クラフトとは何か

クラフトとは何か

社会学者リチャード・セネットは、職人技（クラフツマンシップ）を「仕事そのもののために、その仕事をうまくやろうとする、持続的で根本的な人間の衝動」と定義しました。[1] 見ている人がいなくても、結果物に表れなくても、うまくやろうとすること。クラフトとは特定の技術ではなく、品質に対する態度です。

「自分にはわかる」——この一言が、セネットの定義を代表できるでしょう。

クラフトは、リスクのあるところに存在する

家具デザインの理論家デイヴィッド・パイは、「リスクの作業（workmanship of risk）」と「確実性の作業（workmanship of certainty）」を区別しました。[2] 手で鉋（かんな）をかければ、結果は一瞬ごとに作業者の判断にかかっており、工場のプレスで打ち抜けば、結果は機械によって保証されます。クラフトは前者、つまり結果が一瞬ごとの判断と熟練に依存する作業から生まれます。

この区別が重要なのは、技術がある作業を「確実性の作業」に変えるたびに、クラフトの位置が移動するからです。鉋がけが自動化されると、クラフトは消えるのではなく、「どの木を選ぶか、どんな形であるべきか」という上流の判断へと上がっていきます。

クラフトの本体は、言語化されていない知識である

哲学者マイケル・ポランニーは、「私たちは語ることができる以上のことを知っている」という言葉で、暗黙知（tacit knowledge）という概念を残しました。[3] 人間の経験と知識は、つねに言語へ完全に移し替えられるわけではない、という意味です。

職人とは、マニュアルに従う人ではなく、マニュアルに書けないものを知っている人です。一万回の反復がつくるのは、作業の速さではなく、「何かおかしい」と感じる感覚です。だからこそクラフトの核心的な能力は、つくることではなく見分けること——良いものと、もっともらしいものを識別する眼です。

クラフトの完成は、抑制にある

工芸の頂点に、朝鮮白磁があります。単純な線と白い光だけなのに、私たちは白磁に普遍的な美しさを感じます。ピカソのような偉大な画家の絵は、年を重ねるほど単純になっていく傾向があります。数え切れない試みの果てに知るのは、何を加えるかではなく、何を引くかです。初心者はできることをすべてやり、職人はやらないことを知っています。

よくできたものは、滑らかであるがゆえに簡単に見えます。しかしその中には、無数の熟慮と決定、経験が圧縮されています。クラフトとは、結果物には見えない判断の総和です。

AIの登場以降、あらゆる産業が、代替されるものと残されるものについて語っています。鉋がけは急速に自動化されています。しかしパイの区別をもう一度思い出せば、自動化のあとに上流の判断を下せる人は、結局のところ鉋がけをやってみた人です。良いものと、もっともらしいものを識別する眼は、身体に積み重なった感覚から生まれるからです。だから逆説的に、今こそクラフトを語るのに最も良い時点だと思います。

そして、私がこの15年間見てきたリサーチ業界は、この話がとりわけよく当てはまる分野です。

リサーチのクラフトとは何か

見えなくても、積み上げてきたものにある

粗末に見える椅子には、誰も座りません。危険なのは、まともに見えるのにネジが抜けている椅子です。リサーチも同じです。データがあれば回答率も出て、チャートも描かれ、レポートも仕上がります。結果物だけを見て、良いリサーチと悪いリサーチを見分けるのは難しいのです。

逆に言えば、良いリサーチの品質もまた、見えないところに積み重なっているということです。問題を定義し、単語を選び、解釈の線を引く、大小の判断。これらの判断は理論からではなく、肩越しに、プロジェクトを重ねながら身につけた感覚から生まれます。言い換えれば、リサーチにはいまだ文書化されていない暗黙知が多い、ということでもあります。

これが、リサーチにおいてクラフトが重要な理由であり、同時にクラフトを語ることが難しい理由でもあります。

問題定義のクラフト——問題を正しく定義すること

統計学者ジョン・テューキーの有名な言葉があります。「正確に定義できる誤った問いへの厳密な答えよりも、しばしば曖昧な、正しい問いへの近似的な答えのほうがはるかに良い。」[4] リサーチの最大の失敗は、誤った答えではなく、誤った問いへの正確な答えです。

「この広告は良いか」を問うべきときと、「この広告を覚えているか」を問うべきときを区別すること。データを依頼した人が持ってきた問いの裏に隠れた、本当の意思決定は何なのかを問い返すこと。この問題定義の力量こそが暗黙知の領域であり、長いプロジェクト経験を通じてのみ養われます。

設計のクラフト——単語一つの重みを知ること

アンケート設計は、定義された問題を質問に変える仕事であると同時に、回答者の頭の中で起こることを前もってシミュレーションする仕事です。

単語一つが結果を変えます。Pew Research Centerの実験では、地域に「仕事（jobs）」が十分あるかと尋ねたときは60%がそうだと答えましたが、「良い仕事（good jobs）」が十分あるかと尋ねたときは48%に下がりました。[5] 同じ政策でも「禁止すべきか」と問うときと「許可すべきか」と問うときで回答が変わるという事実は、アンケート方法論で数十年にわたり検証されてきた古典的な現象です。[6]

質問の順序が生むプライミング、選択肢がそれとなく示唆する「正常範囲」、回答者の疲労がデータを汚染し始める地点。アンケートを設計する人は、これらすべてを前もって見通さなければなりません。良いアンケートが短いのは、誠意がないからではなく、削れるものをすべて削ったからです。

解釈のクラフト——データが語らないことと、語ることを知ること

数字を読む能力ではなく、数字の限界を知る能力です。この標本で語れる部分についての認識、統計的には有意でも実務的には無意味な差、回答者が言ったことと実際にすることの間の隔たりを知ることです。

解釈の失敗には二種類あります。データが語らないことまで語る誇張と、データが語ることを語らない回避です。良いリサーチャーは、その間でデータが語ることを理解し、データの活用者がより良い判断を下せるように通訳しなければなりません。これは、単にレポートを書いて読む人に判断を委ねるよりも、はるかに多くの力量を必要とします。

責任のクラフト——回答者を忘れないこと

データの向こう側には、貴重な時間を割いてくれた「人」がいます。良いリサーチャーは、回答者の時間を尊重するアンケートの長さ、答えられる質問だけを問う礼儀、回答体験そのものの品質を考えます。

これは倫理であると同時に、良いデータを得るための方法論でもあります。退屈し、疲れた回答者は、人であるがゆえに不正確な答えを残すことがあります。もちろん、回答者に配慮しなくてもデータは収集されます。ただ、そのデータが信頼できる答えになってくれるかは別の問題です。

信頼できる答えと、もっともらしい答え

ここまでの話をつなげてみれば、リサーチのクラフトとは、良い答えをつくる技術を超えて、信頼できる答えと、もっともらしい答えを見分ける能力であるように思います。そしてその能力は、品質に対する態度から生まれます。レポートに表れなくても単語を選び、回答者に直接会わなくてもその人のために設計する——「自分にはわかる」という態度です。

次のアティクルに移る前に、はっきりさせておきたいことがあります。私が語っているクラフトは、古い方法に固執することではありません。技術が自動化されたときにクラフトが上流へ上がったように、道具が変わっても守るべきものは、方法ではなく基準です。新しい技術を受け入れながら基準を守ること。私は、それこそが道具を自らつくる人々に最もよくできることだと信じています。

オープンサーベイは、アルチザンが積み上げた経験と感覚を、誰もが使える道具へと移す仕事をしています。クラフトとは結果物には見えない判断の総和だと書きました。だとすれば、クラフトを語るということは、その見えない判断を見えるようにする仕事でしょう。Craft of Researchでは、リサーチと、リサーチのための道具をつくる過程の、無数の決定を記録し、公開していきます。

次の記事では、この問いを扱おうと思います。リサーチのクラフトは、これからどこへ移動するのでしょうか。他の産業に、その手がかりを探してみます。

参考文献

[1] Richard Sennett, The Craftsman, Yale University Press, 2008. 原文は "Craftsmanship names an enduring, basic human impulse, the desire to do a job well for its own sake."（原書9頁）
[2] David Pye, The Nature and Art of Workmanship, Cambridge University Press, 1968. 「リスクの作業」と「確実性の作業」の区別は、本書第1章で提示されています。
[3] Michael Polanyi, The Tacit Dimension, Doubleday, 1966. 原文は "We can know more than we can tell."（原書4頁）
[4] John W. Tukey, "The Future of Data Analysis," The Annals of Mathematical Statistics, 33(1), 1962. 原文は "Far better an approximate answer to the right question, which is often vague, than an exact answer to the wrong question, which can always be made precise."（13〜14頁）
[5] Adam Hughes & Bradley Jones, "'Good jobs' vs. 'jobs': Survey experiments can measure the effects of question wording – and more," Pew Research Center, 2019年1月29日. https://www.pewresearch.org/short-reads/2019/01/29/good-jobs-vs-jobs-survey-experiments-can-measure-the-effects-of-question-wording-and-more/ （仕事60%対良い仕事48%）
[6] いわゆる forbid/allow の非対称性。最初の実験: Donald Rugg, "Experiments in Wording Questions: II," Public Opinion Quarterly, 5(1), 1941. メタ分析: Bregje Holleman, "Wording Effects in Survey Research: Using Meta-Analysis to Explain the Forbid/Allow Asymmetry," Journal of Quantitative Linguistics, 6(1), 1999.