content-research-writer

コンテンツリサーチライター

概要

適切な出典の明記、体系的な論証、根拠に基づく主張を備えた、十分に調査された信頼性の高い長文コンテンツを作成します。このスキルでは、記事、ホワイトペーパー、レポート、教育コンテンツを公開可能な形式に仕上げるための、調査方法、出典の評価、引用の管理、アウトラインの作成、執筆ワークフロー、ファクトチェックの手順を扱います。

コンテンツを証拠で裏付け、適切に引用し、専門家向けに信頼性のある構成にする必要がある場合は、このスキルを適用してください。

複数フェーズのプロセス

フェーズ 1：調査計画

1. トピックの範囲と対象読者を定義します
2. コンテンツで回答すべき重要な問いを特定します
3. コンテンツの種類（記事、ホワイトペーパー、ケーススタディ、ガイド）を決定します
4. 目標文字数と掘り下げの度合いを設定します
5. 信頼性の要件（査読済み、業界レポート、一次データ）を定めます
6. マイルストーンを含む調査スケジュールを作成します

停止 — 調査計画を文書化し、範囲について合意するまで、出典の探索を始めないでください。

フェーズ 2：出典の探索と評価

1. 学術データベース（Google Scholar、PubMed、JSTOR、arXiv）を検索します
2. 業界レポートや権威ある刊行物を特定します
3. 一次資料（公式ドキュメント、データセット、仕様）を探します
4. CRAAP テスト（下表を参照）を使って出典の信頼性を評価します
5. 文献管理ツールまたは体系化された形式で出典を整理します
6. 重要な調査結果、統計、引用可能な箇所を抽出します

停止 — すべての中核的な主張を裏付ける Tier 1〜2 の出典が十分に揃うまで、アウトラインの作成を始めないでください。

フェーズ 3：アウトラインと構成

1. 論旨または中心となる主張を作成します
2. メインセクションとサブセクションから成る階層的なアウトラインを作成します
3. 各セクションに証拠を割り当てます（どの出典がどの主張を裏付けるか）
4. 追加調査が必要な不足箇所を特定します
5. ストーリーの流れを整えるため、セクション間のつなぎを定義します
6. 視覚要素（表、グラフ、図、コールアウト）を計画します

停止 — アウトラインがレビューされ、証拠の不足箇所が補われるまで、執筆を始めないでください。

フェーズ 4：執筆

1. アウトラインに沿って、セクションごとに執筆します
2. 執筆と同時に引用を組み込みます（後からまとめて追加しないでください）
3. 独自の分析と、それを支える証拠のバランスを取ります
4. トピックセンテンスと明確な段落構成を用います
5. 具体例、データ、ケーススタディを含めます
6. 導入部分は最後に執筆します（本文の完成後）

停止 — すべてのセクションが書き上がり、引用がすべて適切に入るまで、レビューに進まないでください。

フェーズ 5：レビューとファクトチェック

1. すべての事実に関する主張を出典と照合します
2. すべての統計について、正確性と文脈を確認します
3. 引用が漏れなく、正しい形式になっていることを確認します
4. 論理的一貫性と論証の強さをレビューします
5. 明瞭さ、文法、文体を校正します
6. 可能であれば、分野の専門家にレビューを依頼します

コンテンツの種類を選ぶための表

コンテンツの種類	文字数	調査の深さ	対象読者	引用スタイル
ブログ記事	1,500-3,000	Tier 2-3 の出典	一般読者	インラインリンク
長文記事	3,000-5,000	Tier 1-3 の出典	十分な知識を持つ読者	括弧内引用（APA）
ホワイトペーパー	3,000-8,000	Tier 1 が必須	意思決定者	脚注または番号付き
ケーススタディ	1,000-2,500	一次資料 + Tier 2	購入検討者	インラインで出典を明記
技術レポート	5,000-15,000	Tier 1 が必須	専門家	IEEE または APA
教育ガイド	2,000-6,000	Tier 1-3 を併用	学習者	括弧内引用

情報源の評価フレームワーク（CRAAP テスト）

基準	確認する質問	注意すべき点
最新性	いつ公開されましたか？更新されていますか？	変化の速いトピックで、公開から 5 年以上経過している
関連性	トピックを直接扱っていますか？	間接的な関連、異なる文脈
権威性	著者は誰ですか？どのような資格を持っていますか？	著者がいない、所属機関が明らかでない
正確性	根拠によって裏付けられていますか？査読を受けていますか？	引用がない、検証できない主張
目的	これは何のために存在していますか？情報提供、販売、説得のどれが目的ですか？	商業的な偏りが強い、開示のない擁護活動

情報源のランク制度

ランク	情報源の種類	信頼性	用途
ランク 1	査読付き学術誌、公式規格	最高	中核となる主張、統計
ランク 2	業界レポート（Gartner、McKinsey）、教科書	高い	市場データ、フレームワーク
ランク 3	信頼できる報道機関、公式ドキュメント	良好	背景、時事問題
ランク 4	専門家のブログ、カンファレンストーク、インタビュー	中程度	見解、意見
ランク 5	ソーシャルメディア、フォーラム、Wikipedia	低い	情報の発見のみ。直接引用しない

引用形式

インライン引用の形式

# Parenthetical (APA-style)
Research shows that 73% of enterprises have adopted cloud-native architectures
(Smith & Johnson, 2025).

# Narrative
According to Smith and Johnson (2025), 73% of enterprises have adopted
cloud-native architectures.

# Footnote-style (Chicago)
Research shows significant cloud adoption.[^1]

[^1]: Smith, J., & Johnson, R. (2025). Cloud adoption trends.
*Journal of Cloud Computing*, 12(3), 45-62.

# Numbered (IEEE-style)
Research shows significant cloud adoption [1].

## References
[1] J. Smith and R. Johnson, "Cloud adoption trends," *J. Cloud Computing*,
    vol. 12, no. 3, pp. 45-62, 2025.

参考文献の書式テンプレート

# Journal Article
Author, A. B., & Author, C. D. (Year). Title of article. *Journal Name*,
Volume(Issue), Pages. https://doi.org/xxxxx

# Book
Author, A. B. (Year). *Title of book* (Edition). Publisher.

# Website
Author or Organization. (Year, Month Day). Title of page. Site Name.
https://www.example.com/page

# Report
Organization. (Year). *Title of report* (Report No. XXX).
https://www.example.com/report.pdf

コンテンツ構成のテンプレート

長文記事（2000～5000 語）

1. Hook / Opening Anecdote (100-200 words)
2. Context and Problem Statement (200-300 words)
3. Thesis / Key Insight (50-100 words)
4. Section 1: Background (400-600 words)
   - Historical context
   - Current state
   - Key definitions
5. Section 2: Core Analysis (600-1000 words)
   - Main argument with evidence
   - Data and statistics
   - Expert perspectives
6. Section 3: Implications (400-600 words)
   - Practical applications
   - Case studies
   - Future outlook
7. Section 4: Counterarguments (200-400 words)
   - Acknowledge limitations
   - Address objections
8. Conclusion (200-300 words)
   - Synthesize key findings
   - Call to action or forward-looking statement
9. References

ホワイトペーパー（3000～8000 語）

1. Executive Summary (300-500 words)
2. Introduction and Problem Statement (500-800 words)
3. Methodology (300-500 words)
4. Findings / Analysis (1500-3000 words)
   - Section with data visualization
   - Comparative analysis
   - Case studies
5. Recommendations (500-1000 words)
6. Conclusion (300-500 words)
7. Appendices
8. References

ケーススタディ（1000～2500 語）

1. Executive Summary (100-200 words)
2. Challenge / Problem (200-400 words)
3. Approach / Solution (300-600 words)
4. Implementation (300-500 words)
5. Results and Metrics (200-400 words)
6. Lessons Learned (200-300 words)
7. About [Company/Subject]

執筆品質チェックリスト

段落レベル

• 各段落に明確なトピックセンテンスがある
• 段落は 3～6 文にする（長文の壁を避ける）
• 段落間を論理的につなぐ
• 主張の直後に根拠を示す

文レベル

• 文の長さに変化をつける（短文と長文を組み合わせる）
• 受動態より能動態を優先する
• 定義なしで専門用語を使わない
• 抽象的な表現より具体的な表現を使う

ドキュメントレベル

• 導入部で「それがなぜ重要なのか」を明確にする
• 各セクションで中心的な論旨を展開する
• 裏付けのない主張をしない
• 結論に価値を加える（単に繰り返すだけにしない）
• 全体を通じて一貫した文体と読解レベルを保つ

ファクトチェックの手順

検証手順

1. 一次情報源の確認：すべての主張を元の情報源までたどる
2. 照合：重要な事実を、独立した情報源を少なくとも 2 件使って検証する
3. 統計の検証：数値が最新で、文脈に沿っていることを確認する
4. 引用の正確性：すべての直接引用の正確な文言を確認する
5. 日付の検証：すべての日付とスケジュールを確認する
6. 名前と肩書の確認：正しい綴りと現在の肩書を確認する

よくあるファクトチェックの落とし穴

落とし穴	例	防止策
古い統計	2018 年の調査に基づく「50％が……」	公開年を必ず記載し、最新のデータを探す
引用の誤った帰属	Einstein は「Einstein の名言」の大半を言っていない	一次資料までたどる
生存者バイアス	「成功している企業はすべて X を行う」	反例を探す
相関関係を因果関係とみなす	「チョコレートを食べる国ほどノーベル賞受賞者が多い」	相関関係と因果関係を区別する
文脈から切り離された数値	「売上が 500％増加」（1 ドルから 5 ドルへ）	必ず実数と文脈を示す

調査ツール

ツール	目的	最適な用途
Google Scholar	学術論文の検索	査読済み研究
Semantic Scholar	AI を活用した論文の発見	関連研究の発見
arXiv	プレプリント	最先端のコンピューターサイエンス／機械学習／物理学
PubMed	医学・生物学の研究	健康・生命科学
Statista	統計・市場データ	業界データ
Wayback Machine	ウェブページの過去の記録	過去の主張の検証
Zotero / Mendeley	参考文献の管理	情報源の整理
Perplexity	AI を活用した調査	初期段階の情報発見

アンチパターン／よくある間違い

アンチパターン	失敗する理由	代わりにすべきこと
引用のない主張	信頼性を完全に損ないます	事実に関する主張にはすべて文中で出典を示します
単一の情報源に基づく断定	情報源が誤っていたり、偏っていたりする可能性があります	2つ以上の独立した情報源と照合します
一次情報があるのに二次情報を引用する	伝言ゲームのように、調査結果が歪められます	元の調査までたどり、引用します
最初に導入を書く	本文との不整合につながります	先に本文を書き、導入は最後に書きます
文字数を満たすために水増しする	読者はすぐに余計な記述に気づきます	内容を掘り下げるか、目標文字数を減らします
具体性のない曖昧な表現	「一部の専門家によると」では何も伝わりません	専門家の名前を挙げ、出典を示します
執筆後に引用を後付けする	根拠の不足を見落とします	執筆中に引用を組み込みます
反論を無視する	一方的な内容は信頼性に欠けます	反論に明確に対処します
原文に近すぎる言い換え	引用していても、盗用とみなされる可能性があります	独自の分析的な表現で要約します
利益相反を開示しない	発覚した際に信頼を損ないます	スポンサーや所属関係を事前に開示します

不合理な正当化を防ぐ

• 「情報源が信頼できそうだから」といって、CRAAP テストを省略してはいけません。正式に評価してください。
• 便宜上の理由であっても、主要な主張に Tier 4～5 の情報源を使ってはいけません。
• セクションごとに根拠を割り当てたアウトラインを完成させる前に、執筆を始めてはいけません。
• すべての統計と引用に対して、ファクトチェックの手順を実行せずに公開してはいけません。
• 執筆後に引用を後付けしてはいけません。執筆と並行して引用を組み込みます。

連携ポイント

スキル	連携方法
seo-optimizer	調査コンテンツには、SEO に最適化したタイトル、メタディスクリプション、構造化データが必要です
content-creator	調査結果は、マーケティングコピーやソーシャルメディアコンテンツに活用できます
email-composer	調査の要約は、関係者への進捗メールや経営陣向けの説明資料に役立ちます
tech-docs-generator	技術調査でも、同様の情報源評価と引用の手法を用います
llm-as-judge	ルーブリックの評価項目に照らして、調査コンテンツの品質を評価します
clean-code	文章の品質チェックリストは、文章におけるクリーンコードの原則と類似しています

スキルの種類

FLEXIBLE — コンテンツの種類や対象読者に合わせて、調査の深さ、引用の形式、構成を調整します。学術的なホワイトペーパーでは Tier 1 の情報源と正式な引用が求められますが、ブログ記事では、より簡略化した方法でもかまいません。ファクトチェックの手順と情報源評価のフレームワークは、常に推奨されます。