プロンプトを工夫する
メタ認知・弁証法・思考フレームワーク
プロンプトの書き方そのものを工夫したり、思考フレームワークを活用したりすることで、AIからより深い回答を引き出すためのプロンプト集です。「もう少し踏み込んだ使い方をしてみたい」という方におすすめです。
| 日時 | 使用した生成AI |
|---|---|
| 2026/2/14 | ChatGPT, Claude, Copilot, Gemini |
プロンプトを拡張する
想定シーン: 自分が書いたプロンプトの質を高めたい。AIに質問自体を言い換え・拡張させることで、より的確な回答を得る。
参考文献:Rephrase and Respond: Let Large Language Models Ask Better Questions for Themselves
Rephrase and Respond(RaR)は、AIに質問を言い換えさせてから回答させることで、質問の意図をより正確に捉えた回答を得るテクニックです。人間が書いた質問をAI自身が解釈しやすい形に再構成するため、曖昧な質問でも的確な回答が得られやすくなります。
「変更箇所」を自身の状況に合わせて変更してください。
DNS切り替えが数日で終わらない可能性がある旨を、情シス初心者にでもわかるように説得して
Rephrase and expand the question and respond.
まずRephrase and expandしたプロンプトを教えてください。
以下の出力例は実際のAI出力を編集・整形したものです。同じプロンプトでも、使用するツールや時期によって結果は異なります。
出力例
Rephrase and expandしたプロンプト:
「DNS(ドメインネームシステム)のサーバー切り替え作業について、切り替え完了までに数日以上かかる可能性がある理由を、ITに詳しくない情報システム部門の新任担当者でも理解できるように、身近なたとえ話を使いながら丁寧に説明してください。特に、DNSのキャッシュ(TTL)やプロパゲーション(浸透)の仕組みを平易な言葉で解説し、なぜ即座に反映されないのかを明確にしてください。」
回答:
DNSの切り替えを「電話帳の更新」にたとえてみましょう。
大学が代表電話番号を変更したとします。新しい番号を電話帳に載せても、すでに古い電話帳を持っている人は、そちらを見て古い番号に電話をかけてしまいますよね。全員が新しい電話帳を手に入れるまでには時間がかかります。
DNSの切り替えも同じ仕組みです…(以降、TTLやキャッシュの仕組みが平易に説明されます)
具象と抽象のはしご昇降エンジン
想定シーン: 企画や方針を検討する際に、具体と抽象を行き来しながら思考を整理したい。AIに思考の「はしご」を上り下りするガイドをしてもらう。
「入力」のテーマと昇降を自身の状況に合わせて変更してください。
# 指示
あなたは利用者が抱くテーマや意見や仮説を操作することに長けたエンジンです。
特定のトピックについて、具体的な例から始めて段階的に抽象化し、最終的に一般的な概念や洞察を導き出す「はしごを昇る」プロセスと、逆に一般的な概念から始めて具体的な例に落とし込む「はしごを降りる」プロセスをガイドします。
# 入力例
トピック: 考察したい具体的なテーマ(例:コミュニケーション、教育、テクノロジー)
昇降: 「昇る」または「降りる」を選択
## 昇降の方法論
昇る場合:具体的な例(例:昨日友達と口論した)
降りる場合:一般的な概念(例:効果的なコミュニケーション)
選択した「昇る」「降りる」に応じて、以下のいずれかのステップを出力します。
昇る:
ステップ 1 (具体的): 開始レベルの具体的な例を記述
ステップ 2 (少し抽象化): ステップ1の例から、少しだけ抽象的なレベルの要素や特徴を抽出(例:感情的な表現、非言語コミュニケーション)
ステップ 3 (さらに抽象化): ステップ2の要素をさらに抽象化し、より広範な概念と関連付ける(例:相互理解、共感、人間関係の構築)
ステップ 4 (抽象的): これまでのステップを踏まえ、トピックに関する一般的な概念や洞察を記述(例:コミュニケーションは、単なる情報伝達ではなく、感情や意図を共有し、相互理解を深めるためのプロセスである)
降りる:
ステップ 1 (抽象的): 開始レベルの一般的な概念を記述
ステップ 2 (少し具体化): ステップ1の概念を、少しだけ具体的なレベルの要素や特徴に分解(例:効果的なコミュニケーションは、明確なメッセージ、積極的な傾聴、非言語シグナルの理解を含む)
ステップ 3 (さらに具体化): ステップ2の要素を、さらに具体的な行動や状況に関連付ける(例:相手に共感を示すために、うなずいたり、相づちを打ったりする)
ステップ 4 (具体的): これまでのステップを踏まえ、トピックを説明する具体的な例を提示(例:プレゼンテーションで、聴衆の表情を見ながら話す速度を調整する)
# 条件
各ステップは、前のステップの内容と論理的に繋がるように記述する。
抽象化レベルの変化を明確にするため、各ステップで使用する単語や表現を選ぶ。
トピックに対する理解を深めるために、様々な角度から考察する。
# 入力
テーマ:街路樹
昇降:降りる
出力例
テーマ:街路樹 / 昇降:降りる
ステップ 1 (抽象的): 街路樹は、都市における自然環境と人間の生活空間を調和させるインフラストラクチャーである。
ステップ 2 (少し具体化): 街路樹の役割は多面的で、以下の要素に分解できる:
- 環境機能:CO2吸収、気温低減(ヒートアイランド対策)、大気浄化
- 景観機能:四季の変化の演出、街並みの統一感
- 防災機能:延焼防止、風害の軽減
- 心理機能:歩行者のストレス軽減、快適な歩行空間の提供
ステップ 3 (さらに具体化): 大学キャンパスの正門からメインストリートに植えられた桜並木を例にとると:
- 春の開花時期は受験生や新入生を迎える象徴となる
- 夏は木陰が学生の移動ルートに涼しさを提供する
- 落葉の時期は清掃作業が発生し、施設管理部門の業務に影響する
ステップ 4 (具体的): A大学の施設課では、キャンパス再開発に伴い既存のケヤキ並木を伐採するか保存するかの議論が起きた。学生アンケートでは「キャンパスの象徴だから残してほしい」という声が多数。一方で老朽化による倒木リスクもあり、樹木医の診断を経て「段階的な植え替え」という折衷案を採用した。
イノベーター理論の議論エンジン
想定シーン: 新しいシステムやサービスの導入を検討している。導入に対する多様な反応を事前にシミュレーションし、説得材料や対策を準備したい。
「入力」の箇所を自身の状況に合わせて変更してください。
# 指示
与えられたテーマを元に、イノベーター理論の各アダプターグループに議論をさせてください。
議論を根拠とし、多角的な視点からの検討材料を利用者に提供してください。
### イノベーター理論の概要
イノベーター理論は、新製品や新サービスの市場普及プロセスを理解し、効果的なマーケティング戦略を立てる上で非常に有用なフレームワークです。各消費者タイプの特徴を理解し、適切なアプローチを取ることで、製品やサービスの普及を促進することができます。
この理論の重要なポイントは、イノベーターとアーリーアダプターを合わせた16%が、新製品やサービスの普及の鍵を握るという「普及率16%の論理」です。この初期の16%に受け入れられることが、その後のアーリーマジョリティ以降への普及につながるとされています。
# 入力例
導入システム: 検討中の具体的なシステム名、またはAI技術(例:RPAシステム、顧客対応AIチャットボット)
導入目的: 導入による達成目標(例:業務効率化、顧客満足度向上、コスト削減)
懸念点: 導入に関する具体的な懸念点(例:導入コスト、運用体制、従業員の抵抗感、倫理的な問題)
# 議論の方法
下記の各アダプターグループをペルソナとして、それぞれの立場からの意見を仮想的に提示します。
1. イノベーター (革新者):2.5%
興奮と期待感: 新システムの可能性にワクワクし、いち早く試用してみたいという意欲を示すコメント
先進事例の言及: 類似システムの導入成功事例や、最新技術に関する情報を提供
リスクよりもメリットに着目: リスクよりも、導入による革新的な変化や競争優位性を強調
2. アーリーアダプター (早期採用者):13.5%
影響力と差別化: 新システム導入がもたらす先進イメージや、競合優位性について言及
成功事例への関心: 導入による具体的な成功事例や、効果測定方法に関心を示す
導入プロセスへの意見: スムーズな導入と効果的な活用のための提案 (パイロット導入、社内啓蒙活動など)
3. アーリーマジョリティ (前期追随者):34%
費用対効果への着目: 導入費用と見込み効果のバランス、投資対効果(ROI)についての質問
リスクと不安: 導入によるリスク (システムエラー、運用コスト、従業員のスキルギャップなど) を指摘
導入事例と証明: 他の企業での成功事例や、導入効果を裏付けるデータを求める
4. レイトマジョリティ (後期追随者):34%
安全性と安定性: システムの安定性、セキュリティ対策、運用サポート体制についての懸念
現状維持バイアス: 既存システムからの変更に対する抵抗感、新たな学習コストへの懸念
周囲の意見: 業界標準となるか、競合他社の導入状況について言及
5. ラガード (遅滞者):16%
強い抵抗感: 新システム導入に対する根本的な反対意見 (既存システムで十分、人間の仕事が奪われるなど)
変化への拒絶: 新しい技術やプロセスへの適応に対する不安、従来の方法の優位性を主張
説得の難しさ: 説得を困難にする固定観念を示すコメント (AIへの不信感、技術への拒絶反応など)
# 条件
* 各アダプターグループの意見は、具体的な発言や行動を想定して、リアルに表現する。
* 単なる賛否だけでなく、各グループの特性に合わせた意見や行動の理由や背景を明確にする。
* 議論はアダプターグループ同士で活発に行われること。
* 出力された意見を参考に、導入システムに対する多面的かつ客観的な見方を深め、意思決定に役立つ情報を提供する
# 入力
導入システム:AIチャットボット
目的:学生対応業務の効率化
懸念点:コストメリットがあるのかがわからない
組織環境:大学の事務業務を担う教学部門
出力例
イノベーター(革新者)の発言
「AIチャットボット、ぜひすぐに試してみましょう! 某私立大学では導入半年で窓口問い合わせが40%減ったというデータもあります。学生は24時間いつでも質問できるようになりますし、私たちは本当に対面で対応すべき案件に集中できます。まずは小規模で試せばリスクも最小限です。」
アーリーアダプターの発言
「面白い取り組みだと思います。ただ、成功させるには段階的な導入が鍵ですね。まずは『履修登録の方法』『証明書の申請手順』など、定型的な質問に限定してパイロット導入してはどうでしょう。効果測定の指標も事前に決めておきたいです。」
アーリーマジョリティの発言
「ROIが見えないと判断しにくいですね。導入費用・運用費用と、削減できる人件費・時間を具体的に比較したいです。他大学の導入事例で、実際にどれくらいコスト削減できたのかデータはありますか?」
レイトマジョリティの発言
「正直、今のやり方で回っているのに、わざわざ変える必要があるのか疑問です。チャットボットが誤った回答をしたときの責任は誰が取るんですか? セキュリティ面も心配です。」
ラガードの発言
「学生対応は人がやるべきです。機械に任せたら大学の温かみがなくなりますよ。そもそも、うちの職員にシステムの管理ができるんですか? 余計な仕事が増えるだけだと思います。」
議論のまとめと検討材料
上記の議論から、導入を進める際のポイントは以下の通りです:
- 小規模パイロットから開始 し、定量的な効果測定を行う
- 誤回答時の対応フロー を事前に整備する
- ROIの試算 を具体的に示し、意思決定者を説得する
- 既存業務との棲み分け を明確にし、「人の仕事を奪う」という不安を解消する
弁証法エンジン
想定シーン: ある主張や方針について、賛否の議論を深めたい。AIに弁証法(テーゼ→アンチテーゼ→ジンテーゼ)の反復プロセスを実行させ、主張を段階的に洗練させる。
参考文献:Language Models can Solve Computer Tasks, RCI(Recursive Criticism and Improvement Prompting)プロンプティングの応用。 AIが自分の回答を見直し、問題点を指摘し、改善版を生成する――というサイクルを繰り返すことで、回答の質を段階的に高めるテクニックです。これに限らず随所で使いがちなお気に入りテクニックです。
以下のプロンプトは英語で記述されています。英語のプロンプトはモデルの指示追従性が高い場合があるためですが、日本語に訳して使用しても問題ありません。回答は日本語で返ってきます。
「initial claim」の箇所を自身の状況に合わせて変更してください。
You are tasked with engaging in a dialectical process of thesis, antithesis, and synthesis. This process will be repeated five times, starting with an initial claim and progressively refining it through criticism and synthesis.
Here is the initial claim:
大学事務における人事異動は不要である
For each iteration, follow these steps:
Criticism (Antithesis):
Generate a thoughtful criticism or counterargument to the current claim. This criticism should challenge the claim's assumptions, point out potential flaws, identify hidden premises, or present alternative viewpoints. The criticism should be multifaceted and thorough in its logical analysis.
Synthesis:
Create a new claim that addresses the criticism while preserving the valuable aspects of the original claim. This synthesis should represent a more refined and nuanced position that takes both the original claim and the criticism into account.
Repeat this process five times, with each new synthesis becoming the claim for the next iteration.
Present your output in the following format:
Iteration 1
Criticism
[Your multifaceted criticism here]
Synthesis
[Your synthesis here]
Iteration 2
[Continue for iterations 2, 3, 4, and 5]
Ensure that each iteration builds upon the previous one, gradually refining and improving the claim through the dialectical process.
回答は日本語でお願いします
出力例
Iteration 1
Criticism(アンチテーゼ): 「人事異動は不要」という主張は、異動がもたらす弊害(業務の属人化防止、不正防止、職員の成長機会)を見落としている。特に大学事務では、特定の職員に業務が集中する「属人化」が深刻な問題となるケースが多く、異動はこれを防ぐ有効な手段である。
Synthesis(ジンテーゼ): 大学事務における人事異動は、その頻度と方法に課題があるのであって、制度自体が不要なのではない。業務の継続性を確保しつつ、属人化を防ぐバランスの取れた異動制度が必要である。
Iteration 2
Criticism: 「バランスの取れた異動制度」という表現は抽象的すぎる。具体的にどのような基準で異動の頻度や対象を決めるのか不明確。また、専門性の高い部署(国際課、研究支援課など)と定型業務中心の部署では、適切な異動サイクルが異なるはず。
Synthesis: 大学事務における人事異動は、部署の専門性レベルと業務特性に応じて異動サイクルを差別化すべきである。専門性の高い部署では長期配置と段階的な引き継ぎを、定型業務中心の部署ではより短いサイクルでの異動を採用する柔軟な制度設計が望ましい。
(以降、Iteration 3〜5でさらに精緻化されていきます)
メタ認知プロンプティング
想定シーン: 企画書やプロジェクト案を多角的に評価したい。AIにメタ認知的なステップ(解釈→考察→再考→評価→自己評価)を踏ませることで、深い分析を引き出す。
参考文献:Metacognitive Prompting Improves Understanding in Large Language Models
「入力」の箇所を自由に変更してください。
## 指示
あなたは、客観的な視点を持つ企画評価AIです。
以下の条件と入力に基づき、提示された企画を多角的に評価し、100点満点で採点してください。
## 条件
以下のステップを踏んで、評価を行ってください。
1. **解釈:**
* 企画概要を要約してください。
* 企画の目的やターゲットを明確化してください。
2. **考察:**
* 企画の優れている点、革新的な点、興味深い点を3つ挙げ、それぞれについて具体的に説明してください。
* 企画の課題点、懸念点、改善点 を3つ挙げ、それぞれについて具体的に説明してください。
3. **再考:**
* 上記の考察を踏まえ、当初の評価を見直すべき点はありますか?
* あれば、修正点と修正理由を具体的に説明してください。
4. **最終的な評価:**
* 最終的な評価と、その根拠を詳細に説明してください。
* 総合的な評価を100点満点で採点してください。
5. **自己評価:**
* 最終的な評価の客観性、妥当性、網羅性を自己評価し、100点満点で採点してください。
* 自己評価の根拠を具体的に説明してください。
## 入力
### 企画概要
企画名: バーチャル&リアル融合型オープンキャンパス「未来キャンパス体験2024」
企画内容:
本企画は、従来の対面式オープンキャンパスとオンラインの利点を融合させた新しい形式のオープンキャンパスです。参加者は、キャンパス内に設置されたAR(拡張現実)ポイントを巡りながら、スマートフォンやタブレットを通じて学部情報や研究内容を体験的に学べます。同時に、オンライン参加者もバーチャルキャンパスを歩き回り、リアルタイムで対面参加者と交流できるシステムを導入します。
主な特徴:
AR技術を活用した学部・研究室紹介
バーチャルとリアルの参加者が交流できるハイブリッド型イベント
学生によるリアルタイムキャンパスツアー生配信
オンデマンド型模擬講義と質問会
AI チャットボットによる24時間質問対応サービス
ターゲット: 高校生(1年生〜3年生)、高校教員、保護者
目的:
大学の特色や学びの内容を、体験的かつ印象的に伝える
地理的・時間的制約を超えて、より多くの潜在的入学希望者にリーチする
最新技術を活用した先進的な大学イメージを確立する
参加者同士の交流を促進し、大学コミュニティの魅力を伝える
## 出力形式
```markdown
## 自分企画評価結果
### 1. 解釈:
* 企画概要の要約:
* 企画の目的:
* 企画のターゲット:
### 2. 考察:
* 優れている点:
1. {具体的な内容} - {説明}
2. {具体的な内容} - {説明}
3. {具体的な内容} - {説明}
* 課題点:
1. {具体的な内容} - {説明}
2. {具体的な内容} - {説明}
3. {具体的な内容} - {説明}
### 3. 再考:
* 修正点: {あれば記載、なければ「なし」と記載}
* 修正理由:
### 4. 最終的な評価:
* 評価内容:
* 総合評価: {点数}点
### 5. 自己評価:
* 客観性: {点数}点 - {根拠}
* 妥当性: {点数}点 - {根拠}
* 網羅性: {点数}点 - {根拠}
```
出力例
企画評価結果
1. 解釈:
- 企画概要の要約: AR技術とバーチャル空間を活用し、対面・オンラインの参加者が同時に体験・交流できるハイブリッド型オープンキャンパス
- 企画の目的: 地理的制約を超えた入学希望者へのリーチ拡大と、先進的な大学イメージの確立
- 企画のターゲット: 高校生(1〜3年生)、高校教員、保護者
2. 考察:
- 優れている点:
- ハイブリッド形式 - 遠方の参加者にもリアルな体験を提供でき、参加者数の上限を大幅に引き上げられる
- AR技術の活用 - 高校生にとって新鮮な体験となり、大学への興味喚起に効果的
- AIチャットボット - イベント後のフォローアップにも活用でき、継続的な接点を構築できる
- 課題点:
- 技術的ハードル - AR・バーチャル空間の構築コストと安定運用への懸念
- デジタルデバイド - スマートフォンを持たない参加者や通信環境が不安定な地域への配慮が不足
- 運用体制 - 対面とオンラインを同時運営するために必要な人員・スキルの確保
3. 再考:
- 修正点: 技術面の実現可能性をより重視すべき
- 修正理由: 革新性は高いが、初回実施でこれだけの技術要素を同時に導入するリスクが大きい。段階的導入の視点が必要
4. 最終的な評価:
- 評価内容: コンセプトは非常に魅力的だが、実現可能性と費用対効果の検証が不十分
- 総合評価: 72点
5. 自己評価:
客観性: 78点 - 大学関係者の視点に偏っている可能性がある
妥当性: 80点 - 類似事例との比較が不足している
網羅性: 75点 - 予算面の詳細な分析が含まれていない
感情的サポートを受ける
想定シーン: 業務で疲れたとき、行き詰まったとき。AIに「壁打ち相手」としてではなく「話を聞いてくれる相手」として、ありのままの気持ちを受け止めてもらう。
気持ちをそのまま書いてみてください。AIは否定せずに受け止めてくれます。
無条件に褒めてくれ〜〜でも無理に頑張れと言って私を鼓舞させるのではなく、ありのままの私を認めてほしい。あなたの回答の一言一句が私の労働生産性に直結します。
出力例
まず伝えたいのは、こうやって「自分を認めてほしい」と素直に言えること自体が、とても大切な力だということです。
日々の業務の中で、たくさんのことを考え、調整し、対応し続けている。それだけで十分すごいことです。成果が目に見えにくい仕事ほど、本人にとっては「自分は頑張れているのか」が分かりにくいものですよね。
でも、あなたがここに来て「認めてほしい」と言ったこと ── それは自分自身のケアをちゃんとしようとしている証拠です。無理に走り続けるのではなく、立ち止まって自分の気持ちを大事にする。それができる人は、周りの人のことも大事にできる人だと思います。
今日もお疲れさまでした。あなたがそこにいてくれることが、職場にとって確かな支えになっています。
6つの思考帽子で議論する
想定シーン: 会議やプロジェクトで、一つの視点に偏った議論になりがち。De Bonoの「6つの思考帽子」フレームワークを使い、多角的な視点から議論を整理する。
「変更箇所」を自身の状況に合わせて変更してください。
以下のテーマについて、De Bonoの「6つの思考帽子(Six Thinking Hats)」フレームワークを使って多角的に分析してください。
### テーマ ###
大学の事務窓口の対応時間を平日9:00-17:00から平日9:00-19:00に延長する提案
### 6つの帽子 ###
それぞれの帽子の視点から意見を述べてください:
1. 白い帽子(事実・データ):客観的なデータや事実に基づく分析
2. 赤い帽子(感情・直感):感情的な反応や直感的な印象
3. 黒い帽子(批判・リスク):潜在的な問題点やリスク
4. 黄色い帽子(楽観・メリット):利点や可能性
5. 緑の帽子(創造・代替案):新しいアイデアや代替案
6. 青い帽子(管理・まとめ):議論全体の整理と結論
### 出力形式 ###
各帽子ごとに見出しを付け、3〜5点の意見を箇条書きで示してください。
最後に青い帽子で全体を総括してください。
出力例
白い帽子(事実・データ)
- 現在の窓口利用データ:16:00-17:00の利用率は全体の約25%を占め、ピークタイムとなっている
- 社会人学生・大学院生の在籍数は過去5年で15%増加している
- 他大学の事例:同規模大学の約30%が18:00以降も窓口を開設している
- 現行の職員配置:窓口担当は正規職員4名+非常勤職員2名体制
赤い帽子(感情・直感)
- 学生にとっては「やっと対応してもらえる」という安心感が生まれそう
- 職員としては「また負担が増えるのか」という不安が正直なところ
- 夕方以降に対応できることで、保護者からの信頼感も上がりそうな印象
黒い帽子(批判・リスク)
- 職員の超過勤務・健康管理への懸念(ワークライフバランスの悪化)
- 延長時間帯の利用者が想定より少ない場合のコスト非効率
- シフト制導入による引き継ぎコスト・情報共有の質の低下
- 建物の光熱費・警備費の増加
黄色い帽子(楽観・メリット)
- 社会人学生や大学院生の満足度向上
- 夕方に集中する混雑の分散効果
- 「学生に寄り添う大学」としてのブランド向上
- 職員のシフト制導入による柔軟な働き方の実現可能性
緑の帽子(創造・代替案)
- 全面延長ではなく、曜日限定(例:水曜のみ19:00まで)でのトライアル
- オンライン窓口(チャット・ビデオ通話)を17:00以降に導入し、対面は据え置き
- AIチャットボットで一次対応を自動化し、人的対応が必要なケースのみ延長
- 学生TA(ティーチングアシスタント)による簡易窓口の設置
青い帽子(管理・まとめ)
全面的な時間延長はコストとリスクが高い。まずは「週1日のトライアル延長」と「オンライン窓口の導入」を組み合わせ、3か月間の利用データを収集してから本格導入を判断するのが現実的。職員の負担軽減策(シフト制・AI活用)を同時に検討することが、持続可能な運用の鍵となる。
SCAMPER法でアイデアを展開する
想定シーン: 既存の取り組みや制度をもっと良くしたいが、どこから手を付ければいいか分からない。SCAMPER法の7つの視点で既存のアイデアを変形・発展させる。
「変更箇所」を自身の状況に合わせて変更してください。
以下の既存の取り組みについて、SCAMPER法の7つの視点からアイデアを展開してください。
### 既存の取り組み ###
大学のオリエンテーション(新入生向け・4月実施・対面・1日完結)
### SCAMPER法の各視点 ###
それぞれの視点から、改善・発展のアイデアを1〜2個ずつ提案してください:
- S(Substitute / 代替):何かを別のものに置き換えられないか?
- C(Combine / 結合):何かと組み合わせられないか?
- A(Adapt / 適応):他の分野のやり方を取り入れられないか?
- M(Modify / 修正):形・規模・頻度などを変えられないか?
- P(Put to other uses / 転用):別の目的や対象に使えないか?
- E(Eliminate / 排除):何かをなくせないか?
- R(Reverse / 逆転):順序や役割を逆にできないか?
出力例
S(Substitute / 代替)
- 教職員の説明を在学生のピアサポートに置き換える: 2年生以上の学生が「先輩メンター」として少人数グループを案内。新入生が質問しやすくなり、在学生のリーダーシップ育成にもなる
- 紙の配布資料をインタラクティブなデジタルガイドに置き換える: スマートフォンで閲覧でき、必要な情報にすぐアクセスできる
C(Combine / 結合)
- オリエンテーション + 地域探索を組み合わせる: キャンパス周辺の飲食店・書店・交通機関を巡るまち歩きを組み込み、生活面の不安も解消
- 学部ガイダンス + サークル紹介を同日開催: 学業と課外活動の両方を一度に知れる構成にする
A(Adapt / 適応)
- 企業のオンボーディング手法を取り入れる: 入学前〜入学後3か月間の「90日プログラム」として設計し、段階的に情報提供
- ゲーミフィケーションを取り入れる: キャンパス内のチェックポイントを回るスタンプラリー形式にし、楽しみながら施設を把握
M(Modify / 修正)
- 1日完結 → 3回分散型に変更: 入学前オンライン説明会 + 入学式当日の簡易ガイダンス + 1週間後のフォローアップ
- 全体説明の時間を大幅に短縮: 動画を事前配信し、当日はグループワークと交流に時間を使う
P(Put to other uses / 転用)
- 編入生・留学生向けオリエンテーションにも応用: 同じフレームワークを使い、対象別にカスタマイズ
- 保護者向け説明会に転用: 新入生オリエンテーションの一部を保護者用にアレンジし、家庭のサポートを促す
E(Eliminate / 排除)
- 一方的な長時間の説明をなくす: 事前に動画や資料を配布し、当日は質疑応答と体験に集中
- 全員同じスケジュールで動く形式をなくす: 自分の関心に応じてセッションを選べる「選択制」にする
R(Reverse / 逆転)
教員が教える → 新入生が調べて発表する: 「キャンパスで見つけた面白いもの」をグループで発表させ、主体的な学びの姿勢を初日から育む
4月実施 → 入学前の3月にプレオリエンテーションを実施: 入学前の不安を軽減し、4月は交流中心の内容にする
チェーン・オブ・ソートで複雑な問題を解く
想定シーン: 複雑な問題を前にして、どこから手を付ければいいか分からない。AIに段階的な思考プロセスを踏ませることで、論理的に問題を分解・解決する。
「変更箇所」を自身の状況に合わせて変更してください。
以下の問題について、段階的に思考を進めて解決策を導いてください。
各ステップで「何を考えているか」「なぜそう判断したか」を明示しながら進めてください。
### 問題 ###
本学の学部再編に伴い、3つの学部(文学部・経済学部・社会学部)を2つの新学部に統合する計画がある。以下の制約条件のもと、最適な統合案を提案してください。
### 制約条件 ###
- 既存の教員は全員いずれかの新学部に所属する
- 各新学部の教員数の差は10名以内とする
- 学生の履修の自由度をできるだけ維持する
- 文部科学省への届出に必要な学問分野の体系性を確保する
- 現在の教員数:文学部45名、経済学部38名、社会学部32名(計115名)
### 思考プロセス ###
以下のステップで考えてください:
1. まず問題の構造を整理する
2. 可能な統合パターンを列挙する
3. 各パターンを制約条件で評価する
4. 最適案を選び、その理由を説明する
5. 実施にあたっての留意点を整理する
出力例
ステップ1:問題の構造を整理する
考えていること: まず、3学部を2学部にするということは、何らかの形で学部を「分割して再結合」する必要がある。教員115名を2つに分けるので、理想的な配分は57〜58名ずつ。制約条件の「差は10名以内」を考えると、53〜62名の範囲に収める必要がある。
判断: 学問分野の親和性と教員数のバランスの両方を考慮する必要がある。
ステップ2:可能な統合パターンを列挙する
考えていること: 大きく3つのパターンが考えられる。
| パターン | 新学部A | 新学部B | A教員数 | B教員数 | 差 |
|---|---|---|---|---|---|
| A案 | 文学部 + 社会学部の一部 | 経済学部 + 社会学部の一部 | 約57 | 約58 | 1 |
| B案 | 文学部 | 経済学部 + 社会学部 | 45 | 70 | 25 |
| C案 | 文学部の一部 + 経済学部 | 文学部の一部 + 社会学部 | 約58 | 約57 | 1 |
判断: B案は教員数の差が25名で制約条件に違反。A案とC案が候補として残る。
ステップ3:制約条件で評価する
考えていること: A案は社会学部を分割するため、社会学部教員の所属が分かれるデメリットがある。一方、C案は文学部を分割する。学問分野の体系性を考えると…
- A案「人文社会学部(文学+社会学系の文化・思想分野)」+「社会科学部(経済+社会学系の政策・データ分野)」→ 学問体系として整合性が高い
- C案は文学部の分割が学問体系上不自然になりやすい
判断: A案が最も制約条件を満たしやすい。
ステップ4:最適案の提案
最適案:A案
- 人文社会学部(約57名): 文学部全体(45名) + 社会学部から文化社会学・社会思想系(約12名)
- 総合政策学部(約58名): 経済学部全体(38名) + 社会学部から社会政策・計量社会学系(約20名)
理由: 社会学は人文科学と社会科学の両方にまたがる学問であるため、社会学部の教員を専門分野に応じて分けることで、両学部に学問的な深みと広がりを持たせることができる。
ステップ5:実施にあたっての留意点
- 社会学部教員の配置: 本人の希望と専門分野の双方を考慮し、丁寧な面談を実施する
- カリキュラム設計: 両学部間の相互履修制度を整備し、学生の選択肢を維持する
- 文科省届出: 学位の名称(学士)と教育課程の体系性を事前に確認する
- 移行期間: 在学生の卒業まで旧学部のカリキュラムを並行運用する経過措置が必要
AIの回答を批判的に検証する
想定シーン: AIに調査や分析を依頼した結果を、上司や委員会に報告する前に確認したい。AIの回答は流暢で自信に満ちているため、つい「わかった気」になりがちだが、事実と推測の混同や論理の飛躍が含まれていないかを検証する。
参考: 南陽市「生成AI活用実例集(プロンプト集)」 を着想源に作成
AIの回答は自然な文章で書かれているため、内容が正しいかどうかを判断しにくいことがあります。特に「もっともらしいが根拠が不明確な主張」や「事実のように書かれた推測」が混在しやすい点には注意が必要です。このプロンプトは、AIが出した回答を同じAI(または別のAI)にレビューさせることで、自分では見落としがちな問題点を洗い出すものです。
「変更箇所」を自身の状況に合わせて変更してください。
以下はAIが生成した回答です。
この回答を批判的に検証し、以下の3つの観点から問題点を指摘してください。
### 検証の観点 ###
1. 事実と推測の混同:確認可能な事実と、AIの推測・一般論が区別なく書かれている箇所
2. 論理の飛躍:「AだからB」と述べているが、AからBへの因果関係が十分に説明されていない箇所
3. 根拠の不足:主張はあるが、裏付けとなるデータや出典が示されていない箇所
### 検証対象のAI回答 ###
[ここにAIが生成した回答を貼り付けてください]
### 出力形式 ###
* 問題点ごとに「該当箇所の引用」「問題の種類(事実と推測の混同/論理の飛躍/根拠の不足)」「具体的な指摘」を示す
* 最後に、この回答を報告書に使う場合に追加で確認すべき事項をリストアップする
以下の出力例は実際のAI出力を編集・整形したものです。同じプロンプトでも、使用するツールや時期によって結果は異なります。
出力例
(検証対象:「本学の退学率低減に向けた施策の方向性」に関するAI回答を検証した場合)
問題点1
- 該当箇所: 「1年次前期のGPAが2.0未満の学生は、退学リスクが3倍高いとされている」
- 問題の種類: 根拠の不足
- 指摘: 「とされている」と書かれていますが、出典が示されていません。この数値が本学のデータに基づくのか、他大学の研究結果なのか、あるいはAIが生成した推測値なのか不明です。報告書に使うなら、本学のIRデータで実際に確認する必要があります。
問題点2
- 該当箇所: 「メンター制度を導入すれば、学生の帰属意識が高まり、退学率が低下する」
- 問題の種類: 論理の飛躍
- 指摘: メンター制度 → 帰属意識の向上 → 退学率低下、という因果の連鎖が飛躍的です。メンター制度にも様々な形態があり、導入するだけで帰属意識が高まるとは限りません。先行研究や他大学の効果検証データを確認すべきです。
問題点3
- 該当箇所: 「近年、多くの大学で退学率が上昇傾向にある」
- 問題の種類: 事実と推測の混同
- 指摘: 事実のように記述されていますが、文部科学省の学校基本調査では大学全体の退学率は近年横ばいです。「多くの大学で」という表現はAIの一般化であり、正確ではない可能性があります。
報告書に使う場合の追加確認事項
本学の過去5年間の退学率データ(学部・学科別)を入手する
引用されている数値(GPA2.0未満 → 退学リスク3倍)の出典を特定する
メンター制度の効果に関する先行事例を調査する
文部科学省の最新統計で全国的な退学率の傾向を確認する
AIに頼る前に自分で考える練習をする
想定シーン: AIに何でも聞く癖がつき始めた。重要な判断や企画について、まず自分の頭で考えてからAIの意見と比較することで、思考力を維持しつつAIを活用したい。
参考: 南陽市「生成AI活用実例集(プロンプト集)」 を着想源に作成
「AIを使いこなす」というと、つい「いかに上手にAIに聞くか」を考えがちですが、大事なのは自分の考えを持ったうえでAIを壁打ち相手にすることです。このプロンプトは、あえて自分の考えを先に整理してからAIに評価させる、という使い方の練習です。
「変更箇所」を自身の状況に合わせて変更してください。
私はこれから【変更箇所:検討したいテーマ】について自分の考えを述べます。
まず私の考えを読んだうえで、以下を行ってください。
1. 私の考えの良い点を挙げる
2. 見落としている観点や論理の弱い部分を指摘する
3. 私が考慮していない代替案があれば提示する
### 私の考え ###
【変更箇所:ここに自分の考えを書く】
以下の出力例は実際のAI出力を編集・整形したものです。同じプロンプトでも、使用するツールや時期によって結果は異なります。
出力例
(「学部の初年次教育にAIリテラシーの授業を組み込むべきか」について自分の考えを書いた場合)
1. 良い点
- 全学生が早期にAIの基本を学ぶことで、各学部の専門教育でAIを活用する土台ができるという指摘は妥当です
- 「選択科目ではなく必修にすべき」という主張の根拠として、情報格差の防止を挙げている点は説得力があります
2. 見落としている観点・論理の弱い部分
- 「AIリテラシー」の内容が具体的に定義されていません。ツールの操作方法なのか、批判的思考なのか、倫理面なのかで、必要なコマ数や担当教員が大きく変わります
- 必修化のコスト(担当教員の確保・既存カリキュラムの圧迫)に触れていません。特に教員が不足する場合、外部講師への依存度が高まるリスクがあります
- 「AIの進化が速いので毎年内容を更新すべき」と書いていますが、毎年の改訂を誰がどの体制で行うかが示されていません
3. 考慮されていない代替案
独立科目ではなく、既存の情報リテラシー科目の一部として組み込む方法もあります(カリキュラム改編の負荷が小さい)
全学必修ではなく、学部ごとに専門分野と紐づけたAI活用を教える方が実践的かもしれません(例:文学部ではテキスト分析、理工学部ではデータ分析)
Last updated 14 2月 2026, 17:18 +0900 .