Info Gathering（情報収集）

調査設計→手法選定→実行→検証の4フェーズで、一般調査と技術調査の両方を体系的に行う。

Phase 1: 調査設計

収集を始める前に「何を知りたいのか」を明確化する。

1.1 問いの定義

項目	内容
調査対象	何を調べるのか（テーマ・ライブラリ名・エラー等）
目的	なぜその情報が必要か・この調査で決めること
既知情報	現在知っていること・手元の資料
対象者	誰にとっての情報か
スコープ	地域・期間・バージョン・環境等の範囲
品質基準	必要な精度・エビデンス強度

1.2 分野判定

調査対象に応じて主な分野を判定する。手法選定の分岐に使う:

技術調査: バグ・エラー原因、API仕様、ライブラリ使い方、移行・アップグレード、ベストプラクティス、パフォーマンス検証
一般調査: 市場・競合、学術・文献、ジャーナリズム・ファクトチェック、問題解決、デジタル調査（OSINT等）

両方にまたがる場合は、それぞれの手法を組み合わせる。

1.3 調査目的の分類

目的によって適切な手法が変わる:

探索的: 何が問題か分からない → 広く浅く情報を集める
検証的: 仮説があり正しいか確認したい → 仮説に絞って検証する
実証的: 事実・データで裏付けたい → 定量データを収集する

Phase 2: 手法選定

技術調査の手法選定

調査目的	推奨手法（優先順）
API仕様・使い方	公式ドキュメント → ソースコード → Stack Overflow
バグ調査	GitHub Issues → Stack Overflow → 再現実験
最新情報・変更点	リリースノート → GitHub Releases → 公式ブログ
移行・アップグレード	マイグレーションガイド → Breaking Changes一覧 → GitHub PRs
ベストプラクティス	公式ガイド → コミュニティ事例 → ソースコード読解
エラー原因	エラーメッセージ検索 → GitHub Issues → 再現実験

複数手法を選ぶ場合は「一次情報を優先」「信頼性の高いものを先に」で順序付ける。各手法の詳細な実行手順は tech-research-methods.md を参照。公式ドキュメント・GitHub・Stack Overflow・パッケージレジストリ・ソースコード読解・再現実験・AI活用・コミュニティ問い合わせの手順を記載。

一般調査の手法選定

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
市場規模・動向	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	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
問題の全体像	5W1H → マインドマップ → MECE	問題解決 / 整理統合
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 → uncertainty-resolution	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	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
エビデンス強度判断	エビデンスピラミッド → CRAAP Test	情報評価

各手法の概要・使いどころ・手順は method-catalog.md を参照。7カテゴリ20手法の詳細を記載。

Phase 3: 実行

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。収集中は以下の形式で記録を残す:

### [情報タイトル]
- **情報源**: [URL / 書籍名 / ファイルパス]
- **取得日**: [YYYY-MM-DD]
- **種別**: [一次情報 / 二次情報]
- **バージョン**: [該当する場合]
- **信頼度**: [高 / 中 / 低]
- **要約**: [3行以内]
- **根拠**: [一次情報/二次情報/実験結果 等]

3.2 信頼性評価

収集した情報の信頼性を評価する:

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・チェックリスト・スコアリングシートは evaluation-guide.md を参照。CRAAP Test・SIFT法・バイアス排除手法・エビデンスピラミッド・情報源別信頼度目安表を記載。

3.3 技術調査での追加検証

技術調査ではドキュメントだけで確信が持てない場合、再現実験で検証する:

最小限の再現コードで問題を再現する
1つの仮説を1つの実験で検証する
バージョン確認: 情報が対象バージョンに適合するか検証
矛盾の検出: 複数ソースで矛盾があれば実験で検証

3.4 評価の原則

一次情報を優先: 公式ドキュメント・ソースコード・政府統計 > ブログ・Q&Aサイト
鮮度を確認: 公開日・更新日・対象バージョンを必ず確認
AI回答は出発点: ハルシネーションリスクあり。必ず一次情報で裏取りする
バイアスに注意: 確証バイアス・選択バイアス・生存者バイアスを意識する
英語ソースを優先（技術調査）: 日本語情報は翻訳・要約のズレが生じやすい

Phase 4: 統合と成果物

4.1 情報統合

状況	推奨手法
断片的な情報が大量	KJ法（ボトムアップでグループ化）
問題の構造を可視化	ロジックツリー（MECE原則で分解）
網羅性を担保	MECE（漏れ・ダブりを排除）
全体像と関連性把握	マインドマップ（視覚的に俯瞰）

4.2 成果物の整理

# 調査結果サマリ

## 調査概要
- **調査テーマ**: [テーマ]
- **調査日**: [日付]
- **調査目的**: [探索的 / 検証的 / 実証的]
- **使用手法**: [手法名リスト]
- **対象バージョン**: [該当する場合]

## 結論
[最も重要な発見を1〜3行で]

## 主要な発見
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 |

## 推奨アクション
[調査結果に基づく次のステップ]

連携スキル

スキル	連携タイミング
uncertainty-resolution	調査中に不確実性が出てきた時、台帳化して優先順位を付ける
dependency-observation	ライブラリ調査と合わせて依存関係を確認する時

info-gathering