本論文では、グラフニューラルネットワーク（GNN）の予測を可視化するための新たなフレームワーク「InteractiveGNNExplainer」を提案しています。GNNは、グラフベースの学習タスクに優れていますが、その複雑な非線形処理のために「ブラックボックス」となりがちで、信頼性やデバッグが難しくなっています。本システムは、ノードの分類に焦点を当て、動的なグラフレイアウトや特徴の検査などを統合したインタラクティブな視覚化を提供します。また、ユーザーがグラフ構造を変更し、その結果がGNNの予測や説明に与える影響を観察できる「もしも分析」機能も備えています。CoraやCiteSeerデータセットを用いた事例研究を通じて、誤分類の診断やモデルの感度分析が行われる様子が示され、GNNの予測に対する多角的な理解を促進し、透明性の高い分析を可能にします。