。美しい映像だけを見ると、どこまでが実測でどこからが推定なのか、見分けがつかない。そのため、何を根拠にどこを補ったかを記録に残すことが、推定モデルの信頼性を支える。

バム遺跡では、復元に用いたデータの種類が多岐にわたる。建物の形状と位置の大まかな参照になった写真測量学的な地図、地震前の写真、衛星画像などである [UC-020 §参照データと写真の収集]。どの部分がどのデータに支えられ、どの部分が建築学的な推定によるのかを、モデルとともに記録しておく必要がある。

この点は、デジタル・ヒューマニティーズで3Dを扱う際の課題としても挙げられている。3D再現や計測モデルの構築について、信頼性・確実性・根拠といった情報をどう明示するかが、重視される点の一つである [UC-017 §3D活用でDHが直面する課題]。三次元モデルへの注釈はバムでも試みられたが、当時はうまくいかず、この領域はまだ発展の余地が大きいと考えられている [UC-020 §プロジェクトの教訓と今後の問い]。

推定モデルに固有の問い

推定モデルには、時間に関する問いもある。バム遺跡のように修復によって絶えず姿を変えてきた遺跡について、どの時点のモデルとして作るべきかという問いである [UC-020 §プロジェクトの教訓と今後の問い]。記録の対象そのものが時間とともに変わるため、モデルは特定の時点を選んだ推定として示さざるをえない。

また、作成コストの高い推定モデルに見合う利用目的や閲覧環境を提供できるかが問われる [UC-020 §プロジェクトの教訓と今後の問い]。作ったモデルを体験として提供する方法の詳細は、「拡張現実と没入」を参照。

この節へのコメント

  • まだコメントはありません。

2.7 拡張現実と没入

現地で端末をかざして過去を現在の風景に重ねる体験、ブラウザ上で視点と進行を自分で選ぶ三次元教材、360度VRカメラによる館内の移動、小道具の調査と会話で結末が分かれるVR演劇、画面上で過去と現在の景観を並べる表示、遺跡の推定モデルを映像で見せた事例は、いずれも三次元や画像を見る人の身体の動きと結びつける試みである。この節は、そうした体験が理解に何を足し、何を隠すかを、記事で言える範囲で整理する。体験の素材となる計測や復元は節「三次元の計測と復元」、地域の人と進める実践は節「地域とともに進める」に任せ、ここでは見る人の側の体験と、それを組み、保つ側の負担に絞る。

古写真を現在の風景に重ねる体験の三つの局面

姫野研究室は、古写真と現在の風景を重ね合わせる体験を、記憶の働きの観点から三つの局面に分けている。

  • 記憶探索(MH):過去の古写真が撮られた場所を、現在の場所で探す
  • 記憶現実(MR):古写真と現在の撮影場所を重ね、仮想的に過去の記憶を現実化する
  • 記憶記録(MG):古写真に重なる現在の写真を記録する [UC-006 §「記憶」概念の整理:MH・MR・MGと「像覚」]

このうち見る人の身体に最も近いのが記憶現実である。見る人は現地に立ち、過去の像を目の前の風景に重ねて体験する。体験を支えるアプリとして、先行した長崎版の「長崎古写真ハンティング」と、iPhone 仕様に進化した汎用版の「メモリーグラフ」が開発されている [UC-006 §「記憶」概念の整理:MH・MR・MGと「像覚」]。ファインダー上に基準画像を重ねる撮影支援の仕組みと設計は、節「写真という資料」を参照されたい。

姫野研究室は、こうした体験が視覚・触覚・知覚といった既存の感覚語彙では捉えきれない認識の局面を含むとして、影像の記憶を扱う認識概念に像覚という用語を提案している [UC-006 §「記憶」概念の整理:MH・MR・MGと「像覚」]。この用語は、体験の局面を捉えるための提案である。

画面上で過去と現在の景観を並べる

現地に立たなくても、画面上で過去と現在を見比べる形の体験はある。バーチャル京都では、撮影地点を特定して路線沿いに地図化した市電写真を、GoogleマップやGoogleストリートビューと並べ、過去と現在を比較できる。1960年代の街路景観写真を載せたWeb地図でも、四条通の当時の景観と現在のストリートビューを容易に比較できる [UC-015 §寄贈写真・市電写真・街路景観写真・絵葉書の地図化]。同じ場所の過去と現在を見比べられることが、これらの表示が見る人に足すものの一つである。写真の撮影地点を特定する方法は、節「写真という資料」を参照されたい。

視点と進行を自分で選ぶ三次元教材

九州大学の対話型3Dウェブ教材は、WebGLとThree.jsで作られ、任意のウェブブラウザで学習できる。3次元CGで表した建物や登場人物の振る舞いに加えて、静止画や説明文の表示、動画・音声の再生の機能を備える。マウスで視点を対話的に動かせ、紫宸殿・陣座・清涼殿や鳥瞰図などのカメラ位置があらかじめ設定されており、「次へ」ボタンで儀式を進める [UC-019 §教材の機能と画面]。見る人が視点を選び、進行を自分で進めるという点が、この体験の性格である。

学生からは、テキストを読むだけの場合よりも宮中の儀式の様子を深く理解できたという感想が寄せられている [UC-019 §教材の機能と画面]。見る人の側で何が深まったかを示す報告は、いまのところこの感想が中心である。

360度VRカメラを使う体験もある。中央図書館のナビゲーションでは、学生が360度VRカメラを頭に付けて館内を歩いて収録し、視点を360度自由に変えられる。画面左上のマップで経路をクリックするとその地点へ移動でき、館内のパネル画像とビデオ動画は、360度VR画像が表示される球体の中で表示できるようにしてある [UC-019 §Linked Data・360度VR・点群の取り組み]。

ユーザー介入型のVR演劇

VR演劇は、見る人が物語の中に入って働きかける体験の例である。『東海道四谷怪談』第二幕を題材にした作品は、あんま宅悦になりきって「雑司ヶ谷四ツ谷町の場」で何が起こったのかを探るミステリー型のVRアドベンチャーで、小道具の調査とお岩AIとの会話から謎を追い、ユーザーの回答によって結末が分岐する。キャラクターアバターを着ることで認知や行動が変わるプロテウス効果を利用している [UC-036 §AX時代のDH:ARCアーカイブを活用したVR展示]。

素材には、アーカイブに蓄積された資料の二次活用が使われた。3Dモデルは浮世絵や催事型写真のデータベースの資料を参考に、着物の色味や髪形を図録で確認して作り、音声は大西SPレコードコレクションにある当時の役者の声から生成している [UC-036 §AX時代のDH:ARCアーカイブを活用したVR展示]。分岐する筋の作りについて、制作の側からは、いま伝わる筋にどれだけの価値があるのかを逆に検証できるのではないかという見方も示されている [UC-036 §AX時代のDH:ARCアーカイブを活用したVR展示]。

生成AIで一人でも作れるようになったとはいえ、AIの処理には、量が増えると誤りも増える限界があり、人間が確認する責任は残る [UC-048 §限界と人間に残る責任]。没入体験の制作にも、何を変えず何を確かめるかを決める判断が要る。

体験を組み、保つ側の負担

没入体験が隠す側面や制約として記事から読み取れるのは、体験を作り、保つ側の負担である。

バム遺跡の推定モデルでは、ウォークスルー映像を作って公開したが、映像は美しくても継続的な利用にはつながらなかった。データのオープン化は諸事情で難しく、対話型VRサービスの提供も負担が大きすぎたため、結局は映像で見る方法しか提供できなかった。3次元モデルへの注釈も試みたが、当時はうまくいかなかった [UC-020 §プロジェクトの教訓と今後の問い]。

残された問いは、作成コストの高い推定モデルに見合う利用目的や閲覧環境を提供できるかである。具体的には、インタラクティブな利用に耐える品質を外部・内部空間ともに提供できるか、オンラインでの情報注釈や共有を現実的なコストで実現できるかが挙げられている [UC-020 §プロジェクトの教訓と今後の問い]。モデルを作ることと、それを体験として届け続けることは別の課題である。

この節へのコメント

  • まだコメントはありません。

2.8 特徴抽出と様式分析

画像の様式分析は、美術史が写真カードを並べ替えて行ってきた比較を、切り抜いた部分を大量に並べる形に広げたものである。顔のような部分を並べると、一枚の画面を眺めるだけでは気づきにくい違いが、全巻にわたる傾向として現れる。部分の切り出しや集計の仕組みは「部分を切り出す」、横断検索は「資料をさがす・集める」に譲る。本節は、それらを様式分析に適用して何が言えるかに絞る。

部分を並べて様式を比べるという方法

切り取った顔を並べて様式を比べる素材として、ここでは顔貌コレクション(顔コレ)を用いる。顔コレの一連の作業(顔を切り抜き、メタデータを付与し、一覧化した顔貌を平面上で整理する)を、研究チームは GM 法と名付けた。写真カードを並べ直し、分類し直してきた従来の様式分析を、デジタル環境で大規模化・効率化し、情報を付加できるようにしたものである。名称は、様式研究の泰斗 Giovanni Morelli と、切り取った部分をよく見ることを意味する Gazing Microcontents のダブルミーニングになっている [UC-041 §手法の一般化としてのGM法]。収集の範囲やメタデータ付与の手順は、「資料をさがす・集める」と「部分を切り出す」を参照されたい。

対象の検出を機械に任せる範囲

顔コレに登録された顔貌画像とメタデータは、機械学習用の顔コレデータセットとして提供されている。機械による検出結果は IIIF Curation Viewer の「選択サイズ座標入力」で取り込まれ、さらなるデータセット構築に回される [UC-002 §顔コレデータセットと機械学習との連携]。データセットが検出を支え、検出結果がデータセットを広げるという循環が成り立っている。

ただし様式分析の側から見ると、機械が担える範囲には限りがある。機械が担うのは検出までで、何を付与し、結果が何を意味するかの判断は人が行う。予備知識のない人には男性の顔にしか見えないものでも、美術史の観点から酒呑童子だと分かる人が、キーワードを付与する [BP-005 §解釈の手がかりとしてのデータ]。また AI は学習したことを出力しているにすぎず、学習していないタイプの画像はまったく認識できない [UC-040 §機械学習とは何か]。何を学習し、何を正解できるようになっているかを常に考えながら使う必要がある。検出の手順や精度は「部分を切り出す」に譲る。

したがって、機械の検出結果や、データを並べて比べた結果は、結論ではなく、専門家が解釈するための手がかりとして位置づけられる。機械学習の価値は顔の切り抜きという労力の軽減にあり、データの解釈は専門家の精読に基づく、という整理が示されている [BP-005 §解釈の手がかりとしてのデータ]。

全数を並べて見えるもの——印象を確かめる

場面ごとの印象や経験上の直感として捉えられてきたことを、資料全体で確かめられる形にする点が、この方法の中心的な価値である。確かめられる対象には、男女の比率や顔の向きの偏りのように数として表れる傾向から、僧侶と尼僧の描き分けや絵師ごとの傾向といった質的な違いまで幅がある [BP-005 §網羅的なデータによる検証]。件数の具体的な結果は「部分を切り出す」に譲る。

質的な違いの例が、清浄光寺甲本における僧侶と尼僧の描き分けである。この時代の時宗教団は、男性の僧侶と女性の僧侶(尼僧)が一緒に旅をしながら布教する、定住しない教団だった。男女の区別が緩く風紀に問題があると、時の権力者から指弾される可能性があった。絵巻の制作者はそのことに留意し、同じ場所にいても男女が接近していないことを画面で強調している [UC-042 §顔貌の切り抜きによる僧侶と尼僧の比較]。

そこで顔をどう描くかが問題になる。原本のある絵巻を転写するときの原本に対する姿勢の問題であり、同時に、男性と女性をどう表象するかという絵師の技術の問題でもある。男性の僧侶に髭の表現を残すような記号的な表現が図像の解釈にあたるとすれば、表現のレベルでは、女性の顔の輪郭が卵型でつるっとしているのに対し、男性の輪郭はごつごつしているという違いが見られる [UC-042 §顔貌の切り抜きによる僧侶と尼僧の比較]。

こうした違いは、場面を見ればその場で分かる。しかし、全巻のすべての僧侶と尼僧を取り出し、絵師ごとにシールを貼っていけば、網羅的に分かるようになる。この作業は、絵師の様式、図像の解釈、原本に対する理解という複雑な問題を見ていく手がかりになる [UC-042 §顔貌の切り抜きによる僧侶と尼僧の比較]。僧侶と尼僧をすべて平面上に並べて整理することで、男女の描き分けに加え、絵師ごとの傾向の違いまで明らかになったとされる [BP-005 §網羅的なデータによる検証]。

様式の比較から制作の分担を推定する

10巻を超える絵巻を一人の絵師がすべて描くことはなく、親方クラスの絵師が率いる絵所が、助手を擁して制作した [UC-042 §絵師の工房と共同制作]。様式の違いは、そうした分担を推定する手がかりになる。

清浄光寺甲本は、先行研究によって全10巻が三つの類に分けられている。彩色・描線ともに標準的な一類、濃彩で装飾的な二類、淡彩による三類である [UC-042 §清浄光寺甲本の三つの画風と絵師の格]。この分担は、絵師の格式と結びついているという指摘がある。絵巻では、第1巻を最も格の高い絵師が、最後を二番目の絵師が担当するのが一般的である。この絵巻でも、前半の一遍伝は格式の順に担当されている。後半の他阿伝でも、最初と最後は二類の絵師が描いている。ただし、同じ工房に三人の絵師がいたのか、三つ別々の工房があったのかは、現状では判断が難しい [UC-042 §清浄光寺甲本の三つの画風と絵師の格]。

顔だけを切り抜くと、様式の違いの見え方が変わる。二類は樹木や草花が装飾的で近世絵画を思わせるが、顔を切り抜くと意外に古典的で、人物や景観の描写には一類と共通する基盤がある。三類は顔だけなら一類によく似ているが、衣は淡い彩色でコントラストが弱い [UC-042 §作品調査と高精細画像による三分類の再検討]。ここから、一類には14世紀初頭の画趣を再現し回帰する指向、二類には対象を明確化・意匠化する指向、三類には原本をやや簡略に転写する傾向が読み取られている。傾向は異なるが、共通するのは14世紀初頭の正統やまと絵への強い意識であり、三類はこれを解釈する三者三様の方向とされる [UC-042 §作品調査と高精細画像による三分類の再検討]。一方、詞書の筆跡分析は14世紀半ばから後半の書風を示した [UC-042 §「遊行上人縁起絵巻」諸本をめぐる研究状況]。これとあわせると、三類を隔たった時代に振り分けるのではなく、同時代の解釈の違いとして捉え直す見通しが開ける [UC-042 §おわりに]。

この比較は二つの水準に広げられる。工房間比較は、異なる類の絵師・工房の細部を比べるもので、顔のほか、樹木、岩や土坡、水景、建築物にも広げられる。工房内比較は、同じ類の中の微妙な画風の違いを見るもので、たとえば主要な部分と添景といった分担が対象になる [UC-042 §工房間比較と工房内比較]。「玄奘三蔵絵」は第1巻から第6巻までと第7巻から第12巻で画風が変わり、一見して分かる例である。「一遍聖絵」と「春日権現験記絵巻」は絹に描かれており、画絹の織成密度が同じ作品の中で一定である。そのため、顔や部分をスケールを揃えて等倍で比較すれば、作品内の微妙な差異を見つけられるのではないかとされる [UC-042 §工房間比較と工房内比較]。

遠読は精読の範囲を広げる

テキスト研究から借りた精読と遠読の対を画像に当てはめても、遠読は精読を置き換えるものではない。機械学習でデータセットの規模を拡大することは、従来より広い範囲での精読を可能にすると位置づけられている [BP-005 §解釈の手がかりとしてのデータ]。全数を並べて確かめられる対象は、数として表れる傾向から質的な違いまで幅があり [BP-005 §網羅的なデータによる検証]、解釈はそれを担う専門家に委ねられる。

他方、データの解釈も機械が支援する遠読には、新たな可能性が広がる反面、方法論の危うさも共存している。リスクを認識しながら進める必要があると述べられている [BP-005 §解釈の手がかりとしてのデータ]。規模を変えて見るという立場そのものは、「遠読と精読」で扱う。

限界と可能性

得られた結果は結論ではなく、解釈の手がかりとして扱われる。何を付与し、結果が何を意味するかの判断は、対象を知る人が担う [BP-005 §解釈の手がかりとしてのデータ]。集める範囲については、日本中の作品から集められるようになれば、作品の一般的な傾向がより明らかになっていくという見通しが示されている段階にある [BP-005 §網羅的なデータによる検証]。可能性としては、浮世絵の役者顔を「芸能」カテゴリに並べるといった構想もあり [UC-040 §顔画像データセットの展開とedomi]、顔コレのような枠組みを他の対象へ広げる方向が示されている。

この節へのコメント

  • まだコメントはありません。

3 データモデリングと可視化

データをどう捉え、どう構造にし、どう扱うかをまとめる。規模を変えて見るという立場から入り、そのための道具を順に見る。

3.1 遠読と精読

一点の資料を深く読むことと、大量の資料を規模を上げて集約することは、見えるものが異なる。後者を歴史ビッグデータと呼ぶ立場がある。本節はこの立場そのものを説明し、規模を変えることで得られるものと失われるものを述べる。

歴史ビッグデータという立場

記録は、本や書き残されたものから取り出して使うほかない。日記からは過去の天気、被害の記録からは地震や噴火の様子、感染症の記録からは広がり方、米相場の記録からは値段、村ごとの記録からは人口が取り出せる。日本には江戸時代のものだけでも数十億点規模とも言われる書物が残っており、これらを機械で扱える形にして集めようとする発想が歴史ビッグデータである [UC-011 §2. 「歴史ビッグデータ」という課題]。同様の発想は欧州の Time Machine Europe(「過去のビッグデータ」を掲げる)に見られ、英国の Living with Machines も、デジタル化された大量の資料の分析を AI で拡大する同様の発想に立つ [UC-011 §2. 「歴史ビッグデータ」という課題]。

規模を上げて得られるもの

規模を上げると、一点では見えない比較や分布が見えてくる。四つの事例がこれを示す。

大量の部分を並べて様式を比べる。 顔貌コレクションは、絵本や絵巻のデジタル画像から顔の部分だけを切り抜き、「山伏」などのメタデータを付けて網羅的に集めたデータセットである。一度作れば、顔の様式の比較にも、顔の自動認識にも、GAN による絵巻風の顔の生成にも使える [UC-040 §顔貌コレクションとデータ駆動型人文学]。部分を同じ型に切り出して並べると、比較の足場ができる。切り出しの手順は節「部分を切り出す」を、比較から何が言えるかは節「特徴抽出と様式分析」を参照。

村を全数そろえて分布を見る。 幕末期の近世村領域データは、全国の村を一通り埋めて石高で分布を見ることを目指している。位置の推定は人の目で一つずつ調整しており、場所が分からない村や、農業集落が消えて分けられない村は残る。作成者はこれを、全国を一様にざっくり見られる中・低分解能のデータと位置づけ、細部は地域の方にとって手が届かないかもしれないが、一通り全国を作った点に意味があるとしている [UC-046 §作成手順]。全数がそろっていること自体が、分布を問う前提になる。

住所や地点を集計して地理を描く。 歴史地震の史料では、長文のテキストから地点を抜き出して地点ごとの表を作り、それぞれの震度を判定する処理が試みられた。約2万文字の史料から約160地点が抽出されている [UC-048 §第1実験:史料を一括処理するアプリとその課題]。記事が述べるのは抽出・表化・判定の処理までである。地点ごとの表が揃えば揺れの地理的な広がりを描ける、というのは本節の読みである。地名を取り出す方法は節「テキストから実体を取り出す」を、図にする際の選択は節「可視化の技法」を参照。

写真を通時的に並べる。 同一構図の写真を画素レベルで比較すると、人が気づかない微細な変化が明らかになることがある。これは写真を研究する人だけでなく、撮影に参加する人にとっても、何が変わり何が変わっていないかを実感を伴って理解できる体験になる [UC-016 §景観を「読む」ための新しい技術]。ここで言う景観を読むとは、絶えず変化する景観の中に不変なものを見出すことである [UC-016 §景観を「読む」ための新しい技術]。

規模を上げて失うもの

集約は、一点を深く読めば見えたものを消してしまう。

  • 文脈の喪失。 記述を細切れにすると文脈が失われる。LLM が解釈できない独特の言い回しや状況があるため、人間の補足が重要になる [BP-006 §資料の歪みと偏りの見極め]。
  • 精度の区別が消える。 旧街道のデータでは、資料から確実に読める区間と地形などから推定した区間があっても、データ上は同じ一本の線であり、精度は記録されていない。作成者は、資料の残り方で精度がまちまちであることを今後の課題としている [UC-045 §線を引く:地理院地図の上での手作業]。
  • 資料ごとの性格が見えなくなる。 資料には作られた目的や書かれ方による歪みや偏りがある。江戸切絵図は、重要な地点を一枚に収めるために距離も方位も歪めた図と解釈すべきとされる。そのため座標変換だけでは合わない [BP-006 §資料の歪みと偏りの見極め]。震度データの根拠をたどると、半分ほどが上位5〜6点の史料から抜き出されていた事例もある。集めた数が多くても、典拠が少数の史料に偏っていることがある [BP-006 §資料の歪みと偏りの見極め]。
  • 粒度の限界。 全国を一様に埋める代わりに、個々の地域の細部には届かない [UC-046 §作成手順]。
  • 歪みは一律の処理では解消されない。 複数の地図や資料を行き来しながら位置を決める作業が要る [BP-006 §資料の歪みと偏りの見極め]。

時間にも規模を広げられる

規模は件数だけでなく時間にも広がる。近世村のデータは、羽前国村山郡を対象に江戸前期から試験的に作られた。領主が替わり村の名前も変わるため、従来のデータの作り方には収まらなかった [UC-046 §今後の展望]。通時的なデータセットの作り方は、節「時間をもつ空間」を参照。通時的な写真の比較も、同じ考え方の延長にある。

この節へのコメント

  • まだコメントはありません。

3.2 データモデリングと構造化

資料をデータにするとき、何を実体とし、何を属性とし、何を関係とするかの選択は、後でどんな問いを立てられるかを決めてしまう。この選択は技術上の選択である以前に、解釈上の選択である。

資料がそのままではデータにならないこと

歴史資料の画像は、くずし字を読む必要があるなどのハードルがあり、そのままでは使えない。歴史ビッグデータは作らないと使えないものであり、AI を使える部分は多いものの、手作りでないと無理な作業が多いという整理がある [UC-044 §歴史ビッグデータの作り方と使い方]。構造の設計は、この作る工程のなかで決まっていく。何を同じ実体とみなすかの判断基準が難しいことも、同じ整理のなかで指摘されている [UC-044 §歴史ビッグデータの作り方と使い方]。同じものを指す別の記載を一つの実体にまとめるかどうかは、あらかじめ決まっているのではなく、資料を読む側の判断で定まる。実体の切り出しは、すでに解釈上の選択である。

何を実体とするかという選択

力士を実体とするか、番付上の出現を実体とするか。公演を実体とするか、演目を実体とするか。この区別によって、後でどんな集計ができ、どんな比較が可能になるかが決まる。相撲番付のアーカイブでは、宝暦7年(1757年)から慶応4年(1868年)までの110年210場所の番付を翻刻し、登場するすべての力士の名前をリスト化した。その結果は延べ48,300行を超えるデータリストとなり、「相撲番付 力士検索データベース」として公開されている [UC-036 §従来型の人文学型DH:相撲番付と祇園のアーカイブ]。名前が索引可能なエントリとして立てられたことが、力士を軸とする検索の形を決めている。祇園のアーカイブでは絵画資料420件と花街舞踊公演の上演記録456件がそれぞれ登録されており [UC-036 §従来型の人文学型DH:相撲番付と祇園のアーカイブ]、資料の種別ごとに実体の単位を決めることが設計の軸になっている。

構造が問いを先取りするということ

資料を画像にするだけでは研究基盤にならない。デジタル化は抽出の技術であり、資料が持つ情報の多くは欠落する。そのため、いつ・どこで・誰によって作られたのか、他の資料とどのような関係にあるのかを示すメタデータを付与し、研究上の問いと結びつける必要があるという整理がある [UC-036 §デジタル・アーカイブからDHへ:ARCが積み重ねてきたもの]。どの属性を記録し、どの関係を明示するかが、その資料に向けられる問いの射程を規定する。

バム遺跡の事例では、資源をクラスとして体系化して記述するオントロジー的なメタデータの付け方が採用された [UC-020 §メタデータの管理と公開]。オントロジーは実体の種類とそれらの関係をあらかじめ定義する枠組みであり、その定義が「何と何が関係しうるか」についての解釈を固定する。クラスの体系化に標準的な語彙と国際標準の Object ID が併用されたことは [UC-020 §メタデータの管理と公開]、他のデータセットとの接続可能性を設計の段階から確保する選択として読める。語彙とスキーマの選び方そのものは「メタデータ」を参照されたい。

本文から切り離して注釈を持つやり方

バム遺跡の復元では、遺跡の正確な構造(ジオメトリ)を作る作業と、それを記述するメタデータの作成とが別の工程になっていた。メタデータはオントロジーエディターの Protégé で作成された [UC-020 §メタデータの管理と公開]。モデルそのものと、そのモデルについての記述とを別個に持つ設計は、資料本体と注釈を切り離して扱う考え方の一例といえる。こうした分離は記述を後から追加・修正しやすくする利点をもつと考えられる。一方で、本体と記述の対応関係を維持する管理が別に必要になる。ただし、この利点と負担の両面は、紐づく記事が直接論じたものではない。公開に用いた格納の技術については「データの格納と情報基盤」を参照されたい。

同じ資料から複数の見せ方を用意するという問題もある。祇園のアーカイブでは、研究者向けのデータベースと、解説付きのカタログ型で幅広い層を想定したバーチャル・インスティテュートとが分けて提供されている [UC-036 §従来型の人文学型DH:相撲番付と祇園のアーカイブ]。構造を設計する段階で、想定する利用者と問いの種類を意識することが、後の公開形態に影響する。

構造設計が解釈である、ということ

3次元復元では、欠けている部分を補う際にペルシャ建築として妥当な構造かという観点が求められ、突起物や窓、門の形などを適当に決めるわけにはいかない [UC-020 §モデリングとレンダリングの分担と精度・コストの調整]。この事例では当初、コンピューターの専門家がモデリングも担い、遺跡の専門家は指示を出すだけだったが、うまくいかなかった。そこで遺跡の専門家がモデリングを担い、コンピューターの専門家がレンダリングを担う形に改めたところ、正確な画像が作れるようになった [UC-020 §モデリングとレンダリングの分担と精度・コストの調整]。欠損のある資料を構造として表現するとき、何を補いどう補うかは、対象についての専門的な解釈を前提とする。構造を決める作業は、中立な記録行為ではない。

この節へのコメント

  • まだコメントはありません。

3.3 データの格納と情報基盤

構造をどこにどう格納し、何を API として配信するか。この選択は、プロジェクトの規模と用途、将来の拡張の余地を左右する。

格納先の選択肢と用途の対応

選び方の骨格は、次の対応である。表計算形式は小規模なプロジェクトや機械処理の前段に、関係データベースは複雑なクエリや多ユーザーでの運用に、空間データベース(PostGIS など)は地理情報を含む場合に向く。この整理は一般的なものであり、以下に挙げる記事は、この対応を一般基準として裏づけるのではなく、用途と規模に応じて構成を分けた具体例を示している。

表計算形式の実例として、画像の部分領域を切り出してメタデータを付与し、切り取り画像の URL を Excel でリスト化したうえで、後からプログラムで外部システム向けの形式に変換する運用が報告されている [UC-001 §ICPの高度な利用]。表計算形式は可搬性が高く初期コストも低いが、クエリの表現力や同時編集の堅牢性には限りがある。関係データベースを運用した事例は、後述するテキストレポジトリの一例にとどまる。地理データに固有のファイル形式と配信は「地理データの形式と公開基盤」を、実体・属性・関係の切り分けは「データモデリングと構造化」を参照。

記事が示す具体例は、次の三つの切り口で、用途と規模に応じて格納先や構成を分けている。

  • 共有の要否で分ける: 同一構図撮影を支援するカメラアプリでは、サーバ側に保存されるのは共有プロジェクトのデータのみで、個人で完結するマイプロジェクトのデータはサーバに保存されない [UC-004 §アプリの基本要素とプラットフォーム]。共有が要るデータだけを集中管理し、個人用のデータは手元に置く切り分けである。
  • 利用環境の段階で分ける: IIIF Curation Platform(ICP)の利用環境には、デモ環境を使う方法、クライアントだけを設置する方法、サーバも自前で立てる方法がある。プロジェクト専用環境を構築する Docker 版では、ポートや Proxy の設定が分かる程度のサーバー管理知識と Docker の基本知識が要るが、それほど高度な知識がなくても十分に対応できる範囲だと述べられている [BP-001 §工程ごとにツールを使い分ける]。構成の複雑さは、利用側が負える運用負担に合わせて選べる。
  • 作業の規模で分ける: IIIF Curation Editor は個別のメタデータの追加や変更に使われるが、大規模な編集作業には向かないことが注意点として挙げられている [BP-001 §工程ごとにツールを使い分ける]。

これらの記事からは、格納先の一般的な選択基準までは導けない。示されるのは、共有・利用環境・作業規模という軸で構成を分けた事例である。

実体間の関係をグラフとして表現し識別子で接続する考え方は「知識グラフとリンクトデータ」が扱う。グラフストアを実際に運用した実践知は、紐づく記事に見当たらない(本節末尾の「現時点で薄い領域」の項を参照)。

正本をデータベースに置き、API 越しに使う構成

関係データベースを正本とし、アプリケーションをすべて API 越しに使う構成の実例が、テキストレポジトリのシステムで報告されている。本文・注釈・同定をレポジトリ本体に保存し、アプリケーションは API を介してのみ使う [UC-049 §テキストレポジトリのシステム構成]。

  • 正本: PostgreSQL 16 に、資料・版・本文(Canonical Text)、注釈、言及・実体・同定リンク、注釈どうしの関係、監査ログを保存する。
  • 確定と推測の分離: AI の推測である候補は、確定データとは別の表に置く。
  • API 層: REST と OpenAPI を用い、型付きクライアントを生成する。
  • 連携するアプリケーション: 注釈・エンティティリンキング、分析・可視化、取り込み(翻刻・TEI・PDF・IIIF を変換し、確認してから版を確定する)、閲覧・検索が API で連携する。

[UC-049 §テキストレポジトリのシステム構成]

確定データと AI の候補を別の表に分けておくことで、機械が出した推測が確認前のまま確定データに混ざることを避けられる。この分離は、正本として何を持つかという格納上の判断であり、配信の設計とも結びつく。

JSON を中間層として置く構成

格納形式と配信形式のあいだに JSON を中間層として挟む構成が、IIIF を使うプロジェクトで報告されている。JSONkeeper は JSON 形式のデータを保存・提供するサービス、Canvas Indexer は JSONkeeper のデータをクロールしてキャンバス単位に分解し検索可能にするサービスで、ビューアやファインダーの背後でデータベース的な層を担う [UC-001 §ICPの高度な利用]。この層に機械学習によるタグ付けサービスを連携させ、顔にタグを付けて検索する使い方もある。キュレーション単位で集めたデータをキャンバス単位に分解し、メタデータ単位で組み替える仕組みも、この層の上で動いている [UC-001 §ICPの高度な利用]。

中間層を置くと、前段のデータ作成と後段の検索・閲覧が切り離される。切り取り画像の URL をリスト化しておけば、後から JSONkeeper を読み出して別のデジタルアーカイブ向けの形式へ変換することもできる [UC-001 §ICPの高度な利用]。ここでの「組み替えがしやすい」という性質は、報告された運用から読み取れる範囲での整理であり、他の格納構成との比較に基づくものではない。

何を API として配信するか

格納したデータを外部に公開するとき、何を標準の API に載せ、何を独自の要件として残すかが、再利用可能性を左右する。標準の仕様に沿って配信すれば、利用者は既存のビューアでそのまま閲覧できる。一方、標準が想定しない要件を独自拡張で満たすと、その拡張に対応したビューアが要る。IIIF を用いた配信の事例は「画像の流通基盤」を参照。

この判断の具体例が、先のテキストレポジトリに見られる。OpenAPI を公開して、外部の研究システムも同じ API を使えるようにし、将来アプリケーションを追加しても本体の構造は変えない [UC-049 §テキストレポジトリのシステム構成]。何を正本として持ち、何を API を通して見せるかを分けることで、利用側のアプリケーションを増やしても、格納の構造を変えずに済む。

ここで述べたのは、紐づく記事が報告している構成の範囲である。エンドポイントの切り方、認証、バージョニングについての推奨は、記事から導けない。

後から変えることの難しさ

格納形式と API は、一度決めると後から変えるコストが高い。表計算形式から関係データベースへ移すにはスキーマ設計の見直しが要り、グラフ構造への再モデリングは構造の決め直しに及ぶ。独自 API 拡張に依存した下流のシステムは、拡張を変えるたびに修正を迫られる。この見立ては一般的な整理であり、移行の失敗や成功を扱った記事に基づくものではない。

このため、格納先の選択は、データモデリングの段階で見込まれるクエリの種類、データの規模、配信の要件と合わせて検討するのが望ましい。構造の決定が後から問えることを制約する側面は、「データモデリングと構造化」を参照。

この節へのコメント

  • まだコメントはありません。

3.4 データを整える

資料をデータにする工程のうち、整える作業は実務で最も時間を食う。表記の揺れや異体字、同じものを指す別の書き方を整理し、揺れのある記録を同一の対象にまとめる。基本になるのは名寄せで、実際の資料に現れる記載を、整えた先の標準的な対象へ一件ずつ対応づけていく。そこで問われるのは、どこまでを同一とみなすか、どこまで整えるか、整えることで何を失うか、整えた過程をどう残すか、という四つの判断である。

名寄せの考え方:ばらつきをどこまで同一とみなすか

揺れのある記録を一つにまとめる作業は、どの違いを揺れとして許し、どの違いを別物の印として区別するかという基準を決める作業でもある。

実データに現れる典型的な揺れを集めて、標準的な対象へ対応づける辞書を育てていくのが、一つの実践的なやり方である。揺れは頻度で振り分けて扱え、頻出するものは共通の辞書に、例の少ないものは個別の対応表に載せる [UC-031 §旧東京市15区住所データセットの構築]。住所や地名での具体的な運用は、節「地名という接点」を参照されたい。

基準を数値で決めた例が、活字の同定である。同じ文字の複数の刷りから物理的な活字へさかのぼるとき、同一の活字による刷りでは輪郭に沿った細い縁のずれだけを揺れとして許し、筆画そのものの位置が違えば別の活字の印として区別する。この基準を数値にして、複数の刷りを同一の活字へまとめる処理の打ち切りを決めている [UC-043 §活字ブロックの同定]。手法と検証の詳細は、節「文字を読む」の「字形の比較」を参照されたい。

どこまで整えるか

整える作業は、手間に見合う効果が薄れる地点で打ち切る必要がある。費用のかかる作業へ段階的に進むほど改善幅は小さくなり、最後に残るのは一件ずつの確認という最も手のかかる作業である。関東大震災の住所データの修正では、表記揺れのパターンを辞書に登録した段階で全体の約84%が地番レベルで変換でき、最後に残りを一件ずつ確認した段階で87%となった [UC-032 §住所データ修正のワークフロー]。住所の変換手順そのものは、節「地名という接点」を参照されたい。

整えることで失うもの

整える作業は、元の記載とは異なる値への置き換えを含む。先の住所データでは、「中ノ郷横川町」「柳島横川町」のような区別の表記がないという理由で、単に「横川町」とだけ書かれているものを「本所横川町」とみなしている。地図上に存在しない地番も、近接する番地に代表させて処理している [UC-032 §住所データ修正のワークフロー]。

どちらの場合も、置き換えた分だけ元の記載の曖昧さや元の精度が、データから消える。したがって元の値を別に残しておかなければ、後から置き換えの当否を確かめることも、別の判断でやり直すこともできない。

整えた過程を残す

成果物だけでなく、そこへ至る中間の資料を残すことも、後から辿るための手段になる。『新収日本地震史料』の編纂では、調査先でコピーや写真撮影をした史料を紙焼きにして冊子に綴じた写真帳と、カード目録およびその Excel ファイルが残っている。これらから、いつどこでどの史料を集めたかがおおよそわかる。調査先ではすでに所在がわからなくなっている史料もあると聞いており、その意味でもコピーが残っていることには重要な面があると述べられている [UC-047 §『新収日本地震史料』の編纂資料]。

この事例は編纂の中間生成物の保存の話であり、クリーニングの履歴や変換の記録をどう書き残すかを述べたものではない。

この節へのコメント

  • まだコメントはありません。

3.5 メタデータ

データを記述する語彙の選び方は、標準に従う「かたいメタデータ」と、対象に即して柔軟に作る「やわらかいメタデータ」のあいだで決まる。生成AI が両者の隙間を埋めうるという見方が出てきたことで、この選択の前提が動いている。構造の設計は節「データモデリングと構造化」に任せ、ここでは記述に使う語彙とスキーマの選び方に絞る。

画像にしただけでは研究基盤にならない

メタデータが何のために要るのかは、デジタル化の限界から説明される。資料を画像にするだけでは研究基盤にはならない。デジタル化は抽出の技術であり、資料が持つ情報の多くは欠落する。そのため、いつ・どこで・誰によって作られたのか、他の資料とどのような関係にあるのかを示すメタデータを付与し、研究上の問いと結びつける必要がある。この取り組みは、人文学の問いと技術とが相互に変化していく実践として捉えられている [UC-036 §デジタル・アーカイブからDHへ:ARCが積み重ねてきたもの]。語彙を選ぶ作業は、この欠落を何で補い、どの問いに結びつけるかという判断の一部である。

誰のために付けるかで、標準への寄せ方が決まる

スキーマ(標準語彙)をどこまで厳密に採るかは、メタデータを誰に向けて付けるかで分かれる。自分や自組織のためだけなら、相互運用性の重要度は低い。一般的・専門的な利用者への流通を想定するなら、相互運用性を考慮した形式と、分野ごとの詳細な項目が要る [UC-021 §メタデータをめぐる論点:利用者・項目・専門性]。

目的に加えて、付ける項目の種類も選択に関わる。メタデータの項目は基本・内容・来歴・管理・利用の5種類に整理でき、どれに力を入れるかで必要な語彙が変わる [UC-021 §メタデータをめぐる論点:利用者・項目・専門性]。付与する側の専門性にも類型がある。基本メタデータや識別子を付けるデータライブラリアン的な立場、利用者の視点で潜在的な価値を引き出すデータキュレーター的な立場、長期的な価値を保存するデータアーキビスト的な立場で、付け方が変わる [UC-021 §メタデータをめぐる論点:利用者・項目・専門性]。語彙を選ぶ作業は、自分がこのどこに立つかを意識することと切り離せない。

かたいメタデータとやわらかいメタデータ

標準的な共通スキーマに基づいて作るかたいメタデータは、標準化によって相互運用性を担保する。ただし合意形成に多大なコストがかかり、標準化できない情報は脱落する。やわらかいメタデータは、目的に応じてスキーマを柔軟に使い分け、相互運用性は生成AI の橋渡しで確保する、という発想に立つ。少し異なる言葉や形式を使っても、AI が両者をつなげれば成立する。事前の合意が要らず、利用者が目的に最適化して作れ、多様な情報を取り込める点が利点である [UC-021 §かたいメタデータとやわらかいメタデータ]。

標準にどこまで寄せ、どこから自由に書くかは、流通を重視するか、発見(ファインダビリティ)を重視するかで決められる。流通を重視する場面(DOI など)では固定的なスキーマで標準化を進め、発見を重視する場面ではやわらかいメタデータと生成AI によって多様化を進められる [UC-021 §AI時代におけるメタデータの再考と今後の展望]。かたいメタデータは最低限必要なものに絞り、それ以外は無理に標準に収めず自由に書いてよい、という見方も示されている [UC-021 §AI時代におけるメタデータの再考と今後の展望]。標準に従う部分は流通に要る最小限にとどめ、残りに対象固有の記述を許す、という配分である。

標準語彙を土台に、対象に即した体系を組む例

標準語彙と対象固有の体系を併用した例に、イラン・バム遺跡の3次元復元がある。資源をクラスとして体系化して記述するオントロジー的なメタデータの付け方を採り、語彙にはダブリンコアなどの標準を組み合わせ、国際標準のメタデータとして Object ID も使った [UC-020 §メタデータの管理と公開]。このオントロジー的な付け方は、共同研究者がオントロジーの研究をしていたという背景のもとで採られた [UC-020 §メタデータの管理と公開]。標準語彙を土台に、その上に対象に合わせた体系を組むスキーマの組み合わせの一例であり、選択が対象だけでなく担い手の事情にも左右されることを示している。三次元データの記述語彙とオントロジーの扱いは、ここで述べた範囲が記事から言えるすべてである。

生成AI が橋渡しできる範囲と、生成したメタデータの受け入れ

生成AI が橋渡しできるのは、同義語や表記の揺れといった浅い意味でのギャップである。深い意味でのギャップは橋渡しできない [UC-021 §AI時代におけるメタデータの再考と今後の展望]。やわらかいメタデータに寄せるとしても、意味の異なる概念どうしの対応づけまでAI に任せられるわけではない。

メタデータの側から生成AI が効く場面には、二つの型が報告されている。一つは、正解がなく多様な解がありうるメタデータの生成である。つくし堂では、書誌情報の標準メタデータとくずし字認識によるOCRテキストを入力に、要約やタグを生成した。3,000点以上の古典籍にキャッチフレーズを付ける作業は人間の専門家には現実的でなく、こうした領域でAI 生成のメタデータが力を持つとされる [UC-021 §つくし堂:AIによる古典籍メタデータの生成]。ただし、タグが共通する2点から生成させた関係記述は、あまりにもっともらしく、ハルシネーションかどうかの確認も難しいと述べられている [UC-021 §つくし堂:AIによる古典籍メタデータの生成]。生成されたメタデータをどこまで受け入れるかは、この確認の難しさと、AI 生成のメタデータが古典籍の世界で標準化された方式ではないという事情を勘案して決めることになる。

もう一つは、利用事例の生テキストをそのまま保持し、使う時点で構造化や形式変換を行う設計である。Mahalo Button では、最初に情報を落とし込まず、リッチな情報を持っておき、問いに応じて構造化する [UC-021 §Mahalo Button:データ利用事例の蓄積と活用]。「多様なデータをそのまま保存し、AI が得意な構造化をオンデマンドで実行し、人間が活用方法を柔軟に決める」という役割分担が、良い分担として挙げられている。標準化できない情報をまず落とし、人間が事前に構造化を頑張り、最後に少ない情報をAI が活用する分担は、悪い分担とされる [UC-021 §AI時代におけるメタデータの再考と今後の展望]。

何のデータか、なぜ作ったか、どう使うか

従来のメタデータは、何のデータか(WHAT)、なぜ作られたか(WHY)が中心だった。今後のAI 活用を見据えると、データをどう使うか(HOW)に関するメタデータも要る、という問題意識が示されている。暫定的な整理として、Descriptive Metadata(WHAT)、Contextual Metadata(WHY)、Operational Metadata(HOW)が挙げられた [UC-021 §生成AIのための「HOWメタデータ」]。Operational Metadata には、ファイル形式と読み込み方法、列定義(名前・型・単位・値の意味)、ファイル名パターン、API 使用例、注意点などが含まれる。こうした情報は従来あまり構造化されてこなかったが、データを読み込むソフトウェアがあればAI に分析させて生成できる。これをコンテキストとして与えると、台風経路を描くスクリプトのようなプログラムの自動生成につながる [UC-021 §生成AIのための「HOWメタデータ」]。語彙を選ぶ際の視野が、人が読む記述から、AI が使うための記述にまで広がっている。

この節へのコメント

  • まだコメントはありません。

3.6 テキストから実体を取り出す

ここでの「実体」は、文章の中に出てくる地名・人名・年代・出来事のように、他のデータと結びつけられるものを指す。前節までに整えたデータの外側には、構造を持たない自然言語のまま残っている資料が大量にある。翻刻やOCRでテキストにはなっても、機械が処理できる形にはなっていない。この節は、そのテキストから実体を取り出し、他のデータにつなぐ工程を扱う。[UC-049 §歴史資料の大規模テキスト化と構造化の課題] は、AI-OCRや市民参加型の翻刻で大量のテキストが手に入るようになった今、次の課題は有用な構造化データをいかに取り出すかだと位置づけている。

取り出して、外部のデータに対応づける

歴史資料の大多数は構造化されていない自然言語で書かれている。機械処理に適した形にするには、翻刻してプレーンテキストにしたうえで、地名や人名などの重要情報にアノテーションを付ける(または固有表現抽出で抜き出す)。続いて、その部分を外部のデータソースと対応づける。この最後の段階がエンティティリンキングである。[UC-049 §歴史資料の構造化プロセスと「みんなで注釈」]

「みんなで注釈」はこの手順をウェブ上で行えるようにした事例である。安政江戸地震の関連資料約100点を対象に、ユーザーが人名・地名・地震による被害にマークを付け、マークした部分を外部のデータと結びつける。地名は GeoLOD の API で歴史地名のデータにつなぎ、被害がいつ、どこで、どの規模で起きたかを構造化データとして取り出す。[UC-049 §歴史資料の構造化プロセスと「みんなで注釈」] 取り出すこと自体が目的ではなく、取り出した実体を外部のデータにつなぎ、他の資料と突き合わせられるようにする点に意味がある。

つなぐ側の基本方針は、実体に識別子(ID)を付け、属性を紐づけることである。識別子の付与では、表記が揺れる以上、何を同じ実体とみなすかの基準が重要になる。属性には、位置情報、名称の表記揺れや粒度の吸収、読みなどを与える。[UC-013 §識別子と属性によるデータ構築の基本方針] 取り出した実体が地名辞書や知識グラフに流れ込むかどうかは、この識別子の基準にかかっている。地名辞書側の事情は節「地名という接点」を、表記の揺れの吸収は節「データを整える」を参照。

取り出しの精度を、後工程で保つ

取り出しの対象は地名に限らない。〔文政雑記〕の事例では、史料の中の書状の写しが何通含まれるか、差出人とその所在地はどこかといった本文の構造も取り出している。過去の地震への言及のように、判定から除外すべき記述も挙げている。[UC-048 §再設計:処理を分割する(取得・タグ付け・表化・構造分析)]

この事例で注目したいのは、取り出しを一括の処理にせず、段階に分けた点である。史料の一括取得、地名と判定対象物(構造物など)へのタグ付け、地点・対象物ごとの表化と構造分析と続き、そのあとで震度を判定する。表化の段階には、タグ付けで漏れたものを拾えるような設計を入れている。[UC-048 §再設計:処理を分割する(取得・タグ付け・表化・構造分析)] 一度に判定まで任せると、どこで取りこぼしが起きたかが見えなくなる。段階を分ければ、各段階の出力を人が確認でき、漏れを後の段階で補える。

LLM による抽出と構造化は、この段階分割の中で使われる。[UC-049 §歴史資料の大規模テキスト化と構造化の課題] は、生成AI がデータ構造化の作業に有用であることが経験的に分かりつつあり、構造化の方法を変えつつあると述べている。ただし、抽出結果の精度や、歴史的な文章に対する性能を比べた材料は、この節の根拠記事には無い。

区切ることと文脈を保つこと

LLM に渡すテキストは、扱える長さに区切る必要がある。区切ると、文脈が途切れる。Humanitext のテクストデータでは、AI に渡す単位ごとのチャンクに、参照箇所を特定できる安定した ID(CTS URN 規格に基づく)を与え、保存・配信・推論の三層でこの ID が共通の参照のアンカーになる。[UC-038 §保存・配信・推論の三層アーキテクチャ]

文脈が途切れる問題は、翻訳で顕在化する。チャンクを単独で訳すと、代名詞・省略・照応の指示先が失われる。そこで文脈指向翻訳では、直前までのチャンクの訳を文脈として与える。ただし、その訳は参照の解決にのみ使い、訳すのは現在のチャンクだけにする。これにより、各チャンクは単独で検索できながら、文脈上の指示先を保てる。チャンク化と文脈保持は本来トレードオフだが、生成時に文脈を参照させることで、ある程度まで両立させている。[UC-038 §保存・配信・推論の三層アーキテクチャ]

この構想の第3層、つまり本文のTEIには手を入れず、その外側で参照関係・異読・注釈を ID に結びつけたグラフを、検索(RAG)やグラフ上の探索(GraphRAG)に使う部分は、現在の研究課題で実装には至っていない。[UC-038 §保存・配信・推論の三層アーキテクチャ] 実体を取り出した結果を、検索に使えるデータとして整える工程の一例として挙げられる段階にとどまる。

取り出した結果を保存し、渡す基盤

取り出した実体は、一度作ったら終わりではない。翻刻は修正されて変わっていくので、テキストと注釈、エンティティリンキングの結果は、版を管理しながら保存する必要がある。「みんなで注釈」を作ってみると、安政江戸地震の史料に特化していること、任意のテキストを追加できないこと、注釈の種別が固定されていて他のプロジェクトに使えないことが課題として見えた。そこで、さまざまなデータソースのテキストを集め、構造化の各段階で得られる結果を保存し、外部のアプリケーションと API で連携するテキストレポジトリが要件として挙げられた。[UC-049 §テキストレポジトリが必要になった理由と要件] 取り込み、アノテーション、エンティティリンキング、分析・可視化を一つの巨大なシステムにまとめず、外部のシステムとして分け、API で本体と結ぶという考え方である。

地名を取り出して住所辞書に突き合わせる場面でも、同じ基盤の考え方が現れる。GeoNLP は、テキストの中の地名と住所を自動的に抽出し、辞書の中の地名にリンクするソフトウェアで、住所部分のエンジンに jageocoder を使っている。地名辞書を拡張すれば適用範囲を広げられる。[UC-031 §現代の住所を対象とした応用事例] 辞書側の整備は節「地名という接点」に委ねる。

この節へのコメント

  • まだコメントはありません。

3.7 知識グラフとリンクトデータ

実体を識別子で定め、実体どうしを関係で結ぶ。関係をデータとして明示的に持つと、表の行を一つずつ読むのでは出てこない問いを、データに向けて立てられるようになる。識別子をどう振るかは「識別子とデータ引用」に委ね、ここでは、振られた識別子や記録の構造を結ぶと何が表せ、何が問えるかに話を絞る。

識別子が定まれば、関係は ID から ID へのリンクで表せる

実体が識別子で定まれば、人や物資の移動経路のような構造は、「あるIDから別のIDへ」というID間のリンクで表せる。道(線)と宿場町(点)がそれぞれ ID で定まっていれば、経路はそれらの ID を順に結んで記述できる。番号の付け方は「識別子とデータ引用」、街道や宿場の具体例と時期による複数の経路の扱いは「時間をもつ空間」を参照されたい。実体を一つに固定できない場合にどう関係を表すかは、設計上の論点になる。

ここで挙げたのは、自前の ID 体系の中でのつながりである。外部の別のデータセットの実体と結ぶ仕組み(リンクトデータとしての公開や接続)を述べた記事は、現時点では紐づいていない。

識別子をキーに結ぶと、問える範囲が広がる

識別子が共通していれば、別々に作られたデータを結べる。『天保郷帳』の各村を『日本歴史地名大系』地名項目データセットの地名に対応付けると、地名には緯度経度が含まれているため、1対1で対応が取れた村には緯度経度が付き、地理データとして扱える。そうなれば、天保年間の生産高の空間的分布を問えるようになる [UC-049 §『日本歴史地名大系』地名項目データセットとの対応付け]。

さらに、大系のデータをキーにして幕末期近世村領域データ、旧高旧領取調帳、慶長郷帳、正保郷帳、元禄郷帳といった他の郷帳データと連携すれば、生産高の時代的な変遷も把握できるはずだとされている [UC-049 §『日本歴史地名大系』地名項目データセットとの対応付け]。後者は期待の段階にあり、実現済みの成果ではない。対応付けの手順そのものは「地名という接点」を参照されたい。

識別子によるデータ統合は、藩や村といった多層的なデータセットを超えて知識グラフを拡張できる、という知見も講演者から示されている [UC-010 §得られた知見と今後の展望]。関係を結ぶ先が増えるほど、一つのデータだけでは立てられなかった問いが立つようになる。

記録の構造を、データとして明示する

関係の対象は、現実の事物に限らない。史料そのものの構造も、関係として表せる。

歴史地震史料の震度判定では、処理を取得・タグ付け・表化・構造分析に分割した事例がある。表化のアプリは、地点や対象物ごとに、内包史料、大地名、小地名、被害記述、タグの種類、注記を並べた表を作り、JSON で出力する。同じアプリで史料の構造も分析し、本文中に書状の写しが何通含まれているかといった構造を調べて JSON で出力する。〔文政雑記〕では、二条城在番御番衆書状(写)など3件の内包史料について、差出人とその所在地を整理し、過去の地震への言及など判定から除外する対象も挙げている [UC-048 §再設計:処理を分割する(取得・タグ付け・表化・構造分析)]。

史料の中に別の史料の写しが含まれる、差出人とその所在地が対応するといった関係を、読み手の記憶や注釈の中ではなく、データとして残している。後からその構造を参照し、判定から除外する対象を取り出すことができる。

最初の設計が、後で問えることを決める

何を単位に切り出し、どんなメタデータを与えるかという最初の設計は、その後の検索・整理・機械処理で何ができるかを方向づける [BP-001 §まとめ]。関係についても事情は同じで、どの実体に ID を与え、どの関係をデータとして残すかが、後で問える問いの範囲を決める。

この節へのコメント

  • まだコメントはありません。

3.8 可視化の技法

可視化は中立な表示ではない。データのどの側面を実体として扱い、どの側面を背景に退けるかについて、図は立場を取る。どの図を選ぶかが、何を主張するかを決める。

地図は何を選び、何を省くか

地図は現実世界のコピーではなく、地上の特徴から必要なものを選び、抽象化・シンボル化して表現したものである [UC-009 §地図とは何か]。衛星画像が解像度の許す限り地上を網羅的に記録するのに対し、地図は利用者にとって重要な部分を取り出し、それ以外を省略・加工する。道路を実際より太く描いたり、重要度に応じて色を変えたりする強調もこの操作に含まれる。日本の地図には駅が必ず描かれるが、鉄道を重視しない国の地図では駅が省略されることもある [UC-009 §地図とは何か]。

何を残して何を消すかは、縮尺の問題を超えて、その地図の主張を決める。1933年に Harry Beck が作成したロンドン地下鉄路線図は、路線を縦・横・斜めの直線だけで描き、実際の経路の形も距離も正確には反映しない。それでも駅の順序、乗り換え位置、テムズ川の位置は正しく保たれており、「地下鉄に乗って移動し乗り換える」という目的には最も使いやすい [UC-009 §地図とは何か]。距離の正確さを捨てて、目的に必要な情報の構造を可視化している。地図の本質は、目的に応じて必要な情報を可視化することにある。

絵図のように位置関係の描き方そのものが測量と異なる地図の扱いは、節「地図資料の処理」を参照。

何を重ね、何を点で描くか

何を重ねて見せるかを選べること自体が、地図を作ることを選択の行為にしている。同じ地域でも、どの情報を重ね、どれを下げるかで、図が語る内容は変わる。レイヤーという機能の仕組みは節「地理データの形式と公開基盤」を参照。

描く図形の種類にも主張が入る。あるものを点で描くか面で描くかは、それを「場所」として扱うか「領域」として扱うかの選択でもある。ベクタとラスタの形式としての違いも、同節を参照。

地図に描ける粒度、描けない粒度

歴史資料から住所を取り出して地図に描く作業は、可視化が何を主張でき、何を主張できないかを具体的に示す。関東大震災の死亡者住所の事例では、東京都慰霊協会が所蔵する「震災死亡者調査表」約3万8千名分の住所をジオコーディングし、空間分布として地図化して被害の地理的パターンを探った [UC-032 §はじめに]。

地図に描けたことと描けなかったことは分けて読む必要がある。本所区では、死亡場所の記載が「本所区」という区止まりのものが95%を占め、深川区でも「深川区」のみが88%を占める。この二区では区内のどこで亡くなったかを点として定められず、空間分布の粒度に限界がある。他の区では居住地での死亡割合が相対的に高く(神田区67%、下谷区43%、浅草区24%など)、地点として描きやすい [UC-032 §死亡場所・人口密度からみた本所区・深川区の特殊性]。同じ地図の上でも、区によって描ける精度が違い、その差が分布の見え方に入り込む。

区別の死亡率(死亡者数÷大正9年国勢調査人口)を並べると、本所区が10.7%で突出し、深川区1.9%、浅草区0.9%と続く。人口密度が同等以上の浅草区が0.9%にとどまり、密度の低い深川区が1.9%を示すため、人口密度は高い死亡率の背景ではあっても直接の原因ではなく、地域や場所ごとの別の要因が作用したと考えられる [UC-032 §死亡場所・人口密度からみた本所区・深川区の特殊性]。分布を並べることで人口密度との単純な対応が崩れることは見えるが、その先の要因は地図が答えるものではなく、地図をきっかけに問いを立て直す段階に移る。

この節へのコメント

  • まだコメントはありません。

4 AI との協働

AI を研究に使うときの作法をまとめる。まず AI の時代に研究の方法がどう変わるかを述べ、続いてデータを作る場面、問う場面、エージェントを使う場面の作法を述べる。

4.1 AI 時代の研究方法

AI が研究の手順を担えるようになると、問われるのは「AI で何ができるか」より先に、「研究者はどこで何に責任を負うのか」である。本節は、研究者の関与の深さを三つの類型で定義し、そこから導かれる研究者像、著者性と評価、人の育ち方、人文学の教え方を順に述べる。AI で何を作り、何を問い、どう実装するかは、各節(「AI でデータを作る」「AI で問う・読む」「AI エージェントの活用」)を参照されたい。

関与の深さを三つに分ける

AI との関わり方は、人がどこまで手順に入り込むかで三つに分けられる。この三類型は、本ガイドラインにおける定義である。

  • Human-in-the-loop:一つ一つの作業を研究者が指示し、結果を確認する。マイクロマネジメントにあたる。
  • Human-on-the-loop:研究者が方向を示して作業を委ね、結果を確認する。権限移譲にあたる。
  • Human-out-of-the-loop:結果をそのまま使う。丸投げにあたる。

この順に人の関与は減る。AI にできることが増えるにつれ、in-the-loop から on-the-loop へ移っていくとされる [UC-035 §人間とAIの関わり方の三つの類型と「指揮者」という研究者像, UC-043 §Agentic DHという視点]。

類型が変わると、責任の置き場所も変わる。in-the-loop では、各作業を指示し確認した研究者が、その作業の責任を直接負う。on-the-loop では、個々の作業は AI に委ねられ、研究者は結果の確認を通じて全体に責任を負う。out-of-the-loop では、確認という責任の経路そのものがなくなる。人文学では、この丸投げにあたる out-of-the-loop はあまり成立しないのではないかという見方が示されている [UC-035 §人間とAIの関わり方の三つの類型と「指揮者」という研究者像]。

指揮者であるということ

この構造を研究者像として言い表したのが「指揮者」である。指揮者は個々の楽器を弾けないかもしれないが、全体の音がどうあるべきかを理解し、全体として良い音楽を作る責任を負う。研究者も、個別の工程は AI に委譲しつつ、研究の全体を成功させ説明する責任を負う [UC-035 §人間とAIの関わり方の三つの類型と「指揮者」という研究者像, UC-043 §Agentic DHという視点]。

指揮者であるための条件は二つに整理できる。一つは、権限を委ねても研究責任は手放さないこと。もう一つは、出力を批判的に評価する能力を保つことである。人文学の主体性を保つには、AI への丸投げではなく、的確な指示と対話のコントロールが不可欠であり、自分たちの研究に適した AI を開発する能力や、AI の出力を批判的に評価する能力を育成できるかが問われるという [UC-035 §AI for Humanitiesに向けて]。

この能力を支えるのは、道具ではなく研究者の専門性である。数学の事例では、AI が見つけた反例を人間が理解するために、AI との対話を使いながらも、その対話の成立に深い専門性が必要だと指摘されている [UC-035 §数学研究で進むAI for Science]。歴史地震の震度判定の事例では、コードを書けない研究者が AI の提案を判断し指示することでツールを作った。そのうえで、何を変えないかを決めること、結果を史料で確かめること、AI の提案の採否を決めることは、人間に残る責任だとされている [UC-048 §限界と人間に残る責任, UC-048 §開発の進め方:設計と実装の分業]。

著者性と責任、評価と査読の揺らぎ

AI の関与が深まると、成果が誰のものかという問いが生じる。研究者のプロンプトには独自性があり検証も行うが、それが著者性の根拠になるのかには疑問が残る。数学者の Gowers は、AI が生成し人間が検証した成果を、著者のいない論文として投稿できないかと考えた。しかし、プレプリントサーバーの arXiv は条件を満たさないという [UC-035 §学術システムにかかるストレスと著者性の問い]。人文学では人手による丹念な作業を著者性の根拠としてきたため、AI 支援による成果の評価がとくに難しくなる可能性が指摘されている [UC-035 §学術システムにかかるストレスと著者性の問い]。

評価や査読の側にも負荷がかかる。論文の「生産性」が上がって大量投稿が可能になり、質の低下も重なって、人間が査読するシステムが危機的な状況にあるとされる。機械学習の学会 NeurIPS では、AI を査読に使う実験も始まった [UC-035 §学術システムにかかるストレスと著者性の問い]。

現場の研究者からも、似た戸惑いが寄せられている。DiHuCoハブシンポジウムの参加者アンケートでは、論文や学会報告で AI のリファレンスをどこまでとし、オリジナルをどの部分とするかの判断に困る、という声があった。研究や業務の過程でどこまでが AI の提案や分析で、どこからが人間の判断なのかが見えにくくなることを懸念し、AI の出力をなぜ採用し何を採用しなかったかを記録・検証する仕組みが必要だと感じた、という回答もある。論文作成には使えるが論文査読には利用できないことを問題とする回答や、論文レビューなどで AI に頼りすぎて研究の主導権を握られそうになるという回答もあった [Issues-002 §論点3:人間が担う範囲の見極め]。ただしこのアンケートの回答者は、AI の利用に肯定的な層に偏っている [Issues-002 §調査の方法と回答者の構成]。

学生と研究者の育ち方

技術の習得が入場条件でなくなった

AI は、学生が研究に入る順序を変えている。以前は、プログラミング言語やデータベース、統計処理、画像処理をある程度習得してから研究課題に取りかかる必要があり、問いに到達する前に挫折する学生もいた。現在は、生成 AI との対話を通じてコードを作り、エラーを説明させ、必要なツールを組み合わせられる。技術は研究への入場資格ではなく、研究の途中で獲得し組み替える資源になった、と説明されている [UC-036 §生成AIによる教育現場の変化]。

このことは、資料批判や文脈理解といった人文学の強みを持つ研究者が、データや計算の能力を効率的に駆使できるようになるという意味で、人文学系の研究者にとっての大きな開放だと捉えられている [UC-036 §生成AIによる教育現場の変化]。

取り組みやすい問題を解ける AI と博士課程の指導

一方で、AI が比較的取り組みやすい問題を解ける段階にあるなら、研究を始めたばかりの博士課程の学生に取り組みやすい問題を与えるという、指導の常道が選べなくなる。数学者のブログはそう指摘している [UC-043 §Agentic DHという視点]。同じブログは、自分の名前が定理や定義に永く結びつく喜びを味わえる時代は終わりに近いかもしれない、とも述べる。数学研究にこれから入ろうとする人への影響がとくに大きく、従来のやり方ではキャリアを築けないとも論じられている [UC-035 §数学研究で進むAI for Science]。数学についての議論であり、人文学にそのまま当てはまるとは限らないが、学術システムの変化は人材育成やキャリアパス、教育に大きく影響するため、いまから対応を考えるべきだとされる [UC-035 §AI for Humanitiesに向けて]。

デジタル化からの転回を必要としない世代

世代による違いも指摘されている。これまでの DH は、アナログからデジタルへ、計算可能性とアクセシビリティを高める一方向の変化を議論してきた。いま起きているのは、人間と AI のあいだで主体性をどう分担するかという、配分の問題である。Agentic DH に至るにはデジタル化から AI 化への転回が必要であり、デジタル化の延長では AI 化に進めない、異なるベクトルではないかと述べられる。デジタル化をやめるわけではなく、方向を変えるという意味である。最初からデジタル環境で研究を始めた人は、アナログからデジタルへの変化を経験していない。そのため転回しなくても自然に AI 化に進める可能性があり、デジタル化を経由せずに AI 化を進める研究の道も開かれる [UC-035 §デジタル化からAI化への転回, UC-043 §Agentic DHという視点]。

人文学の何を教えるか

DiHuCoハブシンポジウムの参加者アンケートには、教育の現場への懸念が複数並んでいた。学生が生成 AI を利用すること自体は問題ないが、一部の学生は専門知識を習得する労力を省くために使いたがる、という回答がある。学生のレポートの劣化が甚だしいという回答や、教育の現場にどう取り組むべきかが気になるという回答もあった。AI を使うことで回り道をする面白さに気づく機会が失われかねないという指摘は、これは程度問題で、自分の先輩たちも自分たちを見て同じことを思っただろう、と相対化されている。身につけた技術が意味をなくし、問いを立てることだけが残るので、真の研究者しか生き残れないと感じる、という回答もあった [Issues-002 §論点3:人間が担う範囲の見極め]。

これらの声と、ここまでの構造を合わせると、学生が AI を使うときに身につけるべきことは、次のように整理できる。

教える側の役割も変わる。調査、整理、比較、仮説、生成、表現といった研究行為の一部が AI との協業のなかに再配置されるなら、教員は、技術そのものを教える人から、問いの立て方、資料批判、文脈理解といった人文学の力をどう AI の使い方に結びつけるかを指導する人へ、重心を移すことになる [UC-036 §Agentic DHにおける研究行為の再配置]。具体的には、教員は次の三つを担う。ツールの操作を教えるだけでなく、研究の方法を助言する。結果の検証の仕方を学生に問う。何をもって成果とするかを学生と議論する [UC-036 §学生の研究の評価と教員の役割]。

評価の側にも同じ重心の移動が求められる。学生の研究は、AI が答えを出した結果としてではなく、学生が AI を指揮しながら問いと方法と成果を結びつけたプロセスとして評価されるべきだ、という考え方が示されている。自分の関心から出発し、AI を用いて必要な方法を組み立て、何を成果とするかまで考えているか。そこが見られることになる [UC-036 §学生の研究の評価と教員の役割]。

この節へのコメント

  • まだコメントはありません。

4.2 AI でデータを作る

AI に作らせたものをデータとして扱うには、人がどこで関わるか、誤りが残る前提でどう使うか、AI が作ったことをどう記録しどう伝えるか、の三点を決めておく必要がある。以下は、DiHuCo ガイドラインシステムの記事生成ワークフローを具体例に、対象を問わない作法として整理する。何を作らせるかは対象ごとの各節が扱う。

AI が書き、AI が検査し、本人が確かめる工程

ガイドラインシステムでは、講演の文字起こしと講演資料を素材に、生成 AI が記事を書く。素材の準備では録音から文字起こしを作り、講演資料からテキストを抽出する。両者に齟齬があれば講演資料を優先する。書かれた記事は AI がレビューし、次に講演者本人が内容を確認し、そのうえで知識ベースに登録する [UC-034 §記事生成のワークフロー]。

素材の選び方は品質に影響する。講演資料だけから作る場合より、文字起こしを加えた方が品質は上がる。口頭の説明には話し手が何を強調しているかが表れており、記事の重点を取りやすくなるためである [UC-034 §記事生成のワークフロー]。

この工程は、AI が作ったものを AI が点検し、最後に内容を知る人が確かめる三段になっている。AI 同士の点検は人手を減らすが、人の確認の代わりにはならない。記事の内容に責任を持てるのは講演者であり、確認の段が最後に置かれているのはそのためである。

幻覚への対処

記事生成と AI レビューに共通する課題として、素材にない情報を AI が書き加えてしまう問題がある [UC-034 §記事生成のワークフロー]。対処の基本は、書かれた内容を素材と突き合わせられる形で出させることにある。ガイドライン本文の生成でも、記述は提供された記事だけを根拠とし、根拠を主張ごとに記事の節まで示す形式を取る。読者が節へ直接たどれるので、素材にない記述は根拠の欠如として見つかりやすくなる。

検査して、結果を工程に戻す

ガイドライン本文の生成(Agentic Publishing)では、人が指定した構造に沿って AI が知識ベースから記事を選び、成果物を組み立てる。生成結果は校閲の担当が、重複・食い違い・根拠の不足といった複数の観点で検査する。支援の担当が修正を提案し、人が裁定して差し戻すと、再ビルドや候補内の修正が行われる [UC-034 §Agentic Publishingとは何か]。

要点は、検査で見つかった問題点を出来上がった文章への手直しで終わらせず、編集レシピに反映して以後の生成に生かすことである。編集レシピには、章節構造や各節で書く内容・書かない内容を指定する構造、制作と校閲それぞれのエージェント指示、表記揺れに対して使うべき表記を定める用語ファイルが含まれる。出来上がった料理に手を加えるのではなくレシピを変えて作り直す、という考え方である [UC-034 §編集レシピとAI生成構造]。

この工程では、正本である構造を書き換えるのは人だけである [UC-034 §Agentic Publishingとは何か]。誤りを見つけたら、まず工程の設計を疑って直し、直した工程で作り直す。個々の誤りを手で直し続けるだけでは、同じ誤りが次の生成でまた出る。

人が確かめる箇所と、確かめられない箇所

人が確かめられる範囲には限りがある。作法として次の点を挙げる。

候補と確定を混ぜない。 AI が出した候補は、確定したデータとは別に未確定の推測として保持し、人が候補から選んで初めて確定した結果にする。テキストレポジトリの試験適用では、AI や辞書が出した候補を確定データとは別の表に置き、選んで初めて確定したリンクになる設計とした [UC-049 §テキストレポジトリのシステム構成, UC-049 §安政江戸地震史料への試験適用]。AI が提案したアノテーション候補は、人が目視でレビューしてから採否を決める [UC-049 §安政江戸地震史料への試験適用]。確定データに候補が紛れ込むと、後から誰も区別できなくなる。

誤りが残る前提で使う。 大量に処理できることは、誤りも大量に生みうる。AI の出力をそのまま結論とせず、解釈を支える手がかりとして扱い、何を学習し何を正解できるのかを考えながら使う [BP-005 §解釈の手がかりとしてのデータ]。AI の説明が冗長で理解が追いつかないときは、分かったつもりで採用せず、分かるまで聞き直す [UC-048 §限界と人間に残る責任]。

測れる部分と測れない部分を分ける。 誤りの出方を測る手段としては、あらかじめ人手で作った正解データと突き合わせる方法がある。人手による検証データがあったことが、AI による改善を成立させた理由の一つとして挙げられている [UC-049 §AIによる改善が機能した理由とループエンジニアリング]。逆に、正解を測る手段がない部分は、出力を信頼する根拠も弱い。数値と事例の詳細は節「AI エージェントの活用」を参照されたい。

モデルの更新で結果が変わる。 モデルが更新されると、同じ入力でも結果が変わりうる。そのため、作らせたときのモデル名と日時を記録しておく [UC-048 §限界と人間に残る責任]。

作ったのが AI であることを記録し、伝える

AI が作ったものは、後から読み直して検証できるよう、何を素材にどう作ったかを残す。記録の具体的な方法はいくつかある。

  • 記事末尾に AI 利用を明記する。 講演記録を基に生成 AI を用いて作成した旨を、記事の末尾に書く [UC-034]。
  • 生成の記録を残す。 どの素材から、どのプロンプトとモデルで、いつ作ったかを記事ごとに記録する [UC-034]。
  • 判断を決定ログに残す。 決定した事項、採用しなかった案とその理由、生じた不具合を記録し、以後の作業で AI に最初に読ませる運用もある [UC-038 §研究チームとAIの協働]。

人が指定した構造と、AI が再構成した文章とは区別して扱う。ガイドラインシステムでは、正本である構造は人だけが書き換え、AI が書く本文はその構造と記事から作り直される [UC-034 §Agentic Publishingとは何か]。何を人が決め、何を AI が書いたかが、作りの上で分かれている。

AI の提案と人の判断の境目が見えにくくなるという懸念と、採否の理由を記録・検証する仕組みを求める声の整理は、節「AI 時代の研究方法」の「著者性と責任、評価と査読の揺らぎ」を参照されたい。AI が再構成した部分と人が指定した構造とで権利がどう異なるかは未決の問いであり、節「ライセンスの選び方と権利処理」を参照されたい。AI を使って作ったものを公開する場合の法や倫理は、節「AI と社会」で扱う。

この節へのコメント

  • まだコメントはありません。

4.3 AI で問う・読む

AI に問いを投げて資料を読むとは、検索から翻訳・註釈までを一つながりの作業として設計することであり、その終端には専門家による評価が置かれる。以下では、問いの受け口、読解工程の全体設計、資料を AI が読める形に整えること、註釈を伴う翻訳、返ってきたものの評価の順に述べる。

問いの受け口:検索と生成を組み合わせた対話

資料への問いは、検索で根拠を集め、生成で答えを組み立てるという二段で受けられる。Humanitext Antiqua は西洋古典 2,338 作品・115,145 チャンクを収録し、密ベクトルと疎ベクトルのハイブリッド検索で、固有名・術語の一致と意味的な言い換えの双方を拾う [UC-038 §三つの公開サービス]。知識ベースへの標準的な入口としても、キーワード検索と RAG による AI チャットが提供されている [UC-034 §Agentic Publishingとは何か]。

この方式の強みは、問いの形を決めずに探索できる点にある。一方で、AI チャットは柔軟な反面、固定的な出力が得られない。データセットについて尋ねれば記事から取り出して紹介するが、全体として何をやるべきかには答えられず、「線」が通らない [UC-034 §Agentic Publishingとは何か]。対話は探索には向くが、体系的な叙述には別の仕組みが要る。

答えを検証可能にする設計も要る。Antiqua の回答には引用チップが付き、底本と実際に用いた検索クエリを示す典拠パネルに対応する。何を検索した結果かが分からなければ、出典の妥当性を判断できないためである [UC-038 §三つの公開サービス]。チャンク ID が Antiqua と Reader で共通なので、典拠から Reader の同じ箇所を開いても対応がずれず、答えから原典の同じ箇所へ戻れる [UC-038 §三つの公開サービス]。答えが参照箇所の ID つきで返り、人間が原典に立ち返って検証できることが、この対話環境の要点である [UC-038 §デジタル化とAI-Ready化の違い]。チャンクの切り方や ID の設計といった整備の側は、節「テキストから実体を取り出す」を参照。

読解工程の全体設計

AI に資料を読ませるとき、読解を一つの処理として投げるのではなく、工程に分けて部品化する設計がある。VEDA AI は、ヴェーダ文献の読解を構成するタスクを小さな部品に分けて組み立てたシステムである [UC-039 §VEDA AI:読解の工程を部品に分ける]。

部品化の足場になるのは、読解とは何をすることかの整理である。読解は五つの営みに分けられる。字を読むこと、誤りの向こうにある正しいテクストを読むこと、語形・構文を分析して読むこと、文脈・背景を調べて読むこと、関連する別の文献を参照して読むことである。テキストに誤りがあれば、自分の知識によってその先の正しいテキストを想定しながら読む [UC-039 §文献を「読む」とはどういうことか]。これが取り込み、語形、意味、翻訳・註釈の各部品に対応づけられる [UC-039 §VEDA AI:読解の工程を部品に分ける]。

設計の特徴は三つある。第一に、一直線のパイプラインではなく、工程を行き来しながら翻訳へ至る。最終的に見えるのは翻訳だが、途中の形態素解析や辞書検索の結果もそれぞれが出力である [UC-039 §VEDA AI:読解の工程を部品に分ける]。第二に、意味は辞書に委ねる。AI にすべて任せるとしても、モデル内部の知識に頼らず辞書を引いて確認する。ただし辞書も批判的に読む必要があり、同義語の扱いや語義の取捨は文脈から決めなければならない [UC-039 §VEDA AI:読解の工程を部品に分ける]。第三に、各工程で人が誤りを修正して次へ渡すデータを改善し、その記録自体が将来の学習データになる [UC-039 §VEDA AI:読解の工程を部品に分ける]。

部品は言語ごとに差し替えられる。ヴェーダ語では OCR に専用モデルの TrOCR-Vedic、形態素解析に ByT5-Sanskrit、辞書検索に CDSL を用いる。日本語の古文なら OCR は NDLOCR-Lite、形態素解析は MeCab と UniDic、辞書検索は JMdict という組み合わせが考えられる [UC-039 §言語ごとにモデルと資料を差し替える]。最初の結果が粗くても、テキストを読みながら AI を育てていくプラットフォームになる、というのが目指す姿である [UC-039 §言語ごとにモデルと資料を差し替える]。工程の入口にあたる文字認識そのものは、節「文字を読む」を参照。

資料を AI が読める形に整える

AI に読ませる前に、資料を読める形にする工程がある。画像から翻刻する工程では、Humanitext OCR のようにマルチモーダル LLM を用い、資料の特徴と抽出したい内容をプロンプトに書き添えるだけで、資料ごとの事前学習やテンプレート設定を要さない形がある。出力は翻刻テキストのほか、原本のページ画像にテキスト層を重ねた検索可能 PDF も選べる [UC-038 §三つの公開サービス]。

読める形に整えること自体が、読解の品質を左右する。講演の文字起こしと講演資料を素材に記事を生成する場合、資料だけから作るより文字起こしを入れたほうが品質が上がるという経験が報告されている。口頭の説明には話し手が何を強調しているかが表れ、重点を取りやすくなるためである [UC-034 §記事生成のワークフロー]。素材の選び方が、AI の読みを方向づける。

学習データの選び方にも同じことが言える。江戸時代の古典籍で学習した大規模言語モデル「からまる」は、人手による翻刻とくずし字 OCR のテキストを合わせた 2500 万文字で学習されている。OCR テキストは約 3000 冊から 1008 冊を手動で選んだもので、基準は、くずし字データセットに字形が近いこと、専門用語が少ないこと、漢文が少なく漢字かな交じりであること、写本より OCR の精度が高い版本であることだった。OCR テキストの割合をこれ以上増やすと、回答に誤字が目立つようになることが経験的に分かっている [UC-053 §LLMの学習事例:江戸時代の古典籍を学習した「からまる」]。何を読ませるかの選別が、出力の質を左右する例である。

読解の対象をテキストで与えるだけでなく、画像と対応づけて見せる設計もある。ヴェーダ語の研究では、本文と形態・構文・アクセントの情報を確認できる原文表示のビューワが試作されている [UC-039 §評価・解釈共有プラットフォームと公開したい成果]。

註釈を伴う翻訳

AI による翻訳は、訳だけでなく、その根拠を示す註釈と組み合わせたときに、専門家が評価できる形になる。翻訳は文字列の置き換えにとどまらず、背景や言語的特徴を反映させる作業であり、古典研究では解釈の表明にあたる。語釈、文法、儀礼・思想の背景、文献間の関係が訳に影響し、註釈は解釈の過程を読み手へ開示する。必要なのは自然な訳だけでなく、根拠のある訳だとされる [UC-039 §註釈を生成する翻訳モデルという目標]。

註釈の生成順序は設計の対象になる。訳してから翻訳判断を説明する順序、訳文と註釈を同時に生成する順序、先に語釈・文法・文献的根拠を整理して訳に反映する順序の三つが予定され、どれが翻訳の妥当性、註釈の根拠性、専門家の評価しやすさを高めるかを比べる [UC-039 §註釈を生成する翻訳モデルという目標]。評価には BLEU や COMET に加え、註釈の正確性・有用性・根拠性の専門家評価を用いる [UC-039 §註釈を生成する翻訳モデルという目標]。

翻訳を AI の初稿として公開し、議論と訂正で育てる運用もある。Humanitext Reader は文アライメントによる 4 言語の対訳を提供し、訳・注が AI による初稿であることを明示する。疑わしい訳や解釈の分かれる箇所は文単位のコメントで議論し、投稿は残りの言語へ自動翻訳されて一つのスレッドに集まる。明らかな誤りは同じパネルから報告でき、キュレーターの確認を経て TEI/XML と訳文に反映される。既存の学術翻訳を置き換えるのではなく、その手前で原典に触れる機会を広げる位置づけである [UC-038 §三つの公開サービス]。

入力の形によって、翻訳の通りやすさも変わる。以前の GPT-4 では、OCR による翻刻テキストを現代語に訳せず、校訂テキストなら訳せたという。最新の LLM では翻刻のままでも理解できるようになったが、教科書や入試で使われるのは校訂文であるため、その差をどう扱うかは課題として残る [UC-053 §翻刻・文字・校訂・句読点]。

既存の翻訳資料を学習データとして生かす構想もある。仏教漢文の研究では、『国訳一切経』の日本語訳と漢文原典を文レベルで対応づけた対訳コーパスを学習に活用することが構想されている [Issues-004 §論点2:AIに渡すデータの整備]。これは構想段階であり、成果として確認されたものではない。

返ってきたものを専門家が評価する

AI の出力は、そのまま結論にせず、専門家が評価する工程を経て資料の読みになる。評価の必要は、実践者の困りごととして繰り返し現れる。アンケートには、適当に虚偽の回答を出してくること、他分野のメタデータ規格など専門外の情報の妥当性が判断しにくいこと、OCR でファイル全体の作業を指示したのに部分的にしか処理されず、そのチェックが要ることが挙がっている [Issues-002 §論点2:出力の確からしさの確認]。尋ねる事項に関する知識がなければそのまま信じてしまうことがあり得る、出力の多さに対して読める分量が限られる、という気がかりも述べられている [Issues-002 §論点2:出力の確からしさの確認]。もっと知りたいこととして、検証の方法、AI 以外のツールと併用して精度を高める方法、ハルシネーションを起こさないプロンプトの書き方が求められている [Issues-002 §論点2:出力の確からしさの確認]。問いの立て方についても、効率のよいプロンプトに到達できていないという声や、希望どおりの出力を得るプロンプトが複雑になりエラー対応が困難になるという声がある [Issues-002 §論点1:AIの使い方]。

評価の一つの設計が、生成と評価に別系統のモデルを使う方法である。SPReAD 1000 に採択された研究には、歴史的文書から LLM が生成した知識グラフの品質を、構文・スキーマ準拠性、オントロジー的整合性、原文との事実一致の三つの軸で、生成に使ったものとは別の LLM に評価させ、大学院生アノテーターによる人手評価との一致を測るものがある。生成したモデルが自分の出力を甘く評価する偏りを避けるのが狙いで、AI が作ったデータを AI で検証する際の方法論的な最小要件を、具体的な人文学データセットで示すことを目指している [Issues-004 §論点3:AIの出力の検証]。この評価手法を歴史学以外の DH 分野へ広げる構想も示されている [Issues-004 §まとめ]。

限界も明示されている。評価に用いる LLM にも系統的な誤判定のパターンが生じうる。モデルの更新によって結果が揺れるとき、何を再現の対象とするかは未解決である [Issues-004 §論点3:AIの出力の検証]。確かめ方への要望としては、AI の出力を検証する定番の手法や、追試にあたって記録すべき項目を知りたいという声がある [Issues-004 §論点3:AIの出力の検証]。

専門家の関与は、評価にとどまらず、結果の意味づけにも及ぶ。機械による検出や比較の結果は結論ではなく、専門家が解釈するための手がかりとして扱われる。何を付与し、結果が何を意味するかの判断は対象を知る人が担う、という整理が複数の事例に見られる。注意点として、AI は学習したことを出力しているにすぎず、学習していないタイプの画像を与えるとまったく認識できないため、何を学習し何を正解できるようになっているかを常に考えながら使うことが大切だとされる [BP-005 §解釈の手がかりとしてのデータ]。

専門家の評価は、評価で終わらず次の改善へ戻される。専門家が註釈を書き換えて根拠資料と判断の履歴を残し、人の修正を将来の再学習や few-shot 用のデータに使うプラットフォームが構想されている [UC-039 §評価・解釈共有プラットフォームと公開したい成果]。ここで生成と評価の往復が閉じる。AI が作ったものを作法に沿って検査し、工程へ還元するやり方一般は、節「AI でデータを作る」を参照。

この節へのコメント

  • まだコメントはありません。

4.4 AI エージェントの活用

AI エージェントを研究に使った例は、どの作業を任せ、研究者がどこで確かめたかによって性格が分かれる。ここでは、コードの作成、評価の仕組みを与えたうえでの自律的な改善、史料の震度判定における経過と限界、研究チームとの協働、研究環境の整備、利用者の実感という順に、報告された事例を述べる。三類型や指揮者の概念は節「AI 時代の研究方法」で定義されており、本節は参照するにとどめる。

コードの作成を任せる

最も多く報告されているのは、コードの作成をエージェントに任せる使い方である。参加者アンケートでは、AI の利用目的として「プログラムの作成(コーディング)」を挙げた回答者が有効回答 38 名中 14 名で、文章の作成・要約・翻訳(29 名)や質問・相談・アイデア出し(27 名)より少ない [Issues-002 §調査の方法と回答者の構成]。役立つことの設問には、プログラムが生成 AI でほぼ正確に書けるようになり、書いていた時間をアイデアの検証など他の作業に使えるようになったという記述がある [Issues-002 §論点1:AIの使い方]。

SPReAD 採択研究の発表では、Python でコードを書けない発表者が Gemini にコードを生成させて画像認識システムの実装を進め、非常に有用だと述べている [Issues-004 §論点1:AIを使う研究環境の整え方]。

確認の側には課題が残る。同じ発表では、プロンプトや指示が不十分だと意図と異なるコードが生成されることがあり、生成されたコードを評価・修正するための知識が求められると述べている [Issues-004 §論点1:AIを使う研究環境の整え方]。アンケートでも、プログラミング作業が容易になった反面、希望どおりの出力を得るためのプロンプトが複雑になり、エラーが起きたときの対応が困難だという声がある [Issues-002 §論点1:AIの使い方]。

評価の仕組みを与えて改善を任せる

コードを書かせるだけでなく、改善の試行錯誤そのものを任せた例もある。対象は、『天保郷帳』の約 6 万の村名と他の資料の村との対応づけである。同名が 2 件以上ある村名は行数にして全体の 56.8%(34,394 行)を占める。たとえば田中村は全国に 104 村あり、14 郡では同じ郡の中に複数ある。「駒方新田」と「駒形新田」のような表記の揺れもあり、単純な文字列の一致では対応づけにならず、全件の人手確認にも膨大な手間がかかった [UC-049 §対応付け作業の問題:同名地名と表記揺れ]。

この絞り込み方法の改善を Claude に頼んだところ、AI がスコアリング制を提案した。候補ごとに表記・別名・距離・県・石高などの手がかりで加点・減点し、郡ごとに全体で最高点の組み合わせを選び、1 位と 2 位の点差で人手確認の要否を振り分ける方法である [UC-049 §AIエージェントが発案したスコアリング制]。人手確認なしで確定できたのは 60,601 村のうち 47,126 村(77.8%)だった。確定が正しいかは、すでに人手で対応づけた村を検証データにして確かめ、2,129 行のうち不正解の確定は 16 件(0.75%)だった。人手で確認が必要な件数は 1.9 万件から 1.3 万件に減り、100 万円以上の経費減になった [UC-049 §AIエージェントが発案したスコアリング制]。研究者がしたのは、絞り込み方法の改善を AI に頼むことだけだった [UC-049 §AIによる改善が機能した理由とループエンジニアリング]。

この例を支えた条件は二つ報告されている。一つは、人手による検証データがあったため、人間が具体的に指示しなくても AI がさまざまな方法を試せたこと。もう一つは、施策の効果を即座に検証できたため、AI が高速に PDCA サイクルを回せたことである [UC-049 §AIによる改善が機能した理由とループエンジニアリング]。この手法はループエンジニアリングと呼ばれ、人間は AI がタスクをどれだけうまくこなしたかを評価する仕組みを用意し、AI はその評価結果が良くなるように自律的にサイクルを回す方式として説明されている [UC-049 §AIによる改善が機能した理由とループエンジニアリング]。この例で研究者が確かめる場所は、個々の出力ではなく、評価に使う検証データと評価の仕組みに置かれていた。

史料の震度判定で見えた限界と、人に残る責任

大量に処理できることの裏側を示すのが、歴史地震の被害記述から震度を判定する事例である。この事例では、コードを書けない研究者がエージェントに実装を任せている。

最初の実験では、史料の URL から本文を取得し、長文から地点を抜き出して震度を判定するアプリを自作した。安政江戸地震の史料である別本「藤岡屋日記」上の約 2 万文字から約 160 地点を抽出し、そのうち 140 件の震度を判定した(残る 20 件は火災などによる被害で判定不能)。報告者の確認では、160 地点中の 8 割で「適切」「概ね適切」な基準を使っていた。ところが、同じプロンプトで史料 790 件を大量に処理すると、判定したのは 20 か所にとどまり、適切な基準の使用は 66% から 45% に下がって、不適切は 5% から 15% に増えた。量が増えると取りこぼしと精度の低下が起きたため、構造化されていないテキストからいきなり地点の抽出と震度判定の両方を行わせる方式には限界があると考え、処理を再設計した [UC-048 §第1実験:史料を一括処理するアプリとその課題]。

再設計したツールで同じ史料の約 2 万文字を処理すると、抽出した被害記述は 160 件から 461 件へと約 3 倍に増えた。タグ付けで地名だけでなく、震度判定の対象になる構造物まで対象に入れたことが大きいと見られている。461 件のうち 315 件(68%)で震度を判定し、146 件は判定不能とした。適切な基準を使っているかの AI による自己判定は、妥当 264 件(84%)、注意 4 件(1%)、警告 47 件(15%)で、注意と警告の行は人が再判定に回す。人による確認はこれからである [UC-048 §第2実験の結果]。

この経過を踏まえて、報告された限界は次の五点である [UC-048 §限界と人間に残る責任]。

  • 読めないコード: コードを書けないため、壊れたときに自力では直せない。
  • モデルの更新: モデルは日々更新され、同じ入力でも結果が変わりうるため、モデル名と日時を記録している。
  • 費用: API の利用料がかかり、誰でも同じ条件で使えるわけではない。
  • 件数と誤り: 件数を増やすと誤りも増えた。大量に処理できることは、誤りも大量に生むことでもある。
  • 説明の難解さ: AI の説明が冗長・難解で理解が追いつかないことがあり、分かったつもりで採用せず、分かるまで聞き直している。

そのうえで、人間に残る責任として、何を変えないかを決めること、結果を史料で確かめること、AI の提案の採否を決めることの三つが示されている。報告者はこのあり方を「Historian in the Loop」ではないかと述べている [UC-048 §限界と人間に残る責任]。この事例で確かめる場所は、件数の増加で基準の使い方がどう変わるかという処理全体の傾向と、個々の判定を史料に照らす点の双方にある。

設計は人が決め、実装はエージェントが担う

西洋古典テクスト基盤 Humanitext では、3 人の研究者の共同研究として、設計や方針をチームが相談して決め、実装を AI エージェントが担う分担をとっている。AI の側がより適切な設計案を示してくることも多く、協働の実感はチームの一員に近い。ただし、何を採用するかという最終的な意思決定は常に人間のチームが行う [UC-038 §研究チームとAIの協働]。

この分担を支えたのは、判断を文書として残すことだった。決定した事項、採用しなかった案とその理由、生じた不具合を各リポジトリの AGENTS.md に記録し、以後のセッションで最初にエージェントへ読ませている [UC-038 §研究チームとAIの協働]。報告によれば、3 つのサービスを一から構築して維持できているのは AI の支援によるところが大きく、外部委託や大規模な開発体制なしには実現できなかったシステムを、研究上の判断と直結した形で作れるようになりつつある [UC-038 §研究チームとAIの協働]。

研究環境の中にエージェントを組み込む

研究の進め方そのものにコーディング支援エージェントを組み込む計画も、複数の発表で示されている。ある発表では、プログラマではない研究者が実験の設計と判断を担い、Claude Code 上に作成とレビューを分けたエージェントの組織を置いた。さらに別のモデルを外部のレビュワーとし、コードと統計の最終確認は人間の補助者が行う体制をとっている [Issues-004 §論点1:AIを使う研究環境の整え方]。ここでは、確かめる役割が、別のエージェント、別のモデル、人間の補助者へと段階的に分けられている。

動かす場所の選択も、確かめ方の設計の一部である。未公開の学術調査写真の解析や、機微情報・著作権で保護された資料を扱う研究では、外部に送り出さずに解析するために、ローカル環境で LLM を動かす計画が複数の発表に見られる [Issues-004 §論点1:AIを使う研究環境の整え方]。

日常の作業への手応え

利用者の実感としては、時間の短縮が最も多く挙げられている。体裁の調整にかけていた時間が大幅に短縮され、本質的な作業に向き合う時間を長く取れるようになったという回答や、自分の書いた文章のレビューを何度も簡単に行えるようになったという回答がある [Issues-002 §論点1:AIの使い方]。

一方、どう使うかの実例を求める声は強い。アンケートでは、AI を使って達成できたプロジェクトや研究、プロンプトと結果の実例を知りたいという回答がある [Issues-002 §論点1:AIの使い方]。エージェントを協調させる方法についても、プログラマやエンジニア向けの情報は手に入りやすいが、もっと一般的なタスクでの使い方の勘どころが知りたいという回答がある [Issues-002 §論点1:AIの使い方]。ただし、回答者の構成は偏っている。有効回答 38 名のうち、ほぼ毎日使っている人が 17 名で、満足度の設問も肯定的な層に偏っている [Issues-002 §調査の方法と回答者の構成]。

文書の生成と検査の具体例としては、DiHuCo ガイドラインシステムの工程がある。その流れは節「AI でデータを作る」で扱う。

この節へのコメント

  • まだコメントはありません。

4.5 AI と社会

AI を研究に使うことは、研究室の内側にとどまらず、権利、費用、言語、地域といった社会の側の条件に結びついている。この節は、2026年8月のDiHuCoハブシンポジウムの参加者アンケート、SPReAD 1000の採択研究の報告、および講演の記録をおもな手がかりに、その結びつきを整理する。

入力と学習をめぐる懸念

アンケートには、機密情報を含まないファイルでも、そのドキュメントを入力してよいか躊躇するという記述があった。組織内で AI 利用への理解度に差があると、個人情報や機密情報が漏れる危険が高まるのではないかという指摘もある [Issues-002 §論点4:入力したデータの行方]。

学習をめぐる気がかりも並ぶ。入力内容が学習されること、誰かの文章がそのまま表示されること、「学習されない」権利を守る仕組みが分からないことが、問題だと思うこと・気がかりなことの設問に書かれていた。ある回答は、AI の性能向上には人文学の資料を学習させる必要があるとしつつ、その学習が権利をないがしろにせず、労働力や環境資源を搾取しない、持続的で協働的な学習の仕組みが求められると述べている [Issues-002 §論点4:入力したデータの行方]。

この懸念への一つの対応が、AI をローカル環境で動かす選択である。SPReAD 1000の発表では、未公開の学術調査写真を解析する研究、機微情報や著作権で保護された資料を扱う国際法の研究、個人情報をローカルのLLMで扱う歴史地理の研究が、手元の環境でLLMを動かす計画を示している。目指されているのは、未公開の画像や機密性の高いデータを外部に送り出さずに解析できる環境である [Issues-004 §論点1:AIを使う研究環境の整え方]。一方、ローカルで動かせるLLMにどんな選択肢があるのかが分からないことも、同じ発表群で課題に挙がっている [Issues-004 §論点1:AIを使う研究環境の整え方]。

公開した学術データの行方

データを公開する側にも気がかりがある。アンケートには、日本の研究が海外企業に収集されていくことへの懸念があり、日本の学術界全体で使える信頼性の高いクラウドや、閉じた空間で日本独自の学術データを蓄積できる場があるとよいという意見も出ていた。生成AIサービスによるリポジトリへの大量アクセスを取り上げた回答は、学術データの公開とそのコストの工面を検討する必要があるとしている [Issues-002 §論点4:入力したデータの行方]。公開を促す動きがある一方で、その公開が誰に、どの規模で利用されるかを見通しにくいという事情がここにある。公開に伴う権利処理や手続きの課題は、節「ライセンスの選び方と権利処理」を参照。

基準の動きと、学習データによる偏りと不在

アンケートには、AI によってスタンダードが変わり、誤った答えが正当化されてしまうのではないかという気がかりが寄せられた [Issues-002 §論点2:出力の確からしさの確認]。出力の確かめ方は節「AI で問う・読む」を参照。ここで問題になるのは確かめる手順ではなく、基準が社会の側で動いていくことであり、その動きの一因は、学習データに何が入っているかにある。学習データに何が入っているかが、何が正解として出てくるかを決める。

出力の偏りは、学習データに何が入っているかに由来する。アンケートのある回答は、年代と地域によって回答や成果に偏りが出ると述べ、特に年代は戦後から1960年代、地域は非英語圏で偏りを感じるとしている。同じ回答は、複数の AI モデルを使うことが批判的な回答を生み出せるのかを問い、普及している生成AIモデルの多くが英語圏で開発され、学習されていることへの懸念を添えている [Issues-002 §論点2:出力の確からしさの確認]。

学習データに入っていないものは、AI の出力にそもそも現れない。顔コレの事例では、AI は学習したことを出力しているにすぎず、学習していないタイプの画像を与えるとまったく認識できないため、何を学習し、何を正解できるようになっているかを常に考えながら使うことが大切だとされている [BP-005 §解釈の手がかりとしてのデータ]。出力の誤りは検証で見つけられても、現れなかったものの不在は、出力を読むだけでは気づきにくい。

偏りは一人ひとりの出力にとどまらない。アンケートには、個々人としての恩恵は大きいけれども、社会全体が似たような方向に進んでしまわないかという心配も寄せられている [Issues-002 §論点3:人間が担う範囲の見極め]。

費用と環境の非対称

AI の利用には費用がかかる。アンケートでは、無料枠では一日の利用可能枠がすぐに尽きること、月払いのプランが多く研究費で利用料を執行しにくいこと、研究費のない人が私費で有料アカウントを持つかどうか悩むこと(格差の拡大)が挙がった。気がかりとして、将来の使用料金の引き上げ、学術ジャーナルの高額な購読料と同様の問題がAIでも起きるのではないかということ、海外に経済的利益が流れていくこと、課金が正義となること、経済力のない者は滅ぶことが並んでいる。いろいろな AI を試したいが、課金しないと本当のところは分からず、無制限に課金する経済力がないという回答もあった [Issues-002 §論点5:利用料の負担]。

研究環境の非対称は、費用だけにとどまらない。SPReAD 1000の事業ページは、AI導入の伴走支援を設ける背景として、データの形式や量、適切なモデルの選択、計算資源の確保、データ管理への対応といった課題と、研究者等の間のAIに関する知識や経験の差を挙げている [Issues-004 §まとめ]。言語の面では、コーパス構築の手法をチベット語や梵語などの他の低資源言語へ広げる構想が示されている [Issues-004 §まとめ]。

AI が見つけさせるもの、見つけさせないもの

見つけさせる側が、その対象の範囲にとどまるという点は、学習データの偏りと不在の記述から読み取れる。何が見つかるかは、何を学習し、何を正解できるようになっているかによって限られる [BP-005 §解釈の手がかりとしてのデータ]。

見つけさせない側については、社会との接続の面も論じられている。ある講演は、研究活動の主体は人間であり、AI が研究する時代に入ったわけではないと述べる。AI を一切使わずに研究を続ける人がいても、その研究者が自身の研究に意義を失うことはないだろうという。ただし、そうした研究は社会との接続ができていないかもしれず、現在の人文学研究の多くは社会とのつながりを条件としないからこそ成立しているのかもしれないという留保が重ねられている。そのうえで、AI は社会とのつながりをつくる手法を支援するところに意義があり、人文学のイノベーションはそこにあるのではないかという見立てが示されている [UC-036 §Agentic DHにおける研究行為の再配置]。研究者像や教育への影響は、節「AI 時代の研究方法」を参照。

この節へのコメント

  • まだコメントはありません。

5 オープンサイエンス

作ったデータを研究者が自分で公開し、使われ続ける状態にするための実務をまとめる。

5.1 識別子とデータ引用

データに識別子を与えて引用できるようにするとき、何に識別子を振るか、どう設計するか、永続的に同じものを指す参照をどう保つかが問われる。何に識別子を振るか、どう設計するかは、記事に現れた事例から整理できる。永続的な参照の担保は事例が一件にとどまる。データの引用については、引用を前提とするCC-BYでの公開やDOI付きの資料公開といった、公開側の例が見えるにとどまる。

何に識別子を振るか

識別子は資料そのものではなく、資料の中に繰り返し現れる単位に与える。市区町村・藩・街道・宿場・村などの、まとまりのあるもの(エンティティ)を列挙し、それぞれに固有のIDを割り当てる[UC-013 §識別子と属性によるデータ構築の基本方針]。同じIDを持つものは同じもの、違うIDを持つものは違うものとみなす[UC-044 §歴史ビッグデータの作り方と使い方]。

識別子には属性を組み合わせる。位置情報のほか、名称の表記揺れや粒度の吸収、名称の選択、読み、基本統計などである[UC-013 §識別子と属性によるデータ構築の基本方針]。この識別子と属性の組をデータセット化し、実世界との紐づけとデータ統合に使う[UC-013 §識別子と属性によるデータ構築の基本方針]。個々の地名データセットの中身は「地名という接点」を参照。

識別子設計の論点

設計でもっとも難しいのは、何を同じエンティティとみなすかの基準である。表記揺れや時代による変化があるため、どちらの立場も取りうる場合には、基準をあらかじめ決めておく必要がある[UC-033 §地図・地誌・地名の枠組みと識別子付与の方針]。講演者はこれを非常に難しい問題だと述べている[UC-044 §歴史ビッグデータの作り方と使い方]。歴史的な単位に識別子を与えるときの同定の具体は「時間をもつ空間」を参照。

同一性の基準は、作業の前にルールとして定めることもできる。同名の村が多い場合に、データベースで同名の村が連続するときのみ同一村として固有IDを付け、後で分割した村には5000番台の番号を与え、統合した村は欠番とする(連番にはこだわらない)と定めておけば、単位の分割・統合が起きてもIDの整合性を保てる[UC-046 §間違いを前提にしたデータの定義]。代表名と別名の決め方にも基準が要る。公式の定義がない呼称については、文献での使われ方や現代の利用実態を参照して代表名を選び、それ以外を別名にまとめている[UC-044 §藩IDデータセット:何を同じ藩とみなし]。

単位どうしの関係が一対一でない場合は、識別子を一つ増やす必要がある。藩を例にとると、江戸時代には藩より大名家が先にあり、大名家が移動することもあって、藩と大名家は一対一ではない。そのため藩IDとは別に大名家IDが必要になり、両者のリンクが求められる[UC-012 §藩IDデータセット]。当主の交代などのイベントをIDの変更として扱うなら、より複雑なID体系が必要になる[UC-012 §藩IDデータセット]。

位置を一つに決められない対象には、識別子の側に曖昧さを含める設計がありうる。H3のように場所と範囲の大きさを一つの文字列で指定できるIDを使えば、IDそのものに曖昧さのレベルを持たせられる[UC-033 §地名のデータセット:藩・街道・宿場とGeoLOD]。具体的な事例は「時間をもつ空間」を参照。時期や説によって経路が複数ありうる対象の扱いも、「時間をもつ空間」を参照。

番号体系を設計する

道(線)と点に番号を与える発想は、既存の体系に倣ったものである。道には高速道路ナンバリング、点には駅ナンバリングに倣う[UC-012 §江戸期地理データセット]。そうすると、人や物資の移動経路を「あるIDから別のIDへ」というID間のリンクで表せ、構造化の効率化に寄与する[UC-012 §江戸期地理データセット]。

街道の番号は、街道を表す「R」に3桁の数字を付けた形である。五街道は特例として001〜005とし、それ以外の主要街道は百の位を地方ごとに割り当てる(1は北海道、2は東北、3は関東など)[UC-045 §CODHとの共同によるオープンデータ化]。下二桁は、基幹街道かどうかで分ける。基幹街道の基準は地方ごとに異なり、関東は公的な格、東北などは広域の幹線を基準としている。たとえば日光御成道は R302 で、関東の基幹街道にあたる[UC-045 §CODHとの共同によるオープンデータ化]。宿場は、街道との組み合わせで番号が付く[UC-033 §地名のデータセット:藩・街道・宿場とGeoLOD]。個別の値や付与の状況、移設や経路の違いの扱いは「時間をもつ空間」を参照。

同じ箇所を指し続ける識別子

永続的に同じものを指す参照を保つ方法として、記事に現れた事例は Humanitext の一件である。Humanitext のテクストデータは、保存・配信・推論の三層に分かれる。AIに渡す単位に区切ったチャンクごとの安定したIDが三層を貫き、どの層でも同じ一節を指す参照のアンカーになっている[UC-038 §保存・配信・推論の三層アーキテクチャ]。

保存層はTEI/XMLで、原典・底本・校訂を記録する。配信層はチャンキングJSONで、TEIをそのままAIに渡すとタグが多く適切でないため、参照箇所を特定できるID(CTS URN規格に基づく)と箇所マーカーに絞っている[UC-038 §保存・配信・推論の三層アーキテクチャ]。推論層は、スタンドオフ注釈のグラフとして検討している段階で、実装には至っていない[UC-038 §保存・配信・推論の三層アーキテクチャ]。この事例では、層や形式が変わっても同じ箇所を指せるように、チャンクごとの安定したIDを三層に通している[UC-038 §保存・配信・推論の三層アーキテクチャ]。

識別子を貼り合わせる

識別子を共有したデータは、作成者や時点の異なるデータと結びつけられる[BP-006 §識別子を介したデータの連携]。宿場の記述を街道IDごとにリスト化して宿場IDを付けたデータセットのように、一つの識別子が次のデータセットの土台になる例もある[UC-033 §地名のデータセット:藩・街道・宿場とGeoLOD]。個別の対応付けの具体は「地名という接点」を参照。

藩・街道・宿場に付与したIDは、地名情報処理基盤GeoLODに登録して共有している[UC-033 §地名のデータセット:藩・街道・宿場とGeoLOD]。地名の識別子サービスの内容は「地名という接点」を参照。

共有する識別子は、貼り合わせの軸になる反面、判断の記録でもある。同一とみなす条件が作業前のルールとして定められていれば、その判断をたどれる[BP-006 §識別子を介したデータの連携]。同名の地名や表記揺れが多い場合は、単純な文字列の一致では対応付けがうまくいかないことも報告されている[BP-006 §識別子を介したデータの連携]。

データを引用してもらうための公開

データを業績として引用してもらう仕組みそのものを論じた記事は、紐づいていない。公開側の例が見えるにとどまる。江戸主要街道データセットは、再利用可能にするため街道を一本ずつ識別する番号を設けたうえで、CC-BYで公開されている[UC-045 §CODHとの共同によるオープンデータ化]。講演資料に DOI を付けて人文学研究データリポジトリで公開した例もある[UC-008 §講演情報]。識別子を振ることは、こうした公開のもとで、データを他者が指し示し、再利用する前提になる。公開時のライセンスの扱いは、事例で採られた方針の紹介と、選び方を述べる材料が無いことを含めて「ライセンスの選び方と権利処理」を参照。

この節へのコメント

  • まだコメントはありません。

5.2 ライセンスの選び方と権利処理

この節は公開に伴う権利の扱いの受け皿である。ただし、扱える材料は限られている。主なライセンスの条件の違いやその帰結を述べた記事は今回の記事群になく、あるのは特定の事例で採られた方針や表示の紹介にとどまる。以下では、成果物の権利をめぐる問い、何を開き何を閉じるかの戦略、利用条件の表示、公開手続きの課題の四つの面から、記事が述べている範囲を整理する。

素材の権利と成果物の権利は別に問われる

素材の権利と成果物の権利は別の層にある。ガイドライン自体の公開が、その具体例になっている。ガイドラインは三つの版で管理される。作業版は常に更新され、AI によって内容も書き換えられるため引用には向かない。候補版は作業版を凍結した版で、以後はコミュニティからの提案に基づいて修正される。承認版はコミュニティの承認を得た版で、以後は更新されず、安定した引用ができる。この状態遷移は、インターネットの執筆プロセスである IETF RFC を参照している [UC-034 §ガイドラインの版と権利]。

素材にあたる記事の権利は、この枠組みのなかでは整理されている。ガイドラインが参照する記事は、講演者と DiHuCo の共同著者として CC BY ライセンスで公開される [UC-034 §ガイドラインの版と権利]。権利の所在が不明確になるのは成果物の側である。

  • 記事を元に AI が再構成して執筆した部分には、著作権が生じないのではないかという問いが示されている。
  • 他方で、構造は人間が指定したものであり、その編集部分には著作性があるとも考えられる。
  • 全体は CC BY-NC 相当のライセンスで公開する方針だが、著者は誰か、権利はどこに宿るかは今後の議論が必要とされている。

この論点に結論は出ておらず、問いとして残っている [UC-034 §ガイドラインの版と権利]。素材を CC BY で公開し、成果物の全体に別の条件を付す方針を採る場合でも、AI が再構成した部分と人間が構造を与えた部分とで権利の及び方が異なりうる点は、公開の設計に含めて考える必要がある。

何を開き、何を閉じるかを共同の相手と決める

公開の条件は、単独で決めるだけでなく、データを持つ企業との共同のなかで決める場合がある。江戸時代の空間的エンティティを扱う取り組みでは、地理情報を扱う企業と共同してオープンデータが作られている。

  • 平凡社地図出版による『日本歴史地名大系』地名データのオープン化
  • 株式会社 MIERUNE による「れきちず」地図データのオープン化

これらの事例では、何をオープンにし何をクローズドにするか、ライセンスをどう設定するかを工夫し、双方にメリットのある形を目指している。広く共有したうえで別のプラットフォームに統合して利用する流れが想定されている [UC-012 §今後の展望と課題]。

開く範囲を一律に決めず、共同する側の事情に合わせて開く部分と閉じる部分を切り分ける、という戦略である。公開してよいかどうかの判断そのものは「公開できるもの・できないもの」を参照。ここでは、ライセンスの設定が共同の条件づくりの一部になっていることだけを指摘しておく。

利用条件の表示としてのライセンスと PDM

デジタルアーカイブを提供する側の話題には、持続可能性や OSS、DOI などと並んで、利用条件・ライセンスが挙がる。具体的には CC License や PDM(Public Domain Mark)が示される [UC-003 §デジタルアーカイブの情報学的利活用と IIIF Curation Platform]。提供側が利用条件を明示するという枠組みは、ここで確認できる。パブリックドメインの資料をどう使うか、あるいは各ライセンスを選んだときに何が帰結するかについては、この記事は述べていない。

公開に伴う手続きの複雑さ

公開の障壁は、ライセンスの選択だけではない。SPReAD 1000 の10件の発表では、データ公開に必要な許可・寄託先・費用といった手続きの複雑さが課題に挙がっている。求められている支援は、公開手続きの情報や研究費といった制度面である [Issues-004 §まとめ]。公開に伴う手続きが、課題として現場に認識されていることがここから分かる。

この節へのコメント

  • まだコメントはありません。

5.3 公開できるもの・できないもの

公開の可否は、データ全体にひとつの答えを出すのではなく、データの中の属性ごとに考える。個人を特定しうる記述、人が写った画像、位置の精度、権利の状態は、それぞれ別の理由で公開を制限し、別の方法で緩和できる。全部を開けないときも、何を開き、どこまで粗くするかを選べる。

公開の可否を左右する情報の類型

個人を特定できる情報は、もっとも慎重に扱う類型である。住所や氏名のように、単独または組み合わせで個人を指せる属性は、歴史的資料として集められたものであっても、現存する人物や遺族に影響しうる。

人が写った写真や映像では、写り込んだ人物の同意の有無が問題になる。街頭や地域のフィールドワークで撮った記録は、研究目的であっても、写った人の意図と切り離せない。

位置情報は、精度によって公開の可否が変わる。正確な座標が特定の個人の居住地や行動と結びつくと、精度そのものがリスクになる。関東大震災の死亡者住所をジオコーディングした事例では、変換結果を1点1人の死者として約3万8千件プロットしたうえで、点の重なりを解消するために100メートル四方のメッシュで集計し直した。このとき、区(レベル4)止まりにしか特定できない地点は集計から除外している [UC-032 §死亡者住所分布の可視化と全体傾向]。個別の点を示さなくても、本所区・深川区を中心とする被害の偏りは集計から読み取れる [UC-032 §死亡者住所分布の可視化と全体傾向]。精度の段階を意図して選ぶという考え方は、位置情報に限らず、属性情報一般に応用できる。

権利が処理できていない資料は、この節では開けない部分として切り分けて扱う。公開する側の判断としては、その資料を除いて残りを開くか、記述だけを示すか、範囲を粗くするかを選ぶことになる。ライセンスの選択と権利処理は、節「ライセンスの選び方と権利処理」が扱う。

紙の資料とデータの利用条件

歴史地震データセットの事例では、公開の判断をめぐって二つの課題が挙がっている [UC-047 §課題と展望]。

一つは、紙でしか存在しない資料を勝手にデジタル化してオープンにしてよいか分からないことである。引用として認められる範囲がどこまでかが明確でないため、デジタル化に踏み切る判断そのものが難しくなる [UC-047 §課題と展望]。公開の可否を決める前に、デジタル化の段階で足踏みが起きる。

もう一つは、利用条件が中途半端なままインターネット上に出ているデータが多いことである。そのため、これから新しくデータを作る場合は、最初から利用条件を明示しておくことが、後の利用者を困らせないために望ましいとされている [UC-047 §課題と展望]。公開してよいかどうかの判断は、公開の時点だけでなく、データを作る時点で下しておく方が、後の曖昧さを避けられる。

全部を開けないときに何を開くか

公開できない情報が混じるとき、選択肢は全公開か非公開かの二つに限られない。

記述だけを公開する方法では、資料の存在と性格をメタデータとして示し、個別の記録の中身は閉じる。どのような資料がどこにあるかが伝わり、中身は問い合わせへの個別対応に回せる。

精度を落として公開する方法では、粒度を粗くしたうえで開く。上の震災死亡者の事例は、点を面(メッシュ)に集計し直すことでこの対応をとった。年齢を十年刻みに丸めるのも同じ考え方である。

範囲を粗くして公開する方法では、地理的範囲・期間・属性のうち識別リスクの高い部分を切り出して閉じ、残りを開く。

三つの方法は排他的ではなく、組み合わせて使える。たとえば、範囲を絞ったうえで、残りの範囲の位置を粗いメッシュにする。

判断の理由を残す

何を公開し何を閉じたかに加えて、その理由を記録しておく。上の歴史地震の事例が示すように、利用条件が曖昧なまま出たデータは、後の利用者が扱いに迷う原因になる [UC-047 §課題と展望]。公開の可否と、その根拠になった判断の筋道を明示しておけば、問い合わせに答えるときや状況が変わって方針を見直すときに、担当者が同じ論点を一から組み直さずに済む。公開後に撤回や更新を検討する場面でも、当初の意図が見直しの出発点になる。精度を落とした場合は、どの基準で何を除外したか(上の例なら、区止まりの地点を除外したこと)もあわせて記すと、公開したデータの限界が利用者に伝わる。

この節へのコメント

  • まだコメントはありません。

5.4 公開したあと

公開はゴールではなく、長い後半戦の始まりである。更新と版の管理、撤回、リンクの維持、形式の陳腐化への対処、誰が何をしたかの記録が要る。地理・画像・三次元のデータは、ファイルが大きい、形式が変わる、配信に専用の仕組みを要するといった事情で、これらがとくに切迫した形で現れるはずである。ただし、この節に紐づく記事の裏づけは限られている。三次元データの事例が示すのはメタデータの設計と配信基盤、配信先の消失であり、史料集データベースの事例が示すのは校訂を反映するときの更新の考え方である。

更新・版管理・撤回

データセットは公開後も修正や拡張が続く。どの版がいつ公開され、何が変わったかの記録がなければ、引用した研究者は後から同じデータを参照できない。撤回も記録の問題である。データを非公開に戻した場合、その事実と理由を残さなければ、リンクが単に切れたのか、意図的に下げられたのかが判別できない。公開側の判断の理由をどう残すかは、節「公開できるもの・できないもの」を参照。

ここまでは一般的な論の組み立てであり、記事の裏づけはない。版の命名や撤回通知の出し方といった具体的な運用は、記事から導けない。

更新については、史料集データベースの今後の方針が一つの具体例になる。校訂の成果を反映する際に、未校訂のデータと校訂済のデータをひもづけ、入れ替えずに両方が見える形にする方針が示されている。あわせて、新出史料や新しい研究成果を後から追加し、統合していくことも構想されている [UC-047 §史料集データベースの今後]。校訂前の状態を消さずに残すこの方針は、版の履歴を保つ一つのやり方と読める。ただしこれは今後の方針であり、版の命名や識別子の付け方まで述べているわけではない。

リンクが切れること、形式が読めなくなること

公開したデータへの参照は、二つの経路で壊れていく。URL が無効になることと、形式が将来のソフトウェアで読めなくなることである。

形式の陳腐化への備えとして、標準に沿ったメタデータ記述が働きうる。バム遺跡の三次元復元の事例では、公開にあたり資源をクラスとして体系化して記述するオントロジー的な方法を採り、語彙には Dublin Core などの標準を組み合わせ、国際標準のメタデータとして Object ID も利用した。メタデータの作成にはオントロジーエディターの Protégé を用い、公開には RDF ストアに PostgreSQL、RDF の API に Apache Jena を用いている [UC-020 §メタデータの管理と公開]。標準ベースの記述なら、データの形式が変わってもメタデータの意味を保ちやすいはずだというのは、この節の読みであって記事の主張ではない。記事が述べるのはメタデータの設計と使った道具までで、データそのものの形式の移行には踏み込んでいない。

標準に沿った記述をしていても、配信先の維持は別の問題として残る。同プロジェクトは Bam3DCG というサイトでデータの一部を公開していた [UC-020 §メタデータの管理と公開]。記事の改訂記録によれば、このサイトへのリンクは切れていること(404)が確認され、関連リンクから削除された [UC-020 §関連リンク]。標準的なメタデータを備えていても、配信先そのものの消失は防げなかった。

誰が何をしたかの記録

データの来歴と処理の記録は、再利用と検証の前提になる。バム遺跡の事例では、オントロジー的な記述を採った背景に共同研究者のオントロジー研究があったこと、メタデータの作成にオントロジーエディターの Protégé を使ったことが記されている [UC-020 §メタデータの管理と公開]。誰がどの処理をどの道具で行ったかが残っていれば、後からデータを使う研究者は、その処理の信頼性を自分で評価できる。ただし、この事例が示すのは作成者の背景と使った道具の記録にとどまり、処理の履歴を体系的に残す仕組みまでは述べていない。

地理・画像・三次元のデータに固有の難しさ

ファイルが大きい、形式が変わる、配信に仕組みが要る、という三点が、地理・画像・三次元のデータに固有の難しさだと考えられる。このうち記事から裏づけられるのは、配信の仕組みの側だけである。

配信の側では、メタデータの標準化に加えて、RDF ストアや API のような技術基盤が伴うことを、バム遺跡の事例から読み取れる [UC-020 §メタデータの管理と公開]。こうした基盤は、データを一度置くだけでなく、機械的に参照できる状態で維持するために要る。ただしその運用コストや担い手をどう確保するかは、この事例からは分からない。

この節へのコメント

  • まだコメントはありません。

6 社会のなかの実践

研究が社会と接する場面をまとめる。まず研究を開くとはどういうことかを述べ、そのうえで分野ごとの実践を見る。

6.1 パブリック・ヒューマニティーズ

研究を専門家の外へ開くとは、成果を分かりやすく公開することにとどまらない。市民が資料を生み出す側や問いを立てる側に回り、専門家の役割が移ることまでを含む。この節では、開くことで研究の何が変わるか、誰が問いを立てるのか、専門性はどこに残るのかを、記事が示す範囲で述べる。

なぜ研究を外へ開くのか

研究を外へ開く理由として語られているのは、人文学研究と社会とのつながりの関係である。現在の人文学研究の多くは、社会とのつながりを条件としないからこそ成立しているのかもしれない。つながる手段を拒んできた、あるいは煩わしいと考えてきたのだとすれば、その手段が簡単に手に入るようになったとき、何かが始まる。Agentic DH の意義は社会とのつながりをつくる手法を支援する点にあり、人文学のイノベーションもそこにある、という論の運びである [UC-036 §Agentic DHにおける研究行為の再配置]。

ここでの「開く」は、公開で終わらない。資料を修復してデジタル化し、一般公開と研究利用ができるようにするまでが従来の人文学者にとってのデジタル化の範囲だろう、という見方が示されている [UC-036 §研究成果を社会につなぐ:酒呑童子絵巻とARCの展開]。そこから先に進んで研究と社会をつなぐことが、開くことの中身になる。開くとは、研究の価値を社会に説明するための広報ではなく、研究と社会との関係をつくり直すことだと読める。

デジタルによって開きやすくなったこと

デジタルは、参加の敷居を下げている。多くの人が自分のスマートフォンで気軽に参加できる写真の活動は、コミュニティアーカイブの一環として市民の参加を広げ、パブリックヒューマニティーズと位置づけられている [UC-016 §景観を「読む」ための新しい技術]。

もう一つの変化は、人文学の素養を持つ人が計算や制作の道具を扱えるようになったことである。資料批判や文脈理解という人文学の強みを持つ研究者が、AI によってデータや計算の能力を駆使できるようになったらどうなるか、という問いが立てられている [UC-036 §生成AIによる教育現場の変化]。学生が技術を習得してから研究に入るのではなく、研究の途中で道具を AI とともに組み立てるようになった変化(技術の習得が入場資格でなくなったこと)の詳細は、節「AI 時代の研究方法」の「学生と研究者の育ち方」を参照。本節で重要なのは、同じ変化が一般市民にも起こり得ると考えられている点である [UC-036 §市民に開かれる人文学とその条件]。人文学の素養を持つ人が専門家の外にも現れるなら、誰が問いを立てられるかも広がる。

市民が問いを立てる側に回る

デジタル・パブリック・ヒューマニティーズは、パブリック・ヒューマニティーズにデジタルを足したものとしては構想されていない。AI による変革によって、市民研究者が専門家の成果を受け取るだけでなく、自ら問いを立て、独自の知的活動を行い、成果を社会に返すことを可能にする構想である [UC-036 §市民に開かれる人文学とその条件]。AI は専門家の代替ではなく、市民が知の生産に参加するための足場として位置づけられている [UC-036 §市民に開かれる人文学とその条件]。

この構図では、誰が問いを立てるかと誰が成果を持つかが、専門家に固定されない。成果は専門家に帰属するものとして閉じられず、市民自身が問いを立て、成果を社会に返す側に回る。市民が研究の主体になるときの著者の問いは、そこに現れる。一方、AI を用いる場合の著者性と責任、評価の揺らぎは節「AI 時代の研究方法」を参照。

専門性はどこに残るか

市民が知の生産に参加できるようになっても、大学や博物館の役割が小さくなるわけではない。残る専門性として挙げられているのは、信頼できるデータとメタデータを整備すること、学び方を提供すること、成果を検証すること、権利やプライバシーを守ること、専門家と市民が対話する場を作ることである [UC-036 §市民に開かれる人文学とその条件]。メタデータが何を担うかは節「メタデータ」を参照。専門家は、問いを独占する立場から、問いが育つ土台を整え、その成果を確かめる立場へと移る。アクセスの開放だけでなく、研究する能力と責任を社会に開くことが、Agentic DH 時代の公共性とされている [UC-036 §市民に開かれる人文学とその条件]。

開くことが研究の質に返ってくる筋道

開くことは、研究の側にも二つの形で返ってくる。

第一に、研究の担い手が広がる。市民が問いを立てる側に回ることで、誰が問いを立てるかが広がり、専門家の外にも研究の主体が現れる。専門家は、検証、データとメタデータの整備、対話の場づくりの側へ移り、素材の扱い方も、専門家が単独で進める場合とは異なるものになる [UC-036 §市民に開かれる人文学とその条件]。

第二に、市民の持つ場所の知識が、研究の読み取りの深さを左右する。景観をうまく読み取る技術は、その場所や景観についての知識に依存するため [UC-016 §景観を「読む」ための新しい技術]、参加者は受け手にとどまらず、研究の資源にもなる。参加の設計と現地で起こることは、節「地域とともに進める」を参照。

この節へのコメント

  • まだコメントはありません。

6.2 地域とともに進める

研究者が地域の人と現地を歩き、写真を手がかりに語り合う。この営みは、研究として成り立つことと、催しや授業として成り立つことを同時に満たす設計を要する。以下では、参加の設計、現地で起きること、参加者が主体になる構造、連携先との関係、記憶収集の形式の選び方、研究が地域から受け取るものの順に述べる。

参加の設計:誰を誘い、何を持ち込むか

同じ手法でも、誰を対象にするかで企画は大きく変わる。大阪大学D3センターの実践は、2017年頃の展示会・トークイベント中心の段階から、特定地域のまちづくり団体を対象にした実証実験、大学生による企画、中学生との授業へと、対象を替えながら重心を移してきた [UC-005 §活動のフレームワークと展開]。

観光施設の事例では、応募の入口そのものが設計の一部になっている。グラバー園の「スマホで古写真ハンティング」は応募をGoogleフォームに限定し、フォームを操作できる程度のスマホ利用力を応募段階で確認した。告知は新聞、公式HP、公式SNS、市の公式LINEを使い分けている [UC-030 §イベントの企画と参加者募集]。事前メールでは、自分のスマホの持参、位置情報のオン、通信費の自己負担、小学生以下は保護者同伴、公共交通機関の利用を伝えた。位置情報のオンに抵抗がある人が混ざると当日の運営が成り立たないため、この点は応募段階で合意を取っている [UC-030 §事前案内・配布冊子と街歩きの運営]。当日は散策冊子を配り、アプリで紹介しきれない見どころを持ち帰れる形にした。スマホに含まれない建物情報は、ガイドが紙のファイルで補っている [UC-030 §事前案内・配布冊子と街歩きの運営]。

この事例の参加者は、最大30名の想定に対して11名にとどまった [UC-030 §イベントの企画と参加者募集]。前提とする操作力を応募段階で確かめる設計は、運営を安定させる一方で、誰にでも開く形とは緊張関係にある。

誘導の厚みも設計の要点になる。長崎の実証実験の参加者アンケートは、学習・影像重複・物語・場所誘導・空間認識の五つの観点を挙げた。地域の古写真への関心は世代を超えて高いものの、面白く感じてもらうには解説など発見の手がかりが重要であると整理している。ある程度のところまではマニュアルやガイドで撮影ポイントへ誘導して模範解答を示し、被写体と古写真が重なる最後の場面では細部まで誘導する必要があるという。ランドマークの解説と重ね合わせることで、空間の理解や場所への愛着が深まるとも考えられている [UC-006 §参加者アンケートから得られた知見]。アプリ単体では機能を活かしきれず、解説、誘導、物語といった付加価値が欠かせないという見解も、同じ報告に示されている [BP-002 §解説と誘導を組み込んだ体験の設計]。

現地で起きること

教え合い、引き出される記憶

写真を手に現地へ出ると、参加者のあいだでやり取りが始まる。グラバー園の街歩きでは、初めて使うアプリの操作に時間がかかる参加者を周囲が自然に教え、撮影の位置取りを共有し、よく撮れた写真を見せ合った。スマホは本来個人的な道具だが、それをめぐって学び合う空間が成立している [UC-030 §ツアー形式の実施で得られた手応えと相互作用]。

世代をまたぐ関係は、まちづくり団体の体験にも現れた。スマホの扱いは若者が得意で、地域の知識は高齢者が豊富という交差する関係があり、世代間のコミュニケーションのきっかけになりうる、という意見が出ている [UC-005 §メモリーグラフの4つの意義]。飛騨古川では、大学生が撮影場所を特定できなかった写真を「SOS」として中学生に託し、生徒が地域の人に聞き取りをして場所を見つけてきた [UC-005 §飛騨古川での中学生との景観学習プロジェクト]。

その場で記憶が引き出される場面もある。グラバー園の参加者には、以前この地域で暮らしていた人や、親戚が暮らしていて通っていた人がいて、書籍や資料にはない記憶に基づく話で盛り上がった。70代の男性参加者の活き活きとした表情からは、アプリが回想法のように昔の記憶をたどる手がかりとして働く可能性が見えたという [UC-030 §ツアー形式の実施で得られた手応えと相互作用]。まちづくり団体からも、高齢者福祉施設や同窓会・法事など人の集まる場で昔話のツールになりうるという意見が出ている [UC-005 §メモリーグラフの4つの意義]。

身体を運ぶことでしか得られない理解

現地で撮ることには、画面の上の比較とは別の理解がある。まちづくり団体の参加者は、Googleストリートビューでも今昔の比較はできるが、車で走りながら流して撮るのと、自ら構図を決めて撮るのとでは写真の持つ価値が異なると述べ、現地でこそ土地の質感や細かな変化を感じ取れると語った。重要伝統的建造物群保存地区の祇園新橋では、全体の印象は変わらないものの細部には多くの変化があり、所有者の努力によって全体の美しさが保たれているという気づきも報告されている [UC-005 §課題と気づき]。

景観を読むとは、絶えず変化する景観の中に不変なものを見出すことだとされる。同一構図の撮影に加わると、何が変わり何が変わっていないかを実感を伴って理解できる。ただし、読み取りはその場所についての知識に依存する。場所をよく知っていればどこから撮ればよいかを判断しやすく、知らなければ理解に時間がかかる [UC-016 §景観を「読む」ための新しい技術]。

古写真との比較は「良かった過去」を懐かしむだけに終わらない。アスファルト舗装が石畳に変わるなど、質を高める工事の成果としての「良くなった今」にも気づける点が、まちづくり団体から指摘された [UC-005 §メモリーグラフの4つの意義]。

受け手から主体へ

景観学習は、参加者が受け手にとどまらず主体になる構造として設計できる。大阪大学の実践は、廣瀬隆人による「地域を学ぶ」営みの3つの側面を足場にしている。暮らしの場としての地域を科学的・体系的に捉えること、地域を知って再発見・再評価し、暮らしやすく変えていくエネルギーを育てること、そして自分の住む町を学ぶことでその地に生きる意味を見出す主体形成である。景観写真から景観を読み解く体験は、自らの立脚地としての地域と自らを結び直すことにつながると位置づけられる [UC-005 §景観と地域学習の捉え方]。

主体になる度合いは、企画の段階で測れる。大学生による景観学習イベントは、NPO法人京都景観フォーラムの講座を受講した4回生が、対象を学生、目的を景観や町並みへの興味の喚起と仲間探しに設定して企画した。現地下見で候補地を絞り、観光客の多い清水エリアは不適と判断して岡崎エリアに決め、チラシ、申込フォーム、会場予約、当日用のプロジェクト作成まで担っている。参加者からは新しい視点でまち歩きができたという声が、企画した学生からは、自分たちでルートや写真を考えることで地域をより深く考えるきっかけになったという声が出た [UC-005 §大学生による景観学習イベントの企画・実践]。

飛騨古川の中学生との授業は、この構造を段階化している。第1回は撮影場所を探す宿題、第2回は今昔写真を集めるゲーム、第3回は自分たちが良いと感じた場所を10カ所ほど撮影して「マイタウントレイル」を描く作業、第4回は地域の人を実際に案内するまち歩きである。受け取る側から、地域を編集して案内する側へと進んでいく。報告者は、中学生だからできないことはなく、むしろ教えてもらうことも多かったと振り返っている [UC-005 §飛騨古川での中学生との景観学習プロジェクト]。

連携先との関係と摩擦

連携先は、事業者、観光組織、学校、まちづくり団体と多岐にわたる。飛騨の授業は、飛騨市役所まちづくり観光課と古川中学校のマイプロジェクト(地域貢献の課外授業)が主催し、大学や研究機関が協力する形をとった [UC-005 §飛騨古川での中学生との景観学習プロジェクト]。デジタルアーカイブの専門組織との連携は、継続的な公開と管理、技術的な支援、既存のアーカイブシステムの流用による経費と時間の削減をもたらした [UC-005 §京都の鉄道・バス写真データベースの構築]。

摩擦は、連携を通じて次々に表面化する。第一は、地域の側が古写真を整理し続ける負担である。まちづくり団体からは、写真を誰でも引き出せるよう整理する手間、サーバー管理を含む費用や人手、責任の所在が課題として挙がった。被写体によっては周囲の風景が写らず、観光客にはより古いものが期待されるといった素材選定の難しさもある [UC-005 §課題と気づき]。一方で、収集や整理の過程そのものをまちづくり活動の一部として位置づけられるのではないか、写真にストーリーを添えればまち歩きの切り口が増えるのではないか、という提案も同じ場から出た [UC-005 §課題と気づき]。

第二は、地域の側が写真を使う目的の違いである。古くから住む人は地域の成り立ちをよく知る一方で新鮮さを感じにくく、むしろ新しく移り住んだ人、商売を始める人、観光客に魅力を伝えるツールとして使いたいという意見が寄せられた [UC-005 §メモリーグラフの4つの意義]。研究側の関心と、地域側が使いたい場面とは、必ずしも一致しない。

第三は、不特定多数が参加する場での写真共有である。グラバー園では、イベント終了後に参加者の一人から、他の人がアップロードした写真が自分の画面に表示されるのを消せないかという相談が届いた。写真を共有したいか、他人の写真を見たいかには個人差があり、一律の設定では対応しきれない。個人単位で閲覧範囲を制限できる設定が必要だと開発側に伝えたところ、「非表示」モードが追加された [UC-030 §写真共有機能をめぐる課題と対応]。

研究としても催しとしても成り立たせる

研究と催しの両立は、運営側が参加者の戸惑いを先回りして取り除くことでも支えられている。グラバー園の街歩きでは、運営側がイベント前にアプリを操作する中で、初めての参加者にとって分かりにくい点が見つかり、開発者に依頼して三つの更新を加えた。現在地から目的地までのルートと所要時間を示す道順表示、古写真を重ねる操作を指のジェスチャーで案内する透過調整のガイダンス、古写真と構図を合わせる目印を示す撮影時のポイント表示である。いずれも運営側の事前準備で見つかった点であり、参加者の声から生まれたのではなく、初めて訪れる土地で、初めてアプリを使う参加者が戸惑わないようにするためのものだった [UC-030 §イベント運営に向けたアプリ機能の改善]。撮影ポイントの表示は、限られた時間内に古写真と同じアングルで撮るのが難しいことへの手当てでもある [UC-030 §イベント運営に向けたアプリ機能の改善]。

イベントの形式は、記憶の収集とも噛み合わせなければならない。大阪大学の実践は、展示会、トークイベント、聞き取りを重ねるなかで、記憶を収集する手法ごとの長所と短所を整理した。写真展は不特定多数から記憶の断片を集められるが、双方向のやり取りがないため情報の深度が浅くなりがちである。インタビューは双方向で深く集められるが、対象にできる人数は限られる。トークイベントは会場とのやり取りのなかで思い出を引き出し、参加者の一体感を得られるが、情報発信の性格が強く、アーカイブの価値や意義を伝えるのに向く一方、収集にはあまり向かない。いずれの形式でも参加者の記憶や体験を集められ、集めた記憶は写真資料のメタデータの充実に活用できる可能性が示されている [UC-005 §デジタルアーカイブを活用したイベントの開催]。

つまり、一つの形式で深さと広がりと発信を同時に満たすことはできず、形式を組み合わせて設計する必要がある。たとえば写真展で広く断片を集め、まち歩きやトークの場で記憶を引き出し、深く聞き取りたい相手にはインタビューを重ねる、といった役割分担が考えられる(この組み合わせ方は、各形式の特徴を踏まえた編集上の整理である)。

研究が地域から受け取るもの

研究の側が地域から受け取るものは、まず資料そのものである。市電の写真で撮影場所を同定する作業では、北野線沿いのバス車庫がもとは市電車庫だったことを知っているといった地域の知識が手がかりになる [UC-005 §京都の鉄道・バス写真データベースの構築]。同定作業は、写真情報を知らない人にとって単なる事実確認にとどまらず、場所への理解や歴史的認識を深め、地域の価値を再発見・再評価する機会にもなる [UC-005 §京都の鉄道・バス写真データベースの構築]。

次に、記憶である。会場や現地で語られる記憶は、書籍や資料にはない内容を含み [UC-030 §ツアー形式の実施で得られた手応えと相互作用]、集めた記憶は写真資料のメタデータの充実に活用できる可能性がある [UC-005 §デジタルアーカイブを活用したイベントの開催]。

三つ目は、地域の側の問いと視点である。古写真の素材選定で挙がった論点や、世代を横断した使い方の提案は、研究の側が想定していなかった使い道として返ってきた [UC-005 §課題と気づき]。授業では、企画した大学生や中学生から、研究者が教えられる場面もあった [UC-005 §飛騨古川での中学生との景観学習プロジェクト]。参加者の声が道具の更新につながった一例が、グラバー園で相談を受けて加わった写真の非表示機能である(前述の摩擦の項を参照) [UC-030 §写真共有機能をめぐる課題と対応]。

最後に、活動そのものが、地域の資料・記憶・視点として研究に返ってくる [UC-005 §知見と展望]。この循環の全体像は節「防災と災害の記憶」を参照。

この節へのコメント

  • まだコメントはありません。

6.3 防災と災害の記憶

活動のサイクルとして育てるアーカイブ

住民が参加するアーカイブをどう育てるかについて、景観写真の活動から一つの構想が出ている。景観写真を地域社会の課題や未来を考える資料と位置づけ、デジタルアーカイブされた資料を実世界である地域社会にどうつなぐかが出発点である。そのヒントは「活動」の共有にある。活動の結果としてアーカイブが整理されたり、新しいアーカイブが生み出されたりする流れが重要であり、この流れがまちづくりへ広がって、景観学習の活動からコミュニティアーカイブへつながることが期待されている [UC-005 §知見と展望]。

展望として示されたのは、楽しむ・集める・考える・伝えるという要素を循環させるサイクルである [UC-005 §知見と展望]。このサイクルは地域資料を出発点とする。展示会・まち歩き・セミナーなどの催し、メモリーグラフによる今昔比較の企画、成果のアーカイブ化を順に巡らせ、地域課題の発見から発信、アーカイブへとつなぐ構想である。歴史的町並みの継承や地域の社会的インフラの変化について「なにを伝えていけるか」という問いのもとに、この流れが位置づけられている [UC-005 §活動のフレームワークと展開]。

構造を辿ると次のようになる。催しで人が集まり(楽しむ・集める)、今昔の比較で何が変わったかを考え(考える)、その成果をアーカイブとして発信する(伝える)。残ったアーカイブは次の催しの出発点になる。この巡りが、集めただけの資料を、活動を通して整理されたものへ育てていく。アーカイブは活動の終点ではなく、次の活動の入口でもある。

活動の結果としてアーカイブが整理されたり新しいアーカイブが生まれたりする流れを重視し、景観学習からコミュニティアーカイブへのつながりを展望する点は、同一構図撮影の別の事例でも示されている [BP-002 §写真を介した対話と記憶の共有]。活動がまちづくり団体・大学・学校へ広がった経過は、節「地域とともに進める」を参照。なお、これは景観写真の活動に基づく構想であり、災害の実践で検証された成果ではない。

官と学の連携:歴史地震の震度分布図

災害の記録に研究が関わる形として、歴史地震の震度分布図づくりを共同で進める事例がある。地震研究所と史料編纂所は、共同研究のためのバーチャルな部局として地震火山史料連携研究機構を設け、地震史料集の電子化や震度分布データの整備に取り組んでいる [UC-047 §はじめに]。これは官と学の連携の事例であり、住民が参加するアーカイブとは性格が異なる。「民」が加わる災害固有の連携は、紐づく記事に記述がない。

目指されているのは、現代の地震であれば気象庁がすぐに公表する震度分布図の、歴史地震版を数多く作ることである。江戸時代以前の地震は、当時の人々が体験して書き残した文書の記述から推定する。家が倒れた、強く揺れた、弱く揺れたといった記述を震度の尺度に変換して地図にすると、強く揺れた範囲の中心付近に震央があると推測でき、その広がりから規模もある程度推定できる。そのために、くずし字史料を翻刻してテキストデータにし、現代語訳しながら被害や揺れの記述を抜き出す。「夜四ツ時過ゟ大地震にはかにゆり出し」を「夜四ツ時(午後十時頃)過ぎから大地震で急に揺れはじめた」と読み替える作業がその一例である [UC-047 §歴史地震の震度分布図をつくる]。

史料から知りたいのは、いつ・どこで起きたか、被害や揺れの分布、そして何が起きたかである。何が起きたかには、被害の程度・様相や、港の水深変化・井戸水の変化といった揺れ以外の情報、人々や社会の対応が含まれる。こうした情報は、将来起こりそうなことを考える防災の観点からも大事だとされている [UC-047 §歴史地震の震度分布図をつくる]。

被災の記録を地図にする研究

被災地を訪ねる関わり方とは別に、被災の記録を扱う研究がある。1923年の関東大震災については、東京都慰霊協会が所蔵する「震災死亡者調査表」約3万8千名分の住所をジオコーディングし、空間分布を地図化して被害の要因や社会的背景を探ろうとする研究が報告されている [UC-032 §はじめに]。これは現地を訪ねる行為そのものではなく、被災の記録を扱う研究の例である。住所の変換の手順は、節「地名という接点」を参照。被災地を訪ねるときの倫理や、現地での振る舞いへの配慮は、紐づく記事に記述がない。

防災教育への接続

防災教育への接続は、今後の展開として語られた段階にある。被爆80年を迎える長崎では、原爆被災のビフォー・アフターを扱う教育啓発ツールや、被爆地観光のフィールドツールとしての活用を探る方向が示されている [UC-006 §今後の展開]。実践の成果として報告されたものではない。学校教育での位置づけや効果の検証は、紐づく記事に記述がない。

記憶を次の世代へ渡す

災害の記憶の継承では、現地に身体を運ぶこと自体に価値を見る立場がある。災害のビフォーアフター写真は、現場に実際に行って想像を巡らせること自体に意義があり、オンラインでは完結しない活動である。阪神・淡路大震災20周年の2015年には、震災直後の記録写真を使って現在の同じ場所を撮影する活動が行われた。震災を直接知らない子ども世代もアプリにすんなり馴染み、文章の説明を読むより実際に使うほうが直感的に理解できることが確認されている [UC-004 §フィールドワークへの活用:メモリーハンティングと災害アーカイブ]。

古写真と現在の風景を重ねる体験の整理は、節「拡張現実と没入」を参照。撮影支援の仕組みと通時的写真の使い分けは、節「写真という資料」を参照。ただし、そこで扱われるのは通時的写真の使い分けまでで、災害に固有の撮影手順は含まれない。災害に固有の手順は紐づく記事から導けないため、本節でも書かない。

時間の経過と記録の難しさ

過去の記録には曖昧さがあり、現代のようにコード化・標準化・数値化されていない。また記録には不可視性があり、存在しない記録を補うには慎重な判断が要る。曖昧さや不可視性は、複数のデータを突き合わせたり比べたりすることで解消できる場合もある [UC-044 §歴史ビッグデータの夢と]。これは歴史ビッグデータ全般の品質をめぐる議論であり、災害の記憶継承が時間とともにどう難しくなるかを直接論じたものではない。

この節へのコメント

  • まだコメントはありません。

6.4 文化遺産と国際協力

文化遺産をめぐる研究は、資料の所在地と研究者の所在地と遺跡の所在地が一致しない状態から出発することが多い。ドイツ=トルファン探検隊(1902〜1914年)が撮影した約1500枚のガラス乾板はベルリン州立アジア美術館に保存されているが、遺跡そのものは中国・新疆のトルファン盆地にあり、研究者は日本・中国・ヨーロッパに散らばっている [UC-008 §ドイツ=トルファン探検隊の古写真と遺跡同定の課題]。何が、どこに、いつあったのかを再構成することが、国際協力の実質的な内容になる。

分散した資料を前提とした協力体制の組み方

ドイツ=トルファン探検隊の写真は、何をどこで撮影したかという探検隊側の記録がほぼ失われている。報告書にも地図がなく、手書きの平面図のみで項目分けも不十分なため、個々の写真がどの遺跡に対応するのかを特定することがきわめて難しい [UC-008 §ドイツ=トルファン探検隊の古写真と遺跡同定の課題]。

この状況に対して組まれた体制は、日本・中国・ヨーロッパの研究者がそれぞれ異なる資料と文脈を持ち寄る構造だった。ベルリン州立アジア美術館は2009年以降に古写真の整理を始め、2010年前後からデジタル化を進めて、大英図書館のIDP(国際敦煌項目)やベルリン州立博物館のアーカイブにもアップロードした [UC-008 §古写真を用いた遺跡同定の方法論]。現地ではトルファン地区文物局が協力し、2017年からドイツ隊の調査地の捜索と同定が始まっている [UC-008 §古写真を用いた遺跡同定の方法論]。その手前には、地図・遺構平面図・衛星写真・一部の古写真を組み合わせて高昌故城の大部分の遺構を同定した先行研究があり、この成果がベルリンとの協力へつながった [UC-008 §古写真を用いた遺跡同定の方法論]。

国際協力が目的ではなく方法として必要になる場面もある。Tempel T'の壁画の位置の特定では、ドイツ隊の写真だけでは撮影範囲が足りず、より広い範囲を撮影していたロシアの探検隊の写真が必要になった [UC-008 §遺跡同定の事例]。同じ遺跡を別の探検隊が別の角度から記録していたという事実が、単独の資料群では解けない問いを解く鍵になる。資料を国境を越えて持ち寄ることは、善意の連携である以前に、問いの側から求められる条件である。

災害による喪失に対しては、国境を越えた資料の召集が事後的な復元の前提になる。イラン・バム遺跡では2003年12月の地震の5日後にウェブサイトを開設し、世界に地震前の写真の提供を呼びかけた [UC-020 §地震で全壊したバム遺跡と復元プロジェクト]。取り組みは、ディジタル・シルクロード・プロジェクトの中でテヘラン大学の研究者を中心に、イランの共同研究者や国立情報学研究所の関係者とともに進められている [UC-020 §地震で全壊したバム遺跡と復元プロジェクト]。復元には衛星画像・写真・平面図・地形データ・記録・遺物・人々の記憶といった種類の異なるデータの統合が必要で、それでも欠ける情報は残る [UC-020 §実測と推定:2種類の3次元モデル]。現存しない対象を記録するには、どの単一の機関も持ちえない資料の集合が要る。復元モデルの技術的詳細については「三次元の計測と復元」を参照されたい。

現地調査が直面する多層の障壁

現地調査は研究上の問題だけでなく、政治的・環境的・運用上の制約を同時に抱える。

ゼロコロナ政策の直後という時期には、表向きは受け入れ可能とされながら外国人の調査が実質的に難しい状況が続いた。最終的には北京大学の支援を得て調査が実現している [UC-008 §メモリーグラフを用いた現地調査]。現地政府・現地大学・海外機関の関係が、調査の可否そのものを左右する構造がここに表れている。

環境面では、昼間の気温がおよそ50度に達するため、調査できるのは夕方6時から夜10時の時間帯に限られた [UC-008 §メモリーグラフを用いた現地調査]。ツールの運用でも、アプリのログイン認証に用いるGoogleのサインインが中国の環境では使いにくく、位置情報については中国版の地図サービスを併用した [UC-008 §メモリーグラフを用いた現地調査]。これらは「現地調査」という言葉の陰に隠れた多層の障壁であり、ツールの機能設計だけでは解消できない。

「すでに失われた」という前提の誤り

ヨーロッパのシルクロード探検隊が調査した遺跡は、大規模で現在もよく知られているものを除けば、すでに失われた、あるいは破壊されたと長らく説明されてきた。そのため、調査された遺跡が今も残っているとは、ほとんど誰も考えていなかった [UC-008 §ドイツ=トルファン探検隊の古写真と遺跡同定の課題]。著名な大きな遺跡でも、現地の人から「もう何も残っていない」と言われながら、実際には残っていたという場面があった [UC-008 §遺跡同定の事例]。

遺跡が残っていても、景観が激変している場合には別の問題が生じる。勝金口(Sengim)では、一帯がぶどう畑になっていた。100年前と比べて地域の人口が約10倍に増え、食料生産のための土地転換が進んだ結果であり、手前では高速道路の工事も進んでいる。次に訪れたときには同じ写真を撮れなくなる可能性が高い状況だった [UC-008 §遺跡同定の事例]。所在地が分からないために発掘ができない遺跡もあり、場所の確定は、景観が消える前に手がかりを押さえる作業になる [UC-008 §遺跡同定の事例]。

外国の探検隊の記録と現在の現地の記録が、同じ地点を別のものとして記していることもある。ドイツ隊の書籍で仏教寺院とされた地点が、現在の現地の記録では19世紀の建物とされていた [UC-008 §遺跡同定の事例]。どちらの記録でその場所を語るかは、現地との関係の問題でもある。古写真による遺跡同定の手順は「写真という資料」を参照されたい。

記録を誰に返すか

資料が持ち出されて100年以上が経つ。その記録を現代の現地調査に使うとき、調査者は現地の文物局に行きたい場所を依頼し、案内を受け、撮影した写真をデータとして持ち帰る。一方、プリントアウトして持っていった古写真は、現地の人が喜んで持ち帰ってしまうため、写真はスマートフォンの中でしか見られない状態で運用されたという [UC-008 §メモリーグラフを用いた現地調査]。この小さな出来事は、記録への関心と、それを手元に置きたいという感覚が現地の人々にもあることを示している。

調査の成果としては、各地の文物局・文管処・研究所との協力で、ドイツ隊が具体的にどこを調査したのかが判明した。ベルリン州立アジア美術館との協力で、調査の基礎的データを整備する取り組みも始まっている [UC-008 §調査の成果と今後]。ただし、この事例から読み取れるのは協力体制の形までである。記録の返還をどう判断するか、その権原をどう考えるかという議論は、この事例からは読み取れない。

この節へのコメント

  • まだコメントはありません。

用語集

校訂

critical editing

複数の伝本や校異を突き合わせ、本文の異同を判断して整えること。翻刻が原文の忠実な 再現であるのに対し、校訂は編者の判断による本文の確定を含む。

関連: 翻刻

jageocoder

jageocoder

Python版ジオコーダー。日本の住所を緯度経度に変換する機能など、多様な機能を提供する。情報試作室の相良毅氏が開発するオープンソースのソフトウェア。

別名: Jageocoder

IIIF

International Image Interoperability Framework

画像やその他のメディアを相互運用可能な形で配信・記述するための国際的な枠組み。 Image API と Presentation API を中心に構成され、機関をまたいだ資料の閲覧・比較・注釈を可能にする。

別名: トリプルアイエフ・アイアイアイエフ / 関連: マニフェスト / 出典: IIIF 公式サイト

翻刻

transcription

歴史資料に書かれた文字を判読し、現代の活字に起こすこと。原文の字体・誤字も含めて 忠実に再現する点で、本文を整える「校訂」とは区別する。

別名: 翻字 / 関連: 校訂

マニフェスト

manifest

IIIF Presentation API において、1 つの資料(書物・巻物など)の構造とメタデータ、 構成画像(canvas)の並びを記述する JSON 文書。閲覧アプリはこれを読み込んで資料を表示する。

別名: IIIFマニフェスト・Manifest / 関連: IIIF

メタデータ

metadata

資料そのものではなく、資料を記述する情報(標題・作者・年代・所蔵者・権利など)。 発見・同定・相互運用の基盤となる。

別名: メタ情報

ジオレファレンス

georeference

現実の地理空間と空間データの位置を合わせる作業。画像単位やポイント単位などで合わせることができるが、特に画像から複数の地上制御点(Ground Control Point, GCP)を拾って、それらをマッピングするための幾何学的変換を計算する方法がよく用いられる。

別名: ジオリファレンス

付録

まだ書けていない領域

本ガイドラインは、あるべき構造を先に定め、そこに実践知を当てて書いている。当たらなかった場所を空白として残し、隠さずここに挙げる。いずれも本ガイドラインが扱うべき範囲の内側にあり、素材となる講演や記事が集まれば節として加わる。

上空からの観測 —— 衛星画像、過去の空中写真、合成開口レーダー。入手とジオレファレンス、時系列での変化の読み取り。古地図の処理と景観の変化を扱う節に隣接するが、観測されたデータを使う実践がまだ収められていない。

空間の分析 —— 分布の読み方、集計の単位、空間統計。空間的な問いをどう立てるか。関東大震災の死亡者分布のような例はあるが、方法として述べるには足りない。

移動・経路・軌跡 —— 街道や宿場、踏査の経路、まち歩きのコース。点や面ではなく線として空間を扱うこと。

空間の物語 —— 地図に語りを載せること。地図が示せるものと、示せないもの。

資料を画像にする —— 撮影、色の管理、解像度の選択、撮影記録の残し方。デジタル化の入口にあたる判断が、本ガイドラインにはまだない。

画像の検索と生成 —— 似た画像を探すこと。生成については AI の章が扱うが、探す側が空である。

AI を検証する —— 出力の根拠をどうたどるか、誤りをどう見つけるか、再現性をどう担保するか、何をもって良いとするか。AI を使う実践が増える一方で、検証の作法がまだ言語化されていない。

データをどこに置くか —— リポジトリの選び方、日本の研究データ基盤、置いたことになる条件。研究の現場で最も多く問われることのひとつでありながら、実践知として記録されていない。

プロジェクトの設計と協働 —— 範囲の決め方、工程、費用、データ管理計画、引き継ぎ。参加者を募り、教え、品質を保ち、貢献をどう記録するか。

上に挙げたのは、節として立てるだけの素材がまだ集まっていない領域である。これとは別に、節としては置いたものの、素材が足りないために本文中で「現時点で薄い領域」と自ら述べている節がいくつかある。そちらは該当箇所で直接確認できる。

これらの空白は、知識が存在しないことを意味しない。本ガイドラインは講演を素材としているため、まだ語られていないことは記事にならず、記事にならないことは書かれない。一覧は、次に何を聞くべきかの見取り図でもある。

ガイドライン作成のためのAgentic Publishing

ガイドラインは、Agentic Publishingシステムにより作成されたものである。Agentic Publishingとは、人間が指定した構造に沿って、AIエージェントが知識ベースから記事を選び、成果物を構成するプロセスである。

ガイドライン編集者は、章節の構成(見出しなど)をマークダウン形式で指定し、各章節の内容をYAML Front Matter Block形式で指定する。これは、各章節が何を記述し、何を記述しないかを指定するものである。

Agentic Publishingシステムは、以下のような特徴を備える。

  • AIエージェントが生成結果を多観点で検査し、その結果を人間が裁定する品質保証プロセス
  • 検査で発見された問題点を編集レシピに反映させ、以後の生成に活用する品質改善ループ
  • 知識ベースの成長を反映して再生成するLiving Documentとして運用可能
  • 成果物を版として凍結し、参照可能・追跡可能な出版物として公開可能

また、編集レシピとして、以下のようなファイルを管理している。

  • 構造:成果物としての文書が備える構造として、章節構造や各節に書く・書かない内容などを指定
  • エージェント指示(制作):知識ベースから選んだ記事を基にどのように書くかを指定
  • エージェント指示(校閲):書かれた文書をどのような観点で検査し、指摘を出すかを指定
  • 用語ファイル:表記揺れに対して使うべき表記やその意味などを指定

これは、素材(知識ベース)から料理(出版物)を作るノウハウを蓄積するようなものであり、生成ごとに品質が向上していくことが期待できる。

利用記事一覧(帰属表示)

ライセンス:CC BY 4.0 / 権利者:各記事の著者、DiHuCo