資料内の事実、推論、意見を区別する

著者: AILesson6 分でセットアップテスト済み:ChatGPTレビュー日: 2026-08-28

クイック回答

情報源が観察・結論・評価・推奨していること、または不確実としていることに基づき、最小単位の記述を分類する. 入力するもの: 情報源となる資料, 背景と目的, 分類ルール. 期待される結果: 証拠の根拠、推論の連鎖、中立的な書き換えを含む追跡可能な記述マップ.

コンテキストを追加

テキストはこのブラウザ内に留まります。AILesson Prompts は、そのテキストをモデルやサーバーに送信しません。

情報源となる資料背景と目的分類ルール

あなたのプロンプト

未入力のフィールドはプレースホルダーとして表示されたままなので、プロンプトをコピーして編集できます。

提示されたルールに従い、資料内の記述を、事実、報告された主張、推論、予測、意見、価値判断、推奨、不確実性のいずれかに分類してください。

情報源となる資料：
[material]

文書の種類、著者の役割、読者、目的：
[context]

分類の定義：
[rules]

複数の内容を含む文は、最小単位の記述に分割してください。「事実」というラベルは、情報源が検証可能な記述として提示していることを意味するだけで、あなたが独自に検証済みであることを意味しません。情報源が報告する事実と、外部で検証済みの事実を区別してください。言語上の手がかり、証拠または前提、欠けている推論の手順、モダリティ、帰属、各記述を検証する方法を特定します。議論を呼ぶ内容だからという理由だけで意見に分類したり、数字を含むという理由だけで事実に分類したりしてはいけません。記述一覧表、推論の連鎖、複合的または曖昧なケース、文法によって行為者や確実性が隠れている箇所、帰属と認識上の位置付けを保持した中立的な書き換えを返してください。

Playgroundで試す

デフォルトで非公開プロンプトの組み立てはブラウザ内で行われます。組織が許可しない限り、機密情報を AI サービスに入力しないでください。

入力から結果へ

具体例

具体的なコンテキストを加えると、このレシピが実用的な結果になる様子をご覧ください。

実際の入力

情報源となる資料: [ディレクターのメモ、§2] 顧客からの苦情は4月の42件から5月の57件へ増加しました。この増加は、新しい振り分けシステムが顧客を混乱させていることを明確に示しています。このシステムには根本的な欠陥があるため、直ちに以前のプロセスへ戻すべきです。オペレーション部門によると、5月の増加は、注文数を18%増やしたキャンペーンを部分的に反映している可能性がありますが、分析は完了していません。現在の傾向が続けば、6月の苦情は70件を超えます。
背景と目的: サービス部門のディレクターが経営幹部向けに作成した社内意思決定メモです。プロセスを元に戻す判断を行う前に、中立的な証拠要約を準備する必要があります。外部検証は実施されていません。
分類ルール: 事実：情報源が提示する、過去または現在について検証可能な記述。報告された主張：帰属先が明示された検証可能な記述で、独自には検証されていないもの。推論：明示または暗黙の前提から導いた結論。予測：将来についての主張。意見/価値判断：評価基準に基づく記述。推奨：提案する行動。不確実性：明示された限界またはモダリティ。分離できない場合に限り、一つの記述へ主要ラベルと副次ラベルを付けられます。

出力例

S1 4月の苦情は42件、5月は57件だった｜情報源が提示する事実であり、独自には検証されていない｜手がかり：過去の件数｜苦情管理システムからの抽出データ、定義、月別の分母と照合する。S2 振り分けシステムが顧客を混乱させた｜高い確実性（「明確に」）を伴って示された推論｜前提：件数の増加。不足：苦情の理由、利用者への適用範囲、注文量、比較対象、時期。S3 システムには根本的な欠陥がある｜価値判断と推論｜「根本的」の基準が示されていない。S4 以前のプロセスへ直ちに戻す｜推奨｜S2/S3と、提示されていない切り戻しのコスト/リスクに依存する。S5 オペレーション部門によると、キャンペーンによって注文数が18%増えた｜報告された主張。因果関係の帰属は未検証｜注文データとキャンペーン設計を確認する。S6 オペレーション部門の分析は完了していない｜報告された事実/不確実性。S7 6月の苦情は70件を超える｜条件付き予測｜定義されていない「現在の傾向」に依存し、計算方法も示されていない。

推論の連鎖：苦情42件→57件 → 振り分けによる混乱を仮定 → 根本的な欠陥と判断 → 直ちに切り戻す。観察された内容だけでは、途中の因果関係を裏付けられません。

中立的な書き換え：「メモは、4月に42件、5月に57件の苦情があったと報告しています。ここでは件数を独自に検証していません。ディレクターは、この増加を新しい振り分けシステムによる顧客の混乱に帰属させ、直ちに切り戻すよう推奨していますが、メモには苦情理由や利用者への適用範囲の分析がありません。オペレーション部門は、キャンペーンに関連して5月の注文が18%増えたと報告し、分析は未完了だと述べています。6月に70件を超えるという件数は、計算方法が示されていない条件付き予測です。」

これがうまくいく理由

1
記述を最小単位に分けて分類すると、一つの文に観察、説明、推奨が混在している箇所が明らかになります。
2
情報源による報告と独自に検証された事実を分けることで、分析を通じて主張が事実であるかのように扱われることを防げます。

結果を確認

複数の内容を含む文を、分類前に分割しましたか？
各ラベルについて、証拠、言語上の手がかり、帰属、検証方法を説明していますか？
数字、論争性、確信度、真偽を概念上区別していますか？

安心して使うために

よくある質問

このレシピをいつ使うか、何を用意するか、どの場面で人による確認が依然として重要かについての実践的な回答です。

「資料内の事実、推論、意見を区別する」を使用する前に、何を準備すればよいですか？

「資料内の事実、推論、意見を区別する」を使用するには、情報源となる資料、背景と目的、分類ルールを準備してください。プレースホルダーは、確認可能な情報だけで置き換えます。詳細が不明な場合は、モデルに推測させず、不明であることを明示してください。

「資料内の事実、推論、意見を区別する」の結果は、どのような場合にまだ使用できませんか？

提示された証拠から、記載された成果である「証拠の根拠、推論の連鎖、中立的な書き換えを含む追跡可能な記述マップ」をまだ作成できていない場合や、未解決の前提、承認の不足、創作した詳細に依存している場合、その結果は使用できません。チェック項目を公開可否の判断基準として使い、裏付けのない出力を磨くのではなく、元の入力を修正するか、権限を持つ担当者を指名してレビューを依頼してください。

「資料内の事実、推論、意見を区別する」では、どの AI ツールのテスト記録がありますか？

2026-08-28 時点で、「資料内の事実、推論、意見を区別する」の公開テスト記録には ChatGPT が掲載されています。これは実行記録があることを示すだけで、今後の製品バージョンとの互換性や同一の結果を保証するものではありません。別のツールやバージョンでは、すべての制約を明示したまま、使用前に結果のチェック項目をもう一度確認してください。

さらに探す方法