目次
- 話せばわかるは幻想なのか？ 今井むつみ氏が語る「伝わらない」本当の理由
- なぜ部下に話が伝わらないのか？ 上司と部下のズレを生む認知の違い
- AI時代にコミュニケーションはどう変わる？ 多様な価値観の中で必要な対話とは
話せばわかるは幻想なのか？ 今井むつみ氏が語る「伝わらない」本当の理由
- ✅ 人は言葉をそのまま受け取っているのではなく、経験からできた「スキーマ」を通して意味を補いながら理解しています。
- ✅ そのスキーマは人によって違うため、同じ言葉でも同じ意味では届かず、「話せばわかる」が簡単には成立しません。
- ✅ 言葉は世界の一部だけを切り取る記号なので、伝える側が思う以上に情報は省略されており、理解には前提の共有が欠かせません。
このテーマでは、認知科学と言語研究の立場から、なぜ人に説明しても話がうまく伝わらないのかが整理されていました。認知科学者・今井むつみ氏は、「話せばわかる」は半分正しくて、半分は危うい考え方だと示しています。かんたんに言うと、人は言葉だけで理解しているのではなく、これまでの経験から形づくられた「スキーマ」という暗黙の知識の枠組みを使って、足りない情報を自分で補いながら意味を作っているという話です。
私は、言葉を聞けばそのまま理解できるわけではないと考えています。実際には、聞いた側が自分の中にある知識の枠組みを使って、足りない部分を埋めながら理解しています。つまり、会話は言葉だけで完結しているのではなく、聞き手の経験や前提に大きく支えられています。
そのため、同じ表現を使っても、受け取る意味がずれるのは自然なことです。うまく伝わらない場面があっても、それは能力が低いからというより、持っている枠組みが違うからです。まずはその前提を持つことが大切だと思っています。
言葉だけでは、意味は完成しない
番組で今井氏が繰り返していたのは、言語そのものがとても「痩せた情報」だという点でした。映像や実体験と比べると、言葉は現実の豊かな情報の大半を落として、一部だけを記号として切り出しています。つまり、言葉は便利ではあるものの、それだけで十分に伝わる仕組みにはなっていません。ここがポイントです。聞き手は不足した部分を自分の中の知識で補わないと、そもそも理解そのものが成立しないのです。
私は、言葉が万能だとは思っていません。言葉は現実の一部を切り取った記号にすぎないので、それだけを受け取っても、相手が見ている世界まではそのまま届きません。だから、会話ではいつも補完が起きています。
その補完をしているのが、経験の中で作られた暗黙の知識です。自分では意識していなくても、その枠組みを通して相手の言葉を解釈しています。ですから、理解のズレは例外ではなく、むしろ普通に起こるものです。
スキーマが違えば、同じ言葉でもずれる
今井氏は、スキーマは教え込まれてできるものではなく、自分の経験を通して形づくられると説明しています。そのため、同じ日本語を使っていても、持っている前提が違えば、言葉の意味の取り方も変わります。番組では、言語ごとに世界の切り取り方が違う話に加えて、日本語話者同士でも立場や経験によって見えている世界がずれている可能性が高いと語られていました。つまり、「同じ言語だから伝わるはず」という感覚は、かなり危ういものなのです。
私は、伝わらないことを悲観しすぎる必要はないと思っています。むしろ、最初から完全には一致しないものだと知っているほうが、対話は丁寧になります。相手がどんな前提で聞いているのかを確かめながら進めることが、理解への近道です。
話せばすべてわかる、というよりも、違いを前提に言葉を重ねていく。その姿勢がないと、同じ言葉を何度繰り返しても、すれ違いは解消しにくいままです。
このテーマが示していたのは、伝わらない原因を「説明不足」だけで片づけない視点です。言葉はそもそも省略の多い道具であり、理解は聞き手のスキーマによって完成します。つまり、会話のズレは失敗ではなく、対話の出発点でもあります。次のテーマでは、この考え方を職場の場面に移しながら、なぜ上司と部下のあいだで話が噛み合わなくなるのかが具体的に掘り下げられていきます。
なぜ部下に話が伝わらないのか？ 上司と部下のズレを生む認知の違い
- ✅ 上司と部下は見ている範囲がそもそも違うため、同じ言葉を使っても話が噛み合わないのは自然なことです。
- ✅ 「結論ファースト」は便利な場面もありますが、結論だけでは感情や思考の過程が抜け落ちて、本当の意味では伝わらないことがあります。
- ✅ 部下に伝わらない問題は、説明の技術だけでなく、立場の違いによる「前提のズレ」をどう埋めるかが大きなポイントになります。
このテーマでは、職場でよく起きる「何度説明しても部下に伝わらない」という悩みが、単なる話し方の問題ではなく、上司と部下が見ている世界の違いから生まれていることが語られていました。今井氏は、キャリアの浅い部下はまず自分のタスクや自分がどう動くかに関心が向きやすい一方で、上司は部署や会社全体を見ながら判断していると説明しています。つまり、同じ会議にいても、頭の中で切り取っている範囲が違うのです。その前提に立てば、話が噛み合わないのは珍しいことではなく、むしろ起こって当然のこととして見えてきます。
私は、上司と部下の会話がうまくいかないのは、どちらかの理解力が足りないからだとは思っていません。立場が違えば、まず見ている範囲が違います。自分の仕事を確実に回したい立場と、部署や組織全体を見ながら動く立場では、同じ言葉を聞いても重みづけが変わってきます。
ですから、話が噛み合わない場面があっても、それは異常ではありません。相手がどこを見ているのか、自分はどの前提で話しているのかを確かめないまま進めてしまうと、言葉だけが空回りしてしまいます。まずは、そのズレが自然に起こるものだと受け止めることが大切です。
上司と部下は、同じ景色を見ていない
番組で印象的だったのは、上司と部下では「世界の切り取り方」が違うという話です。これは言い換えると、同じ出来事を見ていても、何を重要と感じるかが違うということでもあります。部下は自分の作業や目の前の判断に意識が向きやすく、上司はその判断が部署全体や会社全体にどう影響するかまで含めて考えています。かんたんに言うと、地図の縮尺が違うのです。縮尺が違えば、同じ言葉でも受け取る意味は変わります。ここが見えていないと、上司は「なぜ全体が見えないのか」と感じ、部下は「なぜ自分の事情をわかってくれないのか」と感じやすくなります。
私は、相手に全体像が見えていないと感じたときほど、説明を足すだけでは足りないと思っています。なぜその判断が必要なのか、どの範囲まで見て話しているのか、その背景を一緒に渡さないと、相手は自分の持ち場の中でしか受け取れません。
逆に言えば、部下の側にも、上司が自分を見ていないのではなく、もっと広い範囲を同時に見ている可能性があります。その違いがわかるだけでも、会話の受け止め方はかなり変わるはずです。
結論だけでは、思考の道筋が見えない
もう一つ大きなポイントとして扱われていたのが、「結論ファースト」への見方です。ビジネスでは結論から話すことが重視されやすいですが、今井氏は結論だけを先に置けば十分という考え方には慎重でした。なぜなら、結論だけを伝えると、その下にある認知のプロセス、つまりどう考えてそこに至ったのかという道筋が抜け落ちてしまうからです。しかも人間は感情を切り離せない存在なので、結論だけが強くぶつかると、相手のもともとのスキーマと衝突して、そこから先に進めなくなることもあります。つまり、伝達を速くするための型が、かえって理解を浅くしてしまうことがあるのです。
私は、結論を伝えること自体を否定しているわけではありません。ただ、結論だけでは、その人がどう考えてその判断に至ったのかが見えません。そこが見えなければ、本当の意味で納得したり、理解したりするのは難しいと思っています。
人は感情を抜きにして判断しているわけではありません。だからこそ、言葉の背景にあるニュアンスや迷い、考えの流れまで含めて示すことで、はじめて相手は受け止めやすくなります。急いで要点だけを渡すより、少し遠回りでも道筋を見せるほうが、結果として伝わることは多いです。
このテーマでは、職場のすれ違いを「話し方のコツ」で片づけない視点が示されていました。上司と部下では、役割も関心も見ている範囲も違います。そのうえ、結論だけを急いで渡すと、考えの流れや感情のニュアンスが抜け落ちやすくなります。つまり、部下に話が伝わらない問題は、相手に合わせて前提を補い、道筋まで見せられるかどうかにかかっています。次のテーマでは、このズレがさらに広がるAI時代に、人間のコミュニケーションがどう変わっていくのかが見えてきます。
AI時代にコミュニケーションはどう変わる？ 多様な価値観の中で必要な対話とは
- ✅ 価値観が多様になること自体は前向きな変化ですが、そのぶん「前提が同じはず」という思い込みは通用しにくくなっています。
- ✅ AIが広がる時代ほど、人間の感情や倫理観、そして「相手を人として見る視点」がいっそう重要になります。
- ✅ 多様な視点を取り入れた対話や設計をしないと、便利な仕組みほど一部の人を置き去りにしてしまう危険があります。
このテーマでは、ここまでの「伝わらない理由」の話が、いまの社会全体の変化とどうつながっているのかが広げられていました。番組では、同じ会社で長く働く人が減り、異なる業界や背景を持つ人が交わる場面が増えているため、共通の前提が弱くなっているという問題意識が示されています。さらに、生成AIの普及によって、便利さだけでは答えが出ない判断、たとえば倫理とビジネスがぶつかる場面がこれから増えるのではないか、という問いも投げかけられていました。
私は、いまの時代は前提がそろいにくくなっていると感じています。以前よりも、違う経験をしてきた人たちが一緒に働いたり、同じ場で判断したりすることが増えています。ですから、同じ言葉を使っていても、そこに乗っている意味がずれていることは珍しくありません。
しかも、これからは便利だから進めればいい、というだけでは済まない場面が増えていくはずです。生成AIのような技術が広がるほど、何ができるかだけではなく、何をしてよいのかを考える必要が出てきます。私は、そのときにこそ対話の質が問われると思っています。
多様性が進むほど、「わかるはず」は危うくなる
今井氏は、価値が多様になっていること自体は現代の大きな特徴であり、基本的には良いことだと捉えています。なぜなら、いろいろな意見があることで、一つの狭い視点に閉じこもりにくくなり、大きな見落としにも気づきやすくなるからです。つまり、多様性は単なる聞こえの良い言葉ではなく、思考の偏りを防ぐための重要な条件でもあるということです。
私は、多様であることは面倒なことではなく、むしろ必要なことだと思っています。一つの視点だけで物事を見ると、大きな穴に気づけないまま進んでしまうことがあります。違う立場の人がいるからこそ、見落としていた問題が見えてきます。
ただその一方で、多様な人が集まるほど、最初から前提が通じるとは考えにくくなります。だからこそ、「これくらい言えば伝わるはず」と思い込まずに、少しずつ土台をそろえる対話が必要になります。ここを怠ると、便利な言葉だけが先に走ってしまいます。
便利な設計ほど、置き去りにされる人が見えにくい
番組では、多様な視点が欠けたままプロジェクトやプロダクトを作ることの危うさも具体的に語られていました。たとえば、ある年代や性別、ある業界の感覚だけで設計を進めると、それ以外の人の困りごとが見えにくくなります。今井氏は、高齢者が急速なデジタル化についていけず負担を感じている例を挙げながら、システムを作る側がそうした感覚をどれだけ想像できているのかを問いかけています。つまり、技術の問題に見えることでも、根本には「誰の視点で世界を切り取っているのか」というコミュニケーションの問題があるのです。
私は、便利なものを作ること自体に反対しているわけではありません。ただ、便利さは誰にとっての便利さなのかを考えないまま進めると、使えない人、ついていけない人が見えなくなってしまいます。
たとえばデジタルに慣れた人にとって自然な設計でも、そうではない人にとっては大きな負担になります。ですから、対話の相手を増やすこと、違う前提を持つ人を中に入れることがとても大切です。そうすることで、はじめて本当に使いやすいものに近づいていくのだと思います。
AI時代に残るのは、人を人として見る力
最後に印象的だったのは、AIと人間の違いを考えるうえで、今井氏が感情や倫理の問題を重視していた点です。番組では、人間は感情を抜きにして生きられない存在であり、そこがAIとの大きな違いの一つではないかと語られていました。また、多様だから何でもばらばらでよいわけではなく、最終的には倫理観や道徳のような、人を人として扱うための基盤が必要になるとも述べています。ここで言う倫理や道徳は、難しい教科書の話というより、「相手も自分と同じ世界の一員として扱う」という、ごく基本的な態度に近いものです。
私は、AIが広がる時代ほど、人間に何が残るのかを考える必要があると思っています。計算や整理の力だけで比べるのではなく、人が相手をどう見るのか、どう扱うのかという部分が、ますます大切になるはずです。
結局のところ、相手を単なる機能や役割としてではなく、自分と同じようにこの世界で生きている存在として見ることが、対話の土台になります。そうした土台があってこそ、多様な価値観の中でも安心して話し合える関係が生まれます。私は、これがAI時代のコミュニケーションでいちばん大事なことではないかと思っています。
このテーマでは、伝わらない問題が個人の会話術だけではなく、社会の前提そのものが揺れていることと結びついている点が見えてきました。価値観が多様になるほど、共通理解は自動では生まれません。AIが広がるほど、便利さだけでは測れない判断も増えていきます。だからこそ、違う前提を持つ相手と丁寧に土台を合わせながら、人を人として扱う姿勢がこれまで以上に重要になります。ここまでの3テーマを通して、この動画が伝えていたのは「うまく話す技術」よりも、まず伝わらなさを前提にして対話を組み立て直す視点だったと言えそうです。
出典
本記事は、YouTube番組「【何度も説明しても話が伝わらない理由】認知科学と言語の第一人者・今井むつみ／結論ファーストはNG／話せばわかるは幻想なのか？／なぜ部下に話が伝わらないのか？」（PIVOT 公式チャンネル）の内容をもとに要約しています。
読後のひと考察──事実と背景から見えてくるもの
同じ言葉でもズレるのはなぜか。認知心理学・組織研究・公的統計・国際機関の原則・査読論文を照合し、対話の条件を検討します。職場の上下関係やAIの介在で前提が見えにくくなる点も、標準化手順やリスク管理の実例から整理します。
問題設定／問いの明確化
「伝えたのに伝わらない」という出来事は、相手の能力不足として片づけられがちです。しかし研究の蓄積を見ると、理解とは“言葉を受け取る作業”というより、“手がかりから意味を組み立てる作業”に近いと整理されています［1,2］。
この前提に立つと、ズレは例外ではなく、むしろ通常運転として扱うほうが現実的です。課題は「ズレをゼロにする」ことではなく、ズレが生じたときに早く発見し、修復できる設計を用意できるかに移ります［3］。
定義と前提の整理
読解研究では、背景知識の枠組み（スキーマ）が理解を導くという説明が古くから示されています［1］。同じ文章でも、何を“当たり前”として補うかは人によって異なり、補い方の差が結論の差になります。
文章理解のモデルでも、表現から得られる情報だけでなく、関連知識の活性化や推論によって状況の表象（いわゆる状況モデル）が形成されるとされます［2］。つまり、言葉は情報の全量を運ぶ道具ではなく、足りない部分は受け手側の知識で埋められます。
会話の研究では、相互理解は「共通の前提（common ground）」を更新していく協同作業だと整理されます［3］。この観点では、説明の上手下手よりも、理解確認（言い換え、復唱、補足）を往復させる“手順”が重要になります。
さらに、伝える側の認知バイアスも無視できません。知識を持つ人ほど、知らない人の見え方を過小評価しやすい（いわゆる知識の呪い）ことが実験で示されています［4］。また、人は自分の意図や感情が相手に伝わっていると過大評価しやすい（透明性の錯覚）とも報告されています［5］。どちらも「確認しなくても伝わるはず」という思い込みを強め得ます。
エビデンスの検証
職場のすれ違いは、個人間の誤解というより、チーム内で共有されるべき理解が揃っていない状態としても説明できます。共有メンタルモデルに関するメタ分析では、共有の程度がチームのプロセスや成果と関連すると報告されています［6］。
ただし共有は、命令や根性論では作れません。「分からない」「確認したい」を言える雰囲気が必要です。心理的安全性が学習行動と結びつくという実証研究は、上下関係がある場ほど“質問と訂正”の回路を制度として組み込む必要性を示唆します［7］。
視点取得（相手の立場で理解する試み）は生得的な万能スキルではなく、介入で改善し得る可能性が示されています。たとえばフィードバックが視点取得を改善しうるという研究は、コミュニケーションを「反復可能な訓練対象」として扱う余地を示します［8］。
一方で、多様性が増えるほど前提共有は難しくなります。文化的多様性とチーム成果を扱ったメタ分析では、利益と損失が条件により変わるという整理が提示されており、単純に“多様なら良い／悪い”と決めにくい構造が見えてきます［9］。この点は、対話の設計に「時間・コスト・摩擦」を織り込む必要があることを意味します。
歴史的に高い安全性が求められてきた領域では、すれ違いを個人の注意に任せず、手続きで吸収する工夫が積み上げられてきました。医療の引き継ぎでは、情報の欠落や誤解を減らすための標準化が推奨されています［10］。その具体例として、状況・背景・評価・提案を分ける枠組み（SBAR）が紹介されています［11,12］。
航空分野でも、標準化された言い回しや、読み返し（readback）・聞き返し（hearback）による確認の重要性が繰り返し示されています。たとえば米国の航空当局は、簡潔さを重視しつつも、理解のために必要な言葉は省かないことを含め、通信を安全上の要として扱っています［13］。また、公的報告では、通信エラーの類型としてreadback/hearbackに関わる問題が分析対象として示されています［14］。欧州の安全資料でも、誤った読み返しを訂正し、確実な確認を求める実務上の注意点が整理されています［15］。
デジタル化やAIの普及は、対話の前提をさらに複雑にします。高齢層のインターネット利用機器の内訳を見ると、年齢層によって利用する端末が大きく異なることが示され、設計側の“当たり前”が利用者全体の“当たり前”ではない状況が可視化されます［16］。国際機関も、年齢・教育・所得・地域など多様な軸でデジタル格差が生じ得ると整理しています［17］。そのうえで、高齢者向けのデジタル訓練が格差縮小に重要だという政策提案も示されています［18］。
AIの利用が広がる局面では、「便利さ」だけでなく「誰にとっての便利さか」を問う必要があります。国際機関は、人権や民主的価値と整合する信頼できるAIを掲げ、説明責任や透明性、人間の関与を含む原則を提示しています［19］。米国の標準機関も、AIのリスクを体系的に扱う枠組みを示し、設計・運用・評価を通じた管理を提案しています［20］。国際的な倫理勧告でも、差別や不利益の回避、説明可能性、監督の重要性などが整理されています［21］。
反証・限界・異説
ただし、丁寧さを増やせば常に良いわけでもありません。現場によっては、短時間での意思決定や簡潔な指示が求められ、過度な説明が混乱を招く可能性も指摘されます。この点は、航空当局が「簡潔さ」と「理解」を同時に重視する書きぶりにも表れています［13］。
また、標準化は強力ですが、万能ではありません。標準化の型が「形式の遵守」に置き換わると、肝心の理解確認が形骸化するリスクが残ります。医療向けのガイドでも、階層や遠慮がコミュニケーション障壁になり得ることが言語化されており、手順と文化（言える雰囲気）の両輪が必要だと読めます［12,7］。
倫理面でも緊張関係があります。前提を揃えるほど意思決定は速くなり得ますが、揃え方次第では少数派の経験が「例外」として切り捨てられ、包摂性が下がる可能性があります。AIの文脈では、この緊張がさらに強くなります。特定の属性集団で誤りが増える例が報告されている以上［22］、多数派の前提に合わせた“平均的な最適化”が、別の集団に不利益を生むというパラドックスが残ります［21,20］。
実務・政策・生活への含意
実務で現実的なのは、「伝わる／伝わらない」を二択で裁くより、「理解は仮説」として扱う姿勢です。具体的には、重要な指示ほど復唱・言い換えで確認し、ズレを早期に見つける設計が有効になり得ます［3,15］。
職場では、共有メンタルモデルを“自然に揃うもの”と見なさず、会議・引き継ぎ・レビューに確認の工程を組み込むことが考えられます［6］。あわせて、心理的安全性を高め、質問や訂正が不利益になりにくい運用を整えることが、継続的な改善に近づく可能性があります［7］。
生活や行政サービスの設計では、端末利用の実態やデジタル格差を踏まえ、複線化（紙・窓口・代理手続き等）や支援の整備が重要になります［16,17］。高齢者向けの学習支援は、単なる善意ではなく、社会参加やサービス利用の公平性に関わる基盤として扱われ得ます［18］。
AI導入では、原則・枠組みを掲げるだけでなく、評価・監査・改善の手順に落とし込むことが要点になります［19,20］。さらに、属性による性能差が起こり得るなら［22］、利用者の多様性を前提に、影響評価や救済手段まで含めた設計が求められると考えられています［21］。
まとめ：何が事実として残るか
理解は、言葉そのものよりも、受け手の知識・推論・前提共有の更新によって成立しやすい、というのが研究の基本線です［1,2,3］。また、伝える側は過信しやすく、確認の省略がズレを固定化し得ることが示唆されています［4,5］。
他方で、ズレの修復は不可能ではなく、フィードバックや標準化、復唱などの手順が、誤解の早期発見に寄与し得ます［8,10,15］。ただし、効率化・標準化・包摂性の間には緊張関係が残り、AI時代にはその調整がより重要になります［19,20,21,22］。今後も、対話の“型”と“文化”をセットで点検する姿勢が求められる状況が続くと考えられます。
本記事の事実主張は、本文の［番号］と文末の「出典一覧」を対応させて検証可能としています。
出典一覧
- Anderson, R.C.／Pearson, P.D.（1984）『A Schema-Theoretic View of Basic Processes in Reading Comprehension』 Handbook of Reading Research（Vol.1） 公式ページ
- Kintsch, W.（1988）『The role of knowledge in discourse comprehension: a construction-integration model』 Psychological Review, 95(2) 公式ページ
- Clark, H.H.／Brennan, S.E.（1991）『Grounding in communication』 Perspectives on Socially Shared Cognition（American Psychological Association） 公式ページ
- Camerer, C.／Loewenstein, G.／Weber, M.（1989）『The Curse of Knowledge in Economic Settings: An Experimental Analysis』 Journal of Political Economy, 97(5) 公式ページ
- Gilovich, T.／Savitsky, K.／Medvec, V.H.（1998）『The Illusion of Transparency: Biased Assessments of Others’ Ability to Read One’s Emotional States』 Journal of Personality and Social Psychology, 75(2) 公式ページ
- DeChurch, L.A.／Mesmer-Magnus, J.R.（2010）『Measuring Shared Team Mental Models: A Meta-Analysis』 Group Dynamics: Theory, Research, and Practice, 14(1) 公式ページ
- Edmondson, A.（1999）『Psychological Safety and Learning Behavior in Work Teams』 Administrative Science Quarterly, 44(2) 公式ページ
- Damen, D. ほか（2021）『Lifting the curse of knowing: How feedback improves perspective-taking』 The Quarterly Journal of Experimental Psychology 公式ページ
- Stahl, G.K. ほか（2010）『Unraveling the effects of cultural diversity in teams: A meta-analysis of research on multicultural work groups』 Journal of International Business Studies, 41 公式ページ
- World Health Organization（2007）『Communication During Patient Hand-Overs』 Patient Safety Solutions（Vol.1, Solution 3） 公式ページ
- Institute for Healthcare Improvement（年不詳）『SBAR Tool: Situation-Background-Assessment-Recommendation』 IHI Tools 公式ページ
- NHS Institute for Innovation and Improvement（2010）『SBAR Implementation and Training Guide』 NHS（Safer Care） 公式ページ
- Federal Aviation Administration（年不詳）『Aeronautical Information Manual: Radio Communications Phraseology and Techniques（Section 4-2）』 FAA 公式ページ
- U.S. Department of Transportation／Federal Aviation Administration（1998）『Pilot-Controller Communication Errors: An Analysis of Aviation Safety Reporting System (ASRS) Reports』 DOT/FAA（Final Report） 公式ページ
- EUROCONTROL（2006）『European Action Plan for Air Ground Communications Safety』 EUROCONTROL 公式ページ
- 情報通信研究機構（NICT）（更新年不詳）『60歳以上のインターネット利用機器（総務省「通信利用動向調査」に基づく）』 NICT情報バリアフリー 公式ページ
- OECD（年不詳）『Digital divides』 OECD 公式ページ
- OECD（2024）『Digital skills for seniors』 OECD Policy Brief 公式ページ
- OECD（2019）『OECD AI Principles』 OECD.AI 公式ページ
- NIST（2023）『Artificial Intelligence Risk Management Framework (AI RMF 1.0)』 NIST AI 100-1 公式ページ
- UNESCO（2021）『Recommendation on the Ethics of Artificial Intelligence』 UNESDOC 公式ページ
- Buolamwini, J.／Gebru, T.（2018）『Gender Shades: Intersectional Accuracy Disparities in Commercial Gender Classification』 Proceedings of Machine Learning Research 81（FAT*） 公式ページ
