ボディランゲージは、なぜオブジェクト指向なのか

言葉が通じない相手にジェスチャーで伝えるとき、母語の語順が何であれ、人はだいたい同じ順番で身振りをする。それがそのまま、良いUIの原則にもなっている気がする。 When people communicate through gesture alone, they tend to fall into the same order — regardless of their native language's word order. That order turns out to be a design principle in disguise.

🙋Me

→

🍎this

→

😋eat

身振りで伝える「わたしは・これを・食べたい」— 主語・対象・動詞の順

Miming "I want to eat this" — subject, then object, then verb

📄select

→

🗑️delete

GUIで「ファイルを選ぶ → 操作を選ぶ」— 対象・動詞の順

Selecting a file, then choosing an action — object, then verb

ジェスチャーは、いつも「対象」から始まる Gesture Always Starts With the Object

海外旅行先で言葉が通じない相手に何かを伝えようとするとき、あるいは子どもが言葉より先に要求を伝えようとするとき、人は身振りで意思疎通を試みる。「これを食べたい」を身振りで伝えるなら、たいてい自分を指し、次に対象物を指すか持ち上げ、最後に食べる仕草をする——主語・対象・動詞、という順番になる。

When you're abroad and can't share a language with someone, or when a small child wants something before they have the words for it, gesture becomes the fallback. To convey "I want to eat this," people tend to point to themselves, then point to or lift the object, and only then mime eating — subject, then object, then verb.

これは単なる思いつきではなく、実際に確認されている現象だ。心理学者Susan Goldin-Meadowらの研究（Goldin-Meadow et al., 2008）では、英語（SVO）・中国語（SVO）・トルコ語や韓国語、日本語（SOV）など、語順の異なる言語の話者に、身振りだけで出来事を伝えてもらう実験を行った。結果、母語の語順に関わらず、参加者の大多数が「主語→対象→動詞」の順で身振りを組み立てた。声に出す言葉の語順は文化によって違うのに、身振りの語順はかなり普遍的だった、ということになる。

This isn't just a hunch — it's an observed phenomenon. In a study by psychologist Susan Goldin-Meadow and colleagues (Goldin-Meadow et al., 2008), speakers of languages with different word orders — English and Chinese (SVO), Turkish, Korean, and Japanese (SOV) — were asked to describe events using gesture alone. Regardless of their spoken language's word order, the large majority of participants produced gestures in subject–object–verb order. Spoken word order varies by culture; gestural word order, it turns out, is remarkably consistent.

言語がなくても、同じ順序にたどり着く Even Without Language, People Land on the Same Order

興味深いのは、この順序が「すでにある言語をジェスチャーに翻訳した結果」ではなさそうだ、という点だ。手話にも音声言語にも触れる機会がなかった先天性ろうの子どもたちは、しばしば自分だけの身振り言語——ホームサイン（homesign）——を独自に生み出す。Goldin-MeadowとMylanderの研究（Goldin-Meadow & Mylander, 1998）では、互いに接点のないアメリカと中国のホームサインの子どもたちが、教わった言語が何もないにもかかわらず、どちらも「対象→動詞」に近い順序で身振りを組み立てていたことが報告されている。

What's striking is that this order doesn't look like a translation of some existing spoken language into gesture. Deaf children with no exposure to sign language or speech often invent their own gesture systems from scratch, known as "homesign." In a study by Goldin-Meadow and Mylander (1998), homesign-using children growing up independently in the U.S. and in China — with no contact with each other and no shared language to draw on — both converged on a similar object-before-verb ordering anyway.

これは、言語そのものの起源についての仮説とも響き合う。認知心理学者Michael Corballisは、人類の言語はもともと音声ではなく身振りから発展したのではないか、という「ジェスチャー起源説（gestural origins of language）」を提唱している（Corballis, 2002; 2010）。もしそうだとすれば、「対象を示してから、それに対する動作を示す」という順序は、あとから文化が取り決めたルールではなく、身体で意味を組み立てるときの、もっとも根本的な型のひとつなのかもしれない。

This resonates with a broader hypothesis about where language itself came from. Cognitive psychologist Michael Corballis has argued that human language may have originally developed out of gesture rather than speech — the "gestural origins of language" hypothesis (Corballis, 2002; 2010). If that's right, "show the object, then show what happens to it" isn't a convention culture layered onto language after the fact. It may be one of the most basic templates the body uses to construct meaning in the first place.

なぜ「対象が先」なのか Why Does the Object Come First?

推測にはなるが、動詞（何をするか）は、対象（何に対して）が定まって初めて意味を持てるからではないかと思う。「食べる」という身振りだけを最初に見せられても、何を食べるのかが分からなければ相手には伝わらない。逆に、対象を先に示しておけば、そのあとの動作はその対象に紐づけて解釈できる。身振りは、意味を積み上げていく順番そのものが、理解のしやすさに直結しているのだと思う。

This is speculation, but I suspect it's because a verb — an action — only becomes meaningful once its object is established. Miming "eat" on its own, before showing what's being eaten, doesn't communicate much. Show the object first, though, and everything that follows can be interpreted in relation to it. In gesture, the order in which meaning is built seems to be directly tied to how easily it can be understood.

GUIも、実は同じ順序でできている GUIs Are Built the Same Way

この「対象が先、動詞があと」という順番は、実はよくできたユーザーインタフェースの基本原則でもある。ファイルをクリックして選択してから、右クリックで「削除」や「名前を変更」を選ぶ。文章を選択してから、太字にする。写真を選んでから、共有する。——これは「オブジェクト指向（noun-verb）」の操作順序と呼ばれ、初期のコンピュータで主流だった「動詞を先に選び、次に対象を選ぶ（verb-noun）」方式より直感的だとされる。HCI研究者Ben Shneidermanが1983年に提唱した「直接操作（direct manipulation）」の原則も、まさにこの順序を土台にしている。

This "object first, verb second" order is, in fact, a core principle of good interface design. You click a file to select it, then right-click to choose "Delete" or "Rename." You select text, then make it bold. You pick a photo, then share it. This is what HCI calls "noun-verb" interaction — and it's considered more intuitive than the "verb-noun" style that dominated early computing, where you chose a command first and its target second. Ben Shneiderman's foundational 1983 concept of "direct manipulation" is built on exactly this ordering.

面白いのは、オブジェクト指向プログラミングの構文自体にも同じ順序が現れていることだ。object.doSomething()という書き方は、対象を先に書き、そのあとにドットでつないで動詞（メソッド）を続ける。手続き型言語のdoSomething(object)——動詞が先で対象があとに来る書き方——とは、順番がまるで逆になっている。オブジェクト指向という名前は伊達ではなく、その構文にまで「対象が先」という発想が染み込んでいるように見える。

What's interesting is that this same order shows up in the syntax of object-oriented programming itself. Writing object.doSomething() puts the object first, then chains the verb — the method — after a dot. Compare that to the procedural style, doSomething(object), where the verb comes first and the object trails behind. The name "object-oriented" isn't just branding; the object-first instinct seems baked into the syntax itself.

語順が揃っていても、解決しない問題がある Even the Right Word Order Doesn't Solve Everything

ここで一つ、訂正しておきたい。英語で言うなら「Summarize this」「Translate this sentence」のように、AIへの指示はたしかに動詞から始まる命令文になりやすい。英語の命令文は、もともと動詞が先頭に来る形だからだ。けれど日本語の場合は事情が違う。「これを要約して」は、「これ（対象）を、要約して（動詞）」という語順であり、対象はすでに動詞より先に来ている。英語のような「動詞が先」への巻き戻りは、少なくとも語順という点では、日本語にはそのまま当てはまらない。

I need to correct something here. In English, instructions to AI do tend toward verb-first phrasing — "Summarize this," "Translate this sentence" — because English imperatives are verb-initial by construction. Japanese is different, though. "これを要約して" breaks down as "this (object) — summarize (verb)": the object already comes before the verb. The "verb-first" regression I described doesn't actually hold, at least not as a matter of word order, in Japanese.

では日本語なら、音声AIへの指示はすでにジェスチャーやGUIと同じ順序を踏めている、ということになるのか。おそらく、半分だけそうだ。「これ」という語は対象を示しているように見えて、実はまだ何も示していない。ジェスチャーで対象物を指すときや、GUIでファイルをクリックするときは、その瞬間に「対象が何か」が一意に定まる。ところが「これ」は中身の空いたプレースホルダーにすぎず、AI側は文脈や画面の状態から、それが具体的に何を指すのかを別途「解釈」しなければならない。

So does that mean Japanese voice commands already match the order gesture and GUIs use? Only halfway, I think. The word "これ" ("this") looks like it's pointing at an object, but it isn't actually showing anything yet. When a gesture points at something, or a GUI registers a click, the object becomes unambiguous in that instant. "This," by contrast, is an empty placeholder — the AI still has to separately interpret what it refers to, from context or from whatever happens to be on screen.

つまり、語順として対象が先に来ているかどうかとは別に、「対象をひとつに確定させる」というステップそのものが、自然言語の指示には抜け落ちていることが多い。ジェスチャーやGUIで「対象が先」がうまく機能するのは、単に語順の問題ではなく、その一手が実際に対象をひとつに選び取る行為だからだ。だとすれば、良い音声・チャットAIのインタフェースとは、語順を整えることではなく、「これ」が指すものを——たとえば実際に画面上で選ばせることで——最初から一意に確定させる設計なのかもしれない、と思う。

In other words, regardless of whether the object-word lands before or after the verb, natural language often skips the step where the object actually gets pinned down. What makes "object first" so effective in gesture and GUIs isn't the word order itself — it's that the first move is an act of unambiguous selection. If that's the real requirement, a good voice or chat AI interface isn't simply one with the right word order. It's one that resolves what "this" refers to from the start — for instance, by having the user actually select it on screen.

きっと、GUIと言葉を行き来する時代になる We're Heading Toward a Mix of GUI and Language

SVO話者であれSOV話者であれ、GUIを使ってきた人はすでに「対象を選んでから、操作を選ぶ」という順序に十分なじんでいる。ボタンやメニューの言語が英語だろうと日本語だろうと関係なく、クリックという行為そのものが「対象が先」を強制するからだ。GUIは、母語の語順の違いを飛び越えて、ほぼ人類共通のオブジェクト指向の作法を、すでに私たちの手に根づかせている。

Whether someone speaks an SVO language or an SOV one, anyone who's used a GUI has already internalized "select the object, then choose the action." It doesn't matter what language the buttons and menus are written in — the act of clicking itself enforces object-first order. GUIs have quietly planted a nearly universal, language-independent object-oriented habit in all of us, right past whatever word order our native language happens to use.

これから増えていくのは、GUIと自然言語の指示を行ったり来たりしながら操作する場面だろう。ファイルをクリックして選んでから「これを翻訳して」と話しかけたり、逆に話しかけてから画面上で対象を確認したり。気をつけたいのは、GUIで身についた「対象がその場で一意に定まる」という確信と、言葉が持つ、もっとゆるやかな参照のしかたとのあいだに、切り替えるたびの混乱が生まれないようにすることだ。

What's likely to increase from here is the back-and-forth — clicking to select a file, then saying "translate this," or the reverse: speaking first, then confirming the target on screen. What matters is making sure the certainty GUIs have trained into us — that the object is pinned down the instant you select it — doesn't clash with language's looser way of referring to things, creating friction every time you switch between the two.

言葉による指示では、対象の示し方そのものがもっと幅広い。「これ」「それ」「あれ」「どれ」という、こそあど言葉は、話し手・聞き手・画面のどこに対象があるかによって使い分けられる、地味に入り組んだ参照のしくみだ。さらに「昨日のファイル」「先週編集したやつ」のような、時間を手がかりにした参照もある。これはジェスチャーのような空間的な指差しとはまったく違い、時系列をさかのぼって対象を絞り込むという、また別種の「特定作業」を要求する。

Language-based reference is far more varied than a single pointing gesture. Japanese demonstratives — これ/それ/あれ/どれ ("this/that/that one over there/which") — form a quietly intricate system that shifts depending on where the object sits relative to speaker, listener, and screen. Then there's reference by time — "yesterday's file," "the one I edited last week" — which isn't spatial pointing at all. It asks the system to search backward across a timeline and narrow things down: an entirely different kind of identifying work.

だとすれば、これから求められるインタフェースは、クリックのような一瞬で確定する指差しと、こそあどや時間参照のような、幅のある言葉での特定作業とを、同じ土俵の上でシームレスに扱えるものなのだと思う。「対象が先」というジェスチャー由来の型を大切にしながら、その対象をどう確定させるかについては、画面上で選んでもいいし、言葉で絞り込んでもいい——そのどちらを選んでも迷わずに済む設計を、これから考えていきたい。