本研究は，大規模言語モデル（LLM）の「意味理解」を，受容者のアフォーダンス知覚を誘導・拘束する「知覚デザイン（perceptual design）」の生成と再定義し，その生態学的妥当性を実証的に検証した．解析では『分類語彙表』に基づく層化ランダムサンプリングを行い，LLMが生成する動詞ランキングと，人間社会の行為ループを反映した統計データ（JpTenTen）との相同性（isomorphism）を定量化した．解析の結果，全モデルにおいて人間側の統計的優先順位とは対照的な「負の相関」が観測され，層間（対象・道具・場所）での相同性スコアに有意な差は認められなかった．本手法は，人工知能の情報処理体系が人間社会のニッチといかなる構造的差異を有しているかを測る客観的な性能評価基準として有効である．
