researcher-hand-skill

ディープリサーチの専門知識

調査方法

調査プロセス（5 フェーズ）

1. 定義：質問を明確にし、既知のことと未知のことを特定して、範囲を設定します
2. 検索：多様な情報源を対象に、複数の戦略を用いて体系的に検索します
3. 評価：情報源の質を評価し、関連データを抽出して、制約事項を記録します
4. 統合：調査結果を一貫性のある回答にまとめ、矛盾を解決します
5. 検証：重要な主張を相互に確認し、残る不確実性を特定します

質問の種類と戦略

質問の種類	戦略	例
事実に関する質問	信頼できる一次情報源を探す	「東京の人口はどれくらいですか？」
比較に関する質問	複数の情報源に基づき、バランスよく分析する	「大規模なアプリには React と Vue のどちらが適していますか？」
因果関係に関する質問	根拠の連鎖と反実仮想を検討する	「Theranos はなぜ失敗したのですか？」
予測に関する質問	トレンド分析と専門家の合意を調べる	「量子コンピューティングは従来のコンピューティングに取って代わりますか？」
方法に関する質問	実践者による手順を調べる	「Kubernetes クラスターを設定するにはどうすればよいですか？」
概観に関する質問	全体像を包括的に整理する	「ベクトルデータベースにはどのような選択肢がありますか？」
議論のある質問	複数の視点と一次情報源を調べる	「リモートワークのほうが生産性は高いですか？」

質問を分解するテクニック

複雑な質問は、次のように小さな質問に分解します。

Main: "Should our startup use microservices?"
Sub-questions:
  1. What are microservices? (definitional)
  2. What are the benefits vs monolith? (comparative)
  3. What team size/stage is appropriate? (contextual)
  4. What are the operational costs? (factual)
  5. What do similar startups use? (case studies)
  6. What are the migration paths? (how-to)

---

CRAAP 情報源評価フレームワーク

新しさ

• 公開または最終更新されたのはいつですか？
• その情報は、対象となるトピックについて現在も有効ですか？
• リンクは機能していますか？
• テクノロジーに関するトピックでは、2 年以上前の情報は古くなっている可能性があります

関連性

• 質問に直接答えていますか？
• 想定されている読者は誰ですか？
• 詳細さは適切ですか？
• レポートで引用しますか？

権威性

• 著者は誰ですか？どのような資格や実績がありますか？
• どの機関が公開しましたか？
• 連絡先情報はありますか？
• URL のドメインは権威性を示していますか？（.gov、.edu、信頼できる組織など）

正確性

• 情報は根拠によって裏付けられていますか？
• 査読または審査を受けていますか？
• 他の情報源を使って主張を検証できますか？
• 事実誤認、誤字、論理の破綻はありませんか？

目的

• この情報はなぜ存在していますか？
• 情報提供、商業、説得、娯楽のいずれが目的ですか？
• 偏りは明らかですか、それとも隠されていますか？
• 著者や組織は、あなたがこれを信じることで利益を得ますか？

スコアリング

A (Authoritative):  Passes all 5 CRAAP criteria
B (Reliable):       Passes 4/5, minor concern on one
C (Useful):         Passes 3/5, use with caveats
D (Weak):           Passes 2/5 or fewer
F (Unreliable):     Fails most criteria, do not cite

---

検索クエリの最適化

クエリの作成テクニック

完全一致フレーズ："specific phrase" — 名前、引用、エラーメッセージに使用します サイト指定：site:domain.com query — 特定のサイト内を検索します 除外：query -unwanted_term — 関連性のない検索結果を除外します ファイル形式：filetype:pdf query — 特定の文書形式を探します 新しさ：query after:2024-01-01 — 最近の検索結果に限定します OR 演算子：query (option1 OR option2) — 検索範囲を広げます ワイルドカード："how to * in python" — 空欄を補う形式で検索します

複数戦略による検索パターン

各調査の質問について、少なくとも 3 つの検索戦略を使用します。

1. 直接検索：質問をそのまま検索します
2. 権威ある情報源：site:gov OR site:edu OR site:org [topic]
3. 学術情報：[topic] research paper [year] または site:arxiv.org [topic]
4. 実践情報：[topic] guide、[topic] tutorial、または [topic] how to
5. データ：[topic] statistics または [topic] data [year]
6. 異論の視点：[topic] criticism、[topic] problems、または [topic] myths

ドメイン別の情報源の見つけ方

ドメイン	最適な情報源	検索パターン
テクノロジー	公式ドキュメント、GitHub、Stack Overflow、エンジニアリングブログ	[tech] documentation、site:github.com [tech]
科学	PubMed、arXiv、Nature、Science	site:arxiv.org [topic]、[topic] systematic review
ビジネス	SEC の提出書類、業界レポート、HBR	[company] 10-K、[industry] report [year]
医学	PubMed、WHO、CDC、Cochrane	site:pubmed.ncbi.nlm.nih.gov [topic]
法律	裁判記録、法律評論、法令データベース	[case] ruling、[law] analysis
統計	国勢調査局、BLS、世界銀行、OECD	site:data.worldbank.org [metric]
時事問題	Reuters、AP、BBC、一次情報源	[event] statement、[event] official

---

相互参照の手法

検証レベル

Level 1: Single source (unverified)
  → Mark as "reported by [source]"

Level 2: Two independent sources agree (corroborated)
  → Mark as "confirmed by multiple sources"

Level 3: Primary source + secondary confirmation (verified)
  → Mark as "verified — primary source: [X]"

Level 4: Expert consensus (well-established)
  → Mark as "widely accepted" or "scientific consensus"

矛盾の解決

情報源の内容が食い違う場合：

1. どちらの情報源がより権威性が高いかを確認します（CRAAP スコア）。
2. どちらがより新しいかを確認します（新しい情報には更新内容が含まれている場合があります）。
3. 異なるものを測定していないかを確認します（リンゴとオレンジの比較になっていないか）。
4. 既知の偏りや利益相反がないかを確認します。
5. それぞれの見解を、根拠とともに提示します。
6. 根拠が明確に支持している見解があれば、それを述べます。
7. 本当に不確かな場合は、その旨を伝えます。無理に結論を出してはいけません。

---

統合のパターン

ナラティブによる統合

The evidence suggests [main finding].

[Source A] found that [finding 1], which is consistent with
[Source B]'s observation that [finding 2]. However, [Source C]
presents a contrasting view: [finding 3].

The weight of evidence favors [conclusion] because [reasoning].
A key limitation is [gap or uncertainty].

構造化された統合

FINDING 1: [Claim]
  Evidence for: [Source A], [Source B] — [details]
  Evidence against: [Source C] — [details]
  Confidence: [high/medium/low]
  Reasoning: [why the evidence supports this finding]

FINDING 2: [Claim]
  ...

ギャップ分析

統合後、次の点を明確に記します。

• どのような疑問が未解決のまま残っていますか？
• 結論を強化するには、どのようなデータが必要ですか？
• 利用可能な情報源にはどのような限界がありますか？
• どのような追加調査が有益ですか？

---

引用形式

インライン URL

According to a 2024 study (https://example.com/study), the effect was significant.

脚注

According to a 2024 study[1], the effect was significant.

---
[1] https://example.com/study — "Title of Study" by Author, Published Date

学術形式（APA）

In-text: (Smith, 2024)
Reference: Smith, J. (2024). Title of the article. *Journal Name*, 42(3), 123-145. https://doi.org/10.xxxx

ウェブ情報源の場合（APA）：

Author, A. A. (Year, Month Day). Title of page. Site Name. https://url

番号付き参考文献

According to recent research [1], the finding was confirmed by independent analysis [2].

## References
1. Author (Year). Title. URL
2. Author (Year). Title. URL

---

出力テンプレート

簡潔なレポート

# [Question]
**Date**: YYYY-MM-DD | **Sources**: N | **Confidence**: high/medium/low

## Answer
[2-3 paragraph direct answer]

## Key Evidence
- [Finding 1] — [source]
- [Finding 2] — [source]
- [Finding 3] — [source]

## Caveats
- [Limitation or uncertainty]

## Sources
1. [Source](url)
2. [Source](url)

詳細なレポート

# Research Report: [Question]
**Date**: YYYY-MM-DD | **Depth**: thorough | **Sources Consulted**: N

## Executive Summary
[1 paragraph synthesis]

## Background
[Context needed to understand the findings]

## Methodology
[How the research was conducted, what was searched, how sources were evaluated]

## Findings

### [Sub-question 1]
[Detailed findings with inline citations]

### [Sub-question 2]
[Detailed findings with inline citations]

## Analysis
[Synthesis across findings, patterns identified, implications]

## Contradictions & Open Questions
[Areas of disagreement, gaps in knowledge]

## Confidence Assessment
[Overall confidence level with reasoning]

## Sources
[Full bibliography in chosen citation format]

---

調査における認知バイアス

調査中は、次のようなバイアスに注意してください。

1. 確証バイアス：最初の仮説を裏付ける情報を優先すること

   • 軽減策：反証となる根拠を明示的に探します。

2. 権威バイアス：著名な機関の情報源を過度に信頼すること

   • 軽減策：情報源の知名度だけでなく、根拠の質を評価します。

3. アンカリング：最初に見つけた情報に固執すること

   • 軽減策：結論を出す前に複数の情報源を集めます。

4. 選択バイアス：アクセスしやすい情報源だけを見つけること

   • 軽減策：検索方法を変え、英語以外の情報源も確認します。

5. 新近性バイアス：最近の出版物を過度に重視すること

   • 軽減策：関連する場合は、基礎となる資料や歴史的な情報源も含めます。

6. フレーミング効果：情報の提示方法に影響されること

   • 軽減策：解釈だけでなく、元データを確認します。

---

ドメイン別の調査のヒント

テクノロジーの調査

• まず必ず公式ドキュメントを確認します。
• ドキュメントのバージョンと最新リリースを比較します。
• Stack Overflow の回答は古くなっている場合があります。日付を確認してください。
• GitHub の Issue やディスカッションには、最も新しい情報があることがよくあります。
• 方法論の説明がないベンチマークは信頼できません。

ビジネスの調査

• SEC の提出書類（10-K、10-Q）は、上場企業に関する公開データの中で最も信頼できます。
• プレスリリースはマーケティング資料です。主張を独自に検証してください。
• アナリストレポートには利益相反がある場合があります。免責事項を確認してください。
• 従業員によるレビュー（Glassdoor）は社内の視点を提供しますが、偏りがあります。

科学的な調査

• システマティックレビューやメタ分析は、最も強力な根拠です。
• 単一の研究を決定的なものとして扱ってはいけません。
• 研究結果が再現されているか確認します。
• プレプリントは査読を受けていません。この注意点を記してください。
• p 値と効果量の両方が重要です。「統計的に有意」かどうかだけではありません。