asd
人間向け辞書（名称表）：ASD会話特徴量（日本語版）
目的：コード上の列名（segments/pairs/metrics_resp/PG/FILL/IX）を、
「専門家以外が読める日本語」に置き換え、研究議論（先生）で共有しやすくする。
方針：各特徴量を「5点セット」で説明する。
- (1) わかりやすい日本語名（人間向け）
- (2) 何を測っているか（直感）
- (3) どうやって見つけた／発想したか（着想の出どころ）
- (4) 既存（先行研究で一般的）か／オリジナル（福原の設計）か
- (5) 算出の要点（粒度・分母・入力・簡易式）
0) まず大枠：この研究で「何をやっているか」
- ビッグ5のような粗い性格分類を当てる研究ではなく、会話の中の「相互行為の仕組み（相槌・修復・間・応答の型）」を 再現可能な測定として定量化する。
- その上で、ASDの仮説（会話の特徴がある）に対して、具体的にどの相互行為の要素がどう違うのかを議論できるようにする。
- 特徴量は 会話×話者 または 話者交替ペア（prev→resp） の粒度で設計する。
0-1) 研究テーマ（再確認）
- 当事者視点：私自身がASD当事者であり、当事者として「会話のどこが難しい／特徴になりやすいか」を仮説化できる。
- 中心仮説：ASDの会話には特徴がある（ただし「性格」ではなく、会話の中の相互行為として現れる）。
- 方法：会話テキスト（＋可能なら音声タイミング）から、相互行為に関わる特徴量を 再現可能に計算する。
- 狙い：既存指標の再現に留まらず、私ならではの新規性ある特徴（オリジナル）を発見し、論文化に耐える主張にする。
0-2) この研究が狙う「測定対象」
- ビッグ5のような粗い性格分類を当てるのではなく、会話の中の：
- 投げ方（NE/YO/質問など：相手に反応を促す／提示する）
- 返し方（相槌／応答の型／修復（OIR）／話題のつながり）
- タイミング（pause/gap/overlap：間、テンポ、被り） を 相互行為の測定として定量化する。
0-3) 強い新規性（主張候補：何が“論文っぽく強い”か）
- 新規性A：応答の「型」を最小仮定で測る（形態素なしでも頑健）
resp_first_tokenを基礎に、RESP_NE_ENTROPY / RESP_YO_ENTROPYで 型の固定化 vs 多様性 を測る。
- 新規性B：指標→例文→LLM解釈を“監査可能（provenance）”にする
- LLMの解釈を「雰囲気」で終わらせず、使った特徴量（used_features）と根拠（examples/used_examples）を残す設計にする。
- 新規性C：相互行為を“統合プロファイル”で議論できる
- PG（timing）×FILL（言い淀み）×IX（修復・逸脱）×（できればmetrics_resp）を同一フレームで統合し、クラスタやタイプで議論できる。
0-4) 先行研究（Big5×LLM）との差分（言い方の例）
- 先行研究は「性格（Big5）という粗い潜在変数」を、LLM推定と自己申告で照合する枠組み。
- 私たちは「会話の相互行為のメカニズム」を、テキスト（＋タイミング）から 再現可能に測定する枠組み。
- つまり、私たちは “性格推定”ではなく、“会話の計測” をやっている（ここが論点の軸）。
0-5) 次ミーティングで合意したいこと（アジェンダ案）
- 研究の主張軸の合意：性格ではなく「相互行為の計測」で行く（用語の置き方）
- 主要仮説（H1〜）の優先順位：まず何を一本目にするか
- 新規性の核：entropy（応答型）＋修復（OIR）＋タイミング統合のどれを看板にするか
- “監査可能LLM”の仕様：used_features整合、used_examplesリンクを必須にするか
- 評価設計：分母、信頼性フィルタ、データ分割、妥当性の説明
1) 仮説 → 指標 → 検証計画（短い表：議論用）
記号：
- ✅＝すでに手元のJSON/ダッシュボードで確認できる（実装・出力あり）
- 🟡＝実装されている可能性が高いが、現状の「まとめJSON」やダッシュボードに出ていない／要確認／NAの可能性
- ⬜＝未実装（今後入れる）
※未実装（⬜）は
<mark>でハイライト。
| 仮説ID | 仮説（何がどう違う？） | 主要指標（主に見る） | 補助指標（解釈の補強） | 期待される方向（例） | 検証のしかた（最小） | 注意点（交絡/限界） |
|---|---|---|---|---|---|---|
| H1 | NE直後の応答が型化している（固定的な返しが増える） | 🟡 RESP_NE_ENTROPY |
🟡 RESP_NE_AIZUCHI_RATE / ✅ IX_yesno_rate |
entropy↓、相槌率↑ or YES/NO↑ | 会話×話者で比較、分母で足切り（min events） | ※RESP_*は「計算はされてそう」だが、統合JSONに未同梱の可能性（要確認） |
| H2 | YO直後でも型化が起きる／文脈依存が弱い | 🟡 RESP_YO_ENTROPY |
✅ IX_topic_drift_mean |
YOでもentropy↓ | NEとYOを同じ指標で比較（差分を見る） | YO条件の分母確保が必要（小さいとentropy不安定） |
| H3 | 修復（OIR）が多い（聞き返し・修復開始が増える） | ✅ IX_oirmarker_rate |
🟡 IX_oirmarker_after_question_rate |
OIR↑ | 会話×話者でOIR率比較 | *_after_question は分母0でNAになり得る（IX_n_pairs_after_question=0 等） |
| H4 | **修復が“成功しにくい／コストが高い”** | ⬜ 修復成功率 / 修復コスト / 修復軌跡 | ✅ timing（PG）/ ✅ FILL | 成功率↓、コスト↑ | OIR後の次ターンで回復したかを定義して測る | “世紀枠”。定義（成功/回復）を先に固める必要 |
| H5 | 話題のつながりが弱い（逸脱が大きい） | ✅ IX_topic_drift_mean |
✅ IX_lex_overlap_mean |
drift↑ / overlap↓ | Jaccard（形態素or2gram）で会話×話者比較 | 語彙だけだと意味のつながりは弱い（拡張余地） |
| H6 | タイミングが特徴的（間・応答遅れ・被り） | ✅ PG_pause_* / ✅ PG_resp_gap_* / ✅ PG_overlap_rate |
✅ PG_speech_ratio |
pause↑、gap↑、overlap↑ など | 会話×話者で比較、分母（総時間・イベント数）で品質管理 | 音声境界ノイズ、gap_tolの影響 |
| H7 | フィラーが多い（言い淀みの頻発） | ✅ FILL_z_log_rate_per_100chars |
✅ PG_pause_p50 |
FILL↑、pause↓（埋め合わせ）など | FILLとPGの関係を相関・回帰で見る | 表記ゆらぎ・タグ混入への耐性 |
| H8 | 複合的な“会話タイプ”がある（クラスタで分かれる） | ✅ CL_fillpg_cluster / ✅ CL_pca_x/y |
✅ PG/FILL/IX | 特定クラスタに偏る | PCA→KMeans、クラスタ特徴を言語化 | 指標セットの選び方でクラスタが変わる |
| H9 | LLM解釈は“仮説生成”として有効だが監査可能にする | 🟡 labels.summary / used_features |
🟡 used_examples（証拠リンク） |
説明の再現性↑ | “whyで言及した特徴量＝used_featuresに必ず含める”等の制約 | 現状 used_examples: [] になりがちなので、リンク必須化が必要 |
2) 実装ステータス（再点検表：ダッシュボード/JSON根拠つき）
根拠の見方：ユーザー提示の「まとめJSON例」に キーとして存在していれば、少なくとも “出力はされている”。
逆に、MDに書いてあってもJSONに無いなら、(a)未実装、(b)別ファイルにはあるがこのJSONには載せていない、(c)列名が違う、(d)分母0でNA、のいずれか。ステータス：✅ 実装・出力確認 / 🟡 実装されていそう（要確認/NA） / ⬜ 未実装（今後）
※未実装（⬜）は<mark>でハイライト。
2-1) まとめ（結論）
- ✅ PG / FILL / IX / クラスタ / LLMラベル（summary/why/used_features）は、ダッシュボードとJSONから見て 出力されている。
- 🟡 metrics_resp（RESP_*）は、このJSONには見当たらないため、(1)別テーブルにあるが統合JSONに未同梱の可能性が高い。
ただしexamples[]の中にはRESP_NE_AIZUCHI_RATEが出てくるため、計算自体はどこかで行われている可能性が高い（要確認）。 - ⬜ **LLMの used_examples（根拠例のリンク）**が空（`[]`）で、ダッシュボードにも “missing: examples不足” が出ているため、**証拠リンク統合**が未完。
2-2) 指標群ごとのチェック表
| 指標群 | 項目（例） | ステータス | 根拠（JSON/画面） | 次アクション（必要なら） |
|---|---|---|---|---|
| PG（timing） | PG_total_time PG_speech_ratio PG_pause_mean/p50/p90 PG_resp_gap_mean/p50/p90 PG_overlap_rate PG_resp_overlap_rate |
✅ | JSONに多数キーあり（例：PG_total_time 等）＋ダッシュボードにPause/Gap summary |
- |
| FILL（フィラー） | FILL_text_len FILL_cnt_total FILL_cnt_eto FILL_rate_per_100chars FILL_z_log_rate_per_100chars 等 |
✅ | JSONに多数キーあり（例：FILL_cnt_eto 等）＋ダッシュボードにFiller summary |
- |
| IX（相互行為） | IX_oirmarker_rate IX_yesno_rate IX_lex_overlap_mean IX_topic_drift_mean 等 |
✅ | JSONにキーあり（例：IX_oirmarker_rate 等） |
- |
| IX（質問条件つき） | IX_oirmarker_after_question_rate IX_yesno_after_question_rate IX_lex_overlap_after_question_mean |
🟡（要確認/NAの可能性） | JSON例には rate系キーが存在しない。一方で IX_n_pairs_after_question はある（例：0） |
1) 列が別名で存在するか確認 2) 分母0ならNAとして明示 3) 必要なら実装＋JSON統合へ |
| metrics_resp（応答型） | RESP_NE_AIZUCHI_RATE RESP_NE_ENTROPY RESP_YO_ENTROPY n_pairs_after_NE/YO |
🟡 | JSON例には RESP_*が無いが、examples[] 内に RESP_NE_AIZUCHI_RATE が出る |
統合JSONに同梱：話者集計行に RESP_* を入れる（labelsのused_featuresにも入れる） |
| examples（証拠） | examples[]（prev_text/resp_textなど） |
✅（部分） | JSONに examples 配列あり。ダッシュボードにも Examples(evidence) が表示 |
“labels.used_examples” へ参照を繋ぐ（下記） |
| LLM labels | labels.summary labels.labels[].why labels.labels[].used_features needs_more_context missing |
✅（ただし整合性課題） | JSONに labels が存在。ダッシュボードにも Summary/Primary label 等 |
整合性チェック：whyで言及した特徴量がused_featuresに必ず入るよう強制 |
| used_examples（LLM側） | labels.labels[].used_examples |
⬜ | JSONで used_examples: []、ダッシュボードでも missing が出ている |
必須化：LLMプロンプトに「引用した例文ID/参照先を必ず列挙」→保存 |
| クラスタ | CL_pca_x CL_pca_y CL_fillpg_cluster |
✅ | JSONに CL_* が存在＋PCA散布図が表示 |
- |
3) LLM（解釈）を“科学っぽく”強くするための整合性ルール（超重要）
ここは先生に刺さる可能性が高い（「ヒューリスティック」批判への回答にもなる）
3-1) ルール案（実装できる制約）
- whyで言及した特徴量名は、必ず used_features に含める（不整合を0にする）
- whyで言及した根拠例文は、必ず used_examples に含める（例文ID/パス/発話番号など）
- missing があるときは、何が足りないかを機械的に列挙し、次の取得処理に繋ぐ
- ラベルは診断ではなく“機能仮説”として出す（文章に明記）
3-2) JSON例から見える改善点（観察）
- 例：HESITATIONの why で eto回数に触れているのに、used_features には
FILL_cnt_etoが入っていない
→ これを自動で検知して修正（“監査可能性”が上がる）
4) TODO（研究の新規性を“世紀の大発見”寄りにする拡張アイデア）
いちばん強いのは「修復（repair）」を 成功率・コスト・軌跡 まで落とすやつです。
4-1) 修復（OIR）を“率”から“ダイナミクス”へ（世紀枠）
- ⬜ **修復成功率**：OIRが出たあと、次の1〜2ターンで会話が回復（合意・理解）したか
- ⬜ **修復コスト**：回復までに必要なターン数、文字量、ポーズ増加、フィラー増加
- ⬜ **修復戦略タイプ**：聞き返し（え？）→言い換え→確認、などのパターン分類
- ✅ 既存のPG/FILL/IXを使って “コスト” は比較的作りやすい
4-2) 質問→応答を「答えているか」で測る（QA適合）
- ⬜ YES/NO率だけでなく、質問に対して内容が合っているか（ルール＋LLM監査）
- これも “監査可能LLM” と相性が良い（根拠例文が必要）
ここから下は「辞書の詳細（現状）」：既存の本文を省略せず残します
0) まず大枠：この研究で「何をやっているか」
- ビッグ5のような粗い性格分類を当てる研究ではなく、会話の中の「相互行為の仕組み（相槌・修復・間・応答の型）」を 再現可能な測定として定量化する。
- その上で、ASDの仮説（会話の特徴がある）に対して、具体的にどの相互行為の要素がどう違うのかを議論できるようにする。
- 特徴量は 会話×話者 または 話者交替ペア（prev→resp） の粒度で設計する。
1) 用語ミニ辞書（先にここだけ読めばOK）
- NE / NE_Q：文末が「ね（よね含む）」系。NE_Q は疑問（? / か等）を伴うケース。
直感的には「同意・共有の確認」「相手の反応を促す」寄りの投げ方。 - YO：文末が「よ」系。直感的には「提示・断定・情報提供」寄り。
- 相槌（aizuchi）：はい／うん／そう／なるほど…のような、会話を進めるための短い返答。
- OIR：Other-Initiated Repair（相手が修復を開始する）
例：え？／ん？／もう一回／どういうこと？ などの「聞き返し・修復開始」。 - entropy（エントロピー）：分布の「多様さ」。低い＝型が固定化、高い＝多様。
2) テーブル別：人間向け辞書（名称表）
2-A) segments（発話＋タグ）で定義される特徴量
粒度：発話（utterance）
役割：文末のタイプ（NE/YOなど）と疑問を「軽量に」タグ付けして、後段（pairs/metrics）につなぐ。
| 元の列名 | 人間向け名称（日本語） | (2) 何を測る？（直感） | (3) どう見つけた／発想した？ | (4) 既存/オリジナル | (5) 算出の要点（粒度・分母・入力・簡易式） |
|---|---|---|---|---|---|
sfp_group |
文末タイプ（終助詞カテゴリ） | 発話が「ね系/よ系/の系…」のどれで終わるか（相互行為の投げ方） | 日本語会話で文末表現が相互行為（同意要求・提示・断定等）に強く関与するため、まず最小限の分類を作った | 既存概念（会話分析/語用論）＋実装は自作 | 入力：text。粒度：発話。式：末尾正規表現で NE/NE_Q/YO/NO/NA/MON/OTHER/NONE/NONLEX に分類 |
is_question |
疑問フラグ（質問っぽい終わり） | 質問（?、か、かな等）かどうか | 会話の「質問→応答」や「修復（OIR）」は質問条件で挙動が変わるため、まず軽量に拾う | 既存（質問判定）＋実装は自作 | 入力：text。粒度：発話。式：末尾が ? / ？ / (か,かな,かね,でしょう,でしょ,だろう,だろ,の) なら True |
utt_index |
発話順インデックス（会話内） | 会話内で何番目の発話か（順序の固定） | ペア（prev→resp）や系列（直後）を作るには、順序が必要 | 工学的要請（研究の道具） | 入力：start/end/utterance_id等。粒度：発話。式：会話内ソート→0..で再採番（分母なし） |
text |
発話本文 | そのまま | 元データ | - | 解析入力として保持 |
start_time,end_time |
発話時間（ある場合） | 間（pause/gap）など時系列解析の基礎 | 音声境界から timing 指標を作るため | 既存（音声研究） | タイミング系の入力。存在する場合のみ利用 |
2-B) pairs（話者交替 prev→resp）で定義される特徴量
粒度：話者交替ペア（前の発話 prev と、それへの応答 resp）
役割：相互行為の「最小単位（隣接ペア）」を作り、応答の型・修復・話題逸脱を測る。
| 元の列名 | 人間向け名称（日本語） | (2) 何を測る？（直感） | (3) どう見つけた／発想した？ | (4) 既存/オリジナル | (5) 算出の要点（粒度・分母・入力・簡易式） |
|---|---|---|---|---|---|
prev_sfp_group |
直前発話の文末タイプ | 相手が「ね系/よ系…」で投げた直後かどうか | 「投げ方（NE/YO）」で応答が変わる、という仮説の入口 | 既存（条件付き分析） | 入力：segments.sfp_group。粒度：ペア。式：prev側のタグを引き継ぐ |
resp_is_aizuchi |
相槌フラグ（短い受け） | 「はい／うん／そう／なるほど…」のような短い返答か | 会話分析で相槌は“会話を前に進める潤滑油”。ASDでは相槌の出方が特徴になりうるため | 既存概念（相槌）＋辞書実装は自作 | 入力：resp_text。粒度：ペア。式：相槌語彙辞書で先頭一致（句読点/空白/文末境界） |
resp_first_token |
応答の先頭語（1語目） | 応答が「はい/うん/そう/え…」など、何から始まるか | “型の固定化”を最小仮定で取るため、形態素なしでも頑健な 1語目抽出を採用 | 設計としてオリジナル（実装意図） | 入力：resp_text（正規化後）。粒度：ペア。式：日本語文字列 regex で先頭語を抽出、なければ空 |
prev_text,resp_text |
前発話/応答本文 | そのまま | 元データ | - | pairs の可読性・例文抽出用に保持 |
prev_utt_index,resp_utt_index |
ペア位置（順序） | どの発話同士のペアか | 例文抽出・監査・再現性のため | 工学的要請 | 会話内順序インデックスを保持 |
2-C) metrics_resp（会話×応答側話者）で定義される主要指標
粒度：会話×話者（応答側）
役割：相互行為を“話者の傾向”として集約し、比較・ランキング・クラスタに使う。
2-C-1) コア指標（私達の強みが出るところ）
| 元の列名 | 人間向け名称（日本語） | (2) 何を測る？（直感） | (3) どう見つけた／発想した？ | (4) 既存/オリジナル | (5) 算出の要点（粒度・分母・入力・簡易式） |
|—|—|—|—|—|—|
| RESP_NE_AIZUCHI_RATE | 「ね」直後の相槌率 | 相手が「ね（同意促し）」で投げた後に、相槌で返しやすいか | NE は相互行為（同意要求）寄りなので、相槌の出方が“対人調整”の proxy になると考えた | 既存概念（相槌）×条件付き比率は準既存 | 入力：pairs。粒度：会話×応答話者。分母：n_pairs_after_NE。式：mean(resp_is_aizuchi | prev_sfp_group ∈ {NE,NE_Q}) |
| RESP_NE_ENTROPY | 「ね」直後の応答多様性（先頭語） | 「ね」直後の返しが、毎回同じ型（はい/うん/そう）に固定化しているか | 相槌率だけだと「型の固定化」が見えないので、最小仮定で多様性（entropy）を追加した | 設計としてオリジナル（強み） | 入力：pairs。粒度：会話×応答話者。分母：NE条件ペア内の resp_first_token 分布。式：Shannon entropy(log2) |
| RESP_YO_ENTROPY | 「よ」直後の応答多様性（先頭語） | 相手が提示・断定（YO）した後の返しが型化しているか | NE だけだと片手落ちなので、別タイプの投げ方（YO）でも同じ測定をして比較可能にした | 設計としてオリジナル（比較軸の拡張） | 入力：pairs。粒度：会話×応答話者。分母：YO条件ペア内の resp_first_token 分布。式：Shannon entropy(log2) |
2-C-2) 分母（信頼性を担保する鍵）
| 元の列名 | 人間向け名称（日本語） | (2) 何を測る？（直感） | (3) どう見つけた／発想した？ | (4) 既存/オリジナル | (5) 算出の要点 |
|—|—|—|—|—|—|
| n_pairs_total | 応答ペア総数 | その話者が応答側になった回数 | 指標の信頼性（観測量）を示す最低限の分母 | 既存 | count(pairs) |
| n_pairs_after_NE | 「ね」直後ペア数（分母） | NE条件で観測がどれくらいあるか | NE直後指標は、この分母が小さいと不安定 | 既存（分母管理） | count_if(prev_sfp_group ∈ {NE,NE_Q}) |
| n_pairs_after_YO | 「よ」直後ペア数（分母） | YO条件で観測がどれくらいあるか | YO直後 entropy の安定性のため | 既存（分母管理） | count_if(prev_sfp_group ∈ {YO}) |
2-D) PG（pause/gap/overlap：timing系）特徴量
粒度：会話×話者
役割：「間」「テンポ」「被り」を定量化。ASD仮説と結びつきやすい（会話のリズム／ターン交替）。
| 元の列名（例） | 人間向け名称（日本語） | (2) 何を測る？（直感） | (3) どう見つけた／発想した？ | (4) 既存/オリジナル | (5) 算出の要点（粒度・分母・入力・簡易式） |
|---|---|---|---|---|---|
pause_mean |
自分の沈黙の平均長 | 発話と発話の間の“間”が長い/短い | 音声会話の基礎指標。会話が詰まる/流れるを反映 | 既存（音声/会話研究） | 入力：speech区間。粒度：会話×話者。式：pause_list の平均 |
pause_p50 |
自分の沈黙の中央値 | 典型的な間の長さ | 平均は外れ値に弱いので中央値も持つ | 既存 | median(pause_list) |
pause_p90 |
自分の“長い沈黙”の代表値（90%点） | たまに起こる長い間の大きさ | 長い沈黙がコミュニケーションに影響しやすい | 既存 | quantile(pause_list, 0.90) |
resp_gap_mean |
相手→自分の応答遅れ（平均） | 相手の発話終了から自分が話し始めるまでの遅れ | ターン交替の滑らかさ | 既存 | speaker change の g>=0 を平均 |
resp_gap_p50 |
応答遅れ（中央値） | 典型的な応答遅れ | 外れ値に頑健 | 既存 | median(resp_gap_list) |
resp_gap_p90 |
大きい応答遅れ（90%点） | “遅れるとき”の遅れの大きさ | 詰まり/負荷の兆候 | 既存 | quantile(resp_gap_list, 0.90) |
resp_overlap_rate |
被り率（相手に被せて話す割合） | 相手が終わる前に自分が入ってしまう頻度 | 会話の同期の取り方の特徴 | 既存 | overlaps / n_resp_events |
speech_ratio |
発話率（話している時間割合） | 会話時間のうち自分が話している割合 | 寡黙/多弁の粗い proxy（ただし性格ではなく会話行動） | 既存 | speech_time / total_time |
total_time |
会話の総時間 | 観測時間 | 分母・品質管理 | 既存 | 音声区間の総和など |
注：
gap_tol=0.05sは「境界ノイズでpauseを過剰カウントしない」ための工学的閾値（理由は Appendix C 相当）。
2-E) FILL（フィラー）特徴量
粒度：話者（speaker）または 会話×話者（運用に合わせる）
役割：「えっと」「えー」などの言い淀みを定量化。発話計画の負荷の proxy になり得る。
| 元の列名（例） | 人間向け名称（日本語） | (2) 何を測る？（直感） | (3) どう見つけた／発想した？ | (4) 既存/オリジナル | (5) 算出の要点 |
|---|---|---|---|---|---|
FILL_cnt_total |
フィラー総数 | えっと/えー/あの…がどれくらい出るか | 言い淀みは古くから議論される。まずカウントで土台を作る | 既存概念＋辞書実装は自作 | text に対して辞書regexで count（eto→除去→e の順で二重カウント回避） |
FILL_rate_per_100chars |
100文字あたりフィラー率 | 文章量の違いをならして比較する | 長く話す人ほど数が増えるので正規化が必要 | 既存（正規化） | FILL_cnt_total / (FILL_text_len/100) |
FILL_has_any |
フィラーが出た発話の割合 | “頻繁にフィラーが入る”傾向 | 回数だけでなく出現の広がりを見る | 準既存 | フィラーが1回以上出た行数の合計 |
FILL_z_log_rate_per_100chars |
フィラー率（log→標準化） | 極端に多い人を安定に比較する | 分布が歪むので log + z で安定化 | 既存（統計処理） | zscore(log(rate + epsilon)) |
FILL_cnt_eto |
「えっと」系回数 | 代表的フィラーの頻度 | 「えっと」は独立に見たい | 既存概念 | regex count |
FILL_cnt_e |
「えー」系回数 | 引き伸ばしの頻度 | eto と重なるので除去後に数える | 実装としてオリジナル要素あり | eto除去後に count |
FILL_cnt_ano / sono / maa / nanka / hora |
各フィラー種別回数 | どのタイプのフィラーを使うか | 種類によって機能が違う可能性 | 準既存 | 各辞書regexで count |
FILL_text_len |
総文字数（分母） | 正規化のための分母 | 比率の分母 | 既存 | Σ len(text) |
2-F) IX（相互行為：修復・YES/NO・話題逸脱）特徴量
粒度：会話×応答側話者
役割：会話分析で重要な「修復（OIR）」「質問応答」「話題のつながり」を proxy として測る。
| 元の列名（例） | 人間向け名称（日本語） | (2) 何を測る？（直感） | (3) どう見つけた／発想した？ | (4) 既存/オリジナル | (5) 算出の要点 |
|---|---|---|---|---|---|
IX_oirmarker_rate |
聞き返し（修復開始）率：OIR率 | 「え？」「もう一回」などで修復を開始する頻度 | 修復は会話分析の王道。ASD仮説にも直結しやすい | 既存（CA）＋辞書実装は自作 | pairsの resp_text に OIR辞書 regex を search → mean |
IX_oirmarker_after_question_rate |
質問直後のOIR率 | 質問されたときに聞き返す頻度 | 質問条件で修復が増える可能性 | 既存（条件付き分析） | prev_is_question=1 に限定して mean |
IX_yesno_rate |
YES/NO応答率 | はい/いいえ/うん…で返す割合（短い同意・否定） | “応答の型”の別軸として導入 | 既存概念 | YESNO辞書で先頭一致 → mean |
IX_yesno_after_question_rate |
質問直後のYES/NO率 | 質問への返しが YES/NO に偏るか | 質問応答の型を見る | 準既存 | prev_is_question=1 で mean |
IX_lex_overlap_mean |
語彙のつながり平均（重なり） | 相手の語と自分の語がどれだけ共通か（つながり） | “話題のつながり”の最小 proxy | 既存（類似度） | tokenize(prev), tokenize(resp) → Jaccard の平均 |
IX_topic_drift_mean |
話題の逸脱度（平均） | 相手の話からどれだけ逸れるか | つながりの裏返しで解釈しやすい | 設計は準オリジナル | 1 - lex_overlap の平均 |
IX_lex_overlap_p10 |
語彙つながり：低い側（10%点） | “つながらない応答”の強さ | 平均だけだと見えない端を残す | 既存（分位点） | quantile(0.10) |
IX_topic_drift_p90 |
逸脱：高い側（90%点） | “大きく逸れる”ケースの強さ | 外れ値の代表を残す | 既存（分位点） | quantile(0.90) |
IX_prev_question_rate |
相手が質問してくる割合 | 観測条件の違い | 条件が違うと比較が歪むため | 既存（品質管理） | mean(prev_is_question) |
IX_n_pairs |
IX算出に使ったペア数（分母） | 観測量 | 信頼性 | 既存 | count(pairs) |
IX_n_pairs_after_question |
質問直後ペア数（分母） | 質問条件の観測量 | 信頼性 | 既存 | count_if(prev_is_question=1) |
3) 既存 vs オリジナル：まとめ（一言で説明する用）
- 既存（先行研究で一般的）：相槌、修復（OIR）、質問条件、timing（pause/gap/overlap）、フィラー概念
- 準オリジナル（既存概念×自前の定義）：NE/YO/終助詞カテゴリを軸にした条件付き指標、topic drift（1-overlap）
- オリジナル（福原の設計として主張しやすい）：
- RESP_NE_ENTROPY / RESP_YO_ENTROPY（“応答の型”を最小仮定でentropy化：形態素なしでも頑健）
- resp_first_token の採用（計測としての割り切りと再現性）
- （今後強化すると強い）修復の「成功率・コスト・軌跡」、質問→応答の適合（監査可能LLM）
4) この辞書の使い方（先生向け）
- 指標は「性格」ではなく 会話の相互行為の“測定”。
- ASD仮説に対しては、
1) 投げ方（NE/YO/質問）
2) 返し方（相槌／先頭語の型／修復／つながり／間）
を同じ枠組みで比較できることが重要。
5) TODO（次のミーティングで議論したい更新候補）
- OIR（修復）を「出るか」だけでなく、修復が成功して会話が回復したかまで測る（成功率・コスト）。
- 質問→応答を「YES/NO率」だけでなく、質問に答えているか（QA適合）を入れる（ルール＋LLM監査）。
- timing（PG）×修復×相槌の統合で「会話の交通ルール」を測る。