（演習）身近なモデルを分解してみる

• 日程: Day 2 / セッション2
• 時間: [9:20-9:40]
• 形式: 実習
• ゴール: 地図・路線図・レシピ等の身近なモデルを1つ選び、モデルの4要素（分類・命名・パターン化・単純化）に分解して説明できる
• 学習形式: AIディスカッション

🗣️ 要約

• 路線図や地図、レシピは「モデル」であり、現実を分類・命名・パターン化・単純化して作られている
• モデルは現実をそのまま写したものではなく、目的に応じて加工したものである
• 本セッションは、開発テーマの情報モデルを作る前に身近なモデルを分解する練習

前のセッションで「モデルとは何か」「情報モデルとは何か」を学びました。モデル化には4つの要素があるという話でしたね。

ここで少し考えてみてください。路線図や地図、レシピは、なぜあんなに分かりやすいのでしょうか？

実は、それらはすべて「モデル」です。現実の複雑な情報を、分類し、名前をつけ、パターンを見つけ、単純化して作られています。

このセッションでは、いきなり開発テーマの情報モデルを作るのではなく、まず身近なモデルを分解する練習をします。終わる頃には、モデルの4要素を自分の言葉で説明できるようになっています。

🗣️ 要約

• 身近なモデル（路線図・レシピなど）の具体例からモデルの4要素（分類・命名・パターン化・単純化）を導く
• 単純化は「手抜き」ではなく、ペルソナにとって不要な情報をあえて削る行為

🗣️ 要約

• 路線図は、実際の距離やカーブを捨てて乗り換えの分かりやすさを優先したモデル
• 該当する例は路線図・レシピの手順書・家計簿のカテゴリ一覧、該当しない例は分類・単純化されていない航空写真
• モデルとは現実をそのまま写したものではなく、目的に応じて加工したもの

路線図を思い浮かべてください。実際の線路は緩やかにカーブし、駅と駅の距離もバラバラです。でも路線図では、線はまっすぐに描かれ、駅間の距離も均等に近い形で描かれます。

これは、いわば「地図から実際の距離という情報をあえて捨てて、乗り換えの分かりやすさという価値を優先したモデル」のようなものです。

• 該当する例：路線図、レシピの手順書、家計簿のカテゴリ一覧
• 該当しない例：現実をそのまま撮影した航空写真。なぜなら、航空写真は分類も単純化もされておらず、モデルとは呼べないからです

ここまでで、「モデル＝現実をそのまま写したものではなく、目的に応じて加工したもの」というイメージは掴めましたか？

🗣️ 要約

• 分類（似たものをグループ化）・命名（名前をつける）・パターン化（繰り返す構造を見つける）・単純化（不要な情報を削る）の4要素
• レシピも「材料・手順」への分類、「強火・中火」の命名、「炒める→煮る→盛り付け」のパターン、細かい秒数の単純化で構成される
• 単純化は手抜きではなく、ペルソナ視点で不要な情報を判断して削ることで価値を高める行為

モデルには次の4つの要素があります。

• 分類：似たものをグループにまとめる（例：路線図で「JR」「私鉄」を色分けする）
• 命名：グループや要素に名前をつける（例：「渋谷駅」「山手線」）
• パターン化：繰り返し現れる構造を見つける（例：どの路線も「駅」と「線」の組み合わせでできている）
• 単純化：不要な情報を削る（例：実際のカーブや距離を省略する）

なぜこの4つが揃うと、複雑な現実が急に分かりやすくなるのでしょうか。少し考えてみてください。

料理のレシピに例えると分かりやすいかもしれません。レシピは「材料」「手順」に分類され、「強火」「中火」といった名前がつけられ、「炒める→煮る→盛り付ける」というパターンで書かれ、細かい火加減の秒数までは書かれず単純化されています。だからこそ、誰が読んでも再現できるのです。

路線図を4要素で分解すると、次のように整理できます。

特に注意してほしいのは、「単純化＝手を抜くこと」ではないという点です。よくある誤解として「情報を削るのは雑な仕事」と思われがちですが、正しくは「誰にとって不要な情報かをペルソナ視点で判断し、あえて削ることで価値を高める行為」です。乗り換え案内アプリを使う人にとって、線路の正確なカーブは不要な情報なのです。

世界初の「わかりやすい」路線図として有名なのが、1933年にロンドン地下鉄のために描かれたハリー・ベックの路線図です。彼は電気回路図からヒントを得て、実際の地理的な位置関係を無視し、水平・垂直・45度の線だけで路線図を描き直しました。当時の鉄道会社の担当者は「不正確すぎる」と難色を示したそうですが、実際に配布すると乗客に大好評で、今でも世界中の路線図がこのスタイルを踏襲しています。「正確さ」より「分かりやすさ」を選んだ、情報アーキテクチャの先駆けと言えるエピソードです。

🗣️ 要約

• 分類と命名の違い、単純化のしすぎによる情報損失、実務での単純化の判断基準などをAIに質問できる

ここまでの内容で疑問があれば、AIに質問してみましょう。たとえば：

• 「モデルの4要素の、分類と命名の違いがよく分からないので、別の例で説明して」
• 「単純化しすぎて情報が失われすぎることはないの？」
• 「実務では、モデルの単純化しすぎ・しなさすぎをどう判断するの？」

🗣️ 要約

• 身近なモデルを1つ選び、モデルの4要素で分解する演習

🗣️ 要約

• 路線図・レシピ・カレンダー・家計簿アプリの画面などから身近なモデルを1つ選ぶ
• 分類・命名・パターン・単純化の4観点で分解する

チームで、路線図・レシピ・カレンダー・家計簿アプリの画面など、身近なモデルを1つ選び、次の4つの観点で分解してください。

1. 何を「分類」しているか
2. 何に「名前」をつけているか
3. どんな「パターン」が繰り返されているか
4. 何を「単純化」（省略）しているか

🗣️ 要約

• 選んだモデルと4要素それぞれの分析結果をまとめたメモ（次の情報モデル抽出演習のウォームアップ用）

選んだモデルと、4要素それぞれの分析結果を短くまとめたメモ（発表用ではなく、次の情報モデル抽出演習のウォームアップメモ）

🗣️ 要約

• 「単純化」から考え、現実をそのまま見せたら何が分かりにくくなるかを逆算すると削られた情報が見えてくる
• AIに「〇〇というモデルの4要素を一緒に分析して」と頼むのも有効

うまくいかない場合は、「単純化」から先に考えてみてください。「もし現実をそのまま見せたら、逆に何が分かりにくくなるか」を考えると、削られた情報が見えてきます。AIに「〇〇というモデルの4要素を一緒に分析して」と頼んでみるのも有効です。

🗣️ 要約

• モデルとは、分類・命名・パターン化・単純化によって現実を扱いやすくしたもの
• 次回は「情報モデルの状態遷移」に進み、同じモデル化の考え方を使う

今回学んだことを一言でまとめると、「モデルとは、分類・命名・パターン化・単純化によって現実を扱いやすくしたもの」です。

次回は「情報モデルの状態遷移」を学びます。今回体感したモデル化の考え方が、そのまま情報モデルにも当てはまるので、しっかり感覚を持ち帰っておきましょう。

🗣️ 要約

• モデルの4要素を身近な例で説明できるか
• 「単純化」が単なる手抜きではない理由を説明できるか

以下の問いに答えられるか確認してみましょう：

• モデルの4要素（分類・命名・パターン化・単純化）を、身近な例を使って説明できますか？
• 「単純化」が単なる手抜きではない理由を説明できますか？

答えに自信がない場合は、該当部分を読み返すか、AIに質問してみてください。

🗣️ 要約

• 参考リンクは特になく、社内AIとの対話・チームディスカッションが主教材
• 発展課題は、開発テーマに既にある「モデルらしきもの」（例：銀行の入出金明細）を同じ4要素で分解すること

• 参考リンク: なし（社内AIとの対話・チームディスカッションを主教材とする）
• 発展課題: 自分たちの開発テーマに既に存在する「モデルらしきもの」（例：家計簿アプリなら銀行の入出金明細）を1つ探し、同じ4要素で分解してみましょう

🗣️ 要約

• 受講者からよく出る質問への回答例と、つまずきやすいポイントへの対処法をまとめている

このセクションは、受講者が理解を深めることをサポートする参考情報です。

🗣️ 要約

• 分類はグループ分けする行為、命名はそのグループに呼び名をつける行為で、無名のグループもあり得る点が異なる
• パターン化とは同じ構造が繰り返し出てくる部分を見つけること
• このウォームアップは次の情報モデル抽出演習に直接つながり、同じ手順を開発テーマに適用する

🗣️ 要約

• モデルが複雑すぎて4要素に分解しきれないことがある（対象を絞り込むとよい）
• 「単純化」で何を削ればいいか分からなくなりやすい（ペルソナが必要とする情報から逆算するとよい）
• 20分では完璧な分析をしようとして終わらないことがある（4要素に1つずつ例が出せれば十分）