
Hiroya Iizuka
@0317_hiroya
やっと最終到達した感じがある。。 この図は、 - エリクソンの知識の構造、 - 仮説行動 + 解像度を高める、 興味 => 疑問 => 問い => 仮説モデル - Zettelkastenや、Evergreen noteの思想 - リボンフレームワーク これらを融合したものになる。 もし、具体的な知識(事実)を覚えるだけだと、それは最下層止まり。 一時的に、知識量は増えるかもしれないが、思考は拡大しない。 Layer0からLevel1に上がるためには、問いを立て、殴り書きのメモから、ノートを作るとよい。 なぜ、〇〇なのか?のようなノートを書く。 トピックベースであり、具体的な事実をまとめて、一定のテーマを考えてノートを作る。例えば、健康にいい食事とはなんだろうか?のようなノートになる。 さらに解像度を高め、〇〇である、という言い切り系の仮説ベースのノートをかく。 Zettelkastenでいうと、抽象化されたPermanent Noteだし、Evergreen Noteだと、コンセプト指向のノートだ。 https://scrapbox.io/evergreens... そして、それらのノートをまとめて、コンセプトを絞り、コンテンツを作って、解決策に結びつける。 このように、大事なのは 知識を覚えるという、具体レベルの横方向に注力するだけでなく、縦方向に考えて、行動したりアウトプットすることなのかもしれない。
なお、Idea Compassを使えば Layer1まで、自然にノートを作ることができる。 このノートの起源は何だろうか? このノートは、何と似ているのだろうか? etc これらが良質な問いなわけだ。 その問いをもとに、ノートを作る。 ただし、 それらのノートは、中心のアイデア(ノート)と、同じ階層レベルになる。 そこから、抽象度を上げるためには Idea Compassで書かれた360度のノートをもとに もう一段階、抽象化する必要がある。 so what?(だから何なの?) と問い、言い切り系の仮説を作る、そしてそれがPermanent Noteと呼ばれるものになる。 Related: https://x.com/0317_hiroya/stat...
逆に、深掘りたいとき、より下位の具体例がほしい時は why so? と問いたり その問いを元に、検索AIを使う。 漠然とした疑問を投げかけるのではなく、問いがすでにある状態なので、良質な結果が得られやすくなる。 このように、 疑問ベースでAIを使うのではなく、問いもしくは仮説まで思考を拡大してから使うと、その恩恵を最大限に受けることができる。 そのためには、Second Brainで、内省する仕組みを、持つのが大事である。 Related: https://x.com/0317_hiroya/stat...