General Info Gathering

一般的な情報収集・調査を体系的に行うスキル。 学術・ビジネス・ジャーナリズム・問題解決・デジタル調査・情報評価・整理統合の7カテゴリ、20手法を網羅する。

Procedure

Phase 1: 調査設計（Research Design）

調査を始める前に、まず「何を知りたいのか」を明確にする。

1.1 問いの定義（5W1H）

以下の6つの問いに答える形で調査の全体像を整理する:

問い	内容	例
What	何を知りたいのか？	国内SaaS市場の規模と成長率
Why	なぜその情報が必要か？	新規事業の市場参入判断のため
Who	誰にとっての情報か？	経営会議での意思決定者向け
When	いつまでに必要か？	来週月曜の会議まで
Where	どの地域・範囲か？	日本国内（必要に応じてグローバル比較）
How	どの程度の深さ・精度か？	概況把握レベル（±10%の精度で十分）

1.2 調査目的の分類

調査目的を以下の3つから選択する。目的によって適切な手法が変わる:

• 探索的調査: 「そもそも何が問題なのか分からない」→ 広く浅く情報を集める
• 検証的調査: 「仮説があり、それが正しいか確認したい」→ 仮説に絞って検証する
• 実証的調査: 「事実・データで裏付けたい」→ 定量データを収集する

1.3 調査スコープと制約の設定

以下を明確にしてから調査を開始する:

• スコープ: 調査対象の範囲（地域、期間、業界、対象者等）
• 制約: 時間、予算、アクセス可能な情報源、言語
• 品質基準: 必要なエビデンスの強度（概況把握 / 意思決定根拠 / 学術レベル）
• 成果物形式: レポート / スライド / メモ / データセット

---

Phase 2: 手法選定（Method Selection）

調査目的に応じて、以下のマトリクスから適切な手法を選択する。

目的別推奨手法マトリクス

調査目的	推奨手法（優先順）	カテゴリ
先行研究の把握	文献調査 → 系統的レビュー → メタ分析	学術・研究
一次/二次情報の判断	一次情報と二次情報の使い分け	学術・研究
市場規模・動向の把握	デスクリサーチ → 市場調査	ビジネス
競合の戦略分析	競合調査 → デスクリサーチ	ビジネス
ユーザーニーズの深掘り	フィールドリサーチ → デザイン思考	ビジネス / 問題解決
事実の真偽確認	ファクトチェック → SIFT法 → CRAAP Test	ジャーナリズム / 情報評価
情報源の信頼性判断	情報源の信頼性評価 → CRAAP Test → エビデンスピラミッド	ジャーナリズム / 情報評価
問題の全体像把握	5W1H → マインドマップ → MECE	問題解決 / 整理統合
問題の根本原因特定	なぜなぜ分析 → ロジックツリー	問題解決
仮説の設定と検証	仮説思考 → resolving-uncertainty	問題解決
公開情報からの調査	OSINT → Google高度検索 → Webアーカイブ活用	デジタル調査
過去の情報の復元	Webアーカイブ活用 → OSINT	デジタル調査
収集情報の分類整理	KJ法 → MECE → ロジックツリー	整理・統合
情報の可視化	マインドマップ → ロジックツリー	整理・統合
エビデンスの強度判断	エビデンスピラミッド → CRAAP Test	情報評価
バイアスの排除	バイアスの排除 → SIFT法	情報評価

各手法の詳細（概要・使いどころ・手順）は references/method-catalog.md を参照。

---

Phase 3: 実行・評価・統合（Execution & Synthesis）

3.1 情報収集の実行

選定した手法に従って情報を収集する。収集中は以下のフォーマットで記録を残す:

## 収集記録

### [情報タイトル]
- **情報源**: [URL / 書籍名 / インタビュー対象等]
- **取得日**: [YYYY-MM-DD]
- **種別**: [一次情報 / 二次情報]
- **信頼度**: [高 / 中 / 低]（Phase 3.2 で評価）
- **要約**: [3行以内の要約]
- **引用箇所**: [重要な引用・データ]
- **備考**: [バイアスの可能性、追加調査の必要性等]

3.2 信頼性評価

収集した情報の信頼性を以下の手法で評価する:

• CRAAP Test: Currency / Relevance / Authority / Accuracy / Purpose の5基準で体系的に評価
• SIFT法: Stop / Investigate / Find better coverage / Trace claims の4ステップで迅速評価

詳細な評価手順とチェックリストは references/evaluation-guide.md を参照。

3.3 情報統合

収集・評価した情報を、状況に応じて以下の手法で統合する:

状況	推奨手法	理由
断片的な情報が大量にある	KJ法	ボトムアップで自然なグループが見える
問題の構造を可視化したい	ロジックツリー	MECE原則で漏れなく分解できる
網羅性を担保したい	MECE	漏れ・ダブりを排除できる
全体像と関連性を把握したい	マインドマップ	視覚的に俯瞰できる

3.4 成果物の整理

調査結果を以下のテンプレートで整理する:

# 調査結果サマリ

## 調査概要
- **調査テーマ**: [テーマ]
- **調査期間**: [開始日] 〜 [終了日]
- **調査目的**: [探索的 / 検証的 / 実証的]
- **使用手法**: [手法名リスト]

## 主要な発見（Key Findings）
1. [発見1]（信頼度: 高 / 中 / 低、根拠: [情報源]）
2. [発見2]
3. [発見3]

## 未解決の問い
- [追加調査が必要な事項]

## 情報源一覧
| # | 情報源 | 種別 | 信頼度 | 取得日 |
|---|--------|------|--------|--------|
| 1 | [URL等] | 一次/二次 | 高/中/低 | YYYY-MM-DD |

## 結論と推奨アクション
[調査結果に基づく結論と次のステップ]

---

注意事項

AI回答の扱い方

• AIの回答は「出発点」として活用し、必ず一次情報源で裏取りする
• AIは最新情報を持たない可能性がある。日付依存の情報は公式ソースで確認する
• AIが自信を持って回答しても、それが正しいとは限らない（ハルシネーション）

バイアスの排除

• 確証バイアス: 自説を支持する情報ばかり集めていないか定期的に振り返る
• 選択バイアス: 情報源が偏っていないか（同じ立場の情報ばかりでないか）確認する
• 生存者バイアス: 成功事例だけでなく、失敗事例や消えた事例も調査する
• 詳細は references/evaluation-guide.md の「バイアスの排除手法」を参照

情報の鮮度確認

• 統計データは公開日・調査時点を必ず確認する
• 急速に変化する分野（テクノロジー、規制等）は特に注意する
• 「最新」と書かれていても、いつ時点の「最新」かを確認する

---

連携スキル

スキル	連携タイミング
resolving-uncertainty	調査中に「分からないこと」が出てきた時、不確実性を台帳化して優先順位を付ける
tech-info-gathering	技術的な情報収集が必要な場合に特化スキルとして利用する