Submit Search
Upload
KJ法の背景
•
6 likes
•
3,208 views
N
nishio
Follow
Report
Share
Report
Share
1 of 57
Download now
Download to read offline
Recommended
断片的情報の構造化の前振りと実録KJ法の流れ
断片的情報の構造化の前振りと実録KJ法の流れ
nishio
03 1 断片的情報の構造化_前振りと実録KJ法の流れ
03 1 断片的情報の構造化_前振りと実録KJ法の流れ
nishio
このスライドは、サイボウズ・ラボの西尾泰和と竹迫良範が、 京都大学サマーデザインスクール 2014で行った「学び方のデザイン」の講義資料の一部です。 他のスライドは http://nhiro.org/kuds2014/ で見つけることができます。
03 2 断片的情報の構造化_KJ法の実践
03 2 断片的情報の構造化_KJ法の実践
nishio
このスライドは、サイボウズ・ラボの西尾泰和と竹迫良範が、 京都大学サマーデザインスクール 2014で行った「学び方のデザイン」の講義資料の一部です。 他のスライドは http://nhiro.org/kuds2014/ で見つけることができます。
03 3 断片的情報の構造化_KJ法の背景
03 3 断片的情報の構造化_KJ法の背景
nishio
このスライドは、サイボウズ・ラボの西尾泰和と竹迫良範が、 京都大学サマーデザインスクール 2014で行った「学び方のデザイン」の講義資料の一部です。 他のスライドは http://nhiro.org/kuds2014/ で見つけることができます。
KJ法の実践
KJ法の実践
nishio
KJ法のススメ
KJ法のススメ
Keisuke Sakamoto
KJ法のW型問題解決モデルとU理論、それぞれの問題意識
KJ法のW型問題解決モデルとU理論、それぞれの問題意識
nishio
KJ法のW型問題解決モデルとU理論、それぞれの問題意識
KJ法、NM法、GTA
KJ法、NM法、GTA
nishio
このスライドは、サイボウズ・ラボの西尾泰和と竹迫良範が、 京都大学サマーデザインスクール 2014で行った「学び方のデザイン」の講義資料の一部です。 他のスライドは http://nhiro.org/kuds2014/ で見つけることができます。
Recommended
断片的情報の構造化の前振りと実録KJ法の流れ
断片的情報の構造化の前振りと実録KJ法の流れ
nishio
03 1 断片的情報の構造化_前振りと実録KJ法の流れ
03 1 断片的情報の構造化_前振りと実録KJ法の流れ
nishio
このスライドは、サイボウズ・ラボの西尾泰和と竹迫良範が、 京都大学サマーデザインスクール 2014で行った「学び方のデザイン」の講義資料の一部です。 他のスライドは http://nhiro.org/kuds2014/ で見つけることができます。
03 2 断片的情報の構造化_KJ法の実践
03 2 断片的情報の構造化_KJ法の実践
nishio
このスライドは、サイボウズ・ラボの西尾泰和と竹迫良範が、 京都大学サマーデザインスクール 2014で行った「学び方のデザイン」の講義資料の一部です。 他のスライドは http://nhiro.org/kuds2014/ で見つけることができます。
03 3 断片的情報の構造化_KJ法の背景
03 3 断片的情報の構造化_KJ法の背景
nishio
このスライドは、サイボウズ・ラボの西尾泰和と竹迫良範が、 京都大学サマーデザインスクール 2014で行った「学び方のデザイン」の講義資料の一部です。 他のスライドは http://nhiro.org/kuds2014/ で見つけることができます。
KJ法の実践
KJ法の実践
nishio
KJ法のススメ
KJ法のススメ
Keisuke Sakamoto
KJ法のW型問題解決モデルとU理論、それぞれの問題意識
KJ法のW型問題解決モデルとU理論、それぞれの問題意識
nishio
KJ法のW型問題解決モデルとU理論、それぞれの問題意識
KJ法、NM法、GTA
KJ法、NM法、GTA
nishio
このスライドは、サイボウズ・ラボの西尾泰和と竹迫良範が、 京都大学サマーデザインスクール 2014で行った「学び方のデザイン」の講義資料の一部です。 他のスライドは http://nhiro.org/kuds2014/ で見つけることができます。
量子アニーリングマシンのプログラミング
量子アニーリングマシンのプログラミング
nishio
量子アニーリングマシン(イジングマシン)の入力であるイジングモデルの設計方法について
夏プロ報告
夏プロ報告
nishio
2017年夏のプロシンの幹事体験談です
ITと経営
ITと経営
nishio
東工大MOT特別セミナーで講演したスライドです
部分観測モンテカルロ計画法を用いたガイスターAI
部分観測モンテカルロ計画法を用いたガイスターAI
nishio
POMCPを用いたガイスターAIの実装
交渉力について
交渉力について
nishio
交渉力についての雑な解説
If文から機械学習への道
If文から機械学習への道
nishio
機械学習とif文が地続きであることを解説しました。 ver.2 質問への回答を追加し、顧客価値の小問に図を追加してわかりやすくかみ砕きました。
組織横断型研究室構想
組織横断型研究室構想
nishio
第1回 田辺研究会での発表資料
2017首都大学東京情報通信特別講義
2017首都大学東京情報通信特別講義
nishio
2017の首都大学東京情報通信特別講義の講義資料
強化学習その5
強化学習その5
nishio
モンテカルロ計画法
良いアイデアを出すための方法
良いアイデアを出すための方法
nishio
未踏ジュニアキャンプ2017のメンタープレゼンで話したスライドです
強化学習その4
強化学習その4
nishio
部分観測マルコフ決定過程
強化学習その3
強化学習その3
nishio
関連スライド一覧 https://github.com/nishio/reinforcement_learning
強化学習その2
強化学習その2
nishio
社内勉強会での講演資料
強化学習その1
強化学習その1
nishio
社内勉強会での講演資料
線形?非線形?
線形?非線形?
nishio
機械学習に関して「線形な学習機より非線形な学習機の方がよい」という誤解が根強い。 モデルの表現力は確かに非線形版の方が高い。が、トレードオフとして必要なデータ量も多い。 実際に少ないデータ量で非線形版を使うと何が起こるのか回帰を題材に実験して確認する。
機械学習キャンバス0.1
機械学習キャンバス0.1
nishio
「機械学習や人工知能で解決できないか」という相談を しばしば受ける。特にエンジニアではない人に経営学の言葉で 説明する時に、手持ちの道具では不足を感じる。 「ビジネスモデル」という漠然としたものの設計をわかりやすく するために「リーンキャンバス」というフレームワークが生まれ たみたいに「機械学習・人工知能」 に対してもキャンバスがあれ ばいいのではないか?そこでver. 0.1を作ってみた。
首都大学東京「情報通信特別講義」2016年西尾担当分
首都大学東京「情報通信特別講義」2016年西尾担当分
nishio
2016年首都大学東京「情報通信特別講義」で行なった講義の資料です。
勾配降下法の最適化アルゴリズム
勾配降下法の最適化アルゴリズム
nishio
モメンタム、Nesterov accelerated gradientとAdagrad, Adadelta, Adamについて解説しました。
Wifiで位置推定
Wifiで位置推定
nishio
社内勉強会(話スシ)で話した資料
ESP8266EXで位置推定
ESP8266EXで位置推定
nishio
ESP8266EXで位置推定
More Related Content
More from nishio
量子アニーリングマシンのプログラミング
量子アニーリングマシンのプログラミング
nishio
量子アニーリングマシン(イジングマシン)の入力であるイジングモデルの設計方法について
夏プロ報告
夏プロ報告
nishio
2017年夏のプロシンの幹事体験談です
ITと経営
ITと経営
nishio
東工大MOT特別セミナーで講演したスライドです
部分観測モンテカルロ計画法を用いたガイスターAI
部分観測モンテカルロ計画法を用いたガイスターAI
nishio
POMCPを用いたガイスターAIの実装
交渉力について
交渉力について
nishio
交渉力についての雑な解説
If文から機械学習への道
If文から機械学習への道
nishio
機械学習とif文が地続きであることを解説しました。 ver.2 質問への回答を追加し、顧客価値の小問に図を追加してわかりやすくかみ砕きました。
組織横断型研究室構想
組織横断型研究室構想
nishio
第1回 田辺研究会での発表資料
2017首都大学東京情報通信特別講義
2017首都大学東京情報通信特別講義
nishio
2017の首都大学東京情報通信特別講義の講義資料
強化学習その5
強化学習その5
nishio
モンテカルロ計画法
良いアイデアを出すための方法
良いアイデアを出すための方法
nishio
未踏ジュニアキャンプ2017のメンタープレゼンで話したスライドです
強化学習その4
強化学習その4
nishio
部分観測マルコフ決定過程
強化学習その3
強化学習その3
nishio
関連スライド一覧 https://github.com/nishio/reinforcement_learning
強化学習その2
強化学習その2
nishio
社内勉強会での講演資料
強化学習その1
強化学習その1
nishio
社内勉強会での講演資料
線形?非線形?
線形?非線形?
nishio
機械学習に関して「線形な学習機より非線形な学習機の方がよい」という誤解が根強い。 モデルの表現力は確かに非線形版の方が高い。が、トレードオフとして必要なデータ量も多い。 実際に少ないデータ量で非線形版を使うと何が起こるのか回帰を題材に実験して確認する。
機械学習キャンバス0.1
機械学習キャンバス0.1
nishio
「機械学習や人工知能で解決できないか」という相談を しばしば受ける。特にエンジニアではない人に経営学の言葉で 説明する時に、手持ちの道具では不足を感じる。 「ビジネスモデル」という漠然としたものの設計をわかりやすく するために「リーンキャンバス」というフレームワークが生まれ たみたいに「機械学習・人工知能」 に対してもキャンバスがあれ ばいいのではないか?そこでver. 0.1を作ってみた。
首都大学東京「情報通信特別講義」2016年西尾担当分
首都大学東京「情報通信特別講義」2016年西尾担当分
nishio
2016年首都大学東京「情報通信特別講義」で行なった講義の資料です。
勾配降下法の最適化アルゴリズム
勾配降下法の最適化アルゴリズム
nishio
モメンタム、Nesterov accelerated gradientとAdagrad, Adadelta, Adamについて解説しました。
Wifiで位置推定
Wifiで位置推定
nishio
社内勉強会(話スシ)で話した資料
ESP8266EXで位置推定
ESP8266EXで位置推定
nishio
ESP8266EXで位置推定
More from nishio
(20)
量子アニーリングマシンのプログラミング
量子アニーリングマシンのプログラミング
夏プロ報告
夏プロ報告
ITと経営
ITと経営
部分観測モンテカルロ計画法を用いたガイスターAI
部分観測モンテカルロ計画法を用いたガイスターAI
交渉力について
交渉力について
If文から機械学習への道
If文から機械学習への道
組織横断型研究室構想
組織横断型研究室構想
2017首都大学東京情報通信特別講義
2017首都大学東京情報通信特別講義
強化学習その5
強化学習その5
良いアイデアを出すための方法
良いアイデアを出すための方法
強化学習その4
強化学習その4
強化学習その3
強化学習その3
強化学習その2
強化学習その2
強化学習その1
強化学習その1
線形?非線形?
線形?非線形?
機械学習キャンバス0.1
機械学習キャンバス0.1
首都大学東京「情報通信特別講義」2016年西尾担当分
首都大学東京「情報通信特別講義」2016年西尾担当分
勾配降下法の最適化アルゴリズム
勾配降下法の最適化アルゴリズム
Wifiで位置推定
Wifiで位置推定
ESP8266EXで位置推定
ESP8266EXで位置推定
KJ法の背景
1.
京大サマーデザイン スクール2013 京大サマーデザインスクール2013 (c)2013 西尾泰和(サイボウズ・ラボ) 西尾泰和
2.
KJ法の背景 断片的情報の構造化 - KJ法の背景
3.
KJ法の作者 川喜田二郎は 文化人類学者 断片的情報の構造化 - KJ法の背景
4.
フィールドワークで 大量の情報を収集 断片的情報の構造化 - KJ法の背景
5.
フィールドワークで 集めた大量のデータを まとめる必要性 →KJ法の発明 断片的情報の構造化 - KJ法の背景
6.
「まとめる」 って何? 断片的情報の構造化 - KJ法の背景 まとめるって何?
7.
データの背後にある 関連・構造を見出し 仮説を発想する 断片的情報の構造化 - KJ法の背景 まとめるって何?
8.
一組のデータからいかにして 意味のある結合を発見できるか 新しい発想を打ち上げられるか 断片的情報の構造化 - KJ法の背景 まとめるって何? 川喜田二郎(1967)『発想法
: 創造性開発のために』p.54
9.
たとえば、 断片的情報の構造化 - KJ法の背景 まとめるって何?
10.
トライサイクル=三輪車 ↓ 三(トライ) 輪(サイクル) 断片的情報の構造化 - KJ法の背景 まとめるって何?
11.
ケラチン=角質 ↓ ケラト(ツノ) -イン(たんぱく質) 断片的情報の構造化 - KJ法の背景 まとめるって何?
12.
この二つのデータと 恐竜の知識から 「ハッ!」と気づく 断片的情報の構造化 - KJ法の背景 まとめるって何?
13.
もしかして トリケラトプスって名前 三つのツノがあるから? 断片的情報の構造化 - KJ法の背景 まとめるって何? 思いついた時点では仮説
14.
関係の発見=仮説の発想 断片的情報の構造化 - KJ法の背景 まとめるって何?
15.
関係を発見する力は みんな昔から持っていた 「ツバメが低く飛んだら雨」 断片的情報の構造化 - KJ法の背景 まとめるって何? これも仮説
16.
フィールドワークで集めた 情報から仮説を形成する これを野外科学と呼ぶ 断片的情報の構造化 - KJ法の背景 実験科学との違い
17.
野外科学 実験科学 断片的情報の構造化 -
KJ法の背景 実験科学との違い
18.
実験科学は 仮説を検証する 断片的情報の構造化 - KJ法の背景 実験科学との違い
19.
仮説の検証 その仮説はどうやって 導かれたの? 断片的情報の構造化 - KJ法の背景 実験科学との違い
20.
どうやって仮説を立てる? 断片的情報の構造化 - KJ法の背景 実験科学との違い
21.
断片的情報の構造化 - KJ法の背景 実験科学との違い 『発想法』p.22 それが野外科学
22.
野外科学が仮説を作り 実験科学が仮説を検証する 断片的情報の構造化 - KJ法の背景 実験科学との違い
23.
仮説を立てないと 実験はできない 断片的情報の構造化 - KJ法の背景 実験科学との違い
24.
よくわからないと 行動を起こせない 断片的情報の構造化 - KJ法の背景 進むためには問題の明確化が必要 川喜田二郎(1977)『「知」の探検学
: 取材から創造へ』p7
25.
我々の今回の目的 改善計画づくり 断片的情報の構造化 - KJ法の背景 進むためには問題の明確化が必要
26.
改善=問題を解決すること 断片的情報の構造化 - KJ法の背景 進むためには問題の明確化が必要
27.
何が解決すべき問題か? 断片的情報の構造化 - KJ法の背景 進むためには問題の明確化が必要
28.
問題はかならずしも 明確に言語化できていない 断片的情報の構造化 - KJ法の背景 進むためには問題の明確化が必要 「問題は暗黙のうちにしか認識されない」『創造的想像力』p143 マイケル・ポラニー(2007)『創造的想像力
増補版』 慶伊富長 編訳, ハーベスト社
29.
問題はまず 「なにか問題を感じる」 当惑という状態から始まる 断片的情報の構造化 - KJ法の背景 進むためには問題の明確化が必要 『発想法』p29
30.
問題は言語化できていない ↓ 関係ありそうなことを 全部書きだしてみよう 断片的情報の構造化 - KJ法の背景 進むためには問題の明確化が必要 『発想法』p29
31.
全部書き出し 組み立ててみて はじめて問題の 構造がわかる 断片的情報の構造化 - KJ法の背景 進むためには問題の明確化が必要 『発想法』p29
32.
たとえば 1つだと思い込んでいた問題が 実は2つの問題の重なりだったり 断片的情報の構造化 - KJ法の背景 進むためには問題の明確化が必要 『発想法』p30
33.
問題の明確化とは何か 断片的情報の構造化 - KJ法の背景 進むためには問題の明確化が必要
34.
これが問題だろう これを解決すれば もっと良くなるだろう 断片的情報の構造化 - KJ法の背景 進むためには問題の明確化が必要 これも仮説
35.
問題の明確化=仮説の発想 断片的情報の構造化 - KJ法の背景 進むためには問題の明確化が必要
36.
断片的情報の構造化 - KJ法の背景 進むためには問題の明確化が必要 問題の明確化(=仮説)が正しいかどうかは、 その理解に基づいて行動(=実験)することで検証される
37.
チームでの問題解決について 断片的情報の構造化 - KJ法の背景 チームで
38.
チームで問題の解決に あたる場合はどうする? 断片的情報の構造化 - KJ法の背景 チームで
39.
チームで問題解決するには 問題意識の共有が必須 断片的情報の構造化 - KJ法の背景 チームで
40.
断片的情報の構造化 - KJ法の背景 チームワークのための問題の明確化 川喜田二郎(1970)『続・発想法
: KJ法の展開と応用』p27 A氏B氏とD氏では問題意識に違いがあり、喧嘩になる。C氏は両方の立場がわかるが…
41.
問題意識が共通でないと チームが一丸となって 進むことはできない 断片的情報の構造化 - KJ法の背景 チームワークのための問題の明確化
42.
どうやって共通化する? 断片的情報の構造化 - KJ法の背景 チームワークのための問題の明確化
43.
メンバー全員の視点から 書き出して 組み立ててみて 初めて構造がわかる 断片的情報の構造化 - KJ法の背景 チームワークのための問題の明確化
44.
個人がデータを組み立てるのと チームが個人の能力を組み立てるの 水準が違うだけで性質は同じ 断片的情報の構造化 - KJ法の背景 チームワークのための問題の明確化 『発想法』p56
45.
まとめ 断片的情報の構造化 - KJ法の背景 演習
46.
情報の構造化 = まとめる =
関係の発見 = 仮説の発想 = 問題の明確化 = 改善の第一歩 個人でもチームでも まずは書き出して組み立てよう 断片的情報の構造化 - KJ法の背景 演習
47.
オリエンテーション 参考文献 •川喜田二郎(1967)『発想法 : 創造性開発のため に』中央公論社 •川喜田二郎(1970)『続・発想法
: KJ法の展開 と応用』中央公論社 •川喜田二郎(1977)『「知」の探検学 : 取材から 創造へ』講談社 •マイケル・ポラニー(2007)『創造的想像力 増補 版』 慶伊富長 編訳, ハーベスト社
48.
オリエンテーション 付録
49.
反復可能性について 断片的情報の構造化 - KJ法の背景 反復可能性
50.
実験科学は 明確な仮説を 反復可能な状況設定で 繰り返し実験して検証する 断片的情報の構造化 - KJ法の背景 反復可能性
51.
仮説の検証 その仮説はどうやって 導かれたの? 断片的情報の構造化 - KJ法の背景 反復可能性
52.
現実世界って 反復可能な状況設定が あるとは限らないよね 断片的情報の構造化 - KJ法の背景 反復可能性
53.
実験科学は 文明の発展の過程で 重視されるようになった 断片的情報の構造化 - KJ法の背景 反復可能性
54.
しかし、万能ではない 断片的情報の構造化 - KJ法の背景 反復可能性
55.
反復実験できない 1回だけの事例などから どうやって仮説を立てる? 断片的情報の構造化 - KJ法の背景 反復可能性
56.
川喜田二郎が 「離れザルを捨てるな」 と言う理由はこれだ 断片的情報の構造化 - KJ法の背景 反復可能性
57.
このスライドは、サイボウズ・ラボの西尾泰和 と竹迫良範が、 京都大学サマーデザインスクー ル 2013で行った「チームワークのデザイン」の 講義資料の一部です。 他のスライドは
http://nhiro.org/kuds2013/ で見つ けることができます。 このスライドについて
Download now