SlideShare ist ein Scribd-Unternehmen logo
1 von 77
Downloaden Sie, um offline zu lesen
京大サマーデザインスクール2014 
  
京大サマーデザイン 
スクール2014 
  
(c)2014 西尾泰和(サイボウズ・ラボ) 
西尾泰和 
1
断片的情報の構造化 - KJ法の実践 
  
KJ法の実践 
   
2 
2
断片的情報の構造化 - KJ法の実践 
  
KJ法は大きく分けて3ステップ 
1: データ集め、ラベル作り 
2: ボトムアップでグループ編成 
3: 別のフォーマットへ変換 
   
3 
3
1: データ集め、ラベル作り 
2: ボトムアップでグループ編成 
3: 別のフォーマットへ変換 
素材 
付箋作り 
付箋拡げ 
付箋集め 
表札作り 
空間配置 
図解化 
文章化 
口頭発表 
KJ法の1ラウンド 
グループ編成A型B型 
断片的情報の構造化 - KJ法の実践 
  
『「知」の探検学』 p.18 
  
←  1  →←  2  →←   3   → 
4 
4
断片的情報の構造化 - KJ法の実践 
  
1: データ集め、ラベル作り 
2: ボトムアップでグループ編成 
3: 別のフォーマットへ変換 
   
5 
5
断片的情報の構造化 - KJ法の実践 
1: データ集め・ラベル作り 
自分の頭の中を探検し 
主題に関係あるかもと思うことを 
付箋に書きだしてみよう 
   
6 
6
断片的情報の構造化 - KJ法の実践 
1: データ集め・ラベル作り 
判断の前にまずは書こう 
「事実かどうかよりも自分が 
 そう思っていることが大事」 
川喜田二郎(1977)『「知」の探検学 : 取材から創造へ』p47 
  
7 
7
断片的情報の構造化 - KJ法の実践 
1: データ集め・ラベル作り 
頭の外を探検して 
主題に関係あるかもと思うことを 
紙切れに書きだしてみよう 
   
8 
8
断片的情報の構造化 - KJ法の実践 
1: データ集め・ラベル作り 
頭の外とは、例えば 
・フィールドワーク ・観察 
・他人との対話、インタビュー 
・他人の書いた書籍、発表資料 
・複数人でのブレインストーミング 
他にも色々ある 
  
9 
9
断片的情報の構造化 - KJ法の実践 
1: データ集め・ラベル作り 
「なんでも見てやろう」 
という心の態度が重要 
川喜田二郎(1967)『発想法 : 創造性開発のために』p33 
  
10 
10
断片的情報の構造化 - KJ法の実践 
1: データ集め・ラベル作り 
先入観にとらわれず 
事実に素直に耳を傾けよう 
例外や失敗こそ知識の宝庫 
例外だからと捨ててしまわない 
「事実に素直に耳を傾けよう」『発想法』p80  
  
11 
11
断片的情報の構造化 - KJ法の実践 
ここまでの演習 
・脳内を探検して付箋を書いた 
・他人の書いた付箋を見て、 
 関係ありそうなものを集めた 
・他人に付箋を追加された 
 =先入観なし&不都合な事実* 
* 特に結論ありきで付箋を書いていた人はこの付箋に苦しむことになる 
  
12 
12
断片的情報の構造化 - KJ法の実践 
第一ステップは済んだ! 
たくさんの付箋が手元にある。 
次はこれをまとめるステップ! 
   
13 
13
断片的情報の構造化 - KJ法の実践 
  
1: データ集め、ラベル作り 
2: ボトムアップでグループ編成 
3: 別のフォーマットへ変換 
   
14 
14
断片的情報の構造化 - KJ法の実践 
2: ボトムアップでグループ編成 
まず、カルタのように 
全部の付箋が見えるように 
机の上に広げよう 
重なったり、読めない付箋ができたりしないようにね! 
  
15 
15
断片的情報の構造化 - KJ法の実践 
2: ボトムアップでグループ編成 
そして眺める 
どこからでもよい 
『発想法』p73 
  
16 
16
断片的情報の構造化 - KJ法の実践 
2: ボトムアップでグループ編成 
・似た内容の付箋が見つかる 
・関係ありそうな付箋が見つかる 
これを近くに集める 
   
17 
17
断片的情報の構造化 - KJ法の実践 
2: ボトムアップでグループ編成 
ボトムアップで 
グループを作っていく 
   
18 
18
断片的情報の構造化 - KJ法の実践 
2: ボトムアップでグループ編成 
何のために? 
情報量が多いと脳が考えることを 
拒否してしまう。数枚のグループに 
するとアイデアが出やすくなる。 
   
19 
19
断片的情報の構造化 - KJ法の実践 
2: ボトムアップでグループ編成 
並び替え・グループ編成の過程で 
なにか思いついたら付箋を追加する 
今はまだ発散フェーズ! 
  
20 
20
演習 
断片的情報の構造化 - KJ法の実践 
演習 
まずはここまでやってみよう 
   
21 
21
断片的情報の構造化 - KJ法の実践 
演習(実際の風景) 
昨年の1日目14時頃の状況 
  
22
断片的情報の構造化 - KJ法の実践 
2: ボトムアップでグループ編成 
何枚か集まったら 
グループを1枚に圧縮する 
   
23
断片的情報の構造化 - KJ法の実践 
2: ボトムアップでグループ編成 
表札づくり 
新しい付箋に要約を書いて 
グループを束ねる 
   
24
断片的情報の構造化 - KJ法の実践 
2: ボトムアップでグループ編成 
何のために? 
枚数が多いままでは 
全体像をつかめない→圧縮 
圧縮過程で新しい気付きもある 
   
25
断片的情報の構造化 - KJ法の実践 
2: ボトムアップでグループ編成 
グループを手にとって 
「なんでこれまとめたんだっけ」 
と問いかけてみる 
「~~だから」が表札の候補 
   
26
断片的情報の構造化 - KJ法の実践 
2: ボトムアップでグループ編成 
「集めたの間違いだった」 
と思ったなら修正する 
違和感に目をつぶって進むと 
後で更に苦しくなる 
   
27
断片的情報の構造化 - KJ法の実践 
2: ボトムアップでグループ編成 
よくある質問 
「情報に取りこぼしが出る!」 
それでいい。枝葉を捨てて重要な 
エッセンスだけ残すことが目的 
どこが重要か自問すること 
   
28
断片的情報の構造化 - KJ法の実践 
2: ボトムアップでグループ編成 
よくある質問 
「紙が小さくて書ききれない!」 
全ての情報を書こうとしていない 
か?書ける量に要約するんだ! 
   
29
断片的情報の構造化 - KJ法の実践 
2: ボトムアップでグループ編成 
よくある質問 
「どう要約するのが正解か…」 
正解はない。よいと思う方法を 
信じて進むしかない。 
間違いに気づいたらやり直せば良い 
   
30
断片的情報の構造化 - KJ法の実践 
2: ボトムアップでグループ編成 
よくある質問 
「どれくらいの枚数・粒度で  
 まとめるのがよいのか?」 
元の付箋の内容によって異なる 
表札を付けられる枚数・粒度 
   
31
断片的情報の構造化 - KJ法の実践 
2: ボトムアップでグループ編成 
よくある質問 
ボトムアップでまとめると 
レベルがまちまちになって 
変な分類になってしまう 
それでよい 
   
32
断片的情報の構造化 - KJ法の実践 
2: ボトムアップでグループ編成 
このフェーズで一番大事なのは 
ボトムアップ 
   
33
断片的情報の構造化 - KJ法の実践 
2: ボトムアップでグループ編成 
“この付箋は問題と理想と解決方法 
だから、まず3つに分類しよう” 
トップダウン分類! 
ダメ!ゼッタイ! 
   
34
断片的情報の構造化 - KJ法の実践 
2: ボトムアップでグループ編成 
KJ法の目的は 
「予期しないつながり」 
を発見すること 
   
35
断片的情報の構造化 - KJ法の実践 
2: ボトムアップでグループ編成 
トップダウンの分類は 
できあいのワクの中に 
単にはめ込んでいるだけ 
KJ法の発想的意義が死んでしまう 
『発想法』p78 
  
36
断片的情報の構造化 - KJ法の実践 
2: ボトムアップでグループ編成 
「実状を無視して体系化しても 
啓発的ではない」 
『発想法』p92-93 
  
37
断片的情報の構造化 - KJ法の実践 
2: ボトムアップでグループ編成 
『発想法』p77 
  
グループ編成は 
小チームから 
大チームへ 
38
よくある質問 
断片的情報の構造化 - KJ法の実践 
離れザル 
“この付箋をどこに入れたら 
いいのかわかりません” 
入る場所のない付箋は 
無理に入れなくていい 
川喜田二郎は「離れザル」と呼んでいる 
  
39
断片的情報の構造化 - KJ法の実践 
離れザル 
先に進んでから 
ちょうどいいグループが 
発見されるかもしれない 
単独で価値が分からないものが、構造の中で価値を見出される可能性 
  
40
断片的情報の構造化 - KJ法の実践 
離れザル 
この離れザルが 
発想の鍵になるかもしれない 
適当なグループに押し込めて 
殺してしまってはいけない 
   
41
断片的情報の構造化 - KJ法の実践 
  
グループ編成を 
何度も繰り返して 
どんどん束ねていこう 
   
42
中間発表 
断片的情報の構造化 - KJ法の実践 
演習課題 
1人3分で自分の付箋を 
他人に説明しよう 
1日目16:20から10分で準備 
  
コツ:自己紹介でやったのの約3倍話せる 
時間が限られているので重要なところから 
話す順番に並べておくとスムーズ 
束ねた物を一時的に展開するのもアリ 
話をスムーズにするために付箋を足すのもアリ 
43
断片的情報の構造化 - KJ法の実践 
  
1: データ集め、ラベル作り 
2: ボトムアップでグループ編成 
3: 別のフォーマットへ変換 
これは二日目にやる 
  
44
断片的情報の構造化 - KJ法の実践 
3: 別のフォーマットへ変換  
素材 
付箋作り 
付箋拡げ 
付箋集め 
表札作り 
空間配置 
図解化 
文章化 
口頭発表 
KJ法の1ラウンド 
グループ編成A型B型 
グループ編成を繰り返した後 
なにをするかについて 
川喜田二郎 “「知」の探検学” p.18 
  
45
KJ法A型 
断片的情報の構造化 - KJ法の実践 
KJ法A型 
束ねた付箋を大グループから順に 
広げて空間的に配置し図解する 
二次元の図にする 
  
46
・空間的配置 
・輪で囲む 
・線でつなぐ 
断片的情報の構造化 - KJ法の実践 
KJ法A型 
図は『発想法』p91から(一部拡大) 
  
47
つないだ線に 
断片的情報の構造化 - KJ法の実践 
KJ法A型 
「したがって」「しかし」 
などと書くと 
関係がわかりやすい 
『知の探検学』p21 
  
48
断片的情報の構造化 - KJ法の実践 
KJ法A型 
なぜこれをやるのか? 
今まで、関係のありそうなものを 
近くに置くことで表現してきたが 
「どういう関係があるのか」を 
ここで言語化する 
   
49
よくある質問 
“どういう空間配置がいいの?” 
試しに言葉で説明してみて 
うまく説明に出来ないなら 
配置が悪い 
断片的情報の構造化 - KJ法の実践 
KJ法A型 
『発想法』p83 
  
50
断片的情報の構造化 - KJ法の実践 
KJ法A型 
よくある質問 
“紙に描ききれない” 
大グループの図解を索引にして 
複数枚の紙に描いたらいい 
『発想法』p87 
  
51
KJ法B型 
断片的情報の構造化 - KJ法の実践 
KJ法B型 
A型で図解したものを 
文章で説明する 
一次元にする=順番をつける 
  
52
断片的情報の構造化 - KJ法の実践 
KJ法B型 
図解と文章は性質が違う 
違うがゆえに互いに欠陥を補強する 
『発想法』p99 
  
53
図解は全体像を見るのに向いている 
文章は飛躍がないかを確認すること 
に向いている 
断片的情報の構造化 - KJ法の実践 
KJ法B型 
文章は他人に伝えることにも向いている。図解だけ見せてもなかなか伝わらない 
  
54
断片的情報の構造化 - KJ法の実践 
KJ法B型 
違うフォーマットに変えることで 
足りない部分に気づきやすくなる 
   
55
断片的情報の構造化 - KJ法の実践 
KJ法B型 
文章化しようとすると 
わかっていたはずの話が 
うまくつながらない 
→新しい発想のチャンス 
何が欠けているのかな? 
『発想法』p98 
  
56
よくある質問 
断片的情報の構造化 - KJ法の実践 
KJ法B型 
文章化しているうちに 
構造や順番を変えたくなったら 
どうしたらいい? 
変えましょう! 
   
57
断片的情報の構造化 - KJ法の実践 
KJ法B型 
文章化することであなたの中の 
理解は進歩している 
進歩前の予定を守ることより 
今ベターだと思うことをやろう 
   
58
川喜田二郎は 
断片的情報の構造化 - KJ法の実践 
KJ法B型 
文章化と口頭発表をB型と呼んだ 
みなさんが最終日にやる 
ポスター発表もB型の一種 
   
59
コツ 
断片的情報の構造化 - KJ法の実践 
KJ法B型 
未解決の課題をスタートにし 
図解上の近いところへ進む 
ようにすると文章化しやすい 
   
60
演習 
  
   
発散干渉 
成長 
収束 
選択 
整理 
発表 
付箋づくり 
グループ編成 
図解化 
A型 
書き出し 
発表資料 
づくり 
B型 
61
今後の流れ 
演習 
  
・グループ編成(続き) 
・A型:図解化 
・B型:発表資料づくり 
進捗を見ながら適宜どれをやるか決めます 
  
62
1日目予定 
演習 
  
・グループ編成(続き) 
・残り1時間の段階で、並べた 
 付箋をポスターだと思って 
 他のメンバーに各自5分発表* 
B型を経験することで、盲点に気づく機会を作る 
  
63
何か質問? 
演習 
  
   
64
断片的情報の構造化 - KJ法の実践 
演習風景 
1日目の14時頃 
  
65
断片的情報の構造化 - KJ法の実践 
演習風景 
1日目の14時頃 
  
66
断片的情報の構造化 - KJ法の実践 
演習風景 
   
1日目終了時点での状態 
67
  
参考文献 
川喜田二郎(1967)『発想法 : 創造性開発のため 
に』中央公論社 
川喜田二郎(1977)『「知」の探検学 : 取材から創 
造へ』講談社 
ジェームズ・W・ヤング(1988)『アイデアのつく 
り方』今井茂雄 訳, 阪急コミュニケーションズ 
   
68
付録 
  
  
   
69
  
  
アイデアの干渉作用 
  
70
グループ編成の最中に 
「~かも?」と心に浮かんでくる 
「~かも?」=アイデア・仮説は 
干渉しあって成長する 
  
干渉作用 
   
71
  
干渉作用 
  
←グループ 
川喜田二郎 “発想法” p.109 
72
安定性の獲得 
  
干渉作用 
他のグループから「~かも?」を 
肯定する材料が出てきた 
→そのアイデアの信憑性が高まる 
『発想法』p108 
  
73
包括性の獲得 
安定性を獲得したアイデアが 
更に他のものと組み合わさって 
成長していく 
  
干渉作用 
『発想法』p109 
  
74
断片的情報の構造化 - KJ法の実践 
グループ編成 
大きな抽象的なグループを 
作ってしまった場合の解決法 
そのグループから1枚だけ選んで 
残りを捨てるとしたらどれを残す? 
   
75
断片的情報の構造化 - KJ法の実践 
グループ編成 
次にその「大事な1枚」を表札にして 
束ねてもよい付箋があるか?を考える 
束ねられなかった付箋はボトムアップ 
でくっつけるべきではなかった 
   
76
  
このスライドについて 
このスライドは、サイボウズ・ラボの西尾泰和 
と竹迫良範が、 京都大学サマーデザインスクー 
ル 2014で行った「学び方のデザイン」の講義資 
料の一部です。 
他のスライドは http://nhiro.org/kuds2014/ で見つ 
けることができます。 
   
77

Weitere ähnliche Inhalte

Was ist angesagt?

SAT/SMTソルバの仕組み
SAT/SMTソルバの仕組みSAT/SMTソルバの仕組み
SAT/SMTソルバの仕組みMasahiro Sakai
 
Ml professional bandit_chapter2
Ml professional bandit_chapter2Ml professional bandit_chapter2
Ml professional bandit_chapter2Takeru Maehara
 
感覚運動随伴性、予測符号化、そして自由エネルギー原理 (Sensory-Motor Contingency, Predictive Coding and ...
感覚運動随伴性、予測符号化、そして自由エネルギー原理 (Sensory-Motor Contingency, Predictive Coding and ...感覚運動随伴性、予測符号化、そして自由エネルギー原理 (Sensory-Motor Contingency, Predictive Coding and ...
感覚運動随伴性、予測符号化、そして自由エネルギー原理 (Sensory-Motor Contingency, Predictive Coding and ...Masatoshi Yoshida
 
充足可能性問題のいろいろ
充足可能性問題のいろいろ充足可能性問題のいろいろ
充足可能性問題のいろいろHiroshi Yamashita
 
機械学習モデルの判断根拠の説明
機械学習モデルの判断根拠の説明機械学習モデルの判断根拠の説明
機械学習モデルの判断根拠の説明Satoshi Hara
 
【企業領導】從A到A+:向上提升,或向下沉淪?企業從優秀到卓越的奧祕(Good to Great: Why Some Companies Make the...
【企業領導】從A到A+:向上提升,或向下沉淪?企業從優秀到卓越的奧祕(Good to Great: Why Some Companies Make the...【企業領導】從A到A+:向上提升,或向下沉淪?企業從優秀到卓越的奧祕(Good to Great: Why Some Companies Make the...
【企業領導】從A到A+:向上提升,或向下沉淪?企業從優秀到卓越的奧祕(Good to Great: Why Some Companies Make the...周建良 Zhou Jian Liang
 
整数計画法に基づく説明可能性な機械学習へのアプローチ
整数計画法に基づく説明可能性な機械学習へのアプローチ整数計画法に基づく説明可能性な機械学習へのアプローチ
整数計画法に基づく説明可能性な機械学習へのアプローチKentaro Kanamori
 
FEPチュートリアル2021 講義3 「潜在変数が連続値、生成モデルが正規分布の場合」の改良版
FEPチュートリアル2021 講義3 「潜在変数が連続値、生成モデルが正規分布の場合」の改良版FEPチュートリアル2021 講義3 「潜在変数が連続値、生成モデルが正規分布の場合」の改良版
FEPチュートリアル2021 講義3 「潜在変数が連続値、生成モデルが正規分布の場合」の改良版Masatoshi Yoshida
 
プログラマのための線形代数再入門
プログラマのための線形代数再入門プログラマのための線形代数再入門
プログラマのための線形代数再入門Taketo Sano
 
機械学習によるハイスループット 第一原理計算の代替の可能性_日本化学会_20230323
機械学習によるハイスループット 第一原理計算の代替の可能性_日本化学会_20230323機械学習によるハイスループット 第一原理計算の代替の可能性_日本化学会_20230323
機械学習によるハイスループット 第一原理計算の代替の可能性_日本化学会_20230323Matlantis
 
機械学習による統計的実験計画(ベイズ最適化を中心に)
機械学習による統計的実験計画(ベイズ最適化を中心に)機械学習による統計的実験計画(ベイズ最適化を中心に)
機械学習による統計的実験計画(ベイズ最適化を中心に)Kota Matsui
 
大規模グラフアルゴリズムの最先端
大規模グラフアルゴリズムの最先端大規模グラフアルゴリズムの最先端
大規模グラフアルゴリズムの最先端Takuya Akiba
 
画像処理AIを用いた異常検知
画像処理AIを用いた異常検知画像処理AIを用いた異常検知
画像処理AIを用いた異常検知Hideo Terada
 
スパースモデリング、スパースコーディングとその数理(第11回WBA若手の会)
スパースモデリング、スパースコーディングとその数理(第11回WBA若手の会)スパースモデリング、スパースコーディングとその数理(第11回WBA若手の会)
スパースモデリング、スパースコーディングとその数理(第11回WBA若手の会)narumikanno0918
 
プログラミングコンテストでの乱択アルゴリズム
プログラミングコンテストでの乱択アルゴリズムプログラミングコンテストでの乱択アルゴリズム
プログラミングコンテストでの乱択アルゴリズムTakuya Akiba
 
データサイエンス概論第一 5 時系列データの解析
データサイエンス概論第一 5 時系列データの解析データサイエンス概論第一 5 時系列データの解析
データサイエンス概論第一 5 時系列データの解析Seiichi Uchida
 
LR parsing
LR parsingLR parsing
LR parsingichikaz3
 
研究法(Claimとは)
研究法(Claimとは)研究法(Claimとは)
研究法(Claimとは)Jun Rekimoto
 

Was ist angesagt? (20)

SAT/SMTソルバの仕組み
SAT/SMTソルバの仕組みSAT/SMTソルバの仕組み
SAT/SMTソルバの仕組み
 
Ml professional bandit_chapter2
Ml professional bandit_chapter2Ml professional bandit_chapter2
Ml professional bandit_chapter2
 
感覚運動随伴性、予測符号化、そして自由エネルギー原理 (Sensory-Motor Contingency, Predictive Coding and ...
感覚運動随伴性、予測符号化、そして自由エネルギー原理 (Sensory-Motor Contingency, Predictive Coding and ...感覚運動随伴性、予測符号化、そして自由エネルギー原理 (Sensory-Motor Contingency, Predictive Coding and ...
感覚運動随伴性、予測符号化、そして自由エネルギー原理 (Sensory-Motor Contingency, Predictive Coding and ...
 
充足可能性問題のいろいろ
充足可能性問題のいろいろ充足可能性問題のいろいろ
充足可能性問題のいろいろ
 
機械学習モデルの判断根拠の説明
機械学習モデルの判断根拠の説明機械学習モデルの判断根拠の説明
機械学習モデルの判断根拠の説明
 
【企業領導】從A到A+:向上提升,或向下沉淪?企業從優秀到卓越的奧祕(Good to Great: Why Some Companies Make the...
【企業領導】從A到A+:向上提升,或向下沉淪?企業從優秀到卓越的奧祕(Good to Great: Why Some Companies Make the...【企業領導】從A到A+:向上提升,或向下沉淪?企業從優秀到卓越的奧祕(Good to Great: Why Some Companies Make the...
【企業領導】從A到A+:向上提升,或向下沉淪?企業從優秀到卓越的奧祕(Good to Great: Why Some Companies Make the...
 
整数計画法に基づく説明可能性な機械学習へのアプローチ
整数計画法に基づく説明可能性な機械学習へのアプローチ整数計画法に基づく説明可能性な機械学習へのアプローチ
整数計画法に基づく説明可能性な機械学習へのアプローチ
 
FEPチュートリアル2021 講義3 「潜在変数が連続値、生成モデルが正規分布の場合」の改良版
FEPチュートリアル2021 講義3 「潜在変数が連続値、生成モデルが正規分布の場合」の改良版FEPチュートリアル2021 講義3 「潜在変数が連続値、生成モデルが正規分布の場合」の改良版
FEPチュートリアル2021 講義3 「潜在変数が連続値、生成モデルが正規分布の場合」の改良版
 
プログラマのための線形代数再入門
プログラマのための線形代数再入門プログラマのための線形代数再入門
プログラマのための線形代数再入門
 
機械学習によるハイスループット 第一原理計算の代替の可能性_日本化学会_20230323
機械学習によるハイスループット 第一原理計算の代替の可能性_日本化学会_20230323機械学習によるハイスループット 第一原理計算の代替の可能性_日本化学会_20230323
機械学習によるハイスループット 第一原理計算の代替の可能性_日本化学会_20230323
 
機械学習による統計的実験計画(ベイズ最適化を中心に)
機械学習による統計的実験計画(ベイズ最適化を中心に)機械学習による統計的実験計画(ベイズ最適化を中心に)
機械学習による統計的実験計画(ベイズ最適化を中心に)
 
大規模グラフアルゴリズムの最先端
大規模グラフアルゴリズムの最先端大規模グラフアルゴリズムの最先端
大規模グラフアルゴリズムの最先端
 
画像処理AIを用いた異常検知
画像処理AIを用いた異常検知画像処理AIを用いた異常検知
画像処理AIを用いた異常検知
 
スパースモデリング、スパースコーディングとその数理(第11回WBA若手の会)
スパースモデリング、スパースコーディングとその数理(第11回WBA若手の会)スパースモデリング、スパースコーディングとその数理(第11回WBA若手の会)
スパースモデリング、スパースコーディングとその数理(第11回WBA若手の会)
 
Stack pivot
Stack pivotStack pivot
Stack pivot
 
全域木いろいろ
全域木いろいろ全域木いろいろ
全域木いろいろ
 
プログラミングコンテストでの乱択アルゴリズム
プログラミングコンテストでの乱択アルゴリズムプログラミングコンテストでの乱択アルゴリズム
プログラミングコンテストでの乱択アルゴリズム
 
データサイエンス概論第一 5 時系列データの解析
データサイエンス概論第一 5 時系列データの解析データサイエンス概論第一 5 時系列データの解析
データサイエンス概論第一 5 時系列データの解析
 
LR parsing
LR parsingLR parsing
LR parsing
 
研究法(Claimとは)
研究法(Claimとは)研究法(Claimとは)
研究法(Claimとは)
 

Ähnlich wie 03 2 断片的情報の構造化_KJ法の実践

03 3 断片的情報の構造化_KJ法の背景
03 3 断片的情報の構造化_KJ法の背景03 3 断片的情報の構造化_KJ法の背景
03 3 断片的情報の構造化_KJ法の背景nishio
 
03 1 断片的情報の構造化_前振りと実録KJ法の流れ
03 1 断片的情報の構造化_前振りと実録KJ法の流れ03 1 断片的情報の構造化_前振りと実録KJ法の流れ
03 1 断片的情報の構造化_前振りと実録KJ法の流れnishio
 
KJ法の背景
KJ法の背景KJ法の背景
KJ法の背景nishio
 
断片的情報の構造化の前振りと実録KJ法の流れ
断片的情報の構造化の前振りと実録KJ法の流れ断片的情報の構造化の前振りと実録KJ法の流れ
断片的情報の構造化の前振りと実録KJ法の流れnishio
 
KJ法の実践
KJ法の実践KJ法の実践
KJ法の実践nishio
 
灘校土曜講座: 学び方のデザイン
灘校土曜講座: 学び方のデザイン灘校土曜講座: 学び方のデザイン
灘校土曜講座: 学び方のデザインnishio
 
Webサービスを作る人に伝えたい5つのこと
Webサービスを作る人に伝えたい5つのことWebサービスを作る人に伝えたい5つのこと
Webサービスを作る人に伝えたい5つのことDai Murata
 
Ideawork tools workshop_2013311
Ideawork tools workshop_2013311Ideawork tools workshop_2013311
Ideawork tools workshop_2013311Rikie Ishii
 

Ähnlich wie 03 2 断片的情報の構造化_KJ法の実践 (12)

03 3 断片的情報の構造化_KJ法の背景
03 3 断片的情報の構造化_KJ法の背景03 3 断片的情報の構造化_KJ法の背景
03 3 断片的情報の構造化_KJ法の背景
 
03 1 断片的情報の構造化_前振りと実録KJ法の流れ
03 1 断片的情報の構造化_前振りと実録KJ法の流れ03 1 断片的情報の構造化_前振りと実録KJ法の流れ
03 1 断片的情報の構造化_前振りと実録KJ法の流れ
 
KJ法の背景
KJ法の背景KJ法の背景
KJ法の背景
 
断片的情報の構造化の前振りと実録KJ法の流れ
断片的情報の構造化の前振りと実録KJ法の流れ断片的情報の構造化の前振りと実録KJ法の流れ
断片的情報の構造化の前振りと実録KJ法の流れ
 
KJ法の実践
KJ法の実践KJ法の実践
KJ法の実践
 
灘校土曜講座: 学び方のデザイン
灘校土曜講座: 学び方のデザイン灘校土曜講座: 学び方のデザイン
灘校土曜講座: 学び方のデザイン
 
Semi 2011 1-7_reminder
Semi 2011 1-7_reminderSemi 2011 1-7_reminder
Semi 2011 1-7_reminder
 
Webサービスを作る人に伝えたい5つのこと
Webサービスを作る人に伝えたい5つのことWebサービスを作る人に伝えたい5つのこと
Webサービスを作る人に伝えたい5つのこと
 
Group2prez
Group2prezGroup2prez
Group2prez
 
Group2prez
Group2prezGroup2prez
Group2prez
 
Ideawork tools workshop_2013311
Ideawork tools workshop_2013311Ideawork tools workshop_2013311
Ideawork tools workshop_2013311
 
Its a layout world
Its a layout worldIts a layout world
Its a layout world
 

Mehr von nishio

量子アニーリングマシンのプログラミング
量子アニーリングマシンのプログラミング量子アニーリングマシンのプログラミング
量子アニーリングマシンのプログラミングnishio
 
夏プロ報告
夏プロ報告夏プロ報告
夏プロ報告nishio
 
ITと経営
ITと経営ITと経営
ITと経営nishio
 
部分観測モンテカルロ計画法を用いたガイスターAI
部分観測モンテカルロ計画法を用いたガイスターAI部分観測モンテカルロ計画法を用いたガイスターAI
部分観測モンテカルロ計画法を用いたガイスターAInishio
 
交渉力について
交渉力について交渉力について
交渉力についてnishio
 
If文から機械学習への道
If文から機械学習への道If文から機械学習への道
If文から機械学習への道nishio
 
組織横断型研究室構想
組織横断型研究室構想組織横断型研究室構想
組織横断型研究室構想nishio
 
2017首都大学東京情報通信特別講義
2017首都大学東京情報通信特別講義2017首都大学東京情報通信特別講義
2017首都大学東京情報通信特別講義nishio
 
強化学習その5
強化学習その5強化学習その5
強化学習その5nishio
 
良いアイデアを出すための方法
良いアイデアを出すための方法良いアイデアを出すための方法
良いアイデアを出すための方法nishio
 
強化学習その4
強化学習その4強化学習その4
強化学習その4nishio
 
強化学習その3
強化学習その3強化学習その3
強化学習その3nishio
 
強化学習その2
強化学習その2強化学習その2
強化学習その2nishio
 
強化学習その1
強化学習その1強化学習その1
強化学習その1nishio
 
線形?非線形?
線形?非線形?線形?非線形?
線形?非線形?nishio
 
機械学習キャンバス0.1
機械学習キャンバス0.1機械学習キャンバス0.1
機械学習キャンバス0.1nishio
 
首都大学東京「情報通信特別講義」2016年西尾担当分
首都大学東京「情報通信特別講義」2016年西尾担当分首都大学東京「情報通信特別講義」2016年西尾担当分
首都大学東京「情報通信特別講義」2016年西尾担当分nishio
 
勾配降下法の 最適化アルゴリズム
勾配降下法の最適化アルゴリズム勾配降下法の最適化アルゴリズム
勾配降下法の 最適化アルゴリズムnishio
 
Wifiで位置推定
Wifiで位置推定Wifiで位置推定
Wifiで位置推定nishio
 
ESP8266EXで位置推定
ESP8266EXで位置推定ESP8266EXで位置推定
ESP8266EXで位置推定nishio
 

Mehr von nishio (20)

量子アニーリングマシンのプログラミング
量子アニーリングマシンのプログラミング量子アニーリングマシンのプログラミング
量子アニーリングマシンのプログラミング
 
夏プロ報告
夏プロ報告夏プロ報告
夏プロ報告
 
ITと経営
ITと経営ITと経営
ITと経営
 
部分観測モンテカルロ計画法を用いたガイスターAI
部分観測モンテカルロ計画法を用いたガイスターAI部分観測モンテカルロ計画法を用いたガイスターAI
部分観測モンテカルロ計画法を用いたガイスターAI
 
交渉力について
交渉力について交渉力について
交渉力について
 
If文から機械学習への道
If文から機械学習への道If文から機械学習への道
If文から機械学習への道
 
組織横断型研究室構想
組織横断型研究室構想組織横断型研究室構想
組織横断型研究室構想
 
2017首都大学東京情報通信特別講義
2017首都大学東京情報通信特別講義2017首都大学東京情報通信特別講義
2017首都大学東京情報通信特別講義
 
強化学習その5
強化学習その5強化学習その5
強化学習その5
 
良いアイデアを出すための方法
良いアイデアを出すための方法良いアイデアを出すための方法
良いアイデアを出すための方法
 
強化学習その4
強化学習その4強化学習その4
強化学習その4
 
強化学習その3
強化学習その3強化学習その3
強化学習その3
 
強化学習その2
強化学習その2強化学習その2
強化学習その2
 
強化学習その1
強化学習その1強化学習その1
強化学習その1
 
線形?非線形?
線形?非線形?線形?非線形?
線形?非線形?
 
機械学習キャンバス0.1
機械学習キャンバス0.1機械学習キャンバス0.1
機械学習キャンバス0.1
 
首都大学東京「情報通信特別講義」2016年西尾担当分
首都大学東京「情報通信特別講義」2016年西尾担当分首都大学東京「情報通信特別講義」2016年西尾担当分
首都大学東京「情報通信特別講義」2016年西尾担当分
 
勾配降下法の 最適化アルゴリズム
勾配降下法の最適化アルゴリズム勾配降下法の最適化アルゴリズム
勾配降下法の 最適化アルゴリズム
 
Wifiで位置推定
Wifiで位置推定Wifiで位置推定
Wifiで位置推定
 
ESP8266EXで位置推定
ESP8266EXで位置推定ESP8266EXで位置推定
ESP8266EXで位置推定
 

03 2 断片的情報の構造化_KJ法の実践