学術研究が示す情報探索の分類
情報探索行動（Information Seeking Behavior）の研究は1970年代から蓄積されている。ここでは主要な研究者の分類を整理し、Search・Discovery・Browsingの違いを明確にする。
Marchionini（2006）：3つの検索活動
Gary Marchioniniは「Exploratory Search: From Finding to Understanding」（Communications of the ACM, 2006）で、検索活動を3つに分類した。
1. Lookup（ルックアップ）
| 特徴 | 説明 |
|---|---|
| 定義 | 明確で曖昧さのないクエリで特定の情報を取得 |
| 情報ニーズ | 明確に定義されている |
| 期待する結果 | 離散的・構造化された事実、特定のドキュメント |
| 例 | 「東京の今日の天気」「Claude 4の料金」 |
従来の「検索エンジン」が想定する典型的なユースケース。
2. Learn（学習）
| 特徴 | 説明 |
|---|---|
| 定義 | 知識獲得のため複数の情報源を評価 |
| 情報ニーズ | 概念的に広い、または不明確 |
| 期待する結果 | 理解の深化、知識の獲得 |
| 例 | 「なぜ人は不眠症になるのか」「LLMの仕組みを理解したい」 |
3. Investigate（調査）
| 特徴 | 説明 |
|---|---|
| 定義 | 情報の統合・発見・計画を行う |
| 情報ニーズ | 複雑で進化する |
| 期待する結果 | 新しい洞察、意思決定の材料 |
| 例 | 「文献レビューのための関連論文探し」「競合分析」 |
Exploratory Search = Learn + Investigate
Marchioniniは、LearnとInvestigateを合わせて「Exploratory Search（探索的検索）」と呼んだ。これが学術的な「Discovery」の定義に近い。
┌─────────────────────────────────────────┐
│ Search Activities │
├─────────────┬───────────────────────────┤
│ Lookup │ Exploratory Search │
│ （検索） │ ┌────────┬────────────┐ │
│ │ │ Learn │ Investigate│ │
│ │ │（学習） │ （調査） │ │
│ │ └────────┴────────────┘ │
└─────────────┴───────────────────────────┘
White & Roth（2009）：不確実性と2つのフェーズ
Ryen WhiteとRick Rothは「Exploratory Search: Beyond the Query-Response Paradigm」で、探索的検索を2つのフェーズで説明した。
Exploratory Browsing（探索的ブラウジング）
- 最初の問題文脈における不確実性に起因
- ユーザーは検索ドメインに不慣れ
- 目標が不明確、または目標自体がわからない
Focused Searching（焦点化された検索）
- 検索ドメインについて学ぶにつれて不確実性が減少
- より具体的なクエリが可能になる
- Lookupに近づいていく
重要なのは、この2つは「排他的」ではなく「連続的」であること。人は探索と検索を行き来する。
Bates（1989）：Berrypickingモデル
Marcia Batesの「The Design of Browsing and Berrypicking Techniques」は、情報探索の古典的研究。
従来モデル vs Berrypicking
従来の情報検索モデル（Robertson, 1977）は「1回のクエリ → 1つの結果セット」を想定していた。
Batesはこれを批判し、実際の情報探索は「進化する検索（Evolving Search）」だと主張。
Berrypickingの特徴
- クエリは途中で変化する
- 情報は少しずつ「摘み取る」ように集める
- 検索プロセス全体で学習が起きる
- 最終的な情報ニーズは最初と異なることがある
これは現代の「Discovery」の概念と一致する。
NN/g（2019）：3つのタスクタイプ
Nielsen Norman Groupの大規模調査では、オンライン情報探索を3つに分類。
1. Acquire（獲得）
- 事実を見つける、製品情報を得る、ダウンロードする
- 例：「CPRの手順を調べる」「クーポンコードを探す」
- 特徴：速い、少ないクリック、記憶に残りにくい
2. Compare/Choose（比較/選択）
- 複数の製品や情報源を評価して決定する
- 例：「科学機器の価格と機能を比較して購入を決める」
- 特徴：包括的な情報を求める、複数の視点が必要
3. Understand（理解）
- トピックについて理解を深める
- 例：「ケトダイエットについて調べて、始めるかどうか決める」
- 特徴：時間がかかる、記憶に残りやすい
研究結果
- Acquireタスクは記憶に残りにくい（57%が1週間以内の出来事）
- Compare/ChooseとUnderstandは3ヶ月以上前の出来事でも想起される
- Acquireタスクの満足度は高いが、複雑さが低いため
統合：Search・Discovery・Browsingの違い
学術研究を統合すると、以下の区別が浮かび上がる。
| 概念 | 学術的対応 | 不確実性 | 目的 | 時間 |
|---|---|---|---|---|
| Search | Lookup / Acquire | 低い | 特定の答え | 短い |
| Discovery | Learn + Investigate | 中〜高 | 理解・洞察 | 長い |
| Browsing | Exploratory Browsing | 高い | 何があるか探る | 不定 |
Search（検索）の特徴
- 明確な情報ニーズ
- 「既知の未知」を埋める
- 成功基準：答えが得られた
- AIが最も得意とする領域
Discovery（発見）の特徴
- 進化する情報ニーズ
- 「未知の未知」に出会う可能性
- 成功基準：理解が深まった、新しい洞察を得た
- 人間の判断が不可欠
Browsing（ブラウジング）の特徴
- 不確実性が最も高い
- 目的なし、または目的が漠然
- 成功基準：セレンディピティ、違和感を見つけた
- AIPOでいう「Stroll（散策）」に相当
なぜこの区別が重要か
1. ツールの選択が変わる
- Search → 検索エンジン、RAG、AI Q&A
- Discovery → Perplexity、NotebookLM、多角的調査
- Browsing → RSS、X、Hacker News、散歩
2. AIの限界を理解できる
LLMは「Lookup」には強いが、「Investigate」や「Browsing」の代替にはなりにくい。
White & Rothの言葉を借りれば：
「探索的検索では、ユーザーは検索ドメインに不慣れかもしれないし、目標が不明確かもしれないし、目標自体がわからないかもしれない」
このような状況では、AIに「何を聞けばいいか」がわからない。
3. プロダクト設計に影響する
NN/gの研究が示すように、タスクタイプによってユーザーの期待は異なる。
- Acquire → 速さ、直接的な回答、シンプルな言葉
- Compare/Choose → 包括的な情報、複数の視点、比較表
- Understand → 構造化されたコンテンツ、段階的な説明
まとめ
| 研究者 | 分類 | Search対応 | Discovery対応 |
|---|---|---|---|
| Marchionini | Lookup / Learn / Investigate | Lookup | Learn + Investigate |
| White & Roth | Focused Searching / Exploratory Browsing | Focused | Exploratory |
| Bates | Classic Model / Berrypicking | Classic | Berrypicking |
| NN/g | Acquire / Compare-Choose / Understand | Acquire | Compare + Understand |
「検索」と「発見」は、不確実性のレベル、情報ニーズの性質、成功基準において本質的に異なる。この違いを理解することが、AIツールの適切な使い分けと、プロダクト設計の質向上につながる。
参考文献
- Marchionini, G. (2006). Exploratory search: from finding to understanding. Communications of the ACM, 49(4), 41-46.
- White, R.W. & Roth, R.A. (2009). Exploratory Search: Beyond the Query-Response Paradigm. Morgan & Claypool.
- Bates, M.J. (1989). The design of browsing and berrypicking techniques for the online search interface. Online Review, 13(5), 407-424.
- Nielsen Norman Group (2019). Different Information-Seeking Tasks: Behavior Patterns and User Expectations.