賛成・反対の根拠を資料から抽出する

著者: AILesson7 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

中立または無関係な資料を二者択一に押し込めず、均衡の取れた根拠表を作成する. 入力するもの: 主張または意思決定上の問い, 参照資料, 根拠の判定ルール. 期待される結果: 強さの評価を含む、追跡可能な賛成・反対・混合・未解決の根拠マップ.

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。

主張または意思決定上の問い参照資料根拠の判定ルール

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。

正確な命題を支持する根拠と反対する根拠を抽出してください。

命題、代替案、定義、範囲、用途：
[question]

ID、日付、著者、方法、関連箇所を含む資料：
[sources]

適格性、母集団・時期との適合性、独立性、品質、推論のルール：
[rules]

提供された資料だけを使用してください。命題に関係する最小単位の根拠を抽出し、背景、指標、分母、期間、制約を保持してください。各項目を「支持」「反対」「混合／条件付き」「中立／背景」「無関係」に分類し、すべての資料を無理に二者択一にしないでください。資料の著者による結論、基礎データ、自分の解釈を区別してください。各項目について、出典位置、根拠の内容、方向、直接性、品質、独立性、適用可能性、その根拠から許される主張の強さを示してください。同じ基礎データの共有、矛盾、出版バイアスのリスク、不足している反証、結論を逆転させる条件を特定してください。最後に、項目数ではなく根拠の品質を重み付けした均衡の取れた総合評価を示してください。

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

主張または意思決定上の問い: 英国の120人規模のオフィスで、固定席を1人当たり0.7席の共有モデルに置き換えると、ピーク日に従業員が適切な作業場所を見つける能力を実質的に低下させずに、スペース効率を改善できるか。「適切」とは、必要な静音／共同作業ゾーンに席があること。恒久的な決定ではなく、試験導入の設計に使用する。
参照資料: S1 当社オフィスの利用状況、火～木曜日を6週間計測：同時出社のピークは72～98人。ゾーンは未記録。S2 従業員調査、120人中86人が回答：58人は共有席を許容できると予想、19人は不明、9人は反対。仮定に基づく質問。S3 施設シミュレーション：比率0.7（84席）で平均利用率が51%→69%に上昇。各人の出社が独立し、ゾーン制約がないと仮定。S4 別の300人企業での試験導入：比率0.65。観察したピーク日20日のうち12日で静音ゾーンに空席なし。全体では空席あり。ハイブリッド勤務方針が異なる。S5 ベンダーブログはS4を引用し、共有化で『無駄なスペースがなくなる』と主張。
根拠の判定ルール: 当社の直接観察は出社状況について価値が高いが、ゾーン情報がない。シミュレーションは仮定に依存する。調査は予想を測るもので、実際の作業場所へのアクセスではない。外部企業の根拠は間接的だが、ゾーンのリスクには関連する。ベンダーブログはS4から独立していない。件数を保持し、基準値がないまま「実質的」を定義しない。

出力例

効率を支持：S3では84席で利用率が51%から69%に上昇すると予測。直接性は中程度で、各人の出社が独立しゾーン制約がないという未検証の仮定に依存するため、品質は条件付き。S1では観察したピークの多くが84人未満だが、72～98人という範囲は一部のピークで収容人数を超えることを示すため、支持ではなく混合。S2では回答者86人中58人が許容可能と予想。実際の席の利用可能性に対する直接性は低く、34人が未回答。

複合命題に反対：S4では、他のゾーンに空席があるにもかかわらず、ピーク日20日のうち12日で静音ゾーンに空席がなかった。比率、規模、ハイブリッド方針が異なるため適用可能性は間接的だが、ゾーン配分の問題を直接示している。S1も、出社を管理しない限り、84人を超える日があるため無条件の84席モデルに反対する。ただしゾーンの適合性は評価できない。S5は独立した根拠を加えておらず、「なくなる」という結論はS4の範囲を超える。

不足情報：当社のゾーン別・時間別ピーク分布、チームの同時出社、適切なゾーンへの需要、日別の超過頻度、合意された実質性の基準。均衡の取れた総合評価：根拠はモデル上の利用率向上を条件付きで支持するが、ピーク時に適切な席を確保できるとは立証していない。最も強い社内観察でも一部の日に総需要のリスクが示され、外部の根拠からゾーンの不一致も起こり得る。複合命題が支持されたと主張するのではなく、予約／超過対応、ゾーン別計測、事前に合意した失敗基準を含む試験導入を設計する。

これがうまくいく理由

1
混合と中立の分類を設けることで、人為的な対称性や条件付きの知見の欠落を防げます。
2
引用数を数えるよりも、直接性、品質、独立性、適用可能性を重み付けする方が有意義です。

結果を確認

各根拠に、分母、期間、背景、制約が残されていますか？
著者の結論、基礎となる観察、分析者の解釈が明確に分けられていますか？
総合評価は資料数ではなく、独立性と適用可能性を重み付けしていますか？

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。

「賛成・反対の根拠を資料から抽出する」を使う前に、何を準備すればよいですか？

「賛成・反対の根拠を資料から抽出する」を使うには、主張または意思決定上の問い、参照資料、根拠の判定ルールを準備してください。プレースホルダーは確認できる情報だけで置き換えてください。不明な点はモデルに推測させず、不明であることを明記してください。

「賛成・反対の根拠を資料から抽出する」の結果が、そのまま使えないのはどのような場合ですか？

提示された根拠から、記載された成果である「強さの評価を含む、追跡可能な賛成・反対・混合・未解決の根拠マップ」が得られていない場合や、未解決の仮定、承認漏れ、推測で補った情報に依存している場合は、その結果をまだ使用できません。チェック項目を公開前の判定基準として使い、根拠のない出力を整えるのではなく、元の入力を修正するか、権限のある担当者を指名して確認を依頼してください。

「賛成・反対の根拠を資料から抽出する」は、どのAIツールでテストされていますか？

2026年8月28日時点の公開テスト記録では、「賛成・反対の根拠を資料から抽出する」のテスト済みツールとしてChatGPTが記載されています。これは実行記録があることを示すもので、後の製品バージョンで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を使う場合は、すべての制約を明示したまま、使用前に結果のチェックをもう一度行ってください。

さらに探す方法