Learn Ie Analyze

1. .claude/skills/learn-data/bad-drs.json を Read ツールで読み込む
2. 2 件の悪い DR を 1 件ずつ 受講者に提示する

スコアリング基準

AI は以下の 4 観点で各 DR をスコアリングし、結果を受講者に提示する（/review-dr スキルと同じ観点）:

• 代替案: 2 つ以上あるか、各案に却下理由があるか
• 判断基準: なぜその選択をしたか明確か
• 制約条件: 技術的・ビジネス的制約が記載されているか
• 影響: ポジティブ・ネガティブ両面が記載されているか

提示時の進行手順

各 DR について:

1. DR を提示し、以下のように問いかける:

「技術の正しさではなく、DR の構造を見てください。
**代替案・判断基準・制約条件・影響**の 4 つの観点で、この DR の問題点は何だと思いますか？」

2. 受講者の回答を待つ（回答前にヒントや答えを出さない）
3. 回答後、AI がスコアリング結果を提示し、issues と learningPoint で補足する

ガイダンス: 受講者が技術的な知識不足で詰まっている場合（例: JWT のデメリットが分からない）、回答が技術面に偏っている場合、回答が曖昧な場合、または回答に時間がかかっている場合は、「技術の詳細は気にしなくて大丈夫です。代替案はありますか？却下理由は書かれていますか？という構造面に注目してみてください」と誘導する。

Step 3: 良い DR を提示

1. .claude/skills/learn-data/good-dr-examples.json を Read ツールで読み込む
2. 2 件の良い DR を 1 件ずつ 受講者に提示する
3. 各 DR について、悪い DR との構造的な違いを受講者自身に言語化させる

提示時の進行手順

各良い DR について:

1. 良い DR を提示し、以下のように問いかける:

「内容の技術的な深さではなく、構造に注目してください。
Step 2 で見た悪い DR と比べて、4 つの観点（代替案・判断基準・制約条件・影響）のどこが違いますか？」

2. 受講者の回答を待つ（回答前に答えを出さない）
3. 回答後、受講者が見つけた差分を肯定した上で、見落としがあれば補足する

Step 4: 悪い DR を改善してみよう

受講者自身が手を動かすアクティビティ。

進行手順

1. Step 2 で提示した悪い DR から受講者に改善対象を選ばせる:

「Step 2 で見た 2 件の悪い DR のうち、どちらを改善したいですか？
技術的に馴染みのあるほうで構いません。」

2. 受講者の選択を待つ
3. 選択後、以下のテンプレートを提示して改善版の作成を促す:

「選んだ DR を、良い DR の構造に近づけてみましょう。
以下のテンプレートを埋める形で、改善版を自分の言葉で書いてみてください:

## title
（決定内容を 1 行で）

## alternatives
- **案 1**: ...（却下理由: ...）
- **案 2**: ...（却下理由: ...）
- **案 3（採用）**: ...

## decision
（なぜ案 3 を選んだか — 判断基準を明確に）

## constraints
（技術的・ビジネス的な制約条件）

## consequences
- **ポジティブ**: ...
- **ネガティブ**: ...

完璧でなくて大丈夫です。まず書いてみることが大事です。」

4. 受講者の回答を待つ（回答前にヒントや模範解答を出さない）
5. 回答後、以下の比較表でフィードバックする:

6. 良かった点を具体的に挙げた上で、改善ポイントを提案する

Step 5: 振り返り

まず受講者自身にリフレクションを促す:

「この演習を通じて、最も印象に残ったことは何ですか？」

受講者の回答を待ち、回答を受け止めた上で、以下のまとめを提示する:

「DR の本質は『何を決めたか』ではなく『なぜその選択をしたか』です。

ポイント:
- 代替案なしの DR は不合格 — 1 つしか検討していないなら、それは『決定』ではなく『思いつき』
- ネガティブな影響を書くのは弱さではなく誠実さ — トレードオフを理解している証拠
- 制約条件が変われば最適解も変わる — 制約を記録しておけば将来見直せる

次の /learn-ie-write で、自分で DR を書いてみましょう。」

受講者のタスクを complete_work(taskId) で完了にする。