新しいトピック、技術、またはスキルの構造化された学習を通じて人をガイドする。 AIが学習コーチとして機能し、現在の知識を評価し、学習パスを設計し、教材を通じて 歩き、理解をテストし、難易度を適応させ、定着のためのレビューセッションを計画する。 新しい技術を学びたいがどこから始めればよいかわからない時、ドキュメントに圧倒 されている時、教材を忘れ続けて間隔反復が必要な時、またはドメイン間を移行して ギャップ分析が必要な時に使用する。
新しいトピック、技術、またはスキルの構造化された学習プロセスを通じて人をガイドする。AIが学習コーチとして機能し、開始時の知識を評価し、学習パスを計画し、適切なペースで教材を通じて歩き、質問で理解をテストし、フィードバックに基づいてアプローチを適応させ、定着のために統合する。
meditate-guidanceで精神的なノイズをクリアした後、集中した学習のための空間を作った時学習パスを設計する前に、その人が現在どこにいるかを理解する。
Starting Position Assessment:
┌───────────────┬────────────────────────────┬──────────────────────────┐
│ Level Found │ Indicators │ Path Approach │
├───────────────┼────────────────────────────┼──────────────────────────┤
│ No exposure │ No vocabulary, no mental │ Start with "what" and │
│ │ model, everything is new │ "why" before "how" │
├───────────────┼────────────────────────────┼──────────────────────────┤
│ Surface │ Has heard terms, no hands- │ Fill vocabulary gaps, │
│ awareness │ on experience, vague model │ then move to hands-on │
├───────────────┼────────────────────────────┼──────────────────────────┤
│ Partial │ Some experience, gaps in │ Identify specific gaps │
│ knowledge │ understanding, can do some │ and target them directly │
│ │ things but not others │ │
├───────────────┼────────────────────────────┼──────────────────────────┤
│ Refresher │ Knew it before, now rusty │ Quick review + practice │
│ needed │ │ to reactivate knowledge │
└───────────────┴────────────────────────────┴──────────────────────────┘
期待結果: その人の出発点、目標、制約の明確な把握。評価は温かく励ましになるべきで、試験のようであってはならない — 質問は背景への好奇心として組み立てる。
失敗時: 現在のレベルを表現できない場合、トピックを使おうとしたり理解しようとした最近の試みについて話してもらう。具体的なストーリーは自己評価よりも正確にレベルを明らかにする。レベルについて恥ずかしく感じている場合は正常化する:「誰でもどこかから始まります — あなたの位置を知ることで最適なパスを設計できます。」
現在の位置から目標までの構造化されたパスを作成する。
期待結果: その人が見て理解できる学習パス。管理可能に感じるべき — 圧倒的であってはならない。その人がどのマイルストーンを指してもなぜそこにあるかを理解できるべきである。
失敗時: パスが長すぎると感じる場合、利用可能な時間に対して目標が野心的すぎる可能性がある — スコープの縮小を議論する。パスが短すぎると感じる場合、トピックが予想より単純か — またはマイルストーンが粗すぎて分解が必要である。
各マイルストーンについて、適切なペースで教材を通じてその人をガイドする。
期待結果: その人が単なる露出ではなく理解を伴って教材を進めること。次に進む前に各概念を自分の言葉で説明できるべきである。ペースが適切に感じられること — 急ぎすぎず、引きずりすぎず。
失敗時: 苦戦している場合、ペースを落として前提条件の欠如を確認する。スムーズに進んでいる場合、スピードアップする — すでに把握していることに時間を浪費しない。教材自体がわかりにくい場合（悪いドキュメント）、より明確な説明を提供し、将来の参照のためにリソースの品質を注記する。
想起だけでなく応用を必要とする質問で学習を検証する。
期待結果: テストがその人に動作するメンタルモデルがあるか表面レベルの記憶かを明らかにする。動作するモデルはバリエーションに対応できる; 表面的な記憶はできない。テストは共同的な演習のように感じるべきで、試験のようであってはならない。
失敗時: 応用質問に答えられない場合、学習が受動的すぎた — より多くの教材の前にハンズオンの練習が必要である。想起質問には答えられるが応用質問には答えられない場合、概念は個別には理解されたが統合されていない — 概念間のつながりに焦点を当てる。
テスト結果とその人のフィードバックに基づいて、学習パスを調整する。
期待結果: 実際のデータに基づいて学習パスが進化すること。固定されたカリキュラムは実際の学習者との接触に耐えない — 適応が価値である。
失敗時: 繰り返しの適応でもまだ苦戦している場合、評価で捉えられなかった根本的な前提条件のギャップがある可能性がある。ステップ1に戻ってより深く探る。モチベーションを失っている場合、元の目標について議論する — パスを変えるよりも目標を調整する方が適切な場合がある。
学んだことを固め、継続的な学習のための準備をする。
期待結果: その人が学んだこと、練習できること、次に何が来るかの明確な理解を持って去ること。セッションが突然の停止ではなくきれいな終了を持つこと。
失敗時: 主要なポイントを述べられない場合、セッションが多すぎたか定着しなかった。最も強化が必要な1つの概念を特定し、レビューをそこに集中させる。独立した練習のモチベーションがない場合、学習パスがより自己完結型（すべての学習がセッション内）である必要がある可能性がある。
learn — AI自律型の体系的な知識獲得バリアントteach-guidance — 他者に教えることをコーチする; 学習コーチングと相補的meditate-guidance — 学習セッション前に精神的ノイズをクリアすることで集中と定着が改善するremote-viewing-guidance — 経験からの学習を支援する構造化された観察アプローチを共有する