『エンジニアの知的生産術』学習メモ
はじめに
- intellectual_productionとは
- 知識を用いて価値を生み出す
- programmingの学び方
- →↓ x軸 具体: 情報収集，体験
- ↓ y軸 抽象: 抽象化，モデル化，パターンの発見
- ↑← z軸 応用: 実践，検証
- ↑ (y軸は積み上げより掘り下げのイメージ)
- ちゃんと広い穴を開けておかないと奥が見えない的な
- xもzも穴のメタファーで回収してた感じはある(そもそもそんな言語化してたわけではないが)
Ch01 新しいことを学ぶには
- cycleを回す原動力: やる気
- 学びを分類
- 逆風が強い → 強いやる気が必要
- やる気の出るthemeを見つける
- やる気の維持
- goalは近くに明確に
- SMART criteria
- goalは近くに明確に
- MOOCでの学び
- 参考書の探し方
- 大学の講義の参考図書になっている
- 正誤表が充実している
- 改訂されている，ロングセラーである
- 情報収集の3つのポイント
- 知りたいところから
- 遅延評価
- YAGNI
- 知りたいところから学ぶための前提条件
- 目標を明確にする
- 現実とのgapを表現する
- なぜ予想と違うのか
- 目標が達成可能
- 大まかに全体像を把握
- 目標を明確にする
- 大雑把に
- 片っ端から
- 写経
- 数学
- 正確な積み上げが必要な場合
- できるだけ効率化しながら，必要な部分を前から積み上げていく
- 時間を区切る
- 一定時間で評価する
- 写経は補助輪
- 写経しなければ分からないくらいであれば，新しい分野にチャレンジしていることが分かる
- 知りたいところから
- 抽象とは何か
- 集めた情報からpatternを発見したり抽象化したりして，モデルが作られていくprocessを学ぶ
- abstract
- model
- すべてのmodelは間違っている
- modelの価値: 現実との一致度ではなく，modelの操作が現実を操作することに比べてどれくらい低コストになるか
- module
- 物理的なものづくりと違い，局在しない
- 相互作用の制限
- 重要でない部分を隠す=重要な部分を抜き出す
- MVC
- patternの発見
- 具体的な事例を集めて，規則性や共通の特徴．繰り返し現れるものを見つける
- グラフでの表現など
- design_pattern
- もともとは建築の分野から
- patternの命名
- 人間の知能を増強する方法
- 人工物
- 言語
- 世界のmodeling
- 生み出されつつある言語/制度化された言語
- 方法論
- 教育
- 人間の知能を増強する方法
- なぜ抽象化が必要か
- どうやって抽象化するか
- 比較して学ぶ
- 歴史から学ぶ
- 今と昔の比較
- 現在進行中のできごとについて，次に何が起こるか予測
- 変更前と後でどう変わったか，なぜ変わったか
- source_codeにはhowしかない
- pattern本から学ぶ
- 自分の言葉で説明できるか
- 自分の経験に基づいた具体例を挙げられるか
- 自分の目的を達成するためにその知識を使えるか
- 検証
- 作って検証
- programmingはほかの分野より学びのcycleが速くなる
- 解説を作ることも〇
- 試験で検証
- 変化が少ない分野，良い教科書が整備されている分野で〇
- 検証の難しい分野
- 繰り返し実験しやすく，実験結果に影響する環境要因をコントロールしやすい分野が検証しやすい
- 科学，工学など
- 繰り返し実験しやすく，実験結果に影響する環境要因をコントロールしやすい分野が検証しやすい
- 作って検証
- まとめ
- 情報収集・モデル化・検証という学びのサイクルについて
- アインシュタインの図式
- →↓ 直接経験E(dataなど)
- ↓ 公理(直感によって生まれる．パターンの発見．論理的に導かれたものではない)
- ↓ 公理から具体的な主張が論理的に導かれる
- ↑← 経験を通じた検証
- whyは，comment, commit log, mailing listなどに書かれている
Ch02 やる気を出すには
- Getting Things Done(GTD)
- まず気になることをすべて集めるだけ
- ToDoと違って判断しない
- 集めると考えるの複数タスクを一緒にしないようにする
- 処理
- これは何か？行動を起こす必要があるか？を問う
- 必要あり → どういう結果を求めているか？: ゴールの明確化
- 次に取るべき具体的な行動
- 行動を起こす必要のないものを，ゴミ・資料・保留の3つに分類する
- 具体的な行動が複数 → projectにする
- 具体的な行動が2分以内 → 今すぐやる
- 具体的な行動をやるのが自分でない → 他人に任せて連絡待ちリストに入れる
- 具体的な行動をやるのが特定の日時 → カレンダーに書く
- どれにも当てはまらない → 次に取るべき行動のリストに入る
- 上から1度に1件ずつ処理していく
- 完了までに時間がかかるのが難点
- 部屋の片づけと似ている
- まず基地を作る
- 領域を区切る
- 片付いている領域を作る
- 今日やることの整理に集中する
- 緊急性分解理論
- 質，量，納期，方法，代替，お金で解決，どうしようもないならやめる
- まず気になることをすべて集めるだけ
- 優先順位づけはそれ自体が難しいタスク ← 感覚的にわかるところが言語化されている
- sortの計算量
- 1次元でないと大小比較ができない
- 単純に十分な方法論がないうえに，タスクごとの重要度が依存し合っていることもある
- 不確定要素がある場合の大小関係
- 悲観的な勘違い
- → 探索と利用のトレードオフ
- 過去の経験からベストと思う行動ばかり → 探索不足
- 未経験の行動ばかり → 過去の経験が活かせない
- → 不確かなときは楽観的に
- 気づきのチャンスがない分，悲観的な勘違いは影響が大きい
- 不確かであることをポジティブに評価する項を足してから選択肢を比較
- 楽観主義が後悔を最小化する
- UCB: Upper Confidence Bound
- 信頼区間の大きいほうの境界
- 平均で判断するのではなく，ベストで判断する
- ↑ 悲観的な勘違いで損失が確定するより，楽観的な勘違いでfeedbackを獲得しながらベストに近づける方が良いというようなこと
- risk, value, priority
- 重要事項を優先する
- 優先順位を今決めようとしなくてよい
- 順位をつけることが本質的に難しい
- 日々の行動を行う中で，徐々に自分の価値観や人生の目的が明確になると考えました
- 価値観などの軸が明確になると，その軸と照合して，各タスクの重要度が分かるようになる
- これにより優先順位ができるようになる
- 自分がどういうタスクが好きなのか，どうなるとうれしいのかを日々観察していくことで，事後的に優先順位づけができるようになる
- 1つのタスクのやる気を出す
- タスクが大きすぎる
- timebox
- 終了条件が明確でないものは時間で切るのがフィットする
- 集中力の限界
- 逃避を避けるために，時間を区切って，見えるところにゴールを設定するのが有用
- pomodoro technique
- 1 pomodoro: 25 min
- 今日1日分のタスクリストを作る
- タスクの大きさをpomodoroの個数で見積もる
- もし自分または他人による割り込みが発生したらそれを記録する
- 1 pomodoro集中した状態を継続出来たら，立ち上がって数歩歩くなどして視点を切り替える
- 連続的なものとして捉えられがちな時間を，pomodoroの個数としてタスクの大きさを見積もる
- 見積もり能力を鍛える
- 1日にできるのは4~8 pomodoro程度
- 分単位で見積もるタスクシュート時間術
- 計測の重要性
- 不要なタスクにpomodoroを与えない
- column: PDCA_cycle
- 重要なのはcycleを回して徐々に改善していく考え方
- OODAもある
- 計測し，退け，まとめる
- Drucker
- 仕事より計画よりまずは計測
- programを高速化したくなったときは，まずはどこが遅いのかを詳細に計測するべき
- 1 pomodoroの間はタスクの変更をせずに1つのことに集中する
- Drucker
- まとめ
- やる気が出ない状態をどうやって解決するかについて
- 1つに絞る
- タスクを小さくする
- 計測する
Ch03 記憶を鍛えるには
- 記憶の仕組み
- カンデルという人の本より
- 海馬
- 記憶には2種類ある
- 非陳述記憶
- 抽象化
- 記憶と筋肉の共通点
- 繰り返し使うことによって強くなる
- 記憶をinputする銘記のフェーズと，記憶をoutputする想起のフェーズ
- 両方必要
- 繰り返し似た情報が入ってくると反応が鈍くなる性質
- outputに対して報酬が得られるとなおよい
- column: 海馬では時間が10倍に圧縮される
- 具体的な記憶から抽象的な情報を作り出すプロセス
- 遅く読みすぎると理解できなくなるのもこれ
- 記憶をinputする銘記のフェーズと，記憶をoutputする想起のフェーズ
- outputが記憶を鍛える
- testは記憶の手段
- テストをしてからさらに学ぶ
- 自信はないが成績は高い
- 主観的な気持ちと客観的なテスト結果が逆になる
- Adoptive_Boosting
- 弱識別器を集めて，もっと正解率の高い識別器を作る方法
- 間違えた問題を重視することが重要
- 繰り返し学習で弱識別器を集めて集計して答えを出すことで正解できるようになる
- テストの高速サイクル
- 知識を長持ちさせる間隔反復法
- 忘れてから復習する
- テストまでの感覚が1日以上のときには，テストまでの感覚の1/10程度の時期に復習するのが良い
- ただし，ピークの後はそれほど悪くならないので，後であればOK
- テストまでの感覚が1日以上のときには，テストまでの感覚の1/10程度の時期に復習するのが良い
- ライトナーシステム
- 間違えたものは短期，正解したものは長期で復習
- SuperMemo
- 問題のやさしさ
- SuperMemoの学習感覚決定algorithmは，SM-2 algorithmと呼ばれた
- そのなかにやさしさ係数がある
- 知識を構造化する20のルール
- 最小情報原則
- 問題はできるだけシンプルに
- 半端な結果が出ない
- 問題はできるだけシンプルに
- 順序の定まらない集合を覚えようとしない
- 複数のものの並びを覚えようとしない
- 穴埋め問題は覚えやすく効率的
- 最小情報原則
- Anki
- 学習フェーズと復習フェーズ
- 隙間時間で細切れに学習する場合に〇
- 難易度の自動調節
- 適度なチャレンジのときのみ，高い集中力を発揮するフロー状態になる
- そうでないときは，不安か退屈が勝ってしまう
- 間隔反復法では，難しい場合に対処できない
- → 自動保留
- 保留の解除は，干渉を見つけて取り除くようにする
- 適度なチャレンジのときのみ，高い集中力を発揮するフロー状態になる
- column: 知識を構造化する残り15のルール
- 教材は自分で作る
- 作る過程で理解が深まる
- 覚える前にまず理解
- 認知的に高度な作業をした方が記憶にとどまる
- 個人的な情報を利用できる
- 自分の記憶・体験・感情と関連付ける
- 著作権と私的使用のための複製
- 作る過程で理解が深まる
- 忘れてから復習する
- まとめ
- 記憶について
- 海馬が長期記憶にも使われている
- 繰り返しが必要
- 単に繰り返すよりtestが〇
- 主観的な自信はなくなるが，客観的な成果は高くなる
- テストの繰り返し間隔や難易度を自動調整するしくみが実現されてきている
Ch04 効率的に読むには
- 読むとは何か？
- 本を読むことの目的
- 娯楽はスコープ外
- 情報を得ることが目的か？
- 情報伝達の歴史
- 一次元の情報を脳内で組み立てる
- 本の内容だけが組み立てる材料ではない
- 自分の脳内のモデルと合わせて理解を構築する
- 見つけると組み立てるのグラデーション
- 味見するだけでよいか，よく噛んで消化する必要があるか，丸のみするか
- 読むの種類と速度
- 本を読むことの目的
- 自分の普段の読む速度は？
- 1ページ2秒以下の見つける読み方
- 準備の大事さ，段階的詳細化，繰り返し読むこと
- Whole Mind System
- focus reading
- 見出しなどへの注目
- 先行オーガナイザ
- 本文より見出しの方が書く上でコストがかかっている
- title, sub titleは商業上の理由が大きいので，参考にしない
- 図は注目に値する
- cost 大
- 箇条書きも〇
- 脚注とコラムは最初は読まない
- column: 時間軸方向の読み方
- 同じ著者が似たテーマを繰り返し書いているときなど
- 何が一時の思い付きなのか分かる
- 1ページ3分以上の組み立てる読み方
- 哲学書の読み方
- 開いている本
- 著者が自分の意見を言っていない本
- 読者が自分で考える本
- 閉じている本
- 著者が自分の結論を持っており，そこへ向けて論を進める本
- 外部参照が必要な本
- 前提知識
- 登山型の本
- 概念積み上げ
- 手順をおろそかにすると後で困る
- ハイキング型の本
- 色々な概念を次々と
- 山の頂上に到達するのが目的ではなく，景色を楽しむことが主眼
- 開いている本
- 1冊に40時間かけて読む
- 予備調査と選書に3時間
- 通読に4時間
- 詳細読みに10時間
- +方法論自体の習熟コスト
- 棚を見る
- 本を選ぶ方法
- 分野の棚の本を全部見る（気になるものがあれば目次も見る）
- ↑を繰り返す（可能なら複数の書店で）
- 分野の全体像をスケッチしてみる
- 易しい本ではなく，自分の興味のある本を選ぶべき
- motivation維持のため
- 読書ノートに書きながら読む
- 読みたいときに読みたいところから読む
- 全体の分量を1章10ページなどと先に決め，章の小見出しを先に記入していく
- わからないことは何でも記録する
- 何度も出現する単語を記録する
- 概念の間の関係や理由と結論の関係などを矢印でつなぐ
- わからないことを解消するために読む
- わからないの理由
- 用語の理解が不十分
- 論理の筋道の理解が不十分
- 問題意識の理解が不十分
- 図解する必要がある
- わからないの理由
- 数学書の読み方
- 1回のゼミの準備に50時間かかるのは不思議ではない
- 数学所は登山型の本が多い
- ここは絶対大丈夫というのを少しずつでも増やしていく感じ
- 全体像を理解することと，定義を理解することの違い
- 厳密な議論が必要
- わかるの定義
- なぜそうなのかという質問に答えられること
- わかることは必要か
- 哲学書の読み方
- 読むというタスクの設計
- 理解は不確実タスク
- 挑戦の量で測る
- 冊数や時間など
- 挑戦の量で測る
- 読書は手段，目的は別
- 大雑把な地図の入手
- 結合を起こす
- syntopic reading
- 外山滋比古
- 修辞的残像
- 思考の道具を手に入れる
- 経験によって得た名前のついていない概念や考え方に，本を読むことで名前が付くことがある
- 概念の名前が分かれば，概念の検索ができ，関連知識を入手しやすくなる
- 言葉を手に入れて，言葉によって思考ができるようになる
- 復習のための教材を作る
- 読書の目的として，復習のための教材を作ることとするのがおすすめ
- 記憶を定着させるためには間隔を空けて繰り返すことが大事
- 繰り返しのために重要
- leverege_memo(lever: 梃子)を作る
- 書籍の中で重要な部分を抜き出し，濃縮してleverege_memoを作る
- problem
- 文脈から切り離されてしまう
- 量が増える一方である
- incremental reading
- 問題反復法のシステムを流用
- 明示的に捨てる決心をする必要がない
- 必要になったら検索して見つけれられる
- 繰り返し提示されて抜き書きを作っていくことで，価値のあると感じる情報の抜き書きが徐々に増える
- 複数の情報源からの情報が混ざってランダムな順番で提示されることで，知識との結合が促進
- 発展途上
- これ以上編集不要なものの扱い
- 人に教える
- 読書の目的として，復習のための教材を作ることとするのがおすすめ
- 理解は不確実タスク
- まとめ
- 知識が入ってくるプロセスについて
- 特に文章を読むことにフォーカスし，情報を見つけることと，理解を組み立てることのグラデーションを見た
- 語られなかったが有益なプロセス: 会話，実験
- 実験: 新しく知識を作り出す効果
Ch05 考えをまとめるには
- 情報の整理とアイデアを生み出すことは，連続的なグラデーション
- 情報が多すぎる？少なすぎる？
- 書き出し法で情報量を確認
- 5分間，言及するとよさそうな情報を思いつく限り書き出してみる
- KJ法のために，書いたものを容易に移動できることが必要
- 質を求めてはいけない
- 実践してみる
- 100枚を目標にする
- merit
- 進捗が明確に計測できる
- 中断が容易
- merit
- 重複は気にしない
- 重複は重要度の指標として重要
- 書き出し法で情報量を確認
- 多すぎる情報をどうまとめるか
- 並べて一貫性を高める
- 視線の移動だけで脳に戻すことができるようになる
- 中心は作業領域としてゆとりをもたせる
- column: 書き出し法の実例
- 並べる過程で思い出したらすぐ記録
- 関係のありそうなものを近くに移動
- column: ふせんのサイズ: 50mm×38mm
- groupingには発想の転換が必要
- groupingは客観的ではない
- 客観的に正しいというものはないという話
- groupingは階層的分類ではない
- 既存の分類基準を使うデメリット
- column: frameworkによる効率化
- 変化が不要な状況でのみframeworkは有用
- 事前に分類基準を作るデメリット
- 全体像を把握できていない状態で事前に作った分類基準は，高い確率で間違っている
- 盲点に気づき，既存の思い込みの枠を壊すことが重要
- 既存の枠を手放すこと自体が難しいので，そもそも持たないことが大事
- 具体的な情報が主体で，どう構造化するかという主観的な解釈は，具体的な情報に従属する
- 分類で負担を減らすメリット
- ボトムアップにgrouping
- groupingは客観的ではない
- 関係とは何か
- 類似だけが関係ではない
- NM法は対立関係に着目する
- 対立の解消に役立つかもしれない仮説を立てることを目指す
- 話題がつながる関係
- KJ法のgroupをプレゼンテーションのスライドにたとえる
- 話がつながるのが良いgrouping
- つなぐstoryを考えることで新しい情報が生み出されることもある
- 束ねて表札をつけ，圧縮していく
- 表札作りのメリット・デメリット
- merit
- 見かけの枚数の削減
- demerit
- 束ねたものの中身を見るのに手間
- merit
- 表札を作れるgroupが良いgroup
- groupingの段階で分類をしないことが必要
- ふせんが膨大なときの表札作り
- まず具体的な情報を用意し，それを集め，その上に表札を置いていく
- 「考えがまとまらない」と「部屋が片付かない」
- 情報デザイン: 情報を，人が効率的かつ効果的に使えるような形で準備する技法
- 片づけのテクニック
- 収納場所に先に分類ラベルを貼らない
- column: 表札とふせんの色
- 一度に書き出した内容が同じ色である確率が高くなるという点がメリットになる
- column: 知識の整合性
- 表札作りのメリット・デメリット
- 束ねたふせんをまた広げる
- 関係がある者が近い位置になるように空間的配置され，囲みや矢印が加筆された図解ができる
- 文章化してoutput
- format変換作業が有益
- あいまいなつながりに気づける
- format変換作業が有益
- 並べて一貫性を高める
- 社会人向けチューニング
- stepの省略
- 表札作りや図解化は省略する
- 中断可能な設計
- A4書類の整理法
- 押し出しファイリング
- クリアファイル整理法
- 探したいものの番号はデータの中で検索
- stepの省略
- 繰り返していくことが大事
- まとめ
Ch06 アイデアを思いつくには
- 「ideaを思いつく」はあいまいで大きなタスク
- 分解して，計測や管理可能なフェーズとする
- ideaを思いつく3フェーズ
- 耕すフェーズ
- 情報を集め，かき混ぜ，つながりを見出そうとするフェーズ
- 芽生えるフェーズ
- 管理できない
- 情報を寝かせて，ideaが芽生えるのを待つ
- 締め切りがあれば，time limitまでに芽生えたもので残りのフェーズを進める
- 育てるフェーズ
- 生まれたideaを磨き上げていくフェーズ
- 有用かどうか実験によって検証し，修正していく
- 耕すフェーズ
- 先人の発想法
- Youngのideaの作り方
- ①資料集め
- ②資料の加工
- ③努力の放棄
- ④ideaの誕生
- ⑤ideaのcheck
- ①と②はまとめて耕すフェーズ
- ③と④は芽生えるフェーズ
- 芽生えさせるのではない
- ⑤が育てるフェーズ
- 川喜田二郎の発想法
- Scharmerの変化のパターン
- U理論
- U曲線モデル
- level 1(4つの意識状態: level)
- Downloading
- 思い込みにとらわれて外界を観察していない状態
- Performing
- ideaが既存のシステムに組み込まれ，機能している状態
- Downloading
- Voice of Judgement
- level 2
- Seeing
- 外界を観察しているが，自分の既存の枠にしがみついて，他者の視点から情報を感じ取れていない状態
- Prototyping
- prototypeが作られた状態
- Seeing
- Voice of Cynicism
- level 3
- Sensing
- 他者の視点から情報を感じ取り，自分の既存の枠が壊れたが，「自分」を手放していない状態
- Crystallizing
- ideaが結晶化された状態
- Sensing
- Voice of Fear
- level 4
- Presensing
- 「自分」を手放し，未来の変化の可能性を見ている状態
- Presensing
- level 1(4つの意識状態: level)
- 芽生えは管理できない
- 運しだい
- 芽生えなかった時のリスクの管理
- 耕すことに時間を使う
- 育てる時間を確保する
- 管理できるところは管理し，できないものは管理しないのが，いいアイデアを生むための最大限の努力
- Youngのideaの作り方
- まずは情報を収集する
- 自分の中の探検
- 特殊資料 ←→ 一般的資料
- 今解決したい問題について特化した資料
- 自分の身近な問題の解決には，主観的な考えも確認する必要
- 特殊資料 ←→ 一般的資料
- 言語化を促す方法
- 自分の中から情報を引き出すために
- 質問によるtrigger
- framework
- 質問の束
- merit
- 盲点を埋めることに有益
- demerit
- framework自体が既存の固定化した思考の枠
- 枠に収まらない情報こそ生産において重要なこともある
- 適切なタイミングで少しだけ使えば有効だが，乱用し継続的に使い続けると有害になる
- 探索と利用のバランスが重要
- framework
- 創造は主観的
- 客観的に説明できることを制約条件としてしまうと，すでにあるものから遠からぬものとなってしまう
- 耕し，芽生えを待つフェーズでは主観的に考える必要がある
- 身体感覚
- ファインマン，科学とは何か
- 抽象概念を身体感覚に近づける必要
- 絵に描いてみる
- たとえ話，メタファー，アナロジー
- 抽象概念が現実に形を持たないため
- 遠い分野のアナロジーが使われたときに，製品の新規性が高まるという調査
- NM法とアナロジー
- Clean Language, Symbolic Modelling
- 相手からメタファーを引き出すことを目的とした方法論
- 前提を含まない質問
- どんな種類？ほかには？どこにある？どのあたりにある？何のよう？
- → symbolの生成
- symbolの時間軸上での変化やsymbolの間の関係を明確化していくことでsymbolを使って作られたモデルができる
- symbolの時間軸上での変化を明らかにする質問
- それから何が起こる？
- 次に何が起こる？
- そのすぐ前には何が起きる？
- それはどこから来る？
- symbolの関係を明らかにしていく質問
- XとYはどういう関係？
- XとYは同じ？違う？
- XとYの間には何がある？
- (Xが出来事のとき)Xが起きたとき，Yには何が起こる？
- まだ言葉になっていないもの
- 言語化のまとめ
- 自分の中の探検
- 磨き上げる
- 最小限の実現可能な製品(Minimum Viable Product: MVP)
- 構築・計測・学習のループを回してすばやく学習することが大事
- 誰が顧客かわからなければ何が品質かもわからない
- 何を検証すべきかは目的によって異なる
- U曲線を登る
- Crystallizing
- 漠然と思っていたことや不完全なideaが，書き出したり加工したり人に話したりすることで徐々に明確な形になっていく
- Prototyping
- 早い段階で問題に気づく
- Performing
- できあがったものを，より上位のシステムに埋め込みつつある状態
- サイクルを回して何度も登る
- Crystallizing
- 他人の視点が大事
- 誰からでも学ぶことができる
- それぞれ分野が異なる
- 相手がどう感じているのかの言語化を促し，それを吸収する
- time machineを作れ
- 相手の私的な言語を，質問を通じて理解する
- column: 知識の分布図
- 知識分野は独立しておらず，固定的でもない
- → 滑らかにつながった，閉じた円環でないものを使って表す
- 再び耕す
- 十分に他人の視点からの情報収集ができた後
- 1つは，改善
- もう1つは，idea自体を作り直すapproach
- column: 書籍とは双方向のcommunicationができない
- 最小限の実現可能な製品(Minimum Viable Product: MVP)
- まとめ
- ideaが生み出されるprocess, 知的生産の「生産」に直結する部分を掘り下げ
- 学ぶことは，自分の外のものを自分の中に取り込むこと
- ideaを生み出すことは，自分の中のものを外に出すこと
- 学びとideaの創造は，逆向きのことではなく，ほぼ同じこと
- 耕すフェーズは情報収集，育てるフェーズは検証と密に関連
- ideaが芽生える瞬間に起きることは，新しい結合であり，異なる者の間の関連の発見であり，パターンの発見であり，モデル化であり，抽象化
- まだ言語化されていないものを言語化する方法について掘り下げ
- 最初から客観的であろうとしたり正しくあろうとしたりする気持ちは，新しいものを生み出すことの障害になる
- まずは主観的な違和感や身体感覚，個人的なメタファーを駆使して，誰も見たことのないものを手繰り寄せる
- 磨き上げるのはそのあと
- KJ法は，仮説を生み出す知的生産の方法でもある
- 客観的に分類するのではなく主観的に結合を見出していくことが，新しいものを生み出すために必要
- KJ法は，情報を耕し，芽生えやすい環境を整える，有用な手法
- 磨き上げる手法
- MVP
- 小さく実験して，徐々に改善
Ch07 何を学ぶかを決めるには
- 何を学ぶのが正しいか？
- 数学の正しさ
- 公理が正しいと仮定したときに，公理の組み合わせによって論理的に導かれたもの
- 科学と数学の正しさの違い
- 科学では，何度も実験して確認されたことは正しい
- 数学では，何度も実験して確認しても，それが正しいことは保証されない
- 科学では，実験で否定されていない主張は仮に正しいものとする
- 主張を支持する結果が観測されればされるほど，その主張は信頼性が高まる
- 意思決定の正しさ
- 繰り返す科学実験と一回性の意思決定
- 意思決定に繰り返しは使えないことも多い
- 事後的に決まる有用性
- 有用性が1つの基準だが，事前には決まらない
- 過去を振り返って点をつなぐ
- 将来何らかの形で点がつながると信じて行動するしかない
- 何が有用かは事後的にしか分からない
- 何を学びたいかの答えを外に見つけても見つからない
- 繰り返す科学実験と一回性の意思決定
- 数学の正しさ
- 自分経営戦略
- 経営戦略のアナロジー
- 学びたい対象を探す探索戦略
- 自分の内面の「熱意が湧いてくるかどうか」に着目した戦略
- 何かを学ぶことで学ぶ力が培われ，別の分野の学びの効率も高められる
- column: 選択肢の数が意思決定の質にもたらす影響
- 二択より三択の方が16.7倍も良い結果
- 探索範囲を広くする
- 目についたもの，少しでも興味の湧いたものを片っ端から学んでみる
- 特に大学生向け
- 盲点の発見に他人の視点
- 違和感があったら無理に続けなくてもいい
- 知識を利用して拡大再生産戦略
- 自分の外側に注目
- ポジショニング学派: 自分が置かれている状況をポジションにたとえて，周囲の状況を分析し有利な場所を占めようとする戦略
- 社会人は，まず「今やっている仕事の効率化」を学び，時間の余裕を作り，その余裕を新たな学びに投資する
- ↑ 知識の拡大再生産戦略
- 拡大再生産: 企業が利益を上げたときに，その利益を生産設備などに投資し，その設備を使ってさらに利益を上げる
- 知識を使って時間を得て，その時間を知識獲得に投資する
- 知識を使ってお金を得て，そのお金を知識獲得に投資する
- 知識を使って立場を得て，その立場を使って知識獲得をする
- 卓越を目指す差別化戦略
- かけ合わせによる差別化戦略
- ある領域で1番でなくても，ほかの領域とかけ合わせて1番になればOK
- ふたこぶの知識
- communication〇
- T(またはπ)型人材
- 連続スペシャリスト
- 1つ目の専門性によって卓越の立場を作り，その立場から収穫を得て，それを2つ目の専門性の獲得に投資する
- 拡大再生産戦略と卓越を目指す戦略の融合
- 新入社員の戦略案
- 会社で得る知識Xとは異なる，新しい分野Yを見つける
- → その分野で卓越
- 組織の境界をまたぐ知識の貿易商戦略
- 知識の流れの滞り
- この流れの円滑化はしばしば経済的な価値を伴う
- → 複数の組織をまたぎ，組織間の情報流通を起こすことで価値を生む戦略が成立
- 知識とその需要が自分に集中するようになる
- 知識は複製できるので，知識が自分の中を流れるようにすると，知識の複製が自分の中に蓄積され，自分の価値を徐々に高めていく
- いくつかの方法
- 積極的に外部の情報源に触れる方法や，社内で学んだことを社外に伝える方法，複数の組織に所属する方法など
- 相互に教え合って相互に得をする形が〇
- outputのみの状況にならずに済む
- 知識の流れの滞り
- 知識を創造する
- 外の知識を取り込んでも，差別化につながりにくい
- 実際の応用の現場で必要に応じて生み出された知識は，流通しておらず，現場の状況にフィットした価値の高い知識
- → 新しい知識を生み出す力が，価値の源泉
