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
現代のメディアと人間
Search
Amane
October 20, 2022
Research
0
99
現代のメディアと人間
2022年8月6日開催のブレインワーケーションセミナーに出演時の資料です。
マクルーハンのメディア論について勉強した内容について発表させていただきました。
Amane
October 20, 2022
Tweet
Share
More Decks by Amane
See All by Amane
チームリードになって変わったこと
isaka1022
0
280
オペレーショナルエクセレンス実現のための管理画面改修の仕組み
isaka1022
0
2.5k
Rubyのふるまいを”具現化”してみた
isaka1022
0
550
「RubyでLチカ」に挑戦してみた
isaka1022
0
230
エンジニアとして「事業」作りに関わるということ
isaka1022
3
1.6k
みんなで行う技術広報
isaka1022
0
570
GraphQLの型を分離させてチームごとの並列開発を加速させた話
isaka1022
1
260
マイベストグローバル化のすべて
isaka1022
0
780
技術広報について完全に理解した
isaka1022
1
380
Other Decks in Research
See All in Research
数理最適化と機械学習の融合
mickey_kubo
15
8.7k
A multimodal data fusion model for accurate and interpretable urban land use mapping with uncertainty analysis
satai
3
210
言語モデルによるAI創薬の進展 / Advancements in AI-Driven Drug Discovery Using Language Models
tsurubee
2
370
公立高校入試等に対する受入保留アルゴリズム(DA)導入の提言
shunyanoda
0
5.5k
Trust No Bot? Forging Confidence in AI for Software Engineering
tomzimmermann
1
240
Mathematics in the Age of AI and the 4 Generation University
hachama
0
160
大規模な2値整数計画問題に対する 効率的な重み付き局所探索法
mickey_kubo
1
200
線形判別分析のPU学習による朝日歌壇短歌の分析
masakat0
0
130
20250502_ABEJA_論文読み会_スライド
flatton
0
160
最適化と機械学習による問題解決
mickey_kubo
0
120
引力・斥力を制御可能なランダム部分集合の確率分布
wasyro
0
110
90 分で学ぶ P 対 NP 問題
e869120
17
7.4k
Featured
See All Featured
Refactoring Trust on Your Teams (GOTO; Chicago 2020)
rmw
34
3k
Testing 201, or: Great Expectations
jmmastey
42
7.5k
Understanding Cognitive Biases in Performance Measurement
bluesmoon
29
1.8k
Embracing the Ebb and Flow
colly
86
4.7k
Principles of Awesome APIs and How to Build Them.
keavy
126
17k
Optimizing for Happiness
mojombo
379
70k
Navigating Team Friction
lara
186
15k
Exploring the Power of Turbo Streams & Action Cable | RailsConf2023
kevinliebholz
32
5.9k
Fantastic passwords and where to find them - at NoRuKo
philnash
51
3.3k
A better future with KSS
kneath
239
17k
How STYLIGHT went responsive
nonsquared
100
5.6k
Raft: Consensus for Rubyists
vanstee
139
7k
Transcript
ݱͷϝσΟΞͱਓؒ Ҫ্ प ϒϨΠϯϫʔέʔγϣϯηϛφʔʙະͷઓʙ
͡Ίʹ • େֶੜͷࠒʹϝσΟΞΞʔτʹग़ձ͏ • ͔ͦ͜ΒϝσΟΞʹ͍ͭͯษڧͨ͠ • ઐ߈Λม͑Α͏ͱࢥͬͨʢ͕ɺ৭ʑ͋Γ͏·͍͔͘ͳ͔ͬͨʣ • ͜ͷػʹ෮शͨ͠ͷͰ͍ͨ͠ͱࢥ͍·͢
ϝσΟΞΞʔτ
ݱඒज़༻ޠࣙయ “Ұൠతʹ͋ΔϝσΟΞͦͷͷ͕࡞ͷ੍࡞ݪཧɺ͘͠ ࡞ͷૉࡐͱͯ͠༻͍ΒΕ͍ͯΔදݱΛࢦ͢ɻҰํͰɺ໌֬ ͳఆ͕ٛڞ༗͞Εʹ͍ͨ͘Ίʹଟ͘ͷΛੜΈग़͍ͯ͠Δ ༻ޠͰ͋ΔͱݴΘΕ͍ͯ·͢” ϝσΟΞΞʔτ
ʮϝσΟΞʯ • ໌͕֬ఆ͕ٛ͘͠ɺΑ͘Θ͔Βͳ͍ • ʮΞʔτʯ·ͩΘ͔Δ͕ɺʮϝσΟΞʯʁ • ϝσΟΞʹϚεϝσΟΞͱ͍͏ҙຯͰ͏͜ͱ͕ଟ͍ • ͚Ͳɺͦ͏Ͱͳ͍
ࢀߟਤॻ • ͪ͘·৽ॻ • େਓͷͨΊͷϝσΟΞߨٛ • ஶऀ໊ ੴా ӳܟ
ϝσΟΞ
ϝσΟΞ • ϚʔγϟϧɾϚΫϧʔϋϯ (19117݄21 - 198012݄ 31) • ϝσΟΞݚڀͷୈҰਓऀ
ϝσΟΞͷޠݯ Medium • ҙຯʮഔհ͢Δͷʯ • ใΛഔհ͢Δͷ • ڕ͕ӭ͙ਫɺਓ͕ؒੜ͖ΔۭؾͷΑ͏ͳͷʁ
ϚΫϧʔϋϯతߟ • ϥδΦɺςϨϏɺ৽ฉʹՃ͑ͯࣗసंɺࣗಈंɺඈߦػɺ࣌ܭɺҥɺॅɺ͞Βʹ՟ฎɺɺ Φʔτϝʔγϣϯɺฌث·ͰΛϝσΟΞͱͯ͠ߟ • ϝσΟΞΛମͷ֦ுͱଊ͑Δ • ςϨϏϥδΦˠௌ֮ͷ֦ு • ࣗಈंࣗసंˠͷ֦ு
• ҥˠൽෘͷ֦ு • ॅډˠମͷମԹௐϝΧχζϜͷ֦ு • ਓ͕ؒखΛՃ͑ͨਓͯ͢ཧతͳਓؒͷମ͓Αͼਫ਼ਆͷ֦ு • ͢ͳΘͪɺϚΫϧʔϋϯʹΑΔϝσΟΞͱςΫϊϩδʔͷผ໊Ͱ͋Δ
௨ৗϝσΟΞҙࣝ͞Εͳ͍ • χϡʔεͷ༰ʹͳΔ͕ɺςϨϏ͕ͲͷΑ͏ͳϝσΟΞͰ͋Δ ͔ͱ͍͏͜ͱʹҙΘΒΕͳ͍ • ಉ͡χϡʔεΛ৽ฉͰಡΜͰɺΠϯλʔωοτͰݟͯಉ͡ʁ
ϚΫϧʔϋϯͷओு • ϝσΟΞ͕ݸਓٴͼࣾձʹٴ΅݁͢Ռɺ৽͍ٕ͠ज़͕ੈքʹಋೖ͢ Δ৽͍͠ईʹىҼ͢Δ • ϝσΟΞͦΕࣗମ͕͋ΔछͷϝοηʔδΛ͢ͰʹؚΜͰ͓ΓɺϝσΟ ΞͷϝοηʔδͷૹΓํͷૹΓํͦͷͷ͕ɺϝσΟΞͷୡ༰ͱ ແؔʹɺΉ͠Ζϝοηʔδͱͳͬͯɺਓͼͱͷ৽ͨͳࢥߟߦಈ ΛੜΈग़͢ݯઘʹͳΔ
ྫ͑ • ਓʹײँΛ͑Δͱ͖ʹɺखॻ͖ʹ͢Δ͔ҹʹ͢Δ͔ͰมΘΔ • ৽ฉͷࢴ໘ͷॴͰड͚औΔχϡʔεͷҹมΘΒͳ͍͔ʁ • ࿀ਓͱͷίϛϡχέʔγϣϯͰిͱϝʔϧΛ͍͚Δͱ͔ • ߘ͢Δ༰ʹԠͯ͡ൃ৴͢ΔSNSΛม͑Δ
ϝσΟΞϚοαʔδͰ͋Δ • ϝσΟΞใΛӡͿ͚ͩͰͳ͍ • ਓؒͷશײ֮ʹૌ͑ɺΘΕΘΕΛม͑ͯ͠·͏ • ʮ৺ཧϚοαʔδʯ
ϝσΟΞͷྺ࢙
3ͭͷ࣌ • ॻʢҹʣͷ࣌ • ΞφϩάϝσΟΞ • σδλϧϝσΟΞ
ॻͷ࣌
ϥείʔนը • ʢݫີʹʣॻ͘ˠඳ͘ • ੈք࠷ݹͷಎ۸นը • ಎ۸นͱ͍͏ϝσΟΞ
ݯࢯޠ • ੈք࠷ݹͷฤখઆ • ࢴʢखॻ͖ʣ • ࣸຊ
׆൛ҹ • άʔςϯϕϧΫʹΑΓൃ໌ • ϧλʔʹΑΔॻ • ϕϯδϟϛϯɾϑϥϯΫϦϯʹΑΔ৽ฉ • ϚϧΫεʰࢿຊʱ
ॻͷ࣌ ਓ͕͔͍ͨͷΛɺਓ͕ಡΉ
ΞφϩάϝσΟΞͷ࣌
ࣸਅ • 1825 • χΤϓεʹΑΓൃ໌
ి • 1976 • ϕϧ͕ൃ໌
ϑΥϊάϥϑ • 1877 • Τδιϯ͕ൃ໌
γωϚτάϥϑ • 1895 • ϦϡϛΤʔϧܑఋ͕ൃ໌
ਓ͕ॻ͘จࣈ͔Βػց͕ॻ͘จࣈ ࡱӨ͢Δͷਓ͕ؒͩɺϑΟϧϜʹऩΊΔͷػց͕ߦ͏ (Photo + Graph)
ٕज़తແҙࣝ • ʰେਓͷͨΊͷϝσΟΞߨٛʱ(ͪ͘·৽ॻ)ͷதͰΘΕ͍ͯΔݴ༿ • ਓؒͷखͱҙࣝΛܦ༝͍ͤͯ͞ΔݶΓɺݴ༿ͱֆ͘Β͍͔͔͚͠ͳ ͍ɻ͔͠͠ػց͕จࣈΛॻ͘Α͏ʹʹͳΔͱɺਓؒͷ͞·͟·ͳ֮ ܦݧΛ͋Γͷ··ʹิͰ͖ΔΑ͏ʹͳΔ • ϝσΟΞਓؒͷҙࣝΛੜΈग़͢Α͏ʹͳͬͨ •
ਓؒͷҙࣝΛϝσΟΞͱ͍͏ػցٕज़ͰੜΈग़ͤΔΑ͏ʹʹͳͬͨͱ ͍͏͜ͱҙࣝͷ࢈ۀԽ͕Մೳʹͳͬͨ=จԽ࢈ۀ
จԽ࢈ۀ • ϋϦου • ਓͼͱͷເΛ࡞Γग़͢ • ϚʔέςΟϯά • ফඅΛੜ࢈͢Δ
σδλϧϝσΟΞͷ࣌
͕ͯ͢ίϯϐϡʔλʹͳΔ • ंͷྫ • ػց੍ޚ͔Βίϯϐϡʔλ੍ޚ https://xtech.nikkei.com/atcl/nxt/mag/ne/18/00063/00001/
σδλϧϝσΟΞͷಛ ΞφϩάϝσΟΞ σδλϧϝσΟΞ ίϯϐϡʔλʹΑΔ ʮ෮߸ʢܭࢉʣʯ͕ೖΔ ͦͷ··ݟΔ
ܭࢉՄೳʹͳΔ • ʮܭࢉՄೳʯˠ࠶ؼతʢಈతʣʹͰ͖Δ • ಡΉਓɺݟΔਓɺ͏ਓʹΑͬͯใ͕ࠁʑͱมԽ͍ͯ͘͠ • ഒ࠶ੜɾίϝϯτΛग़͢ • ݟΔͷ͕ݟΔͨͼʹมΘΔ •
ྫɿGoogleͷݕࡧ݁Ռ
ݱࡏͷϝσΟΞ • ΞϧΰϦζϜԽ͍ͯ͘͠ϝσΟΞ • ʮܭࢉ݁Ռʯͱର໘͍ͯ͘͠ • ૿͑Δใྔ • ݟ͑Δͷશମͷใͷ΄ΜͷҰ෦ʹͳΔ
ݱϝσΟΞͱͲ͏ؔΘΔ͔
લఏͱͯ͠ͷߟ͑ • ίϛϡχέʔγϣϯਓؒͷຊ࣭ͷͻͱͭ • ίϛϡχέʔγϣϯେ • ʹؔΘΒͣɺίϛϡχέʔγϣϯʹΑΔґવ͋Δ • ϝσΟΞ͕ղܾͰ͖Δଟ͍ͷͰʁ
ड৴ऀͱͯ͠ • ϝσΟΞϦςϥγʔ • ϝσΟΞ͕ྲྀ͢༰ͦͷͷΑΓɺϝσΟΞͷಛੑཧղ͢Δ • ෳࡶԽ͍ͯ͘͠ • ΞϧΰϦζϜߟྀ͢Δ
ൃ৴ऀͱͯ͠ • ୭Ͱൃ৴Ͱ͖Δ࣌ • ʮ͑Δπʔϧʯͷͨ͘͘͢͝͞Μ͋Δ • खஈΛ૿͢ɺͬͯΈΔ͜ͱͰϝσΟΞಛੑ͕ཧղͰ͖Δ • SNS, Youtube,
खࢴɺి • ͲͷϝσΟΞΛ͏ͷ͔ʁʹΑΓϝοηʔδʢ૬खʹର͢Δܹʣ͕มΘΔ • ϝσΟΞͦͷͷ࡞ͬͯΑ͍͔͠Εͳ͍ • ΞϧΰϦζϜ͔Β࡞͍ͬͯ͘ͱຊʹදݱͷ෯͕͕ΔͷͰʁ • ྑ͍ίϯςϯπΛ࡞Δ͜ͱ͚ͩͰෆेͳͷ͔͠Εͳ͍ʁ
୳ٻଓ͖·͢
͋Γ͕ͱ͏͍͟͝·ͨ͠