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...
Search
KASUYA, Daisuke
July 05, 2019
Business
1
2.1k
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
はてなの開発20年史と DevOpsの歩み / DevOpsDays Tokyo 2025 Keynote
daiksy
6
1.6k
わたしがEMとして入社した「最初の100日」の過ごし方 / EMConfJp2025
daiksy
15
7.6k
はてなのチーム開発一巡り / Hatena Engineer Seminar 30
daiksy
0
710
ふりかえりカンファレンスLT/Get Wild
daiksy
0
1.9k
スクラムマスターの採用事情 / scrum fest fukuoka 2023
daiksy
0
2.7k
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
1.3k
Scrum@Scaleの理論と実装 / RSGT2022
daiksy
2
10k
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
260
スクラムを軸に据えた キャリア戦略 / Scrum Fest Osaka 2021
daiksy
2
7k
Other Decks in Business
See All in Business
ソニックガーデン会社説明(エンジニア向け)
kuranuki
0
430
Clear Inc. / we are hiring
clear_inc
0
32k
ampule_採用デック2025.pdf
ampule25
0
320
GMOフィナンシャルHD 会社紹介資料
gmofh_hr_team
0
46k
会社紹介資料【ギバーテイクオール株式会社】
givertakeall
0
2.1k
Crisp Code コーポレート・サービス紹介 | Corporate & Services Introduction
so_kotani
0
190
DWANGO(旧KADOKAWA Connected)|事業紹介資料
kadokawaconnected
4
77k
Recruiting presentation slide
spacerecruit
0
110
モノリシックな「Chatwork」から、認証基盤をどのように切り出していったか
kubell_hr
1
270
FinGo
hyunchang
0
150
enechain company deck
enechain
PRO
8
110k
Crisp Code サービス紹介 / 料金表 | Services & Price list
so_kotani
1
340
Featured
See All Featured
Practical Tips for Bootstrapping Information Extraction Pipelines
honnibal
PRO
19
1.2k
Building an army of robots
kneath
304
45k
GitHub's CSS Performance
jonrohan
1030
460k
Writing Fast Ruby
sferik
628
61k
Fight the Zombie Pattern Library - RWD Summit 2016
marcelosomers
233
17k
Navigating Team Friction
lara
184
15k
Facilitating Awesome Meetings
lara
54
6.3k
Automating Front-end Workflow
addyosmani
1369
200k
BBQ
matthewcrist
88
9.6k
Save Time (by Creating Custom Rails Generators)
garrettdimon
PRO
31
1.1k
Optimising Largest Contentful Paint
csswizardry
36
3.2k
Building Flexible Design Systems
yeseniaperezcruz
329
38k
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 ͍ͬͯ͘