人間の「いい加減な能力」を利用する(小松孝徳)

人間の「いい加減な能力」を利用する

小松孝徳（明治大学総合数理学部）

2014/12/9 ＠京都工芸繊維大学

【認知的インタラクションデザイン学】

「いい加減な能力」？

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

1. 非注意による盲目状態

見えているけど気づかない有名なビデオ

その２

1. 非注意による盲目状態

見えているけど気づかない有名なビデオ

その２

無関係と思われる情報には注意を割かない認知的リソースの有効活用

2. 制御処理と自動処理

制御処理：意識的な処理自動処理：無意識的な処理

制御処理と自動処理とのバッティング


声に出して「文字通りに」読んでみてください．こんちにはみさなんおんげきですか？　わしたはげんきです。このぶんょしうはいりぎすのケブンッリジだがいくのけゅきん

うのけっかにんんげはたごんをにしんきするときにそのさしいょとさいごのもさじえあいてっればじばんゅんはめくちちゃゃでもちんゃとよめるというけゅきんうにもづいとてわざともじのじんばゅんをいかれえてあまりす。

どでうす？　ちんゃとよゃちめうでしょ？


制御処理：文字通りに読む自動処理：ありえない語順を補完してしまう

制御処理と自動処理とのバッティング文字通りに読むことが難しい！！

3. 論理的な思考？

抽象的な事象 vs 具体的な事象おかしなことを言っているのだが，説得力を感じる．「放射能の影響はないって学者は言ってますけど，ウソですよ．

じゃあ，なんで鼻血が出るんですか！！どう説明するんですか！！」

抽象的な話よりも具体的な話の方が，直観的に理解しやすい


4 枚カード問題「片方が母音ならその裏面は偶数でなければならない」という規則

があるとしよう。この規則が守られているかを見るために、以下の４枚のカードのう

ちどれを裏返して調べる必要があるか

E K ４７


4 枚カード問題再びあなたは警官で、未成年 ( ２０歳未満 ) で「ビールを」飲んでいる人

を取り締まらなければならない。次の４枚のカードは４人の人について、片面には年齢、もう片面にはビールを飲んでいるかどうか、という情報がかかれている。４人の人のなかに取り締まりの対象がいるかどうかを決めるためにはどのカードを裏がして他の情報を見る必要があるか。

ビールを飲んでいる

コーラを飲んでいる

２２歳１６歳


抽象的な事象 vs 具体的な事象抽象的な 4 枚カード問題：約 25% の正解率具体的な 4 枚カード問題：約 65% の正解率

抽象的な話よりも具体的な話の方が，直観的に理解しやすい

「いい加減な能力」？

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

なぜ，このような「いい加減」な能力が人間に備わっているのか？おそらく進化の過程で培ってきたもの熟考していると，天敵から逃げられない長考によって最適解を求めることよりも，瞬間的に局所解を求める能

力

瞬間心理学

瞬間情報処理の心理学（海保， 2000 ）「人は約 2秒（くらいの短い時間）でほとんどの事柄に対処して生

きている」そのような人間の特性を利用した様々な研究（ or 戦略）が行われて

いる．

直観的な認知の本質反射（思考ではない）

＜直観的な認知（ 2秒以内）

＜高次認知（熟考）

瞬間心理学

瞬間情報処理の一例車の運転をしながら，複雑な状況を一瞬のうちにつかんで，適切な運転をする

交通心理学

新聞広告をほんの 1～ 2秒で見て，だいたい何が書いてあるかを知る

広告心理学

物を買う時でも，一瞬の判断に基づいて買うことが多い消費者心理学

目の前の初対面の人が信頼できる人かどうかを，一瞬のうちに知る印象形成

私自身の動機

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

15

簡単に自己紹介

小松孝徳（こまつたかのり）明治大学総合数理学部先端メディアサイエンス学科准教授

http://www.tkomat-lab.com

Twitter: @tkomatlab , [email protected]

専門：認知科学，心理学， HCI/HAI

自転車，ビール， perfume という三大元素で構成私自身は，悪い意味で「いい加減」なヤツです

http://www.tkomat-lab.com/

私自身の動機


Artificial Subtle Expressions (ASEs)

キカイからユーザに対して表出される情報表現について考えるキカイ＝ HCI/HRI/HAI における人間じゃない方の総称

「人間と向き合うキカイは人間らしくあるべき」キカイに対して表情，ジェスチャー，言語などを表出させるシステムを構築する必要がある．

多大な労力とコストが必要

この考え方に歯向かい続けて，はや○○年

不気味の谷（森 , 1970 ）

適応ギャップ仮説（小松・山田， 2010他）

人間らしい表現を使うことの危うさ ≒不気味の谷

人間らしさを追求することで引き起こされる問題

人間らしい情報なんて使わなければいい

人間らしさを追求することで引き起こされる問題

人間らしい情報なんて使わなければいい

Artificial Subtle Expressions; ASEs （小松他， 2010; Komatsu et al., 2010 ）キカイはキカイらしい情報を表出した方がいいシステムの内部状態を直観的かつ正確にユーザに伝達する手法

ASEs に関する研究について紹介

その１： ASEs とは何か？（基礎編）その定義と具体的機能について

その２： ASEs と人間らしい情報との比較（応用編）人間らしい情報よりも ASEs を使う利点についてキカイのアドバイスが間違っていた時に注目

その３：最近のトピック（飛翔編） ASE のバリエーションは増えるのか？日本人以外でも通じるの？





ASE とは？

低コストで単純な情報表現にて，エージェントの内部状態を直感的にユーザに伝達できるもの

具体的には，二つの実装的要件および二つの機能的要件を満たす実装的要件その①「シンプル」単一のモダリティにて構成され，実装の労力およびコストがかからない

実装的要件その②「補完的」インタラクションにおけるメインのプロトコルを阻害しない

機能的要件その①「直感的」 ASE に関する知識を必要とすることなく，その解釈が行われる

機能的要件その②「正確」特定の意味を正確にユーザに伝えること

目的

ユーザに情報を提示するロボットに ASE を実装し，その効果を検証する．ユーザに情報を提示するロボットに「シンプル」「補完

的」という二つの実装的要件を満たした ASE を実装し，ユーザとのインタラクションにおいて「直感的」「正確」という二つの機能的要件を満たしているのかを実験的に検証．

ASE に関する学習を行わなかったユーザであっても，その特定の意味を理解できたのか否かを調査する

実験設定

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

実験設定

宝探しゲーム（改）被験者の横に置かれたロボットから，金貨の隠された位置の予想が

人工音声によって伝えられる．その予想を採用するか，却下するかは被験者にお任せ

ただし，ロボットの予想が当たっていたのかというフィードバックは被験者には伝えない

実験設定

使用した ASE ：ロボットが被験者に対して発する人工音声に実装「いちばん」「にばん」「さんばん」という音声

クリエイトシステム社製 Document Talker にて作成

この人工音声の 0.2秒後に ASE を付与 Flat ASE: 提示時間 0.5秒， 250 [Hz]->250 [Hz]

Decreasing ASE:提示時間 0.5秒， 250 [Hz]->100 [Hz]

Adobe社の Cool Edit 2000 で作成

実験設定

使用した ASE ：「いちばん」「にばん」「さんばん」という三つの音声と Flat

ASE ， Decreasing ASE の二種類の ASE の組み合わせ

実験設定

使用した ASE ：「シンプル」：ソフトウェアにて簡単に作成「補完的」：人工音声の 0.2秒後の再生＝ジャマはしていない二つの実装的要件は満たしている．

ASE の意味：提示した人工音声に関する確信度 Komatsu & Yamada (2008)

周波数が減少する人工音＝ネガティブな印象

周波数が上昇する人工音＝ポジティブな印象

人工音声＋Decreasing ASE＝確信度が低いあまりロボットが自信がないのでは？

実験設定

参加者 19 人の大学生（ 22～ 25 歳：男性 10 名，女性 9 名） 20回の音声提示のうち，＋ flat ASE が 10回，＋ decreasing ASE

が 10回．提示順については，被験者間でカウンタバランスを配慮

実験の説明の際には，人工音声の後に表出される ASE に関しては何も言及しない．

実験設定

調査項目参加者がロボットの予想を受け入れたのか否かという行動と， ASE

との関連性を観察． ASE に関しては，なにも言及していない

（予想） Flat ASE が付与された音声による予想は参加者に受け入れられ， decreasing ASE が付与された予想は参加者に拒絶される

これが確認されれば，「直感的＝何の学習もなく」「正確＝ロボットの確信度という内部状態の伝達」という二つの機能的要件を満たしたといえる．

実験風景

実験結果

参加者が人工物の予想を拒絶した回数（拒絶数）を計測 10回の Flat ASE提示における拒絶数 vs. 10回の Decreasing ASE提示の場合における拒絶数

Flat ASE の場合： 1.73回（ S.D.=1.51 ） Decreasing ASE の場合： 4.58回（ S.D.=2.43 ）

一要因二水準（要因： ASE の種類，水準： flat/dec ，従属変数：拒絶数）被験者内計画における分散分析の結果，これらの拒絶数に有意差が観察（ F(1,18)=13.38, p<.01 (**) ）

実験結果

実験結果

Flat ASE が付与された音声による予想は参加者に受け入れられ，decreasing ASE が付与された予想は参加者に拒絶されたこれより，「直感的」「正確」という ASE の機能的要件が満たされたと言える．

実験終了後のインタビュー 19 人中 5 人は， ASE の存在に気づきそれを利用してゲームを進めていた

「音程が下がる音が聞こえると，ロボットは予想に自信がないのかと感じた」

19 人中 14 人は， ASE の存在に気づいていなかった！









本研究の「仮説」

ASE によって確信度を表出する場合よりも，人間らしい情報によって確信度を表出する場合の方が，言動不一致システムへの評価が低くなる

　ユーザの印象：人間らしい表現　＜　☹

ASE☺

システムが提示する情報と表出する確信度との関連において，ユーザがシステムに対してどのような印象を抱くのかを実験的に調査する．

39

言動不一致なシステムとは？

言ってることとやってることが違うシステムそんなシステムってあるの？？例えば．．．カーナビ

なんかすごくムカつきませんか？笑いごとのようですが，音声で情報を提示するシステムでは起こり

得る現象では？

実験設定

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

実験設定

独立変数その１：提示する情報の種類（被験者内・三種類）： ASE/パラ言語

/ 言語その２：システムの種類（被験者間・二種類）：言動一致 / 言動不一致システム

従属変数システムに対する主観的印象点（ 7段階リッカートスケール ×18 問＝最低点 18点～最高点 126点）

2×3 の混合計画

要因その１：提示する情報の種類（三種類）

ASE条件金貨の位置を予想する音声の 0.2秒後に ASE を付与することで確信度を表現（高確信度，低確信度）

パラ言語条件予想音声のパラ言語情報を変化させることで確信度を表現（高確信度

，低確信度）

言語条件予想音声に接尾辞を付与することで確信度を表現（高確信度，低確信度）

20回の情報提示中：高確信度 10回，低確信度 10回

要因その２：システムの種類（二種類）

言動一致グル―プ：提示情報と確信度とが一致した状況高確信度を伴う情報＝ 100% の確率で盛り土に金貨低確信度を伴う情報＝ 0% の確率で盛り土に金貨

言動不一致グループ：提示情報と確信度とが不一致な状況高確信度を伴う情報＝ 50% の確率で盛り土に金貨低確信度を伴う情報＝ 50% の確率で盛り土に金貨

従属変数：主観的印象点

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

従属変数：主観的印象点

実験設定

独立変数その１：提示する情報の種類（被験者内・三種類）： ASE/パラ言語

/ 言語その２：システムの種類（被験者間・二種類）：言動一致 / 言動不一致システム

従属変数システムに対する主観的印象点（ 7段階リッカートスケール ×18 問＝最低点 18点～最高点 126点）

2×3 の混合計画

実験設定

参加者 20 人の大学生（男性 15 人，女性 5 人： 21-28 歳）

実験設定

ASE条件パラ言語言語条件

言動一致グループ（ 10

人）

X 点 X 点 X 点

言動不一致グループ（ 10

人）

X 点 X 点 X 点

被験者間

被験者内（ランダム順）

実験結果

ASE条件パラ言語言語条件

言動一致グループ（ 10

人）

58.2 (15.53)

75.1(9.27)

68.1(11.85)

言動不一致グループ（ 10

人）

60.0(11.40)

49.4(11.94)

48.6(12.31)

実験結果

実験結果ASE によって確信度を表出する場合よりも，人間らしい情報によっ

て確信度を表出する場合の方が，言動不一致システムへの評価が低く

なる→我々の仮説が検証された

実験結果：まとめ

面白い現象 ASE に対する評価は，システムが言動一致でも言動不一致であって

も変化していない． ASE の解釈はロバスト？

言動一致システムの場合は，人間らしい情報の方が ASE よりも評価が高い．

システムが完璧に動作するならば，人間らしい情報でもよい？

機能的側面金貨の獲得数：言動一致　＞　言動不一致提示情報に従う数：言動一致　＞　言動不一致

提示情報の違いという要因の影響はなかった．

おわりに～この知見をどう生かすのか？

「人間らしい情報」と「 ASE 」の使い分けに応用完全な情報提示システムが可能であるならば前者，そうじゃなけれ

ば後者

現実的なアプリへの実装本気でカーナビへ．．．

ASE のさらなる応用可能性を探求確信度の伝達以外にも．．．（参考）発話衝突，発話の低速化





私自身の動機


私自身の動機


57

「いい加減な能力」

頭の中のイメージをうまく表現できないそのかわりに，他の情報として漏らしちゃっている

オノマトペで会話

Welcome!!

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

Welcome!!

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

Introduction (1/6)

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

Introduction (2/6)

日本語におけるオノマトペ他言語に比べて，オノマトペの種類が豊富多言語に比べて，動詞の種類が少ない

「あるく」という動詞に関する日本語と英語の比較英語 : Plod, Stroll, Strut, Swagger, etc 日本語 : あるく

Introduction (3/6)

「オノマトペ＋動詞」による表現の拡張 Plod = とぼとぼ + あるく Stroll = ぶらぶら + あるく Strut = かぜをきって + あるく Swagger = えらそうに + あるく

多くのオノマトペは音象徴（ Sound Symbolism ）によって説明できる？

オノマトペ = “副詞”

Introduction (4/6)

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

Kiki Bouba

Introduction (4/6)

Takete or Malma ?

Malma

Takete

Introduction (5/6)

音象徴の例サ行（ /s/ ） : 軽い摩擦，スムーズで速度感があるカ行（ /k/ ），タ行（ /t/ ） : 固さ，剛性のイメージ .

ナ行（ /n/ ） : ベタベタ感 .

多くのオノマトペは音象徴によって説明できる？かさかさ : 乾燥肌や枯葉などの質感ぬるぬる : どろどろ感，ぬめり感など

Introduction (6/6)

I ’m going to add white color to the sky and

then feathering between the sky and

mountain!

I wanna add a more “MOFU-MOFU” feeling around

here…

People who can express how they wantTheir intentions are described literally.

People who cannot express how they wantTheir intentions are expressed as onomatopoeias.

ユーザのコトバにならないイメージや直観的な感覚はオノマトペに込められているのでは？

Introduction (6/6)

オノマトペに関する特徴的な使われ方ユーザのコトバにならないイメージや直観的な感覚はオノマトペに込められているのでは？

オノマトペを入力として扱えるインタフェースを実現できれば，ユーザのコトバにならないイメー

ジや直観的な感覚を扱えることになる．

ユーザの表現の幅を拡張するインタフェースに！

Concept (1/2) オノマトペを入力として扱うには

= オノマトペの数値化オノマトペは子音と母音によって構成される（ /s/, /k/, /a/,

etc ）

子音と母音を表現する n 次元ベクトルを用意．各属性の値は音象徴によって決定される．サ行（ /s/ ） : 軽い摩擦，スムース，スピード感カ行（ /k/ ） and タ行（ /t/ ） : 固さ，剛性

k={a,b,c,d}s={w,x,y,z}…a={ , , , }

かさかさ

Concept (1/2) オノマトペを入力として扱うには

= オノマトペの数値化オノマトペは子音と母音によって構成される（ /s/, /k/, /a/,

etc ）

子音と母音を表現する n 次元ベクトルを用意．各属性の値は音象徴によって決定される．

子音ベクトルと母音ベクトルを組み合わせる線形式を用意し，任意のオノマトペを数値化する .

k={a,b,c,d}s={w,x,y,z}…a={ , , , }

かさかさ Okasa-kasa =Ak+Ba+Cs+Da ={i,j,k,l}

Concept (2/2) 数値化されたオノマトペ

どのようにして使うのか？

これら数値化されたオノマトペは “ 副詞”として扱われることを想定※任意の対象を修飾するようなイメージ

Okasa-kasa =Ak+Ba+Cs+Da ={i,j,k,l}

Purpose (1/1)

オノマトペの数値化方法の提案 Step 1: n 次元ベクトルの次元数および属性の種類を決定する．

{a,b,c,d} or {a,b,c,d,e,f}? “a” は何を意味する ?

Step 2: 各子音および母音を表現する n 次元ベクトルの属性値を決定する．

k={2.4,1.2,-0.1,2.8}, s= {…}

Step 3: オノマトペの n 次元ベクトルを表現する線形式の重み係数を決定する．

Oi =Ak+Ba+Cs+Da ( 注：本研究では XYXY型のオノマトペのみを扱う )

Step 1: 次元の数と種類 (1/4)




k={2.4,1.2,-0.1,2.8}, s= {…}




質問紙調査により 9種類の子音および 5種類の母音に関する印象を調査 43種類の形容詞対（ 5件法）を用意

{澄んだ – 霞んだ }, {興奮した – 落ち着いた },…

43種類の形容詞対 x (9種類の子音 + 5種類の母音 )

= 604 回答 115 名の大学生が参加


鋭さ

柔らかさ

大きさ

躍動感


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

Step 2: 各属性の“値” (1/3)




k={2.4,1.2,-0.1,2.8}, s= {…}



Step 2: 各属性の“値” (2/3)

質問紙調査により子音 / 母音ベクトルの各属性の値を調査する．ベクトルの各属性の種類を形容詞対（ 5件法）として表現したものを準備

{鋭い – ぼやけた }, {柔らかい – 固い }, {躍動感のある – 落ち着いた }, { 大きい – 小さい }

84 名の大学生が参加

Step 2: 各属性の“値” (3/3)子音 / 母音ベクトルの完成！

Step 3: 重み係数の決定 (1/4)




k={2.4,1.2,-0.1,2.8}, s= {…}




重回帰分析による重み係数の決定説明変数と基準変数の設定

基準変数を用意する必要がある = オノマトペを 4 次元ベクトルにて表現したもの

Ii = ai CiX + bi ViX + ci CiY + di ViY

基準変数

説明変数 (子音 / 母音ベクトル )


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


説明変数の決定

kaku-kaku 3.98 (1.01) 1.22 (0.44) 3.26 (0.95) 3.19 (0.98)

kata-kata 3.59 (0.98) 1.59 (0.72) 3.38 (1.02) 2.49 (0.95)

kati-kati 3.94 (0.84) 1.37 (0.67) 3.34 (1.08) 3.12 (1.10)

kisi-kish 3.57 (0.92) 2.03 (0.81) 3.10 (0.93) 2.26 (0.87)

kiti-kiti 3.76 (0.97) 1.66 (0.63) 3.18 (1.04) 2.60 (1.06)

kuta-kuta 1.75 (0.85) 3.53 (0.95) 1.78 (0.89) 2.45 (0.85)

kune-kune 2.09 (0.92) 4.34 (0.70) 2.67 (1.23) 2.62 (0.96)

…

…

…

koso-koso 3.00 (1.15) 2.84 (0.83) 2.53 (1.12) 1.84 (0.72)

mota-mota 1.44 (0.70) 4.02 (0.62) 1.61 (0.80) 2.80 (1.17)

yota-yota 1.62 (0.70) 3.92 (0.69) 1.98 (0.89) 1.98 (0.85)

toti-yoti 2.00 (0.98) 4.28 (0.65) 2.24 (1.01) 1.96 (0.97)

yoro-yoro 1.70 (0.79) 3.85 (0.57) 1.73 (0.92) 1.97 (1.01)

wasi-wasi 3.03 (0.99) 3.24 (1.00) 3.31 (0.99) 3.42 (0.95)

…

Average SD.（） Average SD.（） Average SD.（） Average SD.（）

…

…

…

…

…

…

…

…

…

…

…

Sharpness Softness Dynamic Largeness


重回帰分析の結果 ( ステップワイズ法 )

この式を使えば，どのようなオノマトペであっても数値化は可能となる

ここまで

オノマトペを数値化することに成功数値化されたオノマトペは何等かの対象に対して，副詞

的に作用することを想定動詞「あるく」 + 任意のオノマトペ

= Plod, Stroll, Strut, Swagger, etc 対象の付与する何等かの“フィルタ”のようなイメージ

86

応用例その 1: Robot Choreography (1/4)

目的様々なロボットが家庭に普及している一方，それらの

動作を作成することは，まだまだ一般のユーザには敷居が高い．モーションエディタのようなものはあるんだけども．．．

“もっと，ガシガシっと動いてほしいんだけど．．．”

応用例その 1 : Robot Choreography (2/4)

基本方針オノマトペベクトルの各属性を，ロボットの動作波形の物理特性と対応づけておく

鋭さ => 動作波形の周期柔らかさ => 動作波形の形状大きさ => 動作波形の振幅躍動感 => 動作波形の振幅の変化


例その 1 基本アクションに対して「がしがし」を付与

“がしがし” ={2.1, -2.9, 1.26, 1.0}

-> 鋭くて，固くて・・・


例その 2 基本アクションに対して「ぷりぷり」を付与

“ぷりぷり” {0.3, 0.6, 0.9, 0.5}

-> 柔らかく，躍動感がある

ロボットの動作編集経験がないユーザでも，自分のニュアンスをロボット動作に反映できる

I ’m going to add white color to the sky and

then feathering between the sky and

mountain!

I wanna add a more “MOFU-MOFU” feeling around

here…

People who can express how they wantTheir intentions are described literally.

People who cannot express how they wantTheir intentions are expressed as onomatopoeias.

目的下図の右側の人を救済する

基本方針オノマトペベクトルの各属性を，ドローイングツー

ルのエフェクトを対応付けておくイメージとしては“ Photoshop” のエフェクトのようなもの

応用例その 2: もやもやドローイング (1/2)

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

例その 1

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

例その 2

まとめ (1/3)

提案手法の長所オノマトペに関するデータベースや辞書を用意する必要が

ない子音と母音の組み合わせで対応するから

辞書にないオノマトペ，即興的に使われるオノマトペにも対応が可能Input ? >

BAKYO-BAKYOError: No such onomatopoeic word. Input ? >

振幅

周期

波形

位置

加速度

関節の組合せ

Etc…

まとめ (2/3)

提案手法の短所オノマトペの各属性と，そのニュアンスを付与する対象の物理特性とのマッピングは試行錯誤的である．．．

鋭さ柔らかさ大きさ躍動感

?

まとめ (3/3)

印象ベクトル

パラ言語情報

コトバではうまく表現できずに思わずユーザが表出してしまう情報の数々

音楽活動の支援

ジェスチャ，表情など

オノマトペロボットの動作編集

描画活動の支援

私自身の動機


私自身の動機


ユーザの認知的特性を踏まえながら，人とメディアの関係を再考すること

シメの一枚

「人間はいい加減な存在である」　

このような視点から「人間の認知的な特性」を捉え直し，ユーザ人とメディアの関係を俯瞰する．

人間もキカイも完璧であることはできない．不完全さを「いい加減に」許容することが重要なのでは．

Thanks for your attention

mail: [email protected]

Twitter: @tkomatlab

Website: http://www.tkomat-lab.com

mailto:[email protected]

Engineering

人間の「いい加減な能力」を利用する(小松 孝徳)

人間の「いい加減な能力」を利用する(小松孝徳)