ノモロジカル・ネットワークと構成概念妥当性
一言で言えば、ノモロジカル・ネットワーク（nomological network）とは、測定したい見えない概念（構成概念、construct）と他の概念との間に「こう関係するはずだ」と事前に張り巡らせた理論的な関係の網である。その関係が実際に観測されたとき、それが妥当性（validity）の証拠となる。
なぜ重要か
「正確性」「信頼性」「ブランド視認性」のような潜在変数（latent variable ＝ 直接観測できない概念）は、それ自体を直接観測することはできない。そこで、どの観測変数がその概念を代替し、他の概念とどう関係するはずかをネットワーク図として描く必要がある。観測された相関が予測と一致すれば、その指標は概念を正しく測っていると言える（Cronbach & Meehl、1955年）。
これがなければ、「指標Xが本当に概念Yを測っているか」に答えることができない。
構成要素
- 構成概念（construct）— 見えない概念。例: 引用忠実性、情報源信頼性。
- 観測変数（observable）— その概念を測る数値。例: 引用率、正確性スコア。
- 関係仮説 — 構成概念Aが上がれば構成概念Bも上がる（正の相関）、あるいはAとBは独立である（A⊥B）、といった予測。
- 収束的妥当性（convergent validity）— 関係するはずの概念が実際に強く相関すること。
- 弁別的妥当性（discriminant validity）— 独立であるはずの概念が実際に相関しないこと。
AI検索評価への適用
12指標のAI検索評価における5つの構成概念（C1–C5）は、次のようなノモロジカル・ネットワークを形成する。
C1 Citation Fidelity ──(+, H1)──► C2 Source Trustworthiness
│ │
│ (+, H2) │ (+, H3)
▼ ▼
C4 Agent Task Completion ◄──(+, H4)── C3 Brand Visibility
▲
│ (+, H6)
C5 Temporal Freshness
30日間のデータ蓄積後（Phase B-2）に、6つの仮説H1–H6と、3つの弁別期待C1⊥C3・C2⊥C4・C5⊥C1をPearson相関で検定する計画である。
Cohen's dおよび評価者間一致度と並び、これが研究レベル評価の三脚を成す。
出典・参考
- Cronbach & Meehl, "Construct validity in psychological tests", Psychological Bulletin 1955 — 論文
- Samuel Messick, "Validity of psychological assessment", American Psychologist 1995 — 論文
- Campbell & Fiske, "Convergent and discriminant validation by the multitrait-multimethod matrix", Psychological Bulletin 1959 — 論文
- 5構成概念の定義（a1-construct-map）— GMO ai-search docs/a1-construct-map-2026-05-29.md — 社内文書