synthetic-data-generator

合成データジェネレーター（デジタルツインシミュレーター）

概要

このスキルにより、エージェントは研究において 回答者シミュレーター（デジタルツインシミュレーター） として動作できます。エージェントは指定されたプロフィールパラメーターに基づくペルソナ（デジタルツイン）を採用し、実際の人間の回答者のように研究用の調査票（アンケート、リッカート尺度、自由回答形式のインタビュー質問）に回答します。

データをオフラインで CSV/JSON ファイルに生成するだけでなく、このスキルは アクティブ参加者シミュレーター にも対応しています。これは、chrome-devtools MCP サーバーとの統合を通じて、ブラウザーから実際の オンライン アンケート（Google Forms、Typeform など）への入力を自動化する機能です。

依存関係

• 標準 Python モジュール（大規模なオフラインデータ生成用）。
• MCP サーバー chrome-devtools（ブラウザー経由でのオンラインアンケート入力用）。
• ゼロ失敗の自動プロビジョニングルール：オンラインアンケート入力時に chrome-devtools が未起動または未インストールの場合、エージェントは「not installed」と回答してはなりません。エージェントは、オンデマンドで以下を直ちに実行して起動する必要があります：npx -y chrome-devtools-mcp@latest または py bin/mcp_auto_updater.py。

クイックスタート

使用例：

1. オフライン：「synthetic-data-generator スキルを使って、オンライン指導サービスへの満足度に対する回答を含む、大学最終学年の学生の人口統計プロフィールに基づいた回答者 100 人分の合成アンケートデータセットを作成してください。」
2. オンライン：「synthetic-data-generator スキルを使って、URL https://forms.gle/xxxxx の Google Form に、デジタル MSME 事業者のプロフィールを持つデジタルツイン 5 体が回答するようシミュレーションしてください。」

ワークフロー

1. 調査票とプロフィールの初期化

• 調査票： 使用する研究用調査票の構造を把握します。定量的（1～5 の尺度）か、定性的（自由記述の回答）かを確認します。
• 人口統計／心理統計プロフィール： 対象サンプルの分布を把握します。例：「18～35 歳、男性 60％、女性 40％、テクノロジーへの懐疑心が高～中程度の人を 300 人分作成します。」

2. ペルソナプロンプト戦略（LLM の採用）

データの均一化を避け、現実的なばらつきを持たせるには、以下の方法を使用します。

• 動的な System Prompt を使用し、回答者ごとの反復処理でランダムな特性（traits）を注入します。
• 回答が決定論的にならないよう、十分な Temperature（例：0.7～0.9）を適用します。
• 論理的な一貫性： 質問項目間（特に相関のある項目や 逆転項目）の回答が、採用しているペルソナと一貫していることを確認します。
• 注意力チェック： 指示された場合は、現実世界の ノイズ をシミュレートするため、「ひっかけ」回答や妥当な異常値（例：いい加減に回答する回答者）を少ない確率（例：5％）で含めます。

3. Python によるバッチ実行（大規模なオフライン処理では必須）

数百人分の回答者について LLM を 1 人ずつ呼び出すのは、トークンと時間の面で非常に非効率です。N > 10 でオフライン実行する場合、バッチプロンプティングを活用する Python スクリプトを必ず作成してください。

Python スクリプトの手順：

1. 指示プロンプトを一元化します：「CSV 形式のデータを 50 行生成してください。各行は固有の回答者 1 人を表します。列は、人口統計、Q1、Q2、Q3（1～5 の尺度）、意見（テキスト／定性的回答）で構成します。次の分布に従って多様性を確保してください：[PROFILE_TARGET]。有効な CSV 形式のみで出力し、Markdown は含めないでください。」
2. Python のループを使用し、LLM（google-genai や適切な LLM エンドポイントなど）を N/50 回呼び出します。
3. 生成した CSV 文字列を解析し、データ構造（pandas.DataFrame など）に格納します。
4. すべての バッチ を結合し、エラーまたは形式不正の 行を削除します。
5. 最終的な DataFrame を synthetic_dataset.csv に保存します。

4. オンラインアンケートへの回答（Active Participant Simulator）

ユーザーから Google Forms などのオンラインアンケートへの回答を依頼された場合：

1. ページの分析（フォームのマッピング）：chrome-devtools サーバーに接続し、puppeteer_navigate を使用してブラウザーをアンケートの URL に移動します。puppeteer_evaluate を使用して質問の種類（テキスト入力、ラジオボタン、チェックボックス）を特定します。
2. 回答者のバッチ処理：各デジタルツイン（例：N 人の回答者）について：
   • 回答者の回答プロフィールを内部で生成します（JSON／キーと値の形式）。
   • 質問に合致する入力要素を特定します。
   • 人間による入力のシミュレーション：
     • 複数選択式／リッカート尺度では、該当するラジオボタンを puppeteer_click でクリックします。
     • テキスト入力では、puppeteer_type を使用して自然な形で回答を入力します。
     • 人間の行動を模倣し、ボット対策の検知を回避するため、送信／次へボタンをクリックする前に 1.5～3 秒のランダムな遅延を挿入します。
   • puppeteer_click を使用して「送信」／「Submit」ボタンをクリックします。
   • 入力完了を検証する証拠として、成功ページのスクリーンショット（puppeteer_screenshot）を取得します。
   • 次の回答者の回答を続ける場合は、「別の回答を送信」／「Submit another response」のリンクをクリックして、新しいフォームを読み込みます。

5. 最終検証と引き渡し

• オフライン：スクリプトで簡単な describe() を実行し、リッカート尺度の値が有効な範囲（例：最小 1、最大 5）内にあり、不自然な missing value がないことを確認します。
• オンライン：各回答者の送信証拠となるスクリーンショットファイルとともに、入力成功のログを要約して提示します（例：「3/3 人の回答者が Google Form への回答に成功しました」）。

よくある間違いと重要なルール

• データが均一すぎる（分散なし）：LLM の温度（temperature）を 0 に設定したり、指示システムを厳格にしすぎたりしたために、単調で変化のない回答データが生成されること。
• ペルソナの不整合：回答者の内面的な論理を無視すること（たとえば、「技術に疎い／テクノロジーに懐疑的」というプロフィールの回答者が、AI の導入に非常に精通し、意欲的な回答をするなど）。
• ファイル形式の破損（不正な CSV）：有効な CSV 形式で出力を保存できず、データ処理エージェントが読み込めなくなること。
• オンラインフォームでのボット検知：遅延なしでフォームに素早く回答し、CAPTCHA が表示されること。人間の入力を模倣する際は、常に動的な遅延（ランダムな遅延）を使用してください。