ブロードリスニング実装（Pol.is型AI意見集約システムをローカル構築する）
🔍 抽出済み ｜ 技術 ｜ 優先度：🟠 高
シリーズ: AI・IT実践シリーズ
目的（ゴール）
Audrey TangがvTaiwanで活用したPol.is方式——多数の発言を意味的にクラスタリングし、「対立の構造」と「意外な合意点」を可視化する——をローカルLLM＋Embeddingで実装する。サイレントマジョリティの立場を数値化し、少数の声の大きい意見に左右されない**ブロードリスニング（広聴）**基盤をCBFラボ環境で構築・実証する。
アクター
- 著者（Manabazu）
- Node3 RTX4060Ti——多言語Embedding（bge-m3）による意見ベクトル化
- Node3 RTX5070Ti——クラスタリング結果の言語的要約・ラベル生成LLM
- Node3 RX7900XTX——Vector DB（Qdrant）による意見インデックス管理
- 意見データソース（読者アンケート / コミュニティ投稿 / X投稿等）
- 可視化フロントエンド（Streamlit / Gradio）
技術アーキテクチャ
意見投稿（テキスト）
↓ Embedding (bge-m3 / multilingual)
ベクトル空間にマッピング
↓ クラスタリング（UMAP + HDBSCAN）
意見グループの可視化（2D散布図）
↓ LLMによるクラスタ要約
「グループAは〇〇を重視、グループBは△△を懸念」
↓ 合意マップ生成
「全グループが同意する点：□□」
検証シナリオ
S1：意見ベクトル化パイプライン
100件以上のテキスト意見をbge-m3でベクトル化 → UMAP（2D次元圧縮）→ HDBSCANでクラスタリング。クラスタの凝集度と分離度を評価。
S2：合意・対立の自動検出
クラスタ間で「賛成比率が高い発言」と「分断を生む発言」を自動識別するスコアリングを実装。Pol.isの「グループ情報スコア」に相当する指標を設計。
S3：CBFラボ読者への適用
著者の出版読者・フォロワーを対象に「AIと社会についてどう考えるか」のアンケートを実施し、実データでシステムを検証。出版コンテンツの需要把握にも活用。
S4：Plurality概念との整合性検証
UC260506-008のPluralityナレッジベースを参照しながら、vTaiwanでの実績事例と自実装の設計を比較。「ブロードリスニングの理念を忠実に実装できているか」を検証。
S5：UC優先度決定への応用
CBFラボのUCリスト（66件）について、複数の評価者（将来的には読者投票）による優先度付けをブロードリスニング方式で集約。UC260506-011（Quadratic Voting）との比較評価。
対応リスク
期待成果
- Plurality/vTaiwanの核心技術をCBFラボのローカル環境で再現
- UC260506-007（クロスリンガルRAG）の技術スタックを意見集約という新領域に応用
- 出版読者・コミュニティとのエンゲージメント手法として実用化