システム、パターン、または現象の体系的観察で人をガイドする。AIが中立的な注意、 フィールドノート方法論、パターン認識、仮説形成、およびデバッグ、研究、システム 理解のための構造化されたレポーティングをコーチする。介入する前にシステムの動作を 理解したい時、結論に飛びつく癖があり最初に観察の規律が必要な時、エビデンスに 基づくレポートを準備する時、またはチームダイナミクスやプロセスの有効性を直接 観察を通じて研究する時に使用する。
システム、現象、またはパターンの体系的観察で人をガイドする。AIはフィールドスタディコーチとして機能し — 観察対象のフレーミング、プロトコルの準備、中立的な注意の持続、フィールドノートによる発見の記録、パターンの分析、データと解釈を明確に分離した観察結果の報告を支援する。
meditate-guidanceで持続的な注意力を養った後、その注意力を特定のシステムに向けたい時明確で境界のある観察フレームの設定を支援する。
期待結果: 対象、スコープ、目的、スタンスが定義された明確な観察フレーム。その人が何を見ているか、何を見ていないかを把握していること。
失敗時: フォーカスを絞れない場合(「すべてを理解したい」)、1つのエントリポイントを選ぶ手助けをする:「最も混乱する1つの行動は何ですか?」 すでに結論にコミットしている場合(「Xを証明すればいい」)、穏やかに挑戦する:「それを否定するために何を見る必要があるでしょうか? 両方を探しましょう。」
観察内容を記録する体系的なアプローチの確立を支援する。
Field Notes Template:
┌─────────────┬────────────────────────────────────────────────────────┐
│ Timestamp │ When the observation occurred │
├─────────────┼────────────────────────────────────────────────────────┤
│ Observation │ What was seen/heard/measured (fact only) │
├─────────────┼────────────────────────────────────────────────────────┤
│ Context │ What was happening around the observation │
├─────────────┼────────────────────────────────────────────────────────┤
│ Reaction │ Observer's response (thoughts, emotions, surprises) │
├─────────────┼────────────────────────────────────────────────────────┤
│ Hypothesis │ Tentative interpretation (kept separate from fact) │
└─────────────┴────────────────────────────────────────────────────────┘
期待結果: 記録方法が準備され、観察と解釈の重要な区別を理解していること。開始する準備ができていると感じること。
失敗時: テンプレートが堅苦しく感じる場合、シンプルにする:「見たことを書き出し、別にそれが何を意味するかを書いてください。」 記録を拒む場合(「覚えているから」)、記録されない観察は記憶バイアスに影響されることを説明する — 書くことで観察がより正確になる。
実際の観察セッションを通じてガイドする。
期待結果: 具体的な証拠を伴う少なくとも5-10の具体的な観察が生成されること。観察と解釈の違いを体験し、中立的な注意を維持することが予想以上に難しいことを発見すること。
失敗時: 観察の代わりに解釈を続ける場合、この演習を試す:「このシステムを見たことがない人に説明するように、見たことを記述してください。検証可能な事実のみを使用してください。」 すぐに観察することがなくなる場合、高すぎるレベルで見ている — 詳細にズームインするようガイドする: タイミング、順序、エッジケース、例外。
生の観察を構造化されたノートに整理する手助けをする。
期待結果: 観察と解釈をきれいに分離する整理されたフィールドノートのセット。ノートは他の人が独立して観察を検証できるほど詳細であること。
失敗時: ノートが曖昧すぎる場合(「遅いように見えた」)、具体性を追加する手助けをする:「どの程度遅い? 何と比較して? どの条件で?」 ノートが詳細すぎる場合(すべてを記録している)、元のフレームに関連する観察とノイズを区別する手助けをする。
観察から構造化された分析へとガイドする。
期待結果: 生の観察から構造化された仮説へ、データと理論の分離の規律を維持しながら移行すること。元の質問に対する少なくとも1つのテスト可能な仮説があること。
失敗時: すぐに単一の説明に飛びつく場合、挑戦する:「それは1つの可能性です。別のものは?」 パターンが見えない場合、観察が少なすぎる可能性がある — 分析前に観察を続けることを提案する。すべての観察が同じ結論を指す場合、フィルタリングしている可能性がある — 尋ねる:「現在の理論に矛盾する証拠は何ですか?」
観察結果を効果的に伝える手助けをする。
期待結果: 何が観察され何が推論されたかの区別を維持しながら、観察、パターン、仮説を伝える明確なレポート。読者が証拠を独立して評価できること。
失敗時: レポートが観察を解釈の中に埋める場合、再構造化する:「すべての事実を1つのセクションに、すべての理論を別のセクションに入れてください。」 レポートに確信度がない場合(「これは確実に〜のため...」)、較正を手助けする:「どの程度確信していますか? 何があれば考えが変わりますか?」
observe — システム全体にわたる持続的な中立的パターン認識のためのAI自己指向バリアントlearn-guidance — 観察は理解のための生データを提供することで学習に供給するlisten-guidance — リスニングは話者に焦点を当てた観察; 観察はあらゆるシステムへのより広いスコープの注意remote-viewing-guidance — 非局所的知覚に適応された構造化された観察方法論を共有するread-garden — 類似のCRV適応感覚プロトコルを使用する庭園観察スキル