論証分析（Argument Analysis）とは、文章や発言に含まれる主張、根拠、前提、推論、反論などを識別し、それらがどのような関係で結びついているかを明らかにする方法です。ある結論がどのような理由によって支持されているのか、その理由が十分なものか、別の解釈や反論が存在しないかを検討するために利用されます。
例えば、企業の研究開発部門で次のような提案が行われたとします。
「技術情報の収集量を増やしても新しい研究開発テーマが十分に生まれていないため、情報収集の方法だけでなく、テーマ探索の方法を見直す必要がある」
この文章には、観察された問題と、そこから導かれた提案が含まれています。
しかし、研究開発テーマが生まれていない原因は、情報収集の方法にあるのでしょうか。それとも、テーマの評価基準、研究組織の体制、利用できる技術、事業上の制約などにあるのでしょうか。
また、情報収集を増やしてもテーマが十分に生まれていないという事実が確認されたとして、それだけでテーマ探索の方法を変更するべきだと結論できるのでしょうか。
論証分析では、このような主張を直ちに正しい、あるいは誤りだと判断するのではありません。まず、何が事実として提示され、どのような前提に基づいて、どの結論が導かれているのかを明確にします。
そのうえで、事実の信頼性、推論の適切さ、反対の可能性、結論が成立する条件などを検討します。
論証分析の目的は、相手の論理の誤りを探して論破することではありません。ある主張が何によって支えられ、どこに不確実性や意見の相違が存在するのかを明らかにすることです。
論証とは何か
論証（Argument）とは、ある主張や結論を支持するために、一つ以上の理由や根拠を提示することです。
日常語の「議論」や「口論」と異なり、論証という言葉は、必ずしも複数の人が意見を対立させることを意味しません。一人の人が文章の中で結論と理由を示す場合にも、論証が成立します。
論証の最も基本的な構成要素は、前提（Premise）と結論（Conclusion）です。
例えば、次のような論証を考えます。
「すべての製品Aは出荷前検査の対象である」
「製品Xは製品Aに属する」
「したがって、製品Xは出荷前検査の対象である」
最初の二つが前提、最後の文章が結論です。
ここでは、前提が正しい場合、結論も必ず正しくなる推論が行われています。
一方、次のような論証もあります。
「設備Aの温度が上昇した時期と、不良率が上昇した時期が一致している」
「したがって、設備Aの温度上昇が不良率の増加に関係している可能性がある」
こちらの論証では、前提が正しくても、結論が必ず正しいとは限りません。
設備の温度上昇と不良率の増加が、別の共通原因によって引き起こされた可能性もあります。
このように、論証には、前提が結論を必然的に導くものと、結論を一定程度支持するものがあります。
論証分析の歴史と理論的背景
論証の研究には長い歴史があります。古代ギリシャでは、アリストテレスが三段論法などを体系的に研究するとともに、『トピカ』や『弁論術』において、実際の議論や説得に関わる推論を検討しました。
その後、哲学や数学では、推論の形式的な妥当性を分析する論理学が発展しました。
一方、現実の人間が行う議論には、必ずしも演繹的に結論が保証されない推論も多く含まれています。
例えば、専門家の意見、過去の経験、統計的な傾向、類似した事例、予想される結果などを根拠として判断する場合です。
20世紀以降、こうした実際の議論を分析するための理論が発展しました。
代表的なものとして、スティーヴン・トゥールミン（Stephen Toulmin）の論証モデル、ダグラス・ウォルトン（Douglas Walton）らの論証スキーム、フランス・ファン・エーメレン（Frans H. van Eemeren）とロブ・フローテンドルスト（Rob Grootendorst）のプラグマ・ダイアレクティクスなどがあります。
また、コンピュータ科学では、論証の支持関係や攻撃関係を形式的に扱う研究が行われています。自然言語処理によって文章から論証構造を抽出する論証マイニング（Argument Mining）も、この分野に関係しています。
| 研究・方法 | 主な関心 |
|---|---|
| 形式論理学 | 前提から結論が論理的に導かれるか |
| 非形式論理学 | 日常的な議論の根拠や推論が適切か |
| トゥールミンモデル | 主張、根拠、論拠などがどう結びついているか |
| 論証スキーム | 典型的な推論の型と、それを評価する問い |
| プラグマ・ダイアレクティクス | 意見の相違を合理的な議論によってどう扱うか |
| 計算論的論証 | 論証間の支持・攻撃関係などを計算機でどう扱うか |
| 論証マイニング | 自然言語から主張や論証関係をどう抽出するか |
これらは関連していますが、単一の理論にまとめられているわけではありません。本ページでは、実務上の論証分析に役立つ基本的な考え方と、AIによる支援の可能性を中心に紹介します。
論証の基本的な構成要素
論証を分析する最初の作業は、文章に含まれる主張と、その主張を支える情報を区別することです。
例えば、次のような文章を考えます。
「設備Aでは最近、不良品の発生が増えている。設備の位置決め精度が低下していることが確認された。したがって、設備の調整または更新を検討するべきだ」
この文章を分析すると、複数の要素を識別できます。
| 要素 | 内容 |
|---|---|
| 主張・結論 | 設備の調整または更新を検討するべきである |
| 根拠1 | 不良品の発生が増えている |
| 根拠2 | 設備の位置決め精度が低下している |
| 暗黙の前提 | 位置決め精度の低下が不良の発生に関係している |
| 追加の前提 | 調整または更新によって不良の発生を抑えられる可能性がある |
| 未確認事項 | 他の原因はないか、対策の効果や費用はどうか |
こうして整理すると、文章には明示されていない前提が存在することがわかります。
また、設備の位置決め精度が低下したことと、それが不良率上昇の主な原因であることは別です。
さらに、原因が確認されたとしても、設備を更新することが最善の対策であるとは限りません。
論証分析は、このような事実、推論、判断を区別するために役立ちます。
前提と結論を識別する
論証分析では、結論を最初に特定すると全体の構造を整理しやすくなります。
結論は、必ずしも文章の最後に置かれているとは限りません。
例えば、次の三つの文章は、基本的に同じ論証を異なる順序で表現しています。
「設備Aは更新するべきだ。なぜなら、故障が頻発しており、修理費用が増大しているからだ」
「設備Aでは故障が頻発し、修理費用が増大している。したがって、更新するべきだ」
「設備Aの更新が必要ではないだろうか。故障の増加と修理費用の上昇が問題になっている」
いずれも、設備の更新を支持する理由として故障と費用が提示されています。
しかし、表現の順序や言い方は異なります。
実際の文章では、結論が曖昧な場合や、複数の結論が含まれる場合もあります。
例えば、「設備の更新が必要だ」という結論と、「今期中に更新するべきだ」という結論では、必要な根拠が異なります。
前者は更新の必要性についての判断ですが、後者には実施時期についての判断が追加されています。
論証分析では、何が主張されているかを正確に特定する必要があります。
暗黙の前提を明らかにする ― トゥールミンモデル
実際の議論では、すべての前提が明示されるわけではありません。
説明者が当然だと考えていることや、相手と共有していると思っていることは、省略される場合があります。
この問題を扱うために有用なのが、トゥールミンの論証モデルです。
トゥールミンは1958年の著書『The Uses of Argument』で、実際の論証を分析するための枠組みを示しました。
代表的な六つの要素は、次のとおりです。
| 要素 | 英語 | 役割 |
|---|---|---|
| 主張 | Claim | 支持しようとしている結論 |
| 根拠 | Grounds / Data | 主張を支える事実や情報 |
| 論拠 | Warrant | 根拠から主張へ進むことを正当化する前提 |
| 裏づけ | Backing | 論拠を支持する理論や証拠 |
| 限定条件 | Qualifier | 主張の確実性や成立範囲 |
| 例外・反駁条件 | Rebuttal | 主張が成立しない場合や例外 |
例えば、次のような主張を考えます。
「最近の不良率上昇は設備の劣化による可能性が高いため、設備更新を検討するべきである」
これをトゥールミンモデルに従って整理すると、次のようになります。
| 要素 | 分析例 |
|---|---|
| 主張 | 設備更新を検討するべきである |
| 根拠 | 設備の位置決め精度が低下し、不良率も上昇している |
| 論拠 | 位置決め精度の低下が寸法不良を発生させる場合がある |
| 裏づけ | 寸法測定結果、設備検査結果、加工条件の記録 |
| 限定条件 | 設備の劣化が主要因であると確認された場合 |
| 例外 | 材料や加工条件の変化が主因である場合、調整だけで改善できる場合 |
このように整理することで、単純な「不良が増えたから設備を更新する」という説明よりも、検討するべき論点が明確になります。
重要なのは、論証の要素を六つの欄へ機械的に当てはめることではありません。
根拠から結論へ進むために、どのような前提が必要かを見つけることです。
論証の構造 ― 一つの根拠だけとは限らない
実際の論証には、複数の根拠や中間的な結論が含まれます。
それらの結びつき方を理解するために、論証をいくつかの基本的な構造へ整理できます。
1. 連鎖型の論証（Serial Argument）
ある結論が、さらに別の結論を支える場合です。
例えば、次のような関係です。
「設備の位置決め精度が低下している」
↓
「位置決め誤差が寸法不良の増加に寄与している可能性がある」
↓
「設備の調整または更新を検討する必要がある」
この場合、中間の結論が次の推論の前提になります。
中間の推論が十分に支持されていなければ、その上に成り立つ結論も弱くなる可能性があります。
2. 収束型の論証（Convergent Argument）
複数の根拠が、それぞれ独立して同じ結論を支持する場合です。
例えば、設備更新の必要性について、故障頻度の増加、保守費用の増加、交換部品の入手困難といった根拠が提示される場合です。
それぞれの根拠は、他の根拠が成立しなくても、結論を一定程度支持する可能性があります。
ただし、根拠が複数存在することと、それらが独立した情報であることは同じではありません。
複数の報告書が同一の調査結果を引用している場合には、独立した証拠が増えたとは限りません。
3. 結合型の論証（Linked Argument）
複数の前提が、組み合わさることで結論を支持する場合です。
例えば、
「設備Aの位置決め精度が低下している」
「位置決め精度の低下が、当該製品の寸法不良を引き起こすことが確認されている」
という二つの前提を考えます。
最初の前提だけでは、設備が不良の原因だと結論するには不十分です。
二つ目の前提だけでも、実際に設備Aが問題を起こしているとは判断できません。
両者が組み合わさることで、「設備Aの精度低下が不良の一因となっている」という結論を支持できます。
このように、複数の前提がそれぞれ独立して支持する場合と、組み合わさって一つの推論を形成する場合を区別することが重要です。
論証マップ（Argument Map）
論証マップとは、主張や根拠を要素として表し、それらの支持関係や反論関係を図として整理する方法です。
通常、主張や前提をノードとして表示し、支持や反論を線や矢印で結びます。
例えば、設備更新について次のような論証マップが考えられます。
| 要素 | 内容 | 関係 |
|---|---|---|
| 主張A | 設備Aの更新を検討するべきである | 中心となる主張 |
| 根拠B | 故障頻度が増えている | Aを支持 |
| 根拠C | 修理費用が増加している | Aを支持 |
| 根拠D | 交換部品の調達が難しくなっている | Aを支持 |
| 反論E | 調整や部分修理で対応できる可能性がある | 更新の必要性を弱める |
| 反論F | 更新費用が期待効果を上回る可能性がある | Aに対する反論 |
| 検討事項G | 更新と修理の費用対効果を比較する | 判断に必要な追加調査 |
このように表現すると、どの根拠がどの主張を支持しているか、どこに反論があるかを確認できます。
ただし、論証マップとロジックツリーは同じものではありません。
ロジックツリーは、対象を構成要素や論点へ分解することを主な目的とします。
一方、論証マップは、ある主張がどのような理由によって支持・反駁されるかを表現するものです。
また、論証マップは一般に単純な階層構造とは限りません。一つの根拠が複数の主張に関係したり、複数の論証が互いを支持・攻撃したりする場合があります。
演繹的な論証と非演繹的な論証
論証を評価する際には、前提と結論の関係がどのような推論に基づいているかを区別する必要があります。
代表的な種類には、演繹、帰納、アブダクション、アナロジーがあります。
| 種類 | 推論の特徴 | 評価の観点 |
|---|---|---|
| 演繹 | 前提が真で推論が妥当なら、結論も必ず真になる | 論理的妥当性と前提の真偽 |
| 帰納 | 観察された事例から一般的な傾向などを推測する | 標本の適切さ、一般化の根拠 |
| アブダクション | 事象を説明する仮説を考える | 説明力、代替仮説、反証可能性 |
| アナロジー | 別の事例との対応から推測する | 関係の対応、相違点、成立条件 |
例えば、統計的な調査によって特定の要因と不良率に関連が見つかったとしても、その関連だけで因果関係を確定することはできません。
一方、規程の適用条件が明確で、ある製品がその条件に該当する場合には、演繹的な判断が可能になります。
論証分析では、推論の種類に応じて異なる基準を利用する必要があります。
すべての論証を演繹的な証明と同じ基準で評価することは適切ではありません。
論証の評価 ― 前提の信頼性と推論の適切さ
論証を評価する際には、少なくとも三つの側面を区別すると便利です。
第一に、提示された前提を受け入れられるか。
第二に、その前提が結論とどのように関係しているか。
第三に、結論を支持するために十分な根拠があるか、ということです。
非形式論理学では、こうした観点を、受容可能性（Acceptability）、関連性（Relevance）、十分性（Sufficiency）として整理する方法があります。
| 評価の観点 | 確認すること |
|---|---|
| 受容可能性 | 前提は事実、信頼できる報告、適切な仮定などに基づいているか |
| 関連性 | その根拠は、問題となっている結論に関係するか |
| 十分性 | 提示された根拠は、結論を支持するために十分か |
例えば、「設備Aの故障が増えている」という事実があったとしても、それだけで更新が必要とは限りません。
故障が軽微で、低費用の調整によって改善できるなら、設備更新の必要性は弱くなるかもしれません。
逆に、故障によって重大な安全上の問題が生じる場合には、更新を支持する根拠が強くなる可能性があります。
ここでは、論証の形式だけでなく、実際の条件に基づいて根拠の重要性を評価する必要があります。
論証スキーム ― よく使われる推論の型
現実の議論では、形式論理学の演繹だけでなく、一定の条件の下では妥当と考えられる推論が多く利用されます。
ウォルトン、クリストファー・リード（Christopher Reed）、ファブリツィオ・マカーニョ（Fabrizio Macagno）は、2008年の著書『Argumentation Schemes』で、日常的・専門的な議論に現れるさまざまな推論の型を整理しました。
これらは論証スキーム（Argumentation Schemes）と呼ばれます。
| 論証スキーム | 典型的な推論 |
|---|---|
| 専門家の意見に基づく論証 | 当該分野の専門家が述べているので、その主張には根拠がある |
| 因果関係に基づく論証 | 原因Aが結果Bを引き起こすので、Aが起こればBが生じる可能性がある |
| アナロジーによる論証 | 類似した事例で成立する関係が、別の事例にも当てはまる可能性がある |
| 結果に基づく論証 | ある行動が望ましい結果を生むので、その行動を選ぶ理由がある |
| 実践的推論 | 目標を達成するために手段Aが必要または有効なので、Aを実施する理由がある |
こうした推論は、必ずしも演繹的に結論が保証されるものではありません。
しかし、だからといってすべてが誤った推論というわけでもありません。
例えば、専門的な判断を行う際に、関連分野の専門家の知識を参考にすることは合理的な場合があります。
ただし、専門家の意見には誤りが含まれる可能性がありますし、専門家の判断が専門領域の外側に及んでいる場合もあります。
そこで重要になるのが、論証スキームに対応する批判的質問（Critical Questions）です。
批判的質問による論証の点検
論証スキームには、それぞれ特有の弱点や成立条件があります。
そのため、推論の型に応じて適切な質問を行うことができます。
例えば、専門家の意見に基づく論証では、次のような点を検討します。
| 批判的質問 | 確認する内容 |
|---|---|
| 専門性 | 発言者は、その主張に関係する領域の専門家か |
| 情報の根拠 | 専門家はどのような情報に基づいて判断したか |
| 他の専門家との関係 | 関連分野で大きな見解の相違はないか |
| 利害関係 | 判断に影響する可能性のある利害が存在するか |
| 適用範囲 | その意見は、現在の問題や条件にも当てはまるか |
ここで重要なのは、「専門家の意見だから正しい」と無条件に受け入れることでも、「権威への訴えだから誤りだ」と一律に否定することでもありません。
専門家の意見が、どのような条件で判断の根拠となるかを検討することです。
同様に、アナロジーによる論証では、類推元と類推先のどの関係が対応しているか、重要な相違点がないかを確認できます。
実践的推論では、提案された手段以外に選択肢が存在しないか、期待する結果が得られるか、望ましくない副作用がないかを調べられます。
このように、論証の型を識別することで、検討するべき質問を具体化できます。
反論にも種類がある
論証分析では、主張を支持する根拠だけでなく、反論の構造を考えることも重要です。
ただし、反論にも異なる種類があります。
例えば、次の論証を考えます。
「設備Aの温度が上昇した時期と不良率の上昇が一致している。したがって、温度上昇が不良増加の原因である可能性が高い」
この論証に対して、いくつかの反論が考えられます。
| 反論の対象 | 反論の例 |
|---|---|
| 前提への反論 | 測定記録を確認すると、温度上昇と不良率の上昇は同時期ではなかった |
| 推論への反論 | 時期が一致していても、因果関係が成立するとは限らない |
| 代替仮説 | 同じ時期に材料ロットが変更されている |
| 結論の範囲への反論 | 温度が一因であっても、主要因と断定することはできない |
これらは、いずれも同じ意味ではありません。
前提が誤っていると指摘する反論と、前提から結論へ進む推論が不十分だと指摘する反論は異なります。
また、別の原因の存在を提案することと、元の原因仮説が完全に誤っていることを証明することも異なります。
複数の要因が同時に作用している可能性もあります。
論証分析では、反論が何を否定し、何を否定していないのかを明確にすることが重要です。
論理的誤謬（Logical Fallacies）
論証分析では、推論に典型的な誤りが含まれていないかを確認することがあります。
このような誤りは、論理的誤謬（Logical Fallacies）として研究されています。
代表的な例を挙げます。
| 誤謬・問題 | 内容 | 例 |
|---|---|---|
| 早まった一般化 | 少数の事例から広い一般結論を導く | 一社で導入に失敗したので、この技術は使えない |
| 偽りの二分法 | 他の選択肢を無視して二択にする | 現行システムを維持するか、全面廃止するか |
| 循環論法 | 結論を前提の中で実質的に仮定する | この方法は優れている。なぜなら最良の方法だからだ |
| 人身攻撃 | 主張の内容ではなく発言者への攻撃によって退ける | あの人は実務経験が浅いので、その指摘は間違いだ |
| 藁人形論法 | 相手の主張を不正確に単純化・変形して反論する | 調査方法の見直しを提案した相手に、情報収集を全廃するつもりだと反論する |
| 相関と因果の混同 | 相関関係から直ちに因果関係を結論する | AI導入後に利益が増えたので、利益増加はAIが原因だ |
ただし、誤謬の名称を当てはめること自体を、論証分析の目的にするべきではありません。
例えば、人身攻撃と呼ばれる表現でも、情報源の信頼性が問題となる場面では、発言者の専門性や利害関係を検討することが必要になる場合があります。
また、限られた事例から推測することが、常に不適切なわけではありません。十分な情報を得られない状況で、暫定的な判断を行う必要もあります。
重要なのは、ある推論がどのような条件で適切かを検討することです。
論証分析の実践例 ― R&Dテーマ探索の提案
研究開発テーマを探索する方法について、次のような主張がなされたとします。
「論文や特許などの情報を大量に収集しても、新しいR&Dテーマの発見につながっていない。したがって、従来の情報収集を中心とする方法に加えて、異分野の技術原理を探索する方法を導入するべきである」
この主張を論証分析してみましょう。
1. 主張と根拠を分ける
| 要素 | 内容 |
|---|---|
| 主張 | 異分野の技術原理を探索する方法を導入するべきである |
| 根拠 | 情報収集を行っていても、新しいR&Dテーマが十分に生まれていない |
| 暗黙の前提1 | 現在の方法だけでは、特定の種類のテーマを発見しにくい可能性がある |
| 暗黙の前提2 | 異分野探索によって、従来とは異なる候補が得られる可能性がある |
| 暗黙の前提3 | 追加の探索方法を導入する費用に見合う価値がある |
| 必要な検証 | 現行方法との比較、候補の質、実行可能性、費用対効果 |
ここでは、異分野探索を追加するべきだという結論が、単一の観察事実だけから必然的に導かれるわけではないことがわかります。
また、新しいR&Dテーマが十分に生まれていないという問題があったとしても、その原因が探索方法にあるとは限りません。
例えば、テーマの評価基準が厳しすぎることや、新しい分野へ投資する経営判断が行われていないことが影響している可能性もあります。
2. 対立する説明を考える
| 仮説 | 考えられる説明 |
|---|---|
| 仮説A | 情報の収集・分析は行われているが、異分野を横断する仮説形成が不足している |
| 仮説B | 新しいテーマは見つかっているが、評価基準によって採用されていない |
| 仮説C | 研究開発の対象領域が狭く制限されている |
| 仮説D | 発見したテーマを実行する技術や組織の能力が不足している |
これらは互いに完全に排他的な仮説ではありません。
複数の要因が同時に作用している可能性もあります。
したがって、「探索方法を変更すれば問題が解決する」と即断するべきではありません。
3. 検証可能な提案へ変換する
例えば、次のような提案が考えられます。
「現在の情報収集・分析方法を維持しながら、一部の技術課題について異分野探索を試行し、従来方法との間で、発見される候補の種類、新規性、技術的な実現可能性などを比較する」
この提案なら、異分野探索の効果を実際に調べられます。
ただし、探索による成果は課題の設定や評価者の判断に左右されるため、比較条件を適切に設計する必要があります。
論証分析は、このように主張を支持・否定するだけでなく、曖昧な議論を具体的な調査や実験へつなぐためにも利用できます。
論証分析の実践方法
論証分析について、あらゆる文章や議論に適用できる唯一の手順が存在するわけではありません。
ただし、次の活動を区別すると実務で利用しやすくなります。
| 段階 | 作業 | 確認すること |
|---|---|---|
| 1. 主張の特定 | 何を結論として述べているかを明確にする | 結論が曖昧でないか |
| 2. 根拠の抽出 | どの情報が結論を支えているかを整理する | 事実と意見が混同されていないか |
| 3. 推論関係の分析 | 根拠から結論へどう進んでいるかを調べる | 推論の飛躍はないか |
| 4. 暗黙の前提の確認 | 省略されている条件や論拠を考える | その前提は妥当か |
| 5. 根拠の評価 | 出典、信頼性、関連性などを確認する | 十分な証拠があるか |
| 6. 反論の検討 | 別の説明や例外を考える | どの部分が反論によって弱まるか |
| 7. 結論の見直し | 主張の強さや適用範囲を調整する | どこまでの結論を支持できるか |
重要なのは、主張をすべて真か偽かに分けることではありません。
例えば、「ある技術が有望である」という主張については、有望と判断する基準や条件を明確にする必要があります。
技術的な性能が高くても、市場需要が小さい場合があります。
市場が成長していても、競争優位性を確保できない場合があります。
結論が成立する条件を明らかにすることも、論証分析の重要な役割です。
論証分析とロジカルシンキングの違い
論証分析は、ロジカルシンキングと深く関係しています。
しかし、両者は同義ではありません。
ロジカルシンキングは、論理的に考え、情報を整理し、結論を導き、わかりやすく説明するための広い概念です。
一方、論証分析は、主張と根拠の関係を取り出し、その推論を評価する活動に焦点を当てています。
| 観点 | ロジカルシンキング | 論証分析 |
|---|---|---|
| 主な対象 | 思考、問題、情報、説明全般 | 主張、根拠、前提、推論、反論 |
| 主な目的 | 論理的に考え、説明する | 論証の構造と妥当性を明らかにする |
| 代表的な方法 | MECE、ロジックツリー、ピラミッド原則など | トゥールミンモデル、論証マップ、論証スキーム |
| 主な成果 | 整理された考えや説明 | 推論の構造、問題点、検証課題 |
例えば、論理的な説明を作成する際には、ピラミッド原則を使って結論と根拠を整理できます。
一方、その説明に論理の飛躍がないかを調べる際には、論証分析が役立ちます。
ただし、論証分析が正しいことと、その説明が相手に理解されることは別です。
相手の知識や関心、共有されている前提などを考慮する必要があります。
論証分析と批判的思考の関係
論証分析は、批判的思考（Critical Thinking）を構成する重要な活動の一つです。
批判的思考では、情報や主張を無条件に受け入れるのではなく、根拠、前提、推論、代替説明などを検討します。
論証分析は、その中でも、主張と根拠の構造を明示的に扱います。
ただし、批判的思考には、情報源の信頼性、認知バイアス、不確実性、判断基準など、論証の構造だけでは扱いきれない問題も含まれます。
例えば、ある論文の結論が論理的に整っていても、測定方法や標本抽出に問題があれば、その結論の信頼性は低くなる可能性があります。
また、論文の中で引用されているデータが実際には存在しない場合、形式的な推論の評価だけでは問題を発見できないかもしれません。
論証分析は、事実の検証や科学的な評価を代替するものではありません。
論証分析と議論・合意形成
論証分析は、複数の人が意見を交換する場面でも利用できます。
例えば、ある事業への投資について、賛成する人と反対する人がいるとします。
賛成する人は市場の成長性を重視しているかもしれません。
反対する人は投資回収の不確実性を重視しているかもしれません。
この場合、両者が異なる結論へ到達している原因は、必ずしも論理の誤りではありません。
どの情報を重要視しているか、どの程度のリスクを許容するか、何を評価基準としているかが異なる可能性があります。
論証分析によって、それぞれの主張と根拠を整理することはできます。
しかし、その結果から、どちらの価値判断を採用するべきかが自動的に決まるわけではありません。
議論についての理論の一つに、プラグマ・ダイアレクティクス（Pragma-Dialectics）があります。
この理論では、意見の相違を合理的な討論によって扱うための規則や手続きが検討されています。
その中心には、単に自分の立場を押し通すのではなく、相手の立場を正確に理解し、争点となっている主張を理由に基づいて検討するという考え方があります。
論証分析は、議論を勝敗の問題として扱うのではなく、どの点について判断が一致していないかを明確にするためにも有用です。
計算論的論証 ― 支持関係と攻撃関係を扱う
コンピュータ科学では、論証同士の関係を形式的に扱う研究が進められています。
代表的な研究として、ファン・ミン・ズン（Phan Minh Dung）が1995年に提案した抽象論証フレームワーク（Abstract Argumentation Framework）があります。
この枠組みでは、論証の集合と、論証同士の攻撃関係を基本要素として扱います。
例えば、ある論証Aがあり、それに対して論証Bが反論し、さらに論証CがBを攻撃するという関係を考えられます。
重要なのは、個々の論証の内容をすべて解析しなくても、攻撃関係の構造に基づいて、どの論証を受け入れられるかを形式的に検討できることです。
ただし、抽象論証フレームワークは、論証の内容や証拠の信頼性を自動的に評価するものではありません。
また、支持関係を含む枠組みも研究されていますが、基本的なDungの抽象論証フレームワークでは攻撃関係が中心です。
こうした研究は、複数の主張が互いに反論し合うような状況を、計算機で扱うための基礎となっています。
論証マイニング（Argument Mining）
論証マイニングとは、自然言語で記述された文章などから、主張、根拠、論証関係を自動的に抽出する研究分野です。
例えば、新聞記事、論文、報告書、討論記録などから、次のような情報を抽出することが考えられます。
- 何が主張されているか
- どの情報がその主張を支持しているか
- どの主張が別の主張へ反論しているか
- どの前提が暗黙に利用されているか
- どの論証が同じ論点について述べているか
論証マイニングの研究では、文章の中から論証に関係する部分を発見し、それらの役割や関係を分類する方法が検討されてきました。
例えば、マルコ・リッピ（Marco Lippi）とパオロ・トローニ（Paolo Torroni）は、2016年の調査論文で、論証マイニングの手法、応用、研究課題を整理しています。
ただし、文章から主張らしい部分を抽出することと、その主張の根拠が正しいことを確認することは異なります。
また、自然言語では、一つの文章が複数の役割を持つ場合があります。
何が主張で何が根拠なのかも、議論の文脈によって変わることがあります。
そのため、論証マイニングには、単純な文章分類よりも複雑な意味理解が求められる場合があります。
LLMによる論証分析
LLMは、自然言語の文章から主張や根拠を抽出したり、暗黙の前提や反論の候補を提案したりすることができます。
例えば、ある報告書を入力し、主張、根拠、前提、結論、反論を表形式で整理することが考えられます。
また、文章に含まれる複数の論証を取り出し、それらの支持関係や反論関係を図として表すことも考えられます。
| AI支援機能 | 主な処理 |
|---|---|
| 主張の抽出 | 文章から結論や提案を識別する |
| 根拠の抽出 | 各主張を支持する文章やデータを取り出す |
| 暗黙の前提の提案 | 根拠から結論へ進むために必要な前提を考える |
| 推論の分類 | 演繹、帰納、アブダクション、アナロジーなどを識別する |
| 論証マップの作成 | 支持・反論関係を構造化する |
| 代替仮説の生成 | 同じ事実を説明する別の可能性を考える |
| 批判的質問の生成 | 論証の種類に応じた検討課題を示す |
| 証拠の照合 | 主張と元の資料・データを対応づける |
| 説明の再構成 | 主張を支持する理由を明確にして説明し直す |
ただし、LLMによる論証分析には注意が必要です。
例えば、ある文章から暗黙の前提を推測した場合、その前提が実際に著者の意図したものであるとは限りません。
また、LLMが生成した反論が、元の主張を正しく理解したものとは限りません。
AIが文章を説得力のある形へ書き直すことによって、もともと不確かだった推論が、あたかも十分に裏づけられているように見える危険もあります。
したがって、AIによる論証分析では、元の文章に明示されている内容と、AIが推測・生成した内容を区別することが重要です。
AIによる論証分析をどのように記録するか
論証分析を継続的に利用する場合には、分析結果を構造化して保存することが考えられます。
例えば、次のような項目を設けられます。
| 項目 | 内容 |
|---|---|
| 論証ID | 個々の論証を識別する番号 |
| 主張 | 何が結論として述べられているか |
| 根拠 | 主張を支持する情報 |
| 出典 | 元の文書やデータ |
| 論拠・暗黙の前提 | 根拠と主張をつなぐ条件 |
| 推論の種類 | 演繹、帰納、アブダクション、アナロジーなど |
| 支持関係 | 他のどの主張を支持するか |
| 反論関係 | どの主張や推論へ反論するか |
| 未確認事項 | 追加の調査が必要な点 |
| 検証状態 | 確認済み、未確認、反証された可能性がある等 |
さらに、AIが生成した推論と、人間が入力した主張を区別することも考えられます。
例えば、元の資料に記載されている主張は「文書から抽出された主張」として保存します。
一方、AIが推測した暗黙の前提は「推定された前提」、新しく提案した反論は「生成された反論候補」として区別します。
このような区別によって、AIが新たに生成した情報を、元の資料に含まれていた事実として誤認することを防ぎやすくなります。
また、関連する資料が追加されたときに、以前の主張を再評価することも考えられます。
論証分析と知識グラフ
論証マップは、概念マップや知識グラフと似たネットワーク構造として表現できます。
しかし、それぞれが表している関係は異なります。
例えば、知識グラフには「材料Mは耐熱性を持つ」という関係が記録されているかもしれません。
一方、論証マップでは、「材料Mは耐熱性を持つ」という主張に対して、どの実験結果が根拠となっているか、どのような反証や条件が存在するかを表現します。
| 表現方法 | 主に扱う関係 |
|---|---|
| 概念マップ | 概念間の意味的な関係 |
| 知識グラフ | 対象や事実についての構造化された関係 |
| 論証マップ | 主張、根拠、支持、反論、推論の関係 |
例えば、ある論文が「材料Mは高温環境で安定している」と報告し、別の論文が「特定の環境では劣化が生じる」と報告しているとします。
一般的な概念間の関係だけを記録すると、両者の違いが曖昧になる可能性があります。
論証分析では、どの条件で、どのような根拠に基づいて、それぞれの主張が成立しているのかを扱えます。
このような考え方は、異なる文献から抽出された主張を比較し、矛盾や未確認事項を把握する際にも有用です。
ただし、二つの主張が異なっていることと、必ずしも互いに矛盾していることは同じではありません。条件や対象が異なれば、両方が成立する場合もあります。
論証分析の限界
論証分析は有用ですが、それだけで正しい判断が得られるわけではありません。
第一に、推論の構造が明確であっても、根拠となる情報が誤っている可能性があります。論証分析は、事実確認や実験を代替しません。
第二に、文章に含まれる主張や前提が必ずしも明確ではありません。分析者によって異なる解釈が生まれる場合があります。
第三に、どの根拠を十分と考えるかは、問題の性質によって変わります。数学的な証明、研究開発の仮説、経営判断では、求められる確実性が異なります。
第四に、論証を形式的に整理することで、文脈や発言者の意図が失われる場合があります。
第五に、根拠と反論を大量に整理しても、どの判断を採用するべきかが自動的に決まるわけではありません。価値判断、リスク許容度、費用、組織上の制約などが関係します。
第六に、論証分析を相手の誤りを見つけるためだけに利用すると、議論や共同作業が難しくなる場合があります。
論証分析は、自分自身の主張に対しても同じように適用する必要があります。
論証の構造を明確にすることは、判断の質を改善するための一つの条件ですが、それ自体が結論の正しさを保証するものではありません。
ThinkNaviでの位置づけ
ThinkNaviでは、論証分析を、ロジカルシンキングや批判的思考を具体的な作業として支援する方法に位置づけます。
MECEやロジックツリーは、情報や問題を整理するために有用です。
一方、論証分析では、整理された情報がどのように結論を支持しているのかを扱います。
例えば、複数の文献や報告書から、ある技術についての主張を抽出し、その根拠と前提を整理することが考えられます。
ThinkNavi Freeでは、主張、根拠、論拠、反論などを手入力し、論証構造を整理するワークシートや論証マップ作成機能などが考えられます。
LLM活用版では、文章からの論証構造の抽出、暗黙の前提の提案、論証の種類の識別、批判的質問の生成、対立する主張の整理などが開発候補になります。
さらに、複数の文書を対象とする場合には、同じ論点について異なる主張を比較し、どのような根拠によって支持されているかを検討する仕組みも考えられます。
例えば、ある技術の将来性について、学術論文、特許、企業の発表、業界レポートなどが異なる見解を示している場合、それらの主張と根拠を区別して整理できます。
また、ConceptMiner R&Dのように技術情報から仮説を探索するシステムでは、生成された仮説にどのような根拠が存在するか、どの部分が新しい推測なのか、どのような反論が考えられるかを記録することが重要になります。
この場合、技術要素、仮説、根拠資料、反論、検証結果などの関係を構造化することによって、仮説がどのような情報から生まれ、どの程度検討されているかを追跡できる可能性があります。
ただし、論証分析によって得られる支持関係は、技術的な成立を証明するものではありません。実現可能性については、専門的な調査や実験が必要です。
また、論証分析で扱う支持・反論関係と、GNGなどで得られる特徴空間上の類似性は異なります。両者を組み合わせる場合には、それぞれが表している関係を区別する必要があります。
これらは今後の開発可能性を示すものであり、現在すべての機能が提供されていることを意味しません。
論証分析をシステム化する目的は、人間の議論を形式的なルールへ完全に置き換えることではありません。
主張を支える理由、暗黙の前提、反論の可能性を見えるようにし、必要な情報を追加しながら判断を改善できるようにすることです。
論証分析は、何が主張されているかだけでなく、なぜそう考えられているのかを明らかにする方法です。自分や他者の推論を検討し、不確かな部分を発見し、次に何を調べるべきかを考えるための道具として利用できます。
関連ページ
- ロジカルシンキングとは ― 論理的に考え、筋道を説明し、相手の理解につなげる
- 批判的思考｜主張と根拠を吟味する
- 帰納法・演繹法・アブダクション ― 観察から規則性を発見し、新しい仮説を生み出す
- 科学的方法と反証可能性 ― 仮説を生み出し、批判的に検証する
- 問題構造化とは ― 問題を分解し、関係を明らかにして解決への道筋をつくる
- ロジックツリー・イシューツリーとは ― 問題を分解し、答えるべき問いを明らかにする
- MECE — Logical Thinking Through Mutually Exclusive and Collectively Exhaustive Classification, and Its Limitations
- 根本原因分析（RCA）― 問題が発生する仕組みを解明し、再発を防ぐ
- 概念マップとは ― 概念間の関係を表現し、知識の構造を理解する
- アナロジー（類推）とは ― 異なる領域の知識を結びつけ、新しい発想と仮説を生み出す
- 構造写像理論｜異なる対象の関係構造を対応づけ、新しい推論を生み出す
- 認識論｜私たちは何を、どのように知るのか
- 認知バイアス
- 意思決定マトリクス
- デザイン思考とは ― 人間中心の問題発見から発想・試作・検証へ
- 概念調査
参考文献・関連資料
- Stanford Encyclopedia of Philosophy — Argument and Argumentation
- Stanford Encyclopedia of Philosophy — Informal Logic
- Stephen E. Toulmin, The Uses of Argument, Cambridge University Press, 1958.
- Purdue Online Writing Lab — Toulmin Argument
- Douglas Walton, Christopher Reed, and Fabrizio Macagno, Argumentation Schemes, Cambridge University Press, 2008.
- Frans H. van Eemeren and Rob Grootendorst, A Systematic Theory of Argumentation: The Pragma-Dialectical Approach, Cambridge University Press, 2004.
- Ralph H. Johnson and J. Anthony Blair, Logical Self-Defense, McGraw-Hill Ryerson, 1977.
- Trudy Govier, A Practical Study of Argument, Wadsworth, 2010.
- Douglas N. Walton, Fundamentals of Critical Argumentation, Cambridge University Press, 2006.
- Phan Minh Dung, “On the Acceptability of Arguments and Its Fundamental Role in Nonmonotonic Reasoning, Logic Programming and N-Person Games,” Artificial Intelligence, 77(2), 1995, pp. 321–357.
- Philippe Besnard and Anthony Hunter, Elements of Argumentation, MIT Press, 2008.
- Marco Lippi and Paolo Torroni, “Argumentation Mining: State of the Art and Emerging Trends,” ACM Transactions on Internet Technology, 16(2), 2016.
- Chris Reed and Glenn Rowe, “Araucaria: Software for Argument Analysis, Diagramming and Representation,” International Journal on Artificial Intelligence Tools, 13(4), 2004, pp. 961–979.
- Purdue Online Writing Lab — Organizing Your Argument