研究 on Data Visualization Japan

山辺真幸／データビジュアライゼーションを創造する

Fri, 29 Dec 2023 00:00:00 +0000

Data Visualization Japan Meetup 2023（2023年12月29・30日開催）における、山辺真幸さん（データビジュアライズデザイナー／一橋大学大学院ソーシャル・データサイエンス研究科特任講師）の講演です。NHKとの共同制作を題材に、博士研究で導き出した制作プロセスのモデルとパターン・ランゲージを紹介します。

「データビジュアライゼーションを創造する」という、ちょっと大業なタイトルをつけてみました。Data Visualization Japan のミートアップは2年ぶりくらいでしょうか。このコミュニティで発表するのをすごく楽しみにしていて、またお呼びいただけて嬉しいです。

自己紹介

私はデータビジュアライズを制作する仕事にデザイナーとして携わっています。大学時代まで遡ると工学部の卒業ですが、社会に出てからはグラフィックデザイナーとしてずっと活動しています。今年、社会人博士課程で慶應義塾大学から博士号を取得しました。研究内容もデータビジュアライズのデザインに関することです。現在は一橋大学のソーシャル・データサイエンス研究科におり、研究とデータビジュアライズの開発・デザインの2つを柱として活動しています。

手がけてきたプロジェクト

新型コロナウイルスの3次元系統樹

最も多くの方に見ていただいたのが、新型コロナウイルスの3次元系統樹です。NHK、東海大学の中川先生、私のチームで開発しました。

2020年から制作したもので、新型コロナの感染者から得られたウイルスのゲノム情報を解析し、オープンデータとして全世界で共有するプロジェクトがありました。そのデータを使って、まさに進行中のコロナ禍を科学データから可視化できないか、というプロジェクトです。

元々は8Kでビッグデータをビジュアライズしてどんな表現ができるか、というところからスタートしました。可視化するごとにさまざまな事実が浮き彫りになり、今起こっていることをウイルスのゲノムデータからも見られると分かってきた。それで地上波でもぜひ使いたいということになり、先がどうなるか分からない渦中で、クローズアップ現代や NHK スペシャルでも、状況が変わるごとにデータをアップデートして伝えるということをやってきました。

クラスター発生の時空間密度

別のプロジェクトで、これもコロナに関するものです。JX通信社さんからデータを提供いただきました。クラスターが発生した地点とその規模を、ニュースやプレスリリースから抽出した時系列データです。

感染の頻度と密度――ある地域で時間的に頻発しているという空間的密度と、同じ地域でどれだけ連続しているかという時間的密度――の両方向を可視化しました。上空が過去の時間で、地表に向かうほど時間が進んでいきます。

どの年でも、最初は赤く光っているところが1箇所に集中しています。それがだんだん、赤い集中点がなくなって、「やや危険」の黄色が1箇所ではなく周りの路線や交通でつながったところに広がっていく。すごく赤いところはないけれど、黄色の面積で見るとかなり広がってきている、というのが分かります。

過去の経験に照らしてみると、自分もそうだったなと思うのですが、最初は「夜の街が危ない」と特定の場所を名指しして、そこに近づかないようにしようという話でした。それがだんだん――人の心理として慣れが来たのかもしれませんが――集中している場所だけでなく、人の流量が多いところに染み出していく。第1波・第2波・第3波の中でも、人の生活パターンと感染の拡大がリンクしてきている。だから「大都市の中心部ではないけれど、やはり人の多い繁華街に行くのはやめようか」と考えていただくきっかけを作る、という意味で、NHK の番組で何度か使っていただきました。

こちらも NHK と一緒に作ったもので、東京工業大学の鳥海先生のチームからデータをお借りしました。ツイート、特にワクチンに関して、どういう感情がどのように伝播しているかを分析して可視化するプロジェクトです。

数百万件、約1年分のツイートデータを先生方が集めて研究に使われていたので、その全体像を可視化するとどうなるかという興味から、8K の高解像度デバイスでどれだけ詳細な状況が見えるかを専門家と一緒にデザインしました。

下部のグラフは1日ごとのツイート回数です。ワクチンに関して大きなニュースが流れると、それに対するツイートが増える。世間の話題のきっかけになるニュースと、Twitter 空間の状況がどうリンクしているかを見やすくしています。1つ1つの点がアカウントで、ワクチンに対してどういう感情を持っているかでクラスタリングした結果が色分けです。リプライやリツイートをするとアカウント間に線が張られ、どんな言葉・引用コメントでやり取りしたかを感情分析して、ポジティブなら青、ネガティブならピンクで表現しました。ニュースが流れたときに SNS の中で人がどう反応しているのか、その全体像を見てみようとチャレンジした作品です。

線状降水帯のメカニズム

がらっと変わって、NHK と気象研究所と一緒にやっているプロジェクトです。線状降水帯が大きな被害をもたらすことがニュースでも報道されていますが、それがどのように発生するのか、そのメカニズムを解析する研究が気象研究所で行われています。

「富岳」を使ってかなり細かいメッシュで計算しているのですが、研究者の皆さんは自分のデスクトップで見られるように、時間や空間を絞って見ているわけです。そのデータの全量を3次元的に可視化すると、一体どういう映像になるのか。NHK のチームと作っている作品です。

一般公開もするのですが、実際に研究者の方に見ていただくと、自前のツールでは見えなかった風の動きや雲の湧き始めの部分などを、いろいろな角度からグリグリ回して見ていただける。一般の人だけでなく研究者にも有益に使っていただける可視化をデザインする、というプロジェクトです。

私が作っているもの

私がやっているのは、かなり大規模な、研究者が持っているようなデータを扱う仕事です。それを研究者が探索するのではなく、できるだけ一般の方に見ていただく。その中で、そこまで関心がなかった人たちが「何だろうこれ、すごい面白いな」と、そのデータが持つテーマや、データから見える意味そのものに、能動的な態度を持って洞察に向かってきてくれる。

ビジュアライズする側が「こういうストーリーが面白いですよ」と言うのではなく、見る人が自分で探索したり興味を持ったりするきっかけになるビジュアライズを、ここ何年か作っています。

世界の作家たち

こうした大規模な人の行為や社会の動きを可視化するデザイナー・アーティストは、世界にたくさんいます。

Aaron Koblin の “Flight Patterns” は有名です。北米地域に絞り、24時間ちょっとで156万2000件のフライトを描いたもの。場所だけでなく、どんな機体が飛んでいるか（ボーイングかボンバルディアか）といった情報もあるのでフィルターできます。ハブになっている大都市の人の移動と、そこから伸びる中規模・小規模な都市への移動が見えてきて、北米に点在する都市の人口や経済の動きも想像させる、素晴らしくインパクトのある作品です。

Refik Anadol の作品は、日本でも展示されて見る機会が多いと思います。Twitter のデータを使い、サンフランシスコの都市の上にツイートが活発になる様子を映し出す。現実の都市空間と SNS 空間の中で人が活発に活動する様子を重ねて見せるものです。

Pedro Cruz の作品は、アメリカの移民データを木の年輪のような形で表したもの。色はどこからの移民が多いかを表します。1960年代から見ていくと、最初は緑（ヨーロッパからの移民）がどんどん成長する木のように見える。だんだん現代に近づくと、アジアやラテンアメリカからの流入が多くなり、木の成長に例えると非常にいびつな格好をしている――というビジュアルインパクトを与えます。アメリカの移民問題はさまざまな社会問題と深くつながっていますが、決して順風満帆に綺麗に成長したのではなく、さまざまな人がいろいろな時代に入ってきたことで現代のアメリカ社会が成り立っている。それをビジュアルを通して伝えていく作品です。

Google の “High-Dimensional Space”（大規模で次元数の高いデータをいかに圧縮して見せるか）のようなプロジェクトもあります。

こうした作品は、ほとんどアートの文脈で発表されるものも多い。デザインとして何かを伝えよう、メッセージを明確に送ろうと作られているものも多いですが、どこからがアートでどこからがデザインかを線引きするのは難しく、ビジュアライズとして作られたものが美術館で展示されたり収蔵されたりというのが現状かなと思います。

「作り方」が見えないという問題

こういった、人を圧倒するような、他で見たことのないビジュアライズは、ほとんどその制作過程が謎めいています。中には「こう作りました」と共有されるものもありますが、一般的に「やってみよう」とすると難しいものが多い。

作家が感覚的に作っているんじゃないか
そういうデータはどうやって見つけてくるのか
データから作品にするためのアイデアはどう作るのか
解釈をどれだけ鑑賞者に委ねていいのか
科学的な正しさはどう担保するのか

こうしたことが、なかなか見えてこない。私自身、「すごくかっこいい作品だな」と思っても、「あれを自分1人でやるとしたらどうやるんだろう」という壁にぶち当たってしまうわけです。

結論から言うと

そうした問題意識を持って社会人博士課程を過ごし、作り方の土台になるものは作れないだろうかという研究をしてきました。この夏に博士論文を提出して学位を取得しましたが、その中で書いたことは、結論から言うと――

マニュアルやフレームワークで、ああいったものを作るのは難しい
ではどうするか。事前に「このデータからこういうものが見えるだろう」という問いや課題を明確に設定せず、可視化を何度も繰り返し（イテレーションし）ながら問いを立てていくプロセスがうまくいくだろう
そうしたプロジェクトはデザイナー1人ではできないので、さまざまなドメイン専門家とのコミュニケーションを築きながら作る。その中でもデザイナーがプロジェクト全体をリードしていくとうまくいくだろう

では、デザイナーがリードするとき、データに対する知識を持つドメイン専門家とどう信頼関係を構築するか。ビジュアルがかっこいいものを作るだけでは仕方がないので、専門家との対話を通じて問いを育て、ビジュアルをブラッシュアップしていくにはどうすればいいのか。

そうしたプロジェクトをいろいろやると、途中で起こる問題には一定の共通性があります。「またこういう問題だよね」「あのプロジェクトでもこういうことあったよね」という“あるある問題”がかなり出てくる。マニュアル化は不可能でも、一定のプロジェクトの進み方のモデルがあると嬉しい。さまざまな問題に対処しながらイテレーションしていくとき、ある程度の共通の経験則を言語化しておけば、他のデザイナーが同じようなプロジェクトをやるときに「こういうシーンでこんな問題が起きそうだ」と事前に共有しやすい。そういうものを作れるといいな、という研究をしました。

（詳細は博士論文にすべて書いてあります。260ページほどあってとても長いのですが、興味のある方は私の X の固定ポストにリンクを貼ってあり、どなたでも読める状態になっています。）

データビジュアライゼーションとは何か

ここからは博士論文の内容を要約してお話しします。まず、そもそもデータビジュアライゼーションとは何だろう、というところから。言葉はよく使われますが、何を意味するかは人それぞれな部分がありますので、整理から始めます。

データを可視化することには「探索的可視化」「説明的可視化」という機能がある、と一般によく言われます。そこをもう少し掘り下げて、大規模なデータビジュアライゼーションが社会にとってどういうものなのかを整理すると、周りに3つの存在があると定義できます。

学術研究：大規模なデータを扱う研究は、今や分野を問わずかなり増えています。昔はデータをあまり使わない研究もありましたが、幅広い分野で大規模データを扱うスタイルに変わってきました。

市民：研究が社会に波及していくとき、市民の側は情報過多になっていて、知りたいものだけをつまみ食いするような情報摂取スタイルに変わってきています。大事な研究、社会で考えていかなければいけない研究を掘り下げるための手段が少ない。

社会課題：単純な答えのない社会課題がかなり増えている中で、「研究で確定したからこうだ」というものはなかなかない。研究で分かったことから、どう考えていくかを議論しながら答えを見つけていかなければならない。

これらをつなぐポジションとして、データビジュアライゼーションは機能するだろうと考えています。先ほどお見せしたプロジェクトでも、常に学術・社会・市民という立場を考えながら最適なものを作るというポリシーで制作しています。データビジュアライゼーションそのものは「モノ」のデザインですが、この関係性で考えると、モノだけでなく「コト」を考えながらデザインするもの、と捉えてもいいのではないかと思います。

私の問題意識 ― 専門家とデザイナーの対話

データビジュアライズをするとき、デザイナーはすべてのデータに精通しているわけではありません。たとえば生命科学のデータを使うときは、そのデータの形式はどうなのか、このデータはどう取得されたのか、というところも掘り下げなければならないはずです。

ところが Ben Fry のモデルは、それを全部1人でやっている雰囲気があります。専門家とデザイナーがどうコミュニケーションしているかに、あまり言及されていない。では実際、現場で起こる専門家とデザイナーの対話やコミュニケーションはどういうものなのか。そこを取り出してみたい――これが私の研究の一番根っこにあります。

デザイナーがどの段階で関わるかを図にすると、データ分析をする人がいて、「こういう風にデザインしよう」と形が決まったところでデザイナーが呼ばれるパターンが多いと思います。しかし、デザイナーの領域をどんどん拡大して、最初のプロトタイプの段階からデザイナーが新しい可視化を生み出しながら考えを進展させる――それが Ben Fry の考えるプロセスです。

制作プロセスの観察

そこで、デザイナーと専門家のコミュニケーション、そしてそれが進展していくプロセスを観察しました。

対象は、先ほどの新型コロナ3次元系統樹のプロジェクトです。NHK さんの許可もいただいて、会議でどんなやり取りがなされたかの会話ログ、私が書いたプログラムのコミットログ、プロトタイプにフィードバックした専門家の言葉などを分析し、どんなタスクをどう進めていったのかを分析しました。（プロセス自体の話は3年前にこのミートアップでお話ししていて、アーカイブが残っているので興味のある方はご覧ください。）

出発点はアバウトに

プロジェクトの出発点は、「このデータは地理空間の情報でもあり、時系列の情報でもあり、変異の情報も含む。そのビッグデータを1つの画面に載せるとしたら、どんなことが見えるかな」という、かなりアバウトなものでした。あまりはっきりと「これを見よう」と決めずに出発しています。

ステップ1：専門家の可視化を学ぶ

まず、そういうデータは研究の中ですでに可視化されているので、「そのデータがあるとき、研究者はどんな図を使って何を見ているのか」をデザイナーである私が掘り下げて勉強していきます。「こういう図ではこういうことが見える」「こういう分析をしたいときはこう可視化する」という、専門家が使っている可視化のツールやボキャブラリーを吸収していきます。

ステップ2：ラフスケッチとプロトタイプ

そしてラフなお題があった中で、「系統樹を時空間上にマップしたら、実断面を通過するように見えるんじゃないか」というアイデアを会議でスケッチします。できるかどうか全然分からない中で、とにかくやってみる。

ラフにプログラムを書くと、案の定ヘアボール化してかなり見づらい。その途中経過も専門家に見てもらいながら、「こう可視化できるなら、どの経路から入ってきたか、特定の経路だけ色分けしたらどうか」とプロトタイプを作る。

同時に、見えているものが科学的に正しいかどうか、アルゴリズムの検証も進めます。研究者の方から「このウイルスは確かにここで見つかって、おそらくここで分岐したのだと思います」といった確からしさを確かめながら進めていきます。

見づらさをどう解消するか。系統樹の枝分かれの部分をどう束ねれば見やすくなるか、束ねることで大事なところが潰れてしまわないかを検証しながらアルゴリズムを作る。結果として、ある程度絞って簡略化することで、左の図が右の図のように見やすくなり、「どちらから来たものがどちらに広がっているか」が分かりやすくなりました。こうして1つ1つの問題を解消しながら進んでいきます。

終わりはない

結果として、どこで終わりということはありません。見えてきた結果を報道に使ったり、展示に使ったり、インタラクティブにしたり。そこまで進んだプロトタイプの中から「この見え方なら、こういうことが話せるんじゃないか」とピックアップしながら、その都度コンテンツに落とし込んでいく流れになります。

見えてきたサイクル

このプロセスを全部分解すると、だいたい100ステップほどありました。それを時系列に並べると――データを取得し、フィルタリングやマイニング、仮の表現をして、探索的なインターフェイスを作り、「レビュー」で専門家と話し合う。

専門家はずっと一緒にいるわけではなく、レビューのところで見ていただく。すると「こう見えるなら野生株の広がりを見たいよね」「ある国で検出した変異がどういうルーツを持つのか見たいよね」と、新たな問いがたくさん生まれてくる。これがアイデアの種になって進んでいきます。

このジグザグを繰り返して、最終的に、科学的な正しさもあり、その広がりが普通の人が見ても分かりやすくインパクトもある、というものができ上がっていきます。あとはコンテンツにする際のテロップを入れたり、色を調整したりという作業が入ります。レビュー段階で上がってきた「こういうのを見てみたいよね」というアイデアをブラッシュアップしたものが、公開時の映像に取り込まれていく。「日本に入ってきた流入経路だけ見たい」という要望があり、その機能を追加する、といったこともありました。

分解したタスクが、どうタスクとタスクでつながっているかを可視化してみると、やはりサイクルがあります。レビューを通して新たな問いが見つかり、そのためにフィルタリングからやり直し、マイニングして、また表現してみる。このぐるぐるとしたサイクルを回すことで、同じデータを使っていながら、さまざまな情報を取り出し、さまざまなストーリーを見つけることができる。どのプロジェクトにも共通して見える、いいサイクルだと言えるのではないかと思います。

DEX モデル

これをモデル化して、名付けをしました。

Diving（ダイビング）：最初の段階で、専門家に対してデザイナーが受け身にならず――専門家からもらったものを綺麗にするだけのデザインでは、ここまでいろいろなことは見えてこないと思います――データや対象に対して、デザイナーからどんどん情報収集をしていくプロセス。
Exploring（エクスプローリング）：イテレーションの部分。可視化して意味を探求し、レビューを通じて意味を取り出していく。専門家が全部分かっているわけではなく、「この辺が特徴的に見えるけれど、これは何でしょうね」「多分こういうことだと思うけど、ちょっと調べてみます」という対等な関係ができていく。そして「ここはこういう現象が見えていると言って差し支えないと思います」という形で、さまざまな事実が見えてくる。
Assembling（アセンブリング）：見えてきた事実を「面白いので、メディアとして組み立てましょう」というステップ。

この3つの頭文字を取って DEX というモデルと呼んでいます。こんな大きな枠組みがあると、最初にふわっとした目標を立てても、見失わずに進んでいけるのではないかと思います。

ざっくりまとめると、研究者とデザイナーはお互いを補い合う関係です。研究者の関心や知見をデザイナーが吸収して創造的な可視化を作ることで、研究者が自分の関心の部分しか見ていなかったところに、他の意味や多様な解釈を見つけたり、美感を考慮したビジュアライズとして作っていく。これは研究者が「こう作ってください」と言ったものでもなく、デザイナーが「こう作りたい」と思ったものでもない。お互いのやり取りの中から、創造的なビジュアライズが出てくるわけです。

パターン・ランゲージ

大きなモデルがあっても、実際に問題が起きたときにどうするかを実践するのは難しい。そこでパターン・ランゲージも一緒に作りました。

パターン・ランゲージとは、ある領域において良い質を生むための設計の本質的なパターン。平たく言えば「こういう風にやると良くなるよね」という“あるある”に近いものです。ただ、それが自分の中でしか分からなかったり、限られた人だけで「ああ、あれだよね」と言っていてもなかなか広がらない。体系化して共通言語のように使うことで、同じようなことをする方が事前に学習したり、「私はこういうパターンを見つけた」というものをコミュニティで共有していくことができる。そういう狙いを持っています。

Diving / Exploring / Assembling の中でどういった問題が起きやすいか、33個のパターンを抽出して説明しています。実際のプロジェクトで、マイニングの段階でやったこと、フィルタリングの段階でやったことなど、どのプロジェクトでも共通する経験値を50個ほど出して、後から構成し直すという形で作りました。

たとえば Diving のところでは、「ツールを使えばパッと可視化できてしまうけれど、そのデータの背景は何だろう、というところまで想像してみよう」というパターン。変数についても、「数字そのものが意味を持っているような感じはするけれど、その数値はどういう範囲で正確なのか、意味を掘り下げてみる」――そうしないと、ただ可視化するだけでは見えてこないものもある。「レシピを残さないと後で再現できない」といった、当たり前のようで大事なことも入っています。

このパターンとモデルを学生に使ってもらい、ワークショップをしました。専門家もワークショップに参加して、参加者が自らヒアリングやレビューを重ねながら作品を作る、ということを行っています。

なぜ「創造」するのか

まとめとして、「創造する」というテーマに話を戻します。わざわざ時間と労力をかけて新しいビジュアライゼーションを創造する意義は何なのか。

大規模なデータが社会構造を変えるような可能性が、いろいろと出てきています。大規模言語モデルや生成AI のように、超巨大なデータからブレークスルーが生まれるのは LLM だけでなく、いろいろな学術領域で発生していることです。

ただ、そのデータは大規模に取れるがゆえにかなり複雑です。複雑なので分析も大変なのですが、分析していく過程でいろいろなものが削ぎ落とされていく。ですから、複雑なものを複雑なまま捉えることに価値が出てきているのではないかと考えています。

「整形・集計してしまうとみんな同じになってしまうけれど、よく生データを見たら全然違う」という話も象徴的です。情報を圧縮することで、重要な視点が削ぎ落とされる。これはある種宿命的なところで、シンプルに伝えようとすればするほど、ビジュアライズも情報が削ぎ落とされてしまう。実際のところどうなのか、人の想像力を働かせてもらうためには、複雑なものを見てもらう方が、その実態に対してイメージを膨らませてもらえると考えています。

可視化が世界の捉え方を変えてきた

ロングスパンで考えると、人類は可視化することで世界の捉え方を発見してきた、と言えると思います。科学革命以前の神話や宗教の世界観から科学が発展して今に至るわけですが、その都度、今我々がよく使うビジュアライゼーションは、社会的な大きなニーズが生まれて作られてきました。

Robert Plot（plot の語源になったと言われる人物）は、気圧という人間が直接感知できないものをプロットすることで、気象の中のパターンを見出しました。場所が違えば変わってくる。こうした変動が風を起こし、天候の変化につながっていくのだろう――観測してデータとして表すことで、それまで人間が感知し得なかった世界が見えてくる。

Minard の有名なナポレオンの進軍図。なぜ Minard がこれをやったかというと、彼はデザイナーではなく土木技師なんですね。産業革命が起こってイギリスで鉄道ができ、フランスにも鉄道を引きたいとなったとき、「ではどこに引くか」。交通を調べたり、どこからパリに肉を運んでいるかという家畜の流動を調べたりして、それを地図の上に表現する。鉄道は一度引くと引き直せないので、そういうことが必要になった。交通網の発展と、地図上に統計データを可視化することが結びついて、非常にインパクトのある作品が数多く作られ、その中にナポレオンの進軍図もあるわけです。

ピクトグラム（アイソタイプ）は Otto Neurath が作ったと言われますが、彼だけでなく、版画家の Gerd Arntz や Marie Neurath といった、数字をいかに形に落とし込むかの専門家――デザイナーに近い存在――とのコラボレーションで作られています。そもそも、資本主義に任せておくと格差が開いてしまうから計画経済の方がいいのではないか、という経済論争が起こったときに、労働者階級の人にも経済を知ってもらった方がいい――そういうニーズがあって生まれてきた背景があります。

地図もそうです。先ほど「メルカトルはやめよう」という話がありましたが、海を渡る時代から飛行機の時代に入って、世界の捉え方も変わってきた。特に冷戦下では、メルカトル図法だと東と西がすごく遠く離れたものに感じてしまいますが、北極から見る形にすると「北極を挟んで隣り合っているじゃないか」と、世界の見え方が変わってくる。Buckminster Fuller が作った図は、国連旗のイメージにも影響を与えたと言われています。

このように、可視化のビジョンが変わることは、世界観を変えていく力を持っています。AI の時代に入っていくとき、ずっとプロットや棒グラフ、円グラフ、折れ線グラフだけで済むことは、意外に少ないのかもしれない。もっと新しい見え方を考えていかなければならない――人類の長い歴史を見ると、そう思うわけです。

これから

複雑なものを複雑なまま捉えることの価値は、これから AI の時代に入っていくときに、いっそう重要になると思います。データそのものの形は見えづらくなっていく一方で、それが ChatGPT のようなパワーを発揮している。ChatGPT を使うこととは別に、データとはどういうものなのか、データから見る世界の捉え方は、新しく作っていく価値があるのではないかと考えています。

そのために何をすべきか。既存のビジュアライゼーション手法やライブラリを利用するだけでなく、先ほどの学生作品のように、少し荒削りでも創造的（クリエイティブ）なビジュアライズにどんどんチャレンジするデザイナーが出てきていいのではないか。そのとき、デザイナーの独りよがりではなく、ドメイン専門家とビジュアライズデザイナーのハッピーな関係をいかに作っていけるか。そこで、先ほどのようなモデルが何らか役に立てるのではないかと思います。

最後に言うと、デザイナーが手を出しやすい環境は揃ってきていると思います。美術大学でビジュアライズの授業もやっていますが、勘のいい学生、プログラミングが好きな学生は年々増えています。Processing や p5.js、three.js、Jupyter Notebook も使えるという学生は、昔ほど珍しい存在ではなくなってきた。

専門家とビジュアライズデザイナーがどう手を取り合ってプロジェクトを進め、課題を発見していくか。そこにたくさんの人がトライできれば――「日本のビジュアライゼーションはあまり盛り上がっていない」という話もありますが、プログラミングやビジュアルコーディングが好きだという人がビジュアライズの世界に入ってきてくれれば、また景色は変わっていくのではないかと考えています。

というわけで、この辺りで終了しておきたいと思います。ありがとうございました。

工藤麻里／無用なデータで更新する現代社会のデータリテラシー：データビジュアライゼーションと主婦

Fri, 29 Dec 2023 00:00:00 +0000

Data Visualization Japan Meetup 2023（2023年12月29・30日開催）における、工藤麻里さんの講演です。情報科学芸術大学院大学（IAMAS）の修士論文を抜粋し、データビジュアライゼーションが現代社会に与える影響を批評的に論じます。

「無用なデータで更新する現代社会のデータリテラシー：データビジュアライゼーションと主婦」を発表します。工藤麻里と申します。

本発表は情報科学芸術大学院大学（IAMAS）の修士論文を抜粋し、本コミュニティに合わせて再構成したものです。内容は先ほどの市川さんの発表と比べるとかなり硬い感じになりますし、論文独特の言い回しもありますが、楽しんでいただければと思います。内容的には（市川さんの発表と）非常につながっているところが多いと思います。

自己紹介

今年の3月まで大学院で勉強していて、現在は日本メディア学会に所属しながら会社員として働いています。大学ではフランス哲学・フランス文学をやっていたので、今回の論文の中にも哲学者の引用が出てくると思います。そういうところも特徴になってくるかなと思います。

可視化との関わりとしては、企業の中で社内外とデータを共有するために可視化を行うという、極めて一般的な関わり方をしています。ただし、その一般的な関わりから気づくことも多いのではないかと思い、そういった知見を共有したいと思います。

研究目的

データビジュアライゼーションが見えない権力を持つ様子を、データビジュアライゼーションの「まなざし」として分析します。このまなざしに対して、データビジュアライゼーション自体による解決策を提示することが本研究の目的です。

1954年に作家のダレル・ハフが統計のごまかしを指摘したことはご存知の通りです。ハフは大きく5つの問題を取り上げますが、大別すると「データがない」という問題と「視覚的に誇張される」という2点の問題があります。

一般的なデータビジュアライゼーションの制作工程には、データの選択、クレンジング、セグメンテーション、比較、明確なパターンの抽出、グラフィック空間への描画などがあります。そこで発生するまなざしを7つ提示します。

「まなざし」とは

本論では、データビジュアライゼーションが生み出す問題を「まなざし」と独自に表現しています。この言葉は社会学者ジョン・アーリの定義を用いています。アーリの説明を抜粋します。

ものごとを見るということは実は習得された能力であって、純粋な、無垢な目などありえないということである。見ているものは、外に待ち構えているような既知の実像などではなく、認知の枠組みなのだ。物の姿も言語的に構成されたものなのである。まなざす行為は、原則として社会的に構成された視覚の制度である。結局その社会的・歴史的特質であり、権力関係の所産なのだ。

データビジュアライゼーションはそのようなまなざしを持っているでしょうか。

7つのまなざし

① 集合視のまなざし データはもともと多様なばらつきを持つ「個」です。多様な個を集合体として扱うのが集合視のまなざしです。

② 比較と分断のまなざし 対象の共通項を見出して同一化した上で、今度は差異化を行うことが比較と分断のまなざしです。統一化と差異化は、作り手の裁量によって恣意的に組み替えられます。

③ 属性付与のまなざし 集団にラベルが付与されると、まなざす主体は集団に属する個を均質化します。

④ ラベルの下の均質化 反対に、まなざされた客体がまなざしの内面化を引き起こし、自律的に均質化することを「ラベルの下の均質化」と表現します。

⑤ ノイズを除去するまなざし 作業のためにはクリーンなデータが必要です。データはクリーニングされた際に、個々のデータが背景に持っていたコンテクストが失われます。

⑥ 俯瞰のまなざし 俯瞰のまなざしは、人々が社会を直感視することを促します。イアン・ハッキングは、印刷技術が確信され民衆統治のために収集された統計情報が、ナポレオン政府の崩壊とともに人々の間に漏れ出るように露出していったと述べます。ハッキングによれば、俯瞰視点は民衆に漏れ出た為政者の視点とも言えます。

⑦ 量の正義のまなざし 値が多いか少ないかのみに注目が集まり、「多い方が良い、増やしたい」という傾向を見せることが量の正義のまなざしです。同時に、小さい方・少ない方は無視されるか、価値が低いとされます。汎用なデータパターンは無視されます。例えば2つのデータを比べてその差が大きくなければ「可視化するに値しない」として、可視化自体が行われず、なかったことになります。

これらが7つのまなざしであり、意図的でなく、正当な制作工程を経ても生み出される可能性があります。

思想の再生産装置としてのパノプティコン

さらに、まなざしは強い視覚効果を持つことによって、思想の再生産装置となります。

ここでジェレミー・ベンサムが考案し、ミシェル・フーコーが紹介した刑務所の構造「パノプティコン」を説明します。これは円形の刑務所施設で、管理塔からは囚人たちを一望に監視できる一方、囚人はお互いおよび刑務官が見えません。その構造により、いずれ囚人が自身の行動を自己抑制するようになります。

私がこの装置からヒントを得ているのは、個が集合体の中の1つとして振る舞い、自己抑制を行っていく過程です。このような振る舞いは、データビジュアライゼーションにも言える部分があるのではないかと考えます。

なぜ「主婦」なのか

本論では、集合体の個から権力を見返すものとして「主婦」を用います。

主婦を用いる理由は、近代社会の中で構築された主婦という存在が、近代社会の中で他者であり、不可視化され、取りこぼされるデータであるからです。存在しているようで主体を持たない存在であると言えます。

具体的な例を見てみます。統計調査で主婦は「働いていないもの」であると定義されたことが過去に問題になり是正されましたが、一般に主婦の労働の価値は無視されます。

社会学者マリア・ミースによれば、賃金化された労働の背後に「自然のもの・存在しないもの」とみなされてきた領域があり、そこから無償生産として奪われていく搾取体制があるからこそ資本主義は進行できる、と指摘されています。中でも典型的なのが女性であり、自然化される過程をミースは「主婦化」と呼んでいます。

主婦の労働は、右肩上がりの経済成長の背後で「自然に絶え間なく供給される」というフィクションのもとに成り立っています。

専業主婦、共働き、フルタイム、パート、扶養内、扶養外、独りでこなす――主婦はデータビジュアライゼーションのまなざしの客体であり、常に集合視された上で分断され、比較対照にさらされています。

さらに、主婦とまなざされた者たちは、そのラベルで属性を付与され均質化されます。多様な個が「1つの性質を持つ主婦という集合体」であるように、自身へのまなざしを内面化します。しかし主婦という集合体は結局虚構であり、実態などないのです。そのような属性付与とラベルの下の均質化を指摘します。

このような主婦からヒントを得て、主婦を代表とする「無用とされるデータ」が原理となるデータビジュアライゼーションの方法論を構築できないかと考えるのです。

「データを入れれば解決する」わけではない

主婦のデータが不在であるならば、データを入れることで問題は解決するでしょうか。

例えば内閣府は男女共同参画白書に、働く主婦や母のデータビジュアライゼーションを多く掲載します。しかしその方法は表層的です。女性を新たな労働力として評価する――女性のまなざされ方が変わるだけで、その支配構造は変わらないのです。

また地理学者ジョニー・シーガーは、世界地図の上に女性に関連するデータをマッピングします。しかしそれも同様に、まなざしの支配構造を保ったまま主体を女性に入れ替える方法であり、女性が男性に代わって支配権を得た上で、データビジュアライゼーションによるまなざしが相変わらず繰り返されるのです。

こうした事例から考察できるのは、まなざしの問題は「女性のデータがあれば解消する」というわけではないということです。まなざしの支配構造を打ち壊すような、新たな手段が必要です。

インタラクティブ手法も解決策ではない

また、インタラクティブな手法もすべての問題を解消するわけではないと付け加えておきます。ジャーナリズムを研究するエステル・アッペルグレンは、データジャーナリズムに関する論文の中で以下のように指摘します。

インタラクティブ機能は、一見データビジュアライゼーションの受け手が自由意思によってデータビジュアライゼーションを操作し、支配権を得ているかに見せかける。しかしその選択肢は作り手によって情報の到達や思考の範囲が制御されたものである。インタラクティブ機能の問題点は、受け手の自由意思があるように見せかけて、実際は選択の自由が周到に奪われている点なのである。

まなざしを乗り越える3つのアイデア

これまでのデータビジュアライゼーション作品の中から、まなざしを乗り越えようと試みる作品を見出し、3つのアイデアとして分類します。

① 近代より以前に戻る方法

博物学者・探検家のアレクサンダー・フォン・フンボルトは、近代グラフを創始したウィリアム・プレイフェアと同じ時代を生きました。しかし彼が自然と向き合い独自の表現を探求したことにより、近代思想から離れる表現を模索した痕跡をその作品の中に見出します。

杉浦康平は、主観を投影する手法を取ったことでよく知られています。

② 制作工程を否定し逆行する方法

2020年5月のニューヨーク・タイムズ紙の表紙の表現です。アメリカにおける COVID-19 の死者10万人を集合視せず、個の尊厳を保つことを配慮する意図のもと、死者一人ひとりの名前と人物像を書き連ねました。これは個の集合化を否定し、分断と比較を否定する例であると捉えます。

③ アーティストの実践

現代芸術家の寺脇扶美は、母子手帳の中の数字を恣意的に抜き出したビジュアライゼーション作品を展示しました。寺脇はこの作品によって、生まれたばかりの赤ん坊が統計や標準化の対象となり、まなざしの客体化がすでに始まっていることに反発します。

同じく現代芸術家のミエルレ・ラダーマン・ユケレスは、その作品《Touch Sanitation》において、ゴミ清掃員一人ひとりと握手をし感謝を述べるパフォーマンスを行いました。「臭い」「汚い」といった差別的なまなざしの客体となる人々に、ユケレスは敬意を持って接します。それを芸術と位置づけることによって、芸術と社会を支持する固定化されたヒエラルキーを撹乱するのです。

パンデミック期の「よれよれの線」

これらの作品を参考に、新たな表現を模索します。

私は2020年、COVID-19 のパンデミックの中で、英語圏の人々がインターネットにおいて「グラフ大喜利」の文脈で作った手書きのグラフに着目しました。

そのグラフは「現時点（2020年）の相対的重要性」というタイトルが示され、x軸は左から右に3月・4月・5月・6月と時間の経過を示しています。y軸は相対的重要性の量的変化です。グラフに描かれる要素は上から、ブラックコーヒー、車、インターネット、髭剃り、お酒、トイレットペーパー、スウェットパンツ、マスクなど。ラベルと同じ色の折れ線によって、重要性の時系列変化が描かれます。

作り手らは、データビジュアライゼーションの強みである客観性や正確性を軽々と打ち捨て、一方でグラフの下部には「パンデミックの間の最も正確なグラフ」と皮肉めかして書き込みます。

私は初めに赤いマスクの線に注意を向けましたが、次第にマスクより黄色いブラの線に着目しました。ブラの線は、それがないグラフから女性が書き加えたものであると、当時の私自身は直感的に感じ取りました。似たグラフはいくつも作られ、別のバージョンでもマスクやブラが追加されていく様子が分かります。

私はこれを見た時、1968年に行われたデモ行進でブラを「自由のためのゴミ箱」に入れるパフォーマンスと重ね合わせました。女性の下着は女性が好んでつけているものとは限らず、他人から見られる場合の社会的な装置の側面があるからです。

グラフを書き加えた女性自身が、ここまで明確に考えたとは思えません。しかし私は、このよれよれの線が、常に客体とされた無用なデータが自らの手によって自然発生的に出現した現代的な書法ではないか、と読み替えました。

よれよれの線が追加されアップデートされたグラフは、最も力の抜けた方法でまなざしの支配構造を打ち壊し、それを上書きする手段であると考えたのです。

まとめ

データビジュアライゼーションにおいては、主婦に限らず取りこぼされるデータが発生します。

パンデミック期に「グラフ大喜利」の文脈で不特定多数の人々によって書き出されていった手書きのグラフの中に、無用なデータが原理となるデータビジュアライゼーションの可能性を見出します。

無用なデータを見出し、無用なデータから見返す力は、データビジュアライゼーションのまなざしへの対抗措置であるとして、現代社会のデータリテラシーをアップデートするのです。

最後に、本論に興味を持たれた方のための参考文献をつけています。

今後もデータビジュアライゼーションを考察するような研究を続けていきたいと思っていますので、機会があればお声がけいただけますと幸いです。どうもありがとうございました。

研究 on Data Visualization Japan

山辺 真幸／データビジュアライゼーションを創造する

自己紹介

手がけてきたプロジェクト

新型コロナウイルスの3次元系統樹

クラスター発生の時空間密度

ワクチンをめぐる SNS の感情の伝播

線状降水帯のメカニズム

私が作っているもの

世界の作家たち

「作り方」が見えないという問題

結論から言うと

データビジュアライゼーションとは何か

関連研究 ― 3つのモデル

私の問題意識 ― 専門家とデザイナーの対話

制作プロセスの観察

出発点はアバウトに

ステップ1：専門家の可視化を学ぶ

ステップ2：ラフスケッチとプロトタイプ

終わりはない

見えてきたサイクル

DEX モデル

パターン・ランゲージ

なぜ「創造」するのか

可視化が世界の捉え方を変えてきた

これから

工藤 麻里／無用なデータで更新する現代社会のデータリテラシー：データビジュアライゼーションと主婦

自己紹介

研究目的

「まなざし」とは

7つのまなざし

思想の再生産装置としてのパノプティコン

なぜ「主婦」なのか

「データを入れれば解決する」わけではない

インタラクティブ手法も解決策ではない

まなざしを乗り越える3つのアイデア

① 近代より以前に戻る方法

② 制作工程を否定し逆行する方法

③ アーティストの実践

パンデミック期の「よれよれの線」

まとめ

山辺真幸／データビジュアライゼーションを創造する

工藤麻里／無用なデータで更新する現代社会のデータリテラシー：データビジュアライゼーションと主婦