学習ロードマップ作成
指示
## ステップ1：ニーズの収集（アンケート形式、入力不要）
ユーザーの学習プロファイルは、2回のaskUserQuestionを通じて収集されます。
### 第1ラウンド（基本情報）
askUserQuestionを使用すると、以下の3つの側面について同時に質問できます。
1. **学習目標の種類**
- ヘッダー: "ターゲット"
- オプション：試験対策／スキル向上／キャリアチェンジ／興味探求
2. **現在のレベル**
- ヘッダー: "水平"
- オプション：経験ゼロ／初心者（概念を理解している）／ある程度の経験（簡単なタスクを完了できる）／上級者（ボトルネックを克服する必要がある）
3. **1日の勤務可能時間**
- ヘッダー: "時間"
オプション：30分未満 / 1～2時間 / 2～4時間 / 4時間以上
### 第2ラウンド（補足情報）
askUserQuestionを使用すると、以下の3つの側面について同時に質問できます。
1. **具体的な学習方向**（ユーザーが自由に入力可能）
- 質問に、Pythonプログラミング、IELTS 7、CPA試験、UIデザインなど、ユーザーが関心のある特定の分野を入力するように誘導します。
- ヘッダー: "方向"
- オプション：人気のある例をいくつか提示するとともに、ユーザーが独自のコンテンツを入力することも可能です。
2. **完了予定期間**
- ヘッダー: "ピリオド"
オプション：1ヶ月の短期集中／3ヶ月の着実な進捗／6ヶ月の徹底的な開発／1年以上の長期計画
3．**学習方法の選択**（複数選択可）
- ヘッダー: "設定"
- multiSelect: true
- オプション：ビデオ講座／読書／実践的なプロジェクト／コミュニティとの交流
データ収集が完了すると、すべての情報は構造化された「学習者プロファイル」に整理され、後続のステップで使用されます。
ステップ2：詳細なリソース検索と経路計画
### 2.1 リソース検索
ユーザーの学習方向と好みに基づいて、Google検索を使用して2～3回の検索を実行します。
1. **この分野で最適な学習ロードマップを探す**
- クエリ: "[学習方向] 学習ロードマップ 2024-2025" または "[学習方向] 推奨学習ロードマップ"
- 抽出：段階区分、コア知識ポイント、学習順序
2. **特定の学習リソースを検索する**
- ユーザーの好みに基づいて関連リソースを検索します。
- ビデオコース：Coursera/Udemy/Bilibiliで人気のコースを検索
- 書籍：Douban/Amazonのおすすめ読書リストで評価の高い書籍を検索
- 実践的なプロジェクト：GitHub/practical tutorials を検索
- クエリ: "[学習方向] 最適 [リソースタイプ] 初級/中級/上級"
3. **マイルストーン基準の検索**
- クエリ: "[学習領域] スキル評価チェックリスト" または "[学習領域] コンピテンシー評価基準"
- 抽出：各段階でどの程度のレベルを達成すべきか？
### 2.2 経路計画
検索結果とユーザープロファイルに基づいて、学習パスを計画します。
**フェーズベースの原理:**
・ユーザーの想定される学習期間に基づいて、学習プロセスを3～5段階に分割する。
各フェーズには、フェーズ名、推定期間、主要目標、具体的なリソース（3～5）、およびマイルストーンとなるチェックポイントが含まれます。
- リソースは、検索によって見つかった本物のリソースである必要があります（名前、プラットフォーム、リンクが明記されている必要があります）。
マイルストーンは、具体的な能力を検証可能な形で記述したものでなければならない。
**時間配分の原則:**
- 1日の利用可能な時間に基づいて、各段階の総学習時間を計算します。
- 週ごとの推奨スケジュール（平日と週末）を提示してください。
- 10%のバッファ時間を確保
**出力形式（ステップ3に渡される内部データ構造）：**
「`」
学習者プロフィール：{目標、方向性、レベル、時間、頻度、好み}
経路計画: [
{
フェーズ名
フェーズ番号、
推定期間（週）
コア目標の説明、
リソースリスト：[{名前、種類（ビデオ/書籍/プロジェクト）、プラットフォーム、リンク、推定学習時間}]
マイルストーン：{説明、検証方法}
}
]
週間の提案：{平日のスケジュール、週末のスケジュール、週間の総学習時間}
「`」
ステップ3：Kamiスタイルのインタラクティブな学習ウェブサイトを生成する
generateWebpageツールを使用して、インタラクティブな学習パスのWebサイトを生成します。
指示パラメータには、以下の完全な仕様と、ステップ2で生成された特定の学習パスデータが含まれます。
### デザインシステム仕様（学習シナリオ向けに調整されたKamiデザインシステム）：
**配色：**
- ページ背景：#f5f4ed（温かみのあるベージュの羊皮紙）
- カードの背景色：#FAF9F5（アイボリー）
アクセントカラー／ブランドカラー：#1B365D（インクブルー）
- 文字色：#141413（ほぼ黒）
- サブテキストの色: #4D4C48 (チャコール)
- 色：#87867F（ストーン）
- 枠線の色：#D6D5CE（温かみのあるグレーの枠線）
- プログレスバー完了: #1B365D (ブランドカラー)
- プログレスバーが完了していません: #E8E7E2
- 成功/完了ステータス: #2D5016 (ダークオリーブグリーン)
- 進行中：#1B365D（ブランドカラー）
- 未開始: #87867F (ストーン)
- タグの背景: #E4ECF5
- すべてのグレーは暖色系（R≈G>B）でなければならず、寒色系の青みがかったグレーは禁止されています。
**フォントシステム:**
- Google Fonts経由でNoto Serif SCとNoto Sans SCを読み込む
- タイトル: フォントファミリー: 'Noto Serif SC'、Charter、Georgia、serif; フォントウェイト: 500
- テキスト: フォントファミリー: 'Noto Sans SC', 'PingFang SC', sans-serif; フォントウェイト: 400
- データ/数字の強調: font-family: Charter, Georgia, serif
- font-weight: 700/bold を無効にする
**組版：**
行間隔：見出し1.2 / 本文1.5
中国語の文字間隔：0.3pt
- ページ最大幅: 800px、中央揃え
- レスポンシブデザイン、モバイルフレンドリー
**視覚的なルール:**
- 影: リングシャドウ (0 0 0 1px rgba(0,0,0,0.05)) またはウィスパーシャドウ (0 1px 3px rgba(0,0,0,0.04))
- 角丸：8px（デフォルト）／12px（大型カード）
- 区切り線：0.5px 実線 #D6D5CE または 2.5px 実線 #1B365D（ブランド縦線）
強調方法：左側に青インクのテキストまたは縦のブランドライン
### ページ構造の要件:
**1. トップヒーローエリア:**
- 学習目標の見出し（セリフ体 28px）
- 主要情報タグを1行にまとめる：対象タイプ｜推定期間｜1日の時間
- 全体的な進捗状況を示すバー（パーセンテージ表示付き）
- 統計カード行：総リソース数 / 完了済み / 現在のステージ
**2. ステージカードエリア（コア）**
各ステージにつき1枚の大きなカード
- カードヘッダー: ステージ番号 + 名前 + ステータスタグ (✅ 完了 / 🔄 進行中 / ⬜ 未開始) + 推定所要時間
- カードの内容:
- 主要目標の説明（1～2文）
- リソース一覧：各リソースは別々の行に表示され、アイコン（📚書籍/🎬動画/💻プロジェクト/👥コミュニティ）+名前（クリック可能なリンク）+プラットフォームタグ+チェックボックスが含まれます。
- マイルストーンエリア：ブランドの縦線と特別なスタイルで強調表示し、基準の達成状況を説明します。
- カードは折りたたんだり広げたりできます（デフォルトでは、現在のステージでは広げ、完了したステージでは折りたたむようになっています）。
**3. 週間学習提案コーナー:**
- 簡潔な時間配分の提案
平日と週末のスケジュール
**4. 下部:**
- 短いテキスト行：ラーニングパスプランニングマスター搭載 · Kamiデザインシステムでデザイン
### 対話型機能の要件（純粋なフロントエンドJavaScript + localStorage）：
1. **チェックボックスの状態切り替え**:
リソースの前のチェックボックスをクリックすると、完了ステータスを切り替えることができます。
- ステータスをlocalStorageに保存します（キーは学習方向とリソース名のハッシュを使用します）。
完成したリソースには、取り消し線と透明度の低下が表示されます。
2. **自動進捗計算:**
全体的な進捗状況 = (選択されたリソースの数 / リソースの総数) × 100%
- ステージ進行状況 = 選択されたステージ数 / ステージ総数
- プログレスバーのアニメーション遷移（遷移：幅0.3秒、イーズ）
3. **ステージステータスの自動更新**:
- フェーズ内のすべてのリソースを選択します → ステータスが ✅ 完了に変更され、自動的に折りたたまれます。
- フェーズ中にいずれかの項目がチェックされた場合 → ステータスが 🔄進行中に変更されます。
- チェックマークなし → ⬜ 未開始
4. **折りたたみ／展開**:
カードのヘッダーをクリックすると、折りたたまれたり展開されたりします。
- 滑らかなアニメーション
5. **マイルストーンチェックポップアップウィンドウ**:
フェーズに必要なすべてのリソースが完了すると、マイルストーンチェックのプロンプトが表示されます。
- この段階のマイルストーン基準を表示する
ユーザーは「達成済み」をクリックして確認するか、「さらなる統合が必要」にチェックを入れて完了を示すことができます。
6. **データ永続性**:
- すべての状態はlocalStorageに保存されます
- ページ更新後に状態を復元する
- 「進行状況をリセット」ボタンを提供します（二次確認が必要です）。
### コンテンツ入力:
ステップ2で計画した学習パスのデータをすべて上記の構造に入力してください。以下の点を確認してください。
各リソースのリンクは、実際にアクセス可能なURLです。
- リソースタイプのアイコンが正しく一致しています
各段階の期間は、全体のサイクルの論理と一致している。
マイルストーンの説明は具体的で検証可能である。
### 技術要件:
- 純粋なHTML + CSS + JavaScript、単一ファイル
- 外部依存関係なし（Google Fontsを除く）
- モバイル対応
印刷に適した形式
- コメント付きのクリーンなコード
説明
このスキルをおすすめする理由
このスキルはアンケート形式でユーザーの学習ニーズを正確に把握し、高度にカスタマイズされたインタラクティブな学習ウェブサイトを生成できます。Kamiデザインスタイルと進捗追跡機能が特に優れています。
学習目標、現在のレベル、使える時間、好みに合わせて、深い検索で実際に役立つ学習リソースを探し出します。個別に最適化した段階的な学習ロードマップを作成し、進捗管理、マイルストーン確認、リソースへの直接リンクを備えたKamiスタイルのインタラクティブな学習サイトとして出力します。
関連スキル
すべて表示
研究スロー先生のキーワード学習法
キーワード学習法で任意の分野に素早く入門できます：コアキーワード20個の表（一言説明・応用シーン・ベストプラクティス）、手描き漫画風のSVG論理関係図、分野の専門家が5つの重要質問に答えるシミュレーション、専門書3〜5冊の推薦を提供し、レイアウトの整ったレポートにまとめます。また、「『書名』を解説」と入力すると、7部構成の書籍ディープ解説モードに切り替わります。
研究Signal Room: インタビュー統合
YouMindは、あなたの通話、インタビュー、ポッドキャストをすでに文字起こししています。Signal Roomは、その次に起こることです。 1件の文字起こしでも20件でも投入すれば、実際のアナリストが署名するようなリサーチ統合が得られます：コード化されたテーマ、タイムスタンプ付きの逐語的な証拠、人々が意見を異にする箇所、そしてあなたが下そうとしている意思決定へのランク付けされた回答です。 この方法は実際の定性調査手法であり、要約ではありません： • 引用優先で機能するオープンコーディング — 引用がなければコードもない — コードはアナリストの専門用語ではなく、参加者自身の言葉で命名されます。 • すべてのコードに行動・信念・願望のタグが付けられます。「ぜひ支払いたい」は「先月支払った」とは同じ証拠のクラスではないからです。 • テーマは反証可能な文章で示され、強度は引用数ではなく参加者数で数えられ、反証する証拠は意図的に探されます。 • 参加者が本当に分かれる箇所と、どちらの側に立つかを予測する要素を示すテンションマップ。 • 「[状況]のとき、[誰]が[結果]を望む、なぜなら[理由]」という形式の機会バックログ。それぞれが「強い」「示唆的」「逸話的」に評価されます。 • あなたの意思決定の問いへの直接の回答。信頼度と、それを変える要素が明示されます。 • 今回のラウンドで回答できなかった3つの質問と、次にインタビューすべき人物。 重要なガードレール：引用を捏造したり美化したりせず、参加者が12人未満の場合はパーセンテージを報告せず、既定で参加者を仮名化し、n=1が仮説であって発見ではないことを率直に伝えます。 プロダクトマネージャー、UXリサーチャー、マーケットリサーチャー、ジャーナリスト、コンサルタント、カスタマーディスカバリーを行う創業者、そして何時間もの録音を抱えながら発見がないすべての人に向けたものです。
研究論文学習マスター
プロダクトマネージャー、創業者、アプリ開発者が、歴史的な因果関係に沿ってAI論文を理解し、製品判断、技術的限界、エンジニアリング直感、ビジネスチャンス分析へと変換するのを支援します。
学習ロードマップ作成
指示
## ステップ1：ニーズの収集（アンケート形式、入力不要）
ユーザーの学習プロファイルは、2回のaskUserQuestionを通じて収集されます。
### 第1ラウンド（基本情報）
askUserQuestionを使用すると、以下の3つの側面について同時に質問できます。
1. **学習目標の種類**
- ヘッダー: "ターゲット"
- オプション：試験対策／スキル向上／キャリアチェンジ／興味探求
2. **現在のレベル**
- ヘッダー: "水平"
- オプション：経験ゼロ／初心者（概念を理解している）／ある程度の経験（簡単なタスクを完了できる）／上級者（ボトルネックを克服する必要がある）
3. **1日の勤務可能時間**
- ヘッダー: "時間"
オプション：30分未満 / 1～2時間 / 2～4時間 / 4時間以上
### 第2ラウンド（補足情報）
askUserQuestionを使用すると、以下の3つの側面について同時に質問できます。
1. **具体的な学習方向**（ユーザーが自由に入力可能）
- 質問に、Pythonプログラミング、IELTS 7、CPA試験、UIデザインなど、ユーザーが関心のある特定の分野を入力するように誘導します。
- ヘッダー: "方向"
- オプション：人気のある例をいくつか提示するとともに、ユーザーが独自のコンテンツを入力することも可能です。
2. **完了予定期間**
- ヘッダー: "ピリオド"
オプション：1ヶ月の短期集中／3ヶ月の着実な進捗／6ヶ月の徹底的な開発／1年以上の長期計画
3．**学習方法の選択**（複数選択可）
- ヘッダー: "設定"
- multiSelect: true
- オプション：ビデオ講座／読書／実践的なプロジェクト／コミュニティとの交流
データ収集が完了すると、すべての情報は構造化された「学習者プロファイル」に整理され、後続のステップで使用されます。
ステップ2：詳細なリソース検索と経路計画
### 2.1 リソース検索
ユーザーの学習方向と好みに基づいて、Google検索を使用して2～3回の検索を実行します。
1. **この分野で最適な学習ロードマップを探す**
- クエリ: "[学習方向] 学習ロードマップ 2024-2025" または "[学習方向] 推奨学習ロードマップ"
- 抽出：段階区分、コア知識ポイント、学習順序
2. **特定の学習リソースを検索する**
- ユーザーの好みに基づいて関連リソースを検索します。
- ビデオコース：Coursera/Udemy/Bilibiliで人気のコースを検索
- 書籍：Douban/Amazonのおすすめ読書リストで評価の高い書籍を検索
- 実践的なプロジェクト：GitHub/practical tutorials を検索
- クエリ: "[学習方向] 最適 [リソースタイプ] 初級/中級/上級"
3. **マイルストーン基準の検索**
- クエリ: "[学習領域] スキル評価チェックリスト" または "[学習領域] コンピテンシー評価基準"
- 抽出：各段階でどの程度のレベルを達成すべきか？
### 2.2 経路計画
検索結果とユーザープロファイルに基づいて、学習パスを計画します。
**フェーズベースの原理:**
・ユーザーの想定される学習期間に基づいて、学習プロセスを3～5段階に分割する。
各フェーズには、フェーズ名、推定期間、主要目標、具体的なリソース（3～5）、およびマイルストーンとなるチェックポイントが含まれます。
- リソースは、検索によって見つかった本物のリソースである必要があります（名前、プラットフォーム、リンクが明記されている必要があります）。
マイルストーンは、具体的な能力を検証可能な形で記述したものでなければならない。
**時間配分の原則:**
- 1日の利用可能な時間に基づいて、各段階の総学習時間を計算します。
- 週ごとの推奨スケジュール（平日と週末）を提示してください。
- 10%のバッファ時間を確保
**出力形式（ステップ3に渡される内部データ構造）：**
「`」
学習者プロフィール：{目標、方向性、レベル、時間、頻度、好み}
経路計画: [
{
フェーズ名
フェーズ番号、
推定期間（週）
コア目標の説明、
リソースリスト：[{名前、種類（ビデオ/書籍/プロジェクト）、プラットフォーム、リンク、推定学習時間}]
マイルストーン：{説明、検証方法}
}
]
週間の提案：{平日のスケジュール、週末のスケジュール、週間の総学習時間}
「`」
ステップ3：Kamiスタイルのインタラクティブな学習ウェブサイトを生成する
generateWebpageツールを使用して、インタラクティブな学習パスのWebサイトを生成します。
指示パラメータには、以下の完全な仕様と、ステップ2で生成された特定の学習パスデータが含まれます。
### デザインシステム仕様（学習シナリオ向けに調整されたKamiデザインシステム）：
**配色：**
- ページ背景：#f5f4ed（温かみのあるベージュの羊皮紙）
- カードの背景色：#FAF9F5（アイボリー）
アクセントカラー／ブランドカラー：#1B365D（インクブルー）
- 文字色：#141413（ほぼ黒）
- サブテキストの色: #4D4C48 (チャコール)
- 色：#87867F（ストーン）
- 枠線の色：#D6D5CE（温かみのあるグレーの枠線）
- プログレスバー完了: #1B365D (ブランドカラー)
- プログレスバーが完了していません: #E8E7E2
- 成功/完了ステータス: #2D5016 (ダークオリーブグリーン)
- 進行中：#1B365D（ブランドカラー）
- 未開始: #87867F (ストーン)
- タグの背景: #E4ECF5
- すべてのグレーは暖色系（R≈G>B）でなければならず、寒色系の青みがかったグレーは禁止されています。
**フォントシステム:**
- Google Fonts経由でNoto Serif SCとNoto Sans SCを読み込む
- タイトル: フォントファミリー: 'Noto Serif SC'、Charter、Georgia、serif; フォントウェイト: 500
- テキスト: フォントファミリー: 'Noto Sans SC', 'PingFang SC', sans-serif; フォントウェイト: 400
- データ/数字の強調: font-family: Charter, Georgia, serif
- font-weight: 700/bold を無効にする
**組版：**
行間隔：見出し1.2 / 本文1.5
中国語の文字間隔：0.3pt
- ページ最大幅: 800px、中央揃え
- レスポンシブデザイン、モバイルフレンドリー
**視覚的なルール:**
- 影: リングシャドウ (0 0 0 1px rgba(0,0,0,0.05)) またはウィスパーシャドウ (0 1px 3px rgba(0,0,0,0.04))
- 角丸：8px（デフォルト）／12px（大型カード）
- 区切り線：0.5px 実線 #D6D5CE または 2.5px 実線 #1B365D（ブランド縦線）
強調方法：左側に青インクのテキストまたは縦のブランドライン
### ページ構造の要件:
**1. トップヒーローエリア:**
- 学習目標の見出し（セリフ体 28px）
- 主要情報タグを1行にまとめる：対象タイプ｜推定期間｜1日の時間
- 全体的な進捗状況を示すバー（パーセンテージ表示付き）
- 統計カード行：総リソース数 / 完了済み / 現在のステージ
**2. ステージカードエリア（コア）**
各ステージにつき1枚の大きなカード
- カードヘッダー: ステージ番号 + 名前 + ステータスタグ (✅ 完了 / 🔄 進行中 / ⬜ 未開始) + 推定所要時間
- カードの内容:
- 主要目標の説明（1～2文）
- リソース一覧：各リソースは別々の行に表示され、アイコン（📚書籍/🎬動画/💻プロジェクト/👥コミュニティ）+名前（クリック可能なリンク）+プラットフォームタグ+チェックボックスが含まれます。
- マイルストーンエリア：ブランドの縦線と特別なスタイルで強調表示し、基準の達成状況を説明します。
- カードは折りたたんだり広げたりできます（デフォルトでは、現在のステージでは広げ、完了したステージでは折りたたむようになっています）。
**3. 週間学習提案コーナー:**
- 簡潔な時間配分の提案
平日と週末のスケジュール
**4. 下部:**
- 短いテキスト行：ラーニングパスプランニングマスター搭載 · Kamiデザインシステムでデザイン
### 対話型機能の要件（純粋なフロントエンドJavaScript + localStorage）：
1. **チェックボックスの状態切り替え**:
リソースの前のチェックボックスをクリックすると、完了ステータスを切り替えることができます。
- ステータスをlocalStorageに保存します（キーは学習方向とリソース名のハッシュを使用します）。
完成したリソースには、取り消し線と透明度の低下が表示されます。
2. **自動進捗計算:**
全体的な進捗状況 = (選択されたリソースの数 / リソースの総数) × 100%
- ステージ進行状況 = 選択されたステージ数 / ステージ総数
- プログレスバーのアニメーション遷移（遷移：幅0.3秒、イーズ）
3. **ステージステータスの自動更新**:
- フェーズ内のすべてのリソースを選択します → ステータスが ✅ 完了に変更され、自動的に折りたたまれます。
- フェーズ中にいずれかの項目がチェックされた場合 → ステータスが 🔄進行中に変更されます。
- チェックマークなし → ⬜ 未開始
4. **折りたたみ／展開**:
カードのヘッダーをクリックすると、折りたたまれたり展開されたりします。
- 滑らかなアニメーション
5. **マイルストーンチェックポップアップウィンドウ**:
フェーズに必要なすべてのリソースが完了すると、マイルストーンチェックのプロンプトが表示されます。
- この段階のマイルストーン基準を表示する
ユーザーは「達成済み」をクリックして確認するか、「さらなる統合が必要」にチェックを入れて完了を示すことができます。
6. **データ永続性**:
- すべての状態はlocalStorageに保存されます
- ページ更新後に状態を復元する
- 「進行状況をリセット」ボタンを提供します（二次確認が必要です）。
### コンテンツ入力:
ステップ2で計画した学習パスのデータをすべて上記の構造に入力してください。以下の点を確認してください。
各リソースのリンクは、実際にアクセス可能なURLです。
- リソースタイプのアイコンが正しく一致しています
各段階の期間は、全体のサイクルの論理と一致している。
マイルストーンの説明は具体的で検証可能である。
### 技術要件:
- 純粋なHTML + CSS + JavaScript、単一ファイル
- 外部依存関係なし（Google Fontsを除く）
- モバイル対応
印刷に適した形式
- コメント付きのクリーンなコード
説明
このスキルをおすすめする理由
このスキルはアンケート形式でユーザーの学習ニーズを正確に把握し、高度にカスタマイズされたインタラクティブな学習ウェブサイトを生成できます。Kamiデザインスタイルと進捗追跡機能が特に優れています。
学習目標、現在のレベル、使える時間、好みに合わせて、深い検索で実際に役立つ学習リソースを探し出します。個別に最適化した段階的な学習ロードマップを作成し、進捗管理、マイルストーン確認、リソースへの直接リンクを備えたKamiスタイルのインタラクティブな学習サイトとして出力します。
関連スキル
すべて表示研究スロー先生のキーワード学習法
キーワード学習法で任意の分野に素早く入門できます：コアキーワード20個の表（一言説明・応用シーン・ベストプラクティス）、手描き漫画風のSVG論理関係図、分野の専門家が5つの重要質問に答えるシミュレーション、専門書3〜5冊の推薦を提供し、レイアウトの整ったレポートにまとめます。また、「『書名』を解説」と入力すると、7部構成の書籍ディープ解説モードに切り替わります。
研究Signal Room: インタビュー統合
YouMindは、あなたの通話、インタビュー、ポッドキャストをすでに文字起こししています。Signal Roomは、その次に起こることです。 1件の文字起こしでも20件でも投入すれば、実際のアナリストが署名するようなリサーチ統合が得られます：コード化されたテーマ、タイムスタンプ付きの逐語的な証拠、人々が意見を異にする箇所、そしてあなたが下そうとしている意思決定へのランク付けされた回答です。 この方法は実際の定性調査手法であり、要約ではありません： • 引用優先で機能するオープンコーディング — 引用がなければコードもない — コードはアナリストの専門用語ではなく、参加者自身の言葉で命名されます。 • すべてのコードに行動・信念・願望のタグが付けられます。「ぜひ支払いたい」は「先月支払った」とは同じ証拠のクラスではないからです。 • テーマは反証可能な文章で示され、強度は引用数ではなく参加者数で数えられ、反証する証拠は意図的に探されます。 • 参加者が本当に分かれる箇所と、どちらの側に立つかを予測する要素を示すテンションマップ。 • 「[状況]のとき、[誰]が[結果]を望む、なぜなら[理由]」という形式の機会バックログ。それぞれが「強い」「示唆的」「逸話的」に評価されます。 • あなたの意思決定の問いへの直接の回答。信頼度と、それを変える要素が明示されます。 • 今回のラウンドで回答できなかった3つの質問と、次にインタビューすべき人物。 重要なガードレール：引用を捏造したり美化したりせず、参加者が12人未満の場合はパーセンテージを報告せず、既定で参加者を仮名化し、n=1が仮説であって発見ではないことを率直に伝えます。 プロダクトマネージャー、UXリサーチャー、マーケットリサーチャー、ジャーナリスト、コンサルタント、カスタマーディスカバリーを行う創業者、そして何時間もの録音を抱えながら発見がないすべての人に向けたものです。
研究論文学習マスター
プロダクトマネージャー、創業者、アプリ開発者が、歴史的な因果関係に沿ってAI論文を理解し、製品判断、技術的限界、エンジニアリング直感、ビジネスチャンス分析へと変換するのを支援します。
次のお気に入りスキルを見つけよう
リサーチ、制作、日々の作業に役立つ厳選AIスキルをさらに探しましょう。