Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
リモートワークは難しい - それでもぼくらは 歯をくいしばってやっていく テストエンジニア版 - / JaSST Kansai 2019
Search
KASUYA, Daisuke
July 05, 2019
Business
1
1.9k
リモートワークは難しい - それでもぼくらは 歯をくいしばってやっていく テストエンジニア版 - / JaSST Kansai 2019
KASUYA, Daisuke
July 05, 2019
Tweet
Share
More Decks by KASUYA, Daisuke
See All by KASUYA, Daisuke
ふりかえりカンファレンスLT/Get Wild
daiksy
0
1.3k
スクラムマスターの採用事情 / scrum fest fukuoka 2023
daiksy
0
2k
スクラムのスケールとチームトポロジー / Scaled Scrum and Team Topologies
daiksy
1
1k
Scrum@Scaleの理論と実装 / RSGT2022
daiksy
2
9.3k
リモートワークに最適なスクラムチームの人数についての仮説 / Kyoto Agile 2021
daiksy
0
220
スクラムを軸に据えた キャリア戦略 / Scrum Fest Osaka 2021
daiksy
2
6.5k
インフラ障害対応演習LT版 / evacuation drill of systems
daiksy
1
640
この半年で変わったものと変わらないもの - SaaS開発の現場より / Developers Summit 2020 Summer
daiksy
0
4.9k
プロダクトを 5年運用したチームより - 長く続くチームづくり / ScramFestOsaka 2020
daiksy
0
5.1k
Other Decks in Business
See All in Business
0年目から意識したい、スピーディーに誤解無くコミュニケーションを取る方法
brainpadpr
3
1.3k
データ分析基盤構築に役立つAWSマネージドサービス紹介
ryo5043617
0
250
AHV環境で利用できるネットワーク/セキュリティ
kuze_k
0
170
株式会社10X - Culture Deck
10xinc
85
1.3M
TECH HIRE |「大胆なポジションの開発」によって ハイクラス人材を直接応募で4名採用できた話
trackrecords
PRO
0
440
偶然のチャンスを掴めるのは誰だ?
kotomin_m
10
620
linkマクロが使いたい/smart knowledge management with link macro
kakehashi
2
980
ファブリカホールディングス_2024年3月期 通期説明資料
fabrica_com
0
1.8k
Pale Blue会社紹介
paleblue
0
22k
Стратегия решает проблемы на всех уровнях компании
alexanderbyndyu
0
160
生成AIユースケースを考え倒すためのGenerative AI Use Cases JP (GenU)の魅力と使い方
okamotoaws
8
1.4k
merpay-Overview
mercari_inc
5
130k
Featured
See All Featured
The Language of Interfaces
destraynor
151
23k
The Illustrated Children's Guide to Kubernetes
chrisshort
32
47k
For a Future-Friendly Web
brad_frost
172
9k
Why You Should Never Use an ORM
jnunemaker
PRO
51
8.7k
個人開発の失敗を避けるイケてる考え方 / tips for indie hackers
panda_program
67
14k
Designing for humans not robots
tammielis
247
25k
Code Review Best Practice
trishagee
56
15k
The World Runs on Bad Software
bkeepers
PRO
61
6.7k
Responsive Adventures: Dirty Tricks From The Dark Corners of Front-End
smashingmag
245
20k
KATA
mclloyd
16
12k
Building Adaptive Systems
keathley
32
1.9k
Adopting Sorbet at Scale
ufuk
69
8.6k
Transcript
ϦϞʔτϫʔΫ͍͠ - ͦΕͰ΅͘Β ࣃΛ͍͍ͬͯͬͯ͘͘͠ ςετΤϯδχΞ൛ - 2019-07-05 JaSST’19 Kansai גࣜձࣾ
ͯͳ പ୩େี (id:daiksy / @daiksy)
ϦϞʔτϫʔΫ͍͠ - ͦΕͰ΅͘Β ࣃΛ͍͍ͬͯͬͯ͘͘͠ ςετΤϯδχΞ൛ - 2019-07-05 JaSST’19 Kansai גࣜձࣾ
ͯͳ പ୩େี (id:daiksy / @daiksy)
ࣗݾհ പ୩େี(id:daiksy / @daiksy) ▸ גࣜձࣾ ͯͳ ▸ Mackerel։ൃνʔϜσΟϨΫλʔ ▸
גࣜձࣾτϚϧό ৫։ൃࢧԉ ▸ Chatworkגࣜձࣾ ݱϚωʔδϟࢧԉ ▸ ೝఆεΫϥϜϚελʔ
ϦϞʔτϫʔΫͱʁ ▸ ҟͳΔϩέʔγϣϯʹ͍ΔਓͱࣄΛ͢Δ ▸ ଞڌ ▸ ଞࣾ ϦϞʔτϫʔΫ͍͠ - ͦΕͰ΅͘ΒࣃΛ͍ͬͯ͘͠
͍ͬͯ͘
ϦϞʔτϫʔΫͱʁ ▸ ςετΤϯδχΞͷจ຺ ▸ ֎෦ͷςετձࣾ ▸ ҧ͏෦ʹ͍ΔQA෦ ▸ ͜ΕΒϦϞʔτϫʔΫ ϦϞʔτϫʔΫ͍͠
- ͦΕͰ΅͘ΒࣃΛ͍ͬͯ͘͠ ͍ͬͯ͘
ϦϞʔτϫʔΫͱʁ ▸ ࠓͷςʔϚʮςετΤϯδχΞͷಇ͖ํʯ ▸ ࡏϫʔΫͷจ຺Λத৺ʹ͍͖͍ٞͯͨ͠ ϦϞʔτϫʔΫ͍͠ - ͦΕͰ΅͘ΒࣃΛ͍ͬͯ͘͠ ͍ͬͯ͘
Mackerel։ൃνʔϜͷ ژ Ԭࢁ ౦ژ ϦϞʔτϫʔΫ͍͠ - ͦΕͰ΅͘ΒࣃΛ͍ͬͯ͘͠ ͍ͬͯ͘
Mackerel։ൃνʔϜͷ ژ Ԭࢁ ౦ژ ΦϑΟε ΦϑΟε ࣗ ϦϞʔτϫʔΫ͍͠ - ͦΕͰ΅͘ΒࣃΛ͍ͬͯ͘͠
͍ͬͯ͘
ϦϞʔτϫʔΫͷϝϦοτ ▸ ॊೈͳಇ͖ํ ▸ ࢠҭͯ, հޢ, ௨Ӄ ▸ झຯ׆ಈࣾ֎׆ಈͱࣄͷόϥϯγϯά ▸
ํͷษڧձࢀՃͰதݱͷϗςϧͰࣄ͠ ͨΓ ▸ ※ͨͩ͠ମௐෆྑͷͱ͖ී௨ʹٳΈ·͠ΐ͏ ϦϞʔτϫʔΫ͍͠ - ͦΕͰ΅͘ΒࣃΛ͍ͬͯ͘͠ ͍ͬͯ͘
ϦϞʔτϫʔΫ͍͠ ▸ ಋೖ͢ΔΈΛऔΓΊΔاۀ૿͖͑ͯ ͨ ▸ ΦϑΟεΛॆ࣮ͤͯ͞ಉҰϩέʔγϣϯͰಇ͜ ͏ͱ͍͏ߟ͑ ▸ ΅͘ΦϑΟεͰࣄ͍ͨ͠ ϦϞʔτϫʔΫ͍͠
- ͦΕͰ΅͘ΒࣃΛ͍ͬͯ͘͠ ͍ͬͯ͘
ϦϞʔτϫʔΫ͍͠ ▸ ͳʹ͕͍ͩ͠Ζ͏ʁ ▸ ࣄͯ͠Δ;ΓΛͯ͠αϘΔͷͰʁ ▸ ਓੜͰҰͨΓͱɺձࣾͰࣄΛαϘͬ ͨ͜ͱ͕ͳ͍ਓ͚͕ͩੴΛ͛ͳ͍͞ ϦϞʔτϫʔΫ͍͠ -
ͦΕͰ΅͘ΒࣃΛ͍ͬͯ͘͠ ͍ͬͯ͘
ϦϞʔτϫʔΫ͍͠ ▸ ͳʹ͕͍ͩ͠Ζ͏ʁ ▸ ࿑ཧͷ͠͞ ▸ ಇ͖͗ͯ͢͠·͍͕ͪ ▸ αϘΓΑΓͪ͜Βͷํ͕࿑ཧతʹ৺ ▸
ࣄͱϓϥΠϕʔτͷڥք͕ᐆດ ▸ ਅͷࡋྔ࿑ಇͰͳ͍ͱଟΓཱͨͳ͍ ϦϞʔτϫʔΫ͍͠ - ͦΕͰ΅͘ΒࣃΛ͍ͬͯ͘͠ ͍ͬͯ͘
ϦϞʔτϫʔΫ͍͠ ▸ ͳʹ͕͍ͩ͠Ζ͏ʁ ▸ ϝϯόʔʹࣗओੑ͕ٻΊΒΕΔ ▸ إ͕ݟ͑ͳ͍ͷͰɺࠔͬͯΔ༷ࢠΛपΓͯ͠ ͘Εͳ͍ ▸ ͔ࣗΒಈ͘ඞཁ͕͋Δ
▸ ࣗओੑ͕ඞཁ == ݸਓͷࡋྔඞཁ ϦϞʔτϫʔΫ͍͠ - ͦΕͰ΅͘ΒࣃΛ͍ͬͯ͘͠ ͍ͬͯ͘
ϦϞʔτϫʔΫ͍͠ ▸ ͳʹ͕͍ͩ͠Ζ͏ʁ ▸ ಥ͖٧ΊΔͱίϛϡχέʔγϣϯͷ͠͞ ϦϞʔτϫʔΫ͍͠ - ͦΕͰ΅͘ΒࣃΛ͍ͬͯ͘͠ ͍ͬͯ͘
ϦϞʔτϫʔΫίϛϡχέʔγϣϯ͍͠ ϦϞʔτϫʔΫ͍͠ - ͦΕͰ΅͘ΒࣃΛ͍ͬͯ͘͠ ͍ͬͯ͘
ಉҰϩέʔγϣϯͱϦϞʔτͷࠩҟ ▸ ಉظతͳίϛϡχέʔγϣϯ͕͍͠ ▸ σεΫ·Ͱग़͍ͯΛ͔͚ͨΓͰ͖ͳ͍ ▸ جຊඇಉظͳίϛϡχέʔγϣϯʹͳΔ ϦϞʔτϫʔΫ͍͠ - ͦΕͰ΅͘ΒࣃΛ͍ͬͯ͘͠
͍ͬͯ͘
ίϛϡχέʔγϣϯͷ͠͞Λ͍͔ʹࠀ͢Δ͔ ▸ ಓ۩Λͬͯ͢Δ ▸ ಛੑΛཧղͯ͠ίϯτϩʔϧ͢Δ ϦϞʔτϫʔΫ͍͠ - ͦΕͰ΅͘ΒࣃΛ͍ͬͯ͘͠ ͍ͬͯ͘
ಓ۩Λ͔ͭͬͯ͢Δ ϦϞʔτϫʔΫ͍͠ - ͦΕͰ΅͘ΒࣃΛ͍ͬͯ͘͠ ͍ͬͯ͘
ಓ۩Λ͏ ▸ खࢴ ▸ email ▸ ి ▸ νϟοτ ▸
ςϨϏձٞ ϦϞʔτϫʔΫ͍͠ - ͦΕͰ΅͘ΒࣃΛ͍ͬͯ͘͠ ͍ͬͯ͘
MackerelνʔϜͰʁ ▸ νϟοτ ▸ GithubͷIssue ▸ ςϨϏ௨ (GoogleϋϯάΞτ FaceTime)
ϦϞʔτϫʔΫ͍͠ - ͦΕͰ΅͘ΒࣃΛ͍ͬͯ͘͠ ͍ͬͯ͘
MackerelνʔϜͰʁ ▸ νϟοτ ϦϞʔτϫʔΫ͍͠ - ͦΕͰ΅͘ΒࣃΛ͍ͬͯ͘͠ ͍ͬͯ͘
MackerelνʔϜͰʁ ▸ GithubͷIssue ϦϞʔτϫʔΫ͍͠ - ͦΕͰ΅͘ΒࣃΛ͍ͬͯ͘͠ ͍ͬͯ͘
MackerelνʔϜͰʁ ▸ iPadͷFaceTime ϦϞʔτϫʔΫ͍͠ - ͦΕͰ΅͘ΒࣃΛ͍ͬͯ͘͠ ͍ͬͯ͘
ϝΠϯͷίϛϡχέʔγϣϯ ▸ νϟοτ (Slack) ▸ ίϛϡχέʔγϣϯͷத৺ ▸ ࣄ༻ͱࡶஊ༻ (ࣄΛ͢Δʹ࣮ࡶஊॏཁ) ▸
ςΩετ͚ͩʹཔΒͳ͍ɻඞཁʹԠͯ͡௨ػೳ ͰԻձେʹɻͨͩ͠Ի௨ͷϩά νʔϜͱwikiͳͲͰڞ༗͢Δ͜ͱɻ ϦϞʔτϫʔΫ͍͠ - ͦΕͰ΅͘ΒࣃΛ͍ͬͯ͘͠ ͍ͬͯ͘
ಛੑΛཧղ͢Δ ϦϞʔτϫʔΫ͍͠ - ͦΕͰ΅͘ΒࣃΛ͍ͬͯ͘͠ ͍ͬͯ͘
ϦϞʔτϫʔΫ͍͠ - ͦΕͰ΅͘ΒࣃΛ͍ͬͯ͘͠ ͍ͬͯ͘ https://mirai.doda.jp/series/interview/tokoroten-nakayama/
ϦϞʔτϫʔΫ͍͠ - ͦΕͰ΅͘ΒࣃΛ͍ͬͯ͘͠ ͍ͬͯ͘ https://mirai.doda.jp/series/interview/tokoroten-nakayama/ 4MBDLͰจষΛߟ͑ͳ͕Βɺॻ͚Δਓ͕͕େ͖͘ɺ͙͢ʹద ͳݴ༿ͰԠͰ͖ͳ͍ਓɺձͷྲྀΕʹஔ͍͍͔ͯΕͯ͠·͏ɻ ৽ೖࣾһʹ͔͗Βͣɺଞਓ͔ΒͷධՁʹ͢ΔใΛൃ৴͢Δͬͯ ؆୯͡Όͳ͍ɻແཧཧΞτϓοτͤ͞Α͏ͱ͢Δձࣾ͋Γ· ͕͢ɺ৺ཧత҆શ͕ͭ͘ΒΕ͍ͯͳ͍ڥͰɺ͔͑ͬͯʮແʯ
ʮແೳʯΛࢦఠ͞ΕΔ͜ͱͷڪා৺Λॿͯ͠͠·͍·͢ɻΞ τϓοτ͕Ͱ͖ͳ͍ਓɺ͍͔ʹΠϯϓοτ͔ͨ͠ͰධՁͯ͋͠ ͍͍͛ͯΜ͡Όͳ͍Ͱ͠ΐ͏͔ɻ
ϦϞʔτϫʔΫ͍͠ - ͦΕͰ΅͘ΒࣃΛ͍ͬͯ͘͠ ͍ͬͯ͘ https://www.slideshare.net/TokorotenNakayama/2019-structure-of-psychological-safety
ޱ಄Ͱͷ૬ஊ ▸ ݪଇ 1:1 ▸ पΓͷਓͷࣖʹͳΜͱͳ͕͘ಧ͍͍ͯͯɺϐ ϯͱདྷͨਓ͕Ԡͨ͠Γ͢Δ ▸ ৺ཧత҆શͷϋʔυϧ͍ ϦϞʔτϫʔΫ͍͠
- ͦΕͰ΅͘ΒࣃΛ͍ͬͯ͘͠ ͍ͬͯ͘
νϟοτͰͷ૬ஊ ▸ ݪଇ 1:n ▸ ࣗͷॻ͍ͨจষ͕ϩάͱͯ͠Δ ▸ ϝϯόʔશһ͕ಡΉ ▸ ৺ཧత҆શͷϋʔυϧߴ͍
ϦϞʔτϫʔΫ͍͠ - ͦΕͰ΅͘ΒࣃΛ͍ͬͯ͘͠ ͍ͬͯ͘
ϊϯόʔόϧͳใͷܽམ ϦϞʔτϫʔΫ͍͠ - ͦΕͰ΅͘ΒࣃΛ͍ͬͯ͘͠ ͍ͬͯ͘
ςΩετʹΑΔίϛϡχέʔγϣϯ ͷ͠͞ ▸ ςΩετใྔ͕গͳ͍ ▸ ର໘ > ςϨϏ௨ > Ի௨
> ςΩετ ▸ ͷ༲ ▸ إͷදɾ ▸ ۭؾײ (?) ϦϞʔτϫʔΫ͍͠ - ͦΕͰ΅͘ΒࣃΛ͍ͬͯ͘͠ ͍ͬͯ͘
ςΩετʹΑΔίϛϡχέʔγϣϯ ͷ͠͞ ▸ ςΩετίϛϡχέʔγϣϯʹΑΔใͷܽ Λิ͏ ▸ ໟͮ͘Ζ͍ͷίϛϡχέʔγϣϯ ▸ ͜ͷਓԿΛΈɺԿʹই͖ͭɺͲͷΑ͏ ʹࣄΛਐΊΔ͜ͱΛྑ͠ͱ͢Δ͔
▸ ࡶஊ͕ॏཁ ϦϞʔτϫʔΫ͍͠ - ͦΕͰ΅͘ΒࣃΛ͍ͬͯ͘͠ ͍ͬͯ͘
ςΩετʹΑΔίϛϡχέʔγϣϯ ͷ͠͞ ▸ ςΩετίϛϡχέʔγϣϯʹΑΔใͷܽΛิ͏ ▸ ςΩετͷ ▸ ςΩετใ͕গͳ͍ͷͰɺϑϥοτͳײ ෆػݏؾຯʹΘΔ ▸
গ͠େ͛͞ʹײදݱΛೖΕΔͱྑ͍ ▸ ײ୰ූʂ ֆจࣈ ϦϞʔτϫʔΫ͍͠ - ͦΕͰ΅͘ΒࣃΛ͍ͬͯ͘͠ ͍ͬͯ͘
ςετΤϯδχΞʹͱͬͯͷϦϞʔτϫʔΫ ϦϞʔτϫʔΫ͍͠ - ͦΕͰ΅͘ΒࣃΛ͍ͬͯ͘͠ ͍ͬͯ͘
ڥͷ͠͞ ▸ ݕূ͕Ոʹ͍͍͋ͬͯͷ͔ʁ ▸ ςετσʔλʹՈ͔ΒΞΫηεͯ͠ྑ͍͔ʁ ▸ ςετͰຊ൪σʔλΘͳ͍ͱ͍͏ ▸ ࣮ଶͱͯ͠ɺग़ՙલͷΛ࣋ͪग़͢͜ͱʹͳΔ ▸
ͦͦۀछʹΑͬͯಛघͳઃඋ͕ඞཁͳ߹ ϦϞʔτϫʔΫ͍͠ - ͦΕͰ΅͘ΒࣃΛ͍ͬͯ͘͠ ͍ͬͯ͘
ڥͷ͠͞ ▸ ෛՙࢼݧ ▸ ՈͷωοτϫʔΫ͔ΒΠϯλʔωοτܦ༝Ͱ GatlingͿͬ์͢ɻౖΒΕͦ͏ɻɻɻ ▸ ඇػೳςετ ϦϞʔτϫʔΫ͍͠ -
ͦΕͰ΅͘ΒࣃΛ͍ͬͯ͘͠ ͍ͬͯ͘
Mackerelͷ߹ ▸ ϦϦʔεޙͷSaaSαʔϏε ▸ ར༻ҰൠతͳPC ▸ ࡞ۀʹඞཁͳπʔϧͯ͢ωοτϫʔΫܦ༝ͰΞ ΫηεՄೳ ▸ ϦϞʔτ࡞ۀͷڥ͕ɺఆΊΒΕͨηΩϡϦςΟϙ
Ϧγʔʹ९क͍ͯ͠Εྑ͍ͱߟ͑Δ ϦϞʔτϫʔΫ͍͠ - ͦΕͰ΅͘ΒࣃΛ͍ͬͯ͘͠ ͍ͬͯ͘
ڥͷ͠͞ ▸ Web։ൃͳΒϦϞʔτϫʔΫ͝͠ʹςετۀ Ͱ͖ͦ͏ ▸ WebͰϞόΠϧͷݕূͱ͔ͩͱ͍͔͠ Ͱ͢ͶɻɻʢੲͷΨϥέʔͰ͋ͬͨΑ͏ͳશ ػछͰࢼݧΈ͍ͨͳ ϦϞʔτϫʔΫ͍͠ -
ͦΕͰ΅͘ΒࣃΛ͍ͬͯ͘͠ ͍ͬͯ͘
ίϛϡχέʔγϣϯͷ͠͞ ▸ ςετܭըੳͷϑΣʔζͰɺ։ൃΤϯδχ ΞͱΕ͍ͯͯΓͮΒ͞ͳ͍͔ ▸ ςετγφϦΦͷϨϏϡʔͳͲϦϞʔτͰΔ ͷՄೳ͔ʁ ▸ ΤϯδχΞͷίʔυϨϏϡʔͱগ͠งғؾ ҧ͏ͷͰͳ͍͔
ϦϞʔτϫʔΫ͍͠ - ͦΕͰ΅͘ΒࣃΛ͍ͬͯ͘͠ ͍ͬͯ͘
ίϛϡχέʔγϣϯͷ͠͞ ▸ ނোථͳͲͷඇಉظͳίϛϡχέʔγϣϯʹ׳ Ε͍ͯΔͱ͍͏ଆ໘͋Γͦ͏ ▸ ϦϞʔτϫʔΫͷϙΠϯτͱͳΔඇಉظίϛϡ χέʔγϣϯͷࠀ͞Ε͍ͯΔͱݟΔ͜ ͱͰ͖Δ ϦϞʔτϫʔΫ͍͠ -
ͦΕͰ΅͘ΒࣃΛ͍ͬͯ͘͠ ͍ͬͯ͘
ίϛϡχέʔγϣϯͷ͠͞ ▸ ΦϯαΠτͩͬͨΒى͖ͳ͍͋Δ ▸ ࢼݧதͷঢ়ଶ͕Θ͔ΓͮΒ͍ ▸ ΒͣʹσϓϩΠΛΒ͞ΕͯࢼݧதʹΞ ϓϦέʔγϣϯมΘͬͪΌ͏ͱ͔… ▸ ςετσʔλফ͞ΕͪΌ͏ͱ͔…
ϦϞʔτϫʔΫ͍͠ - ͦΕͰ΅͘ΒࣃΛ͍ͬͯ͘͠ ͍ͬͯ͘
ࣄͷཧͦ͢͠͏ ▸ ςετ࣮ࢪͷϑΣʔζͰɺςετγφϦΦͷ ফԽͳͲͰਐḿੜ࢈ੑ͕͖ͬΓͱ͍ͯ͠ Δ৬छͳͷͰɺཧ͍͔͢͠͠Εͳ͍ ϦϞʔτϫʔΫ͍͠ - ͦΕͰ΅͘ΒࣃΛ͍ͬͯ͘͠ ͍ͬͯ͘
૬ੑͷΑ͍ࣄ ▸ ςΫχΧϧαϙʔτ ▸ ςΫχΧϧυΩϡϝϯτͷ࡞ ▸ ग़ՙࡁΈΛλʔήοτͱͨ͠ࣄͰ͋Ε Ͱ͖Δؾ͕͢Δ ϦϞʔτϫʔΫ͍͠ -
ͦΕͰ΅͘ΒࣃΛ͍ͬͯ͘͠ ͍ͬͯ͘
݅ΛຬͨͤϦϞʔτϫʔΫΓ͘͢ͳ͍ͬͯΔ ▸ ຊશࠃͲ͜ʹ͍ͯߴΠϯλʔωοτ͕ ͑Δ ▸ DockerͳͲͷίϯςφٕज़ͷਐาͰςετڥ ༻ҙ͍͢͠ ▸ ΦϯϥΠϯͷίϛϡχέʔγϣϯखஈબࢶ ͕͋Δ
ϦϞʔτϫʔΫ͍͠ - ͦΕͰ΅͘ΒࣃΛ͍ͬͯ͘͠ ͍ͬͯ͘
▸ ϦϞʔτϫʔΫ͍͠ ▸ ςετΤϯδχΞͷ߹͞Βʹ͍͠ ▸ ʹΑͬͯՄೳੑ͋Δ ϦϞʔτϫʔΫ͍͠ - ͦΕͰ΅͘ΒࣃΛ͍ͬͯ͘͠ ͍ͬͯ͘
·ͱΊ
͝ਗ਼ௌ͋Γ͕ͱ͏͍͟͝·ͨ͠ ϦϞʔτϫʔΫ͍͠ - ͦΕͰ΅͘ΒࣃΛ͍ͬͯ͘͠ ͍ͬͯ͘