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
授業評価アンケートのテキストマイニング
Search
Yuichiro Kobayashi
August 06, 2024
Research
470
2
Share
Embed
Copy iframe code
Copy JS code
Copy link
Start on current slide
授業評価アンケートのテキストマイニング
外国語教育メディア学会 (LET) 第63回年次研究大会(2024年8月6日、名古屋学院大学)
Yuichiro Kobayashi
August 06, 2024
More Decks by Yuichiro Kobayashi
See All by Yuichiro Kobayashi
機械学習による言語パフォーマンスの評価
langstat
7
1.2k
この脅迫状を書いたのは誰か? コンピュータが明らかにする「文章の指紋」
langstat
1
1.4k
J-POPの歌詞から見る社会 計量テキスト分析入門
langstat
3
2.2k
Other Decks in Research
See All in Research
2026年度 生成AI を活用した論文執筆ガイド/ワークショップ / 2026 Academic Year Guide to Writing Papers Using Generative AI - Workshop
ks91
PRO
0
170
通時的な類似度行列に基づく単語の意味変化の分析
rudorudo11
0
310
「車1割削減、渋滞半減、公共交通2倍」を 熊本から岡山へ@RACDA設立30周年記念都市交通フォーラム2026
trafficbrain
1
1.2k
討議:RACDA設立30周年記念都市交通フォーラム2026
trafficbrain
0
950
Fukui Shibiten 39 - AI Art
butchi
0
120
正規分布と最適化について
koide3
1
240
コーディングエージェントとABNを再考
hf149
2
710
ブレグマン距離最小化に基づくリース表現量推定:バイアス除去学習の統一理論
masakat0
0
280
The Landscape of Agentic Reinforcement Learning for LLMs: A Survey
shunk031
4
1k
ペットのかわいい瞬間を撮影する オートシャッターAIアプリへの スマートラベリングの適用
mssmkmr
0
510
論文紹介 "ReSim: Reliable World Simulation for Autonomous Driving"
kogo
0
620
LLM Compute Infrastructure Overview
karakurist
2
1.4k
Featured
See All Featured
StorybookのUI Testing Handbookを読んだ
zakiyama
31
6.8k
Put a Button on it: Removing Barriers to Going Fast.
kastner
60
4.3k
Un-Boring Meetings
codingconduct
0
310
The untapped power of vector embeddings
frankvandijk
2
1.8k
The agentic SEO stack - context over prompts
schlessera
0
800
The Spectacular Lies of Maps
axbom
PRO
1
790
Design and Strategy: How to Deal with People Who Don’t "Get" Design
morganepeng
133
19k
The Hidden Cost of Media on the Web [PixelPalooza 2025]
tammyeverts
2
330
A better future with KSS
kneath
240
18k
Being A Developer After 40
akosma
91
590k
Distributed Sagas: A Protocol for Coordinating Microservices
caitiem20
333
22k
Design of three-dimensional binary manipulators for pick-and-place task avoiding obstacles (IECON2024)
konakalab
0
450
Transcript
तۀධՁΞϯέʔτͷ ςΩετϚΠχϯά খྛ ༤Ұ ֎ࠃޠڭҭϝσΟΞֶձ -&5 ୈճ࣍ݚڀେձ ʢ݄ɺ໊ݹֶӃେֶʣ 1
͜ͷεϥΠυͷެ։ • 4QFBLFS%FDLͰެ։த • IUUQTTQFBLFSEFDLDPNMBOHTUBU • ʮTQFBLFSEFDL MBOHTUBUʯͰݕࡧ 2 •
໌Ҏ߱ɺ༧ࠂͳ͘ɺεϥΠυΛमਖ਼ͳ͍͠আ͢ΔՄೳੑ͋Γ
ຊͷྲྀΕ • ࣗݾհ • ςΩετϚΠχϯάͷجૅ • جຊతͳߟ͑ํ • ओͳੳํ๏ •
तۀධՁΞϯέʔτͷੳ • ࣗ༝هड़ͷੳ • ؆୯ͳੳྫ • ൃలతͳੳํ๏ • 2"ʢ͕࣌ؒ͋Εʣ 3
ࣗݾհ • খྛ ༤Ұʢ͜͠ Ώ͏͍ͪΖ͏ʣ • େࡕେֶେֶӃ ݴޠจԽݚڀՊ • ത࢜ʢݴޠจԽֶʣ
• ຊֶज़ৼڵձ ಛผݚڀһ%$ʢʣ • ຊֶज़ৼڵձ ಛผݚڀһ1% • ໋ཱؗେֶʢจֶ෦ɺҥּ૯߹ݚڀػߏʣ • ౦༸େֶ ࣾձֶ෦ ϝσΟΞίϛϡχέʔγϣϯֶՊ • ॿڭ • ݱࡏ ຊେֶ ੜ࢈ֶ෦ ڭཆɾجૅՊֶܥ • ॿڭˠઐߨࢣˠ।ڭत 4
• ओͳؔ৺ྖҬ • ίʔύεݴޠֶ • ςΩετϚΠχϯά • ڭҭσʔλੳ • ओͳஶॻ
• ʰ͜ͱͷσʔλαΠΤϯεʱʢேॻళɺʣ • ʰ3ʹΑΔڭҭσʔλੳೖʱʢΦʔϜࣾɺɺڞஶʣ • ʰ3ʹΑΔ͍͞͠ςΩετΞφϦςΟΫεʱʢΦʔϜࣾɺʣ • ΣϒαΠτ IUUQTTJUFTHPPHMFDPNTJUFLPCBZBTIJ 5
• ͿΓͷ-&5ͷ84 • ۮવʹʢʁʣલճ໊ݹֶӃେֶ 6 IUUQTXXXMFUDIVCVOFUNPEVMFTYQXJLJ ?3ʹΑΔڭҭσʔλੳೖ
ຊͷྲྀΕ • ࣗݾհ • ςΩετϚΠχϯάͷجૅ • جຊతͳߟ͑ํ • ओͳੳํ๏ •
तۀධՁΞϯέʔτͷੳ • ࣗ༝هड़ͷੳ • ؆୯ͳੳྫ • ൃలతͳੳํ๏ • 2"ʢ͕࣌ؒ͋Εʣ 7
ςΩετϚΠχϯάͷجૅ • ςΩετϚΠχϯά • ʮςΩετʯͱݺΕΔݴޠσʔλΛରͱ͢ΔσʔλϚΠχϯάͷཧ͓ Αͼٕज़ͷ૯শ • େྔͷݴޠσʔλΛղੳ͠ɺσʔλͷഎޙʹજΉ༗ӹͳใΛ୳͠ग़͢͜ͱ ͕ओͳత 8
ຊޠςΩετϚΠχϯάͷ ߹ʢ͋͘·ͰҰྫʣ
ੳܭըͱσʔλ • σʔλઃܭ • ඇৗʹॏཁʢˠʰ͜ͱͷσʔλαΠΤϯεʱୈষʣ • (BSCBHF*O (BSCBHF0VU (*(0 •
ΰϛͷΑ͏ͳσʔλ͔ΒɺΰϛͷΑ͏ͳ݁Ռ͔͠ಘΒΕͳ͍ • ੳσʔλͷେݪଇ • దͳूஂͷఆ • దͳαϯϓϦϯάͷ࣮ߦ • దͳσʔλཧ • ʮσʔλʯʮੳܭըʯʹ߹ΘͤͯूΊΔͷ • ʮखڐʹσʔλ͕͋Δ͔ΒɺͳΜͱͳ͘ੳͯ͠ΈΑ͏ʯຊདྷతͰͳ͍ 9
ओͳࣗવݴޠॲཧͷٕज़ • ຊޠͷܗଶૉղੳ • ୯ޠ୯Ґͷׂ • ʮࢲೣΛࣂ͍ͬͯ·ͨ͠ʯˠʮࢲʗʗೣʗΛʗࣂͬʗͯʗ͍ʗ·͠ ʗͨʯ • ࢺใͷ༩
• ʮࢲʯ͕ʮ໊ࢺʯ • ʮʯ͕ʮॿࢺʯ FUD • ୯ޠͷݪܗͷ෮ݩ • ʮ·͠ʯͷݪܗʮ·͢ʯ FUD 10
• ܗଶૉղੳͷ͠͞ʢྫ͏ΒʹΘʹʹΘͱΓ͕͍Δʣ • ཪఉʹ͕͍ܲΔ • ཪఉʹೋӋτϦ͕͍Δ • ཪʹϫχ͕͍ܲΔ • ཪఉʹྠऔΓ͕͍Δ
IUUQTKBXJLJQFEJBPSHXJLJܗଶૉղੳ 11
• ຊޠͷߏจղੳʢΓड͚ղੳʣ 12
• Γड͚ղੳͷ͠͞ʢྫ಄͕͍ڕΛ৯Δೣʣ 13 IUUQTYDPNOBLBNVSBLJIJSPTUBUVT
• ӳޠͷࢺɾݪܗͷಉఆ 14 XPSE QPT MFNNB 5IF %5 UIF 5SFF5BHHFS
/1 5SFF5BHHFS JT 7#; CF FBTZ ++ FBTZ UP 50 UP VTF 7# VTF 4&/5 5SFF5BHHFS
• ӳޠͷߏจղੳʢ۟ߏղੳɺΓड͚ղੳʣ 15 4UBOGPSE1BSTFS
• ҙຯղੳʢͷҰ෦ʣ 16 ղੳٕज़ ༻్ ݻ༗දݱநग़ ݻ༗໊ࢺɺɾ࣌ؒɾֹۚදݱͳͲΛநग़ ड़ޠ߲ߏղੳ จͷड़ޠͱɺରɾ࣌ؒɾॴͳͲΛද໊͢ࢺ߲ͷ ؔΛಛఆ
ޠٛᐆດੑղফ ଟٛతͳ୯ޠͷҙຯΛಛఆ ײੳ ॻ͖खͷײධՁΛਪఆ ײੳʢධੳʣʹ͍ͭͯɺ ͋ͱͰৄड़
• রԠղੳ • ʮ͋Εʯʮ͜ΕʯʮͦΕʯʮ൴ʯʮ൴ঁʯͳͲͷ໊ࢺ͕ԿΛࢦ͍ࣔͯ͠͠ Δ͔Λಛఆ͢Δٕज़ • ͨͱ͑ɺҎԼͷ ͷจʹ͓͚Δʮ൴ঁʯ͕
ͷจʹʮ࠺ʯͷݴ͍͑ Ͱ͋Δͱఆ (1) ࠺ٽ͖·ͨ͠ɻ ࢲ͕ෆஅ͔ΒͻͶ͘Εͨߟ͑Ͱ൴ঁΛ؍͍ͯ͠ΔͨΊʹɺͦΜͳࣄ ͍͏Α͏ʹͳΔͷͩͱ࠘Έ·ͨ͠ɻ ʢՆᕸੴʰ͜͜Ζʱʣ 17
• ஊߏղੳ • จͱจ͕ͲͷΑ͏ͳҙຯతͳؔͰͭͳ͕͍ͬͯΔͷ͔Λղੳ͢Δٕज़ • ʮͳͥͳΒʯʮҰํʯͷΑ͏ͳදݱʹ͢Δ͜ͱͰɺʮཧ༝ʯʮର ൺʯͷΑ͏ͳจͱจͷؔΛಛఆ • ͨͱ͑ɺҎԼͷ
ͷจʹ͓͚Δʮͱ͍͏ͷʯͱ͍͏දݱʹ͠ɺ ͷจͷʮཧ༝ʯΛ ͷจ͕ఏ͍ࣔͯ͠Δͱఆ Έ͢΅Β͍͠ͷݹຊͰɺผஈோΊΔఔͷܠ৭Ͱͳ͍ͷ͕ͩɺࢲʹ Ұੇಛผͷڵຯ͕͋ͬͨɻ ͱ͍͏ͷɺࢲ͕ۙࠒ͜ͷനകݢͰ߹ʹͳͬͨҰਓͷົͳஉ͕͋ͬͯɺ ໊લ໌ஐখޒͱ͍͏ͷ͕ͩɺΛͯ͠ݟΔͱԿʹมΓऀͰɺͦΕͰ಄ ͕Α͞૬ͰɺࢲͷࠍΕࠐΜͩ͜ͱʹɺ୳ఁখઆͳͷ͕ͩɺͦͷஉͷ༮ೃછ ͷঁ͕ࠓͰ͜ͷݹຊͷঁʹͳ͍ͬͯΔͱ͍͏ࣄΛɺ͜ͷલɺ൴͔Βฉ͍ ͍͔ͯͨΒͩͬͨɻ ʢߐށཚาʰ%ࡔͷࡴਓࣄ݅ʱʣ 18
ओͳසूܭͷํ๏ • γϯϓϧͳ୯ޠͷසूܭ • ςΩετதͷશͯͷ୯ޠͷසΛूܭ • ୯ޠͷఆٛʹΑͬͯɺ݁Ռ͕มΘΔ • ʮ౦ژେֶʯޠʁ •
ʮ౦ژʯͱʮେֶʯͷޠʁ • ܗଶૉղੳͷޡΓ͕͋ΔͱɺͦͷӨڹ Λड͚Δ • จࣈྻ͕ಉ͡Ͱ͋Εɺҙຯͷҧ͍͕ ߟྀ͞Εͳ͍Մೳੑ • ࢺಡΈͷใΛ༻͍ͯɺʮ࠷ தʯʢ͍ͪ͞Ύ͏ʣɺʮ࠷தʯʢ͞ ͳ͔ʣɺʮ࠷தʯʢͳ͔ʣͳͲΛ ۠ผ͢Δ͜ͱͰ͖Δ͕ɺͦͷਫ਼ ᘳͰͳ͍ 19
• ୯७ʹશͯͷ୯ޠΛूܭ͢ΔͱɺͲͷ ςΩετʹߴසͰग़ݱ͢Δػೳޠ ͕සදͷ্ҐΛΊΔ • ͪͳΈʹɺͲͷΑ͏ͳςΩετͰɺ ͘͝গͷ୯ޠ͕ۃΊͯߴසͰɺ Ҏ্ͷ୯ޠۃΊͯස • ετοϓϫʔυΛࢦఆͯ͠ɺߴසޠ
Λআ֎͢Δͱ͍͏͜ͱͰ͖Δ • ͔͠͠ɺԿΛʮετοϓϫʔυʯͱ ͢Δ͔ͷఆٛɺዞҙతʹͳΓಘΔ 20
• ෳͷ୯ޠʢOHSBNʣͷूܭ • ͋Δఔɺ୯ޠ͕ग़ݱ͢Δจ຺͕Θ͔Δ • Կ୯ޠͣͭूܭ͢Δ͔ɺੳऀ͕அ͢Δ͜ͱ͕ଟ͍ • ୯ޠ୯ҐͰͳ͘ɺจࣈ୯Ґࢺ୯ҐͰूܭ͞ΕΔ͜ͱ͋Δ 21
• ڞىޠʢίϩέʔγϣϯʣͷूܭ • ͋Δ୯ޠͷʮۙ͘ʯʹʮΑ͘ҰॹʯʹݱΕΔ୯ޠΛूܭ • ੳରͱ͢Δ୯ޠΛத৺ޠɺͦͷʮۙ͘ʯʹʮΑ͘ҰॹʯʹݱΕΔ୯ޠ ΛڞىޠͱݺͿ • ʮۙ͘ʯͱʮΑ͘Ұॹʯͷఆ͕ٛඞཁ •
த৺ޠͷલޙԿޠ·ͰΛूܭൣғͱ͢Δ͔ʁʢεύϯʣ • ස͍ͭ͘Ҏ্ͷڞىޠʹ͢Δ͔ʁʢڞىڧʣ 22
• ڞىڧ • ڞىසʢத৺ޠͱڞىޠͷ୯७ͳසʣΛ༻͍Δͷ͕Θ͔Γ͍͕͢ɺສ ೳͰͳ͍ • ͲͷςΩετʹߴසͰग़ݱ͠ɺͲͷ୯ޠͷۙ͘ʹߴසͰݱΕΔػ ೳޠͳͲ͕ଟ͘रΘΕͯ͠·͏ • ੳతʹΑͬͯɺڞىޠͱͯ͠ूܭ͢Δ୯ޠͷසΛݶఆ
• ͷΫνίϛͳͲΛΓ͍ͨ߹ɺ໊ࢺʢ໊ͳͲʣͱڞى͢Δܗ ༰ࢺಈࢺͷΈΛूܭʢܗ༰ࢺධɺಈࢺར༻γʔϯʣ • ίʔύεݴޠֶͷͰఏҊ͞Ε͍ͯΔ༷ʑͳ౷ܭࢦඪΛ༻ • 5είΞΛ༻͍ΔͱɺൺֱతߴසͳڞىޠΛर͍͍͢ • .*είΞΛ༻͍ΔͱɺൺֱతසͳڞىޠΛर͍͍͢ • ରൺΛ༻͍Δͱɺ 5είΞͱ.*είΞͷதؒతͳ݁ՌʹͳΔʢͱݴ ΘΕ͍ͯΔ͕ɺ࣮ࡍʹɺ͔ͳΓ5είΞدΓͷ݁Ռʣ FUD 23
ओͳ౷ܭੳͷํ๏ • ςΩετͷൺֱ • σʔλੳͷجຊɺԿ͔ͱԿ͔ΛൺΔ͜ͱ • ୯ҰͷσʔλΛோΊ͍ͯΔ͚ͩͰɺ໘ന͍͜ͱ͕ݟ͑ʹ͍͘ • ୯Ұͷσʔλ͔͠ͳ͍߹ɺผੳΛݕ౼͢Δ͖ ˣ
• ಛޠੳ • ෳͷςΩετʹ͓͚Δ୯ޠͷසΛ౷ܭతʹൺֱ • ݸʑͷςΩετʹݦஶͳ୯ޠΛಛఆ ˣ • ԾઆݕఆʢରൺݕఆɺUݕఆͳͲʣ • ػցֶशʢϥϯμϜϑΥϨετɺ-"440ͳͲʣ • ͦͷଞʢࠩҟɺ5'*%'ͳͲʣ 24
• ςΩετͷΫϥελϦϯά • ςΩετதͷ୯ޠͷසΛख͕͔Γʢมʣͱͯ͠ɺશମతͳ୯ޠͷ͍ํ ͷύλʔϯ͕ࣅ͍ͯΔςΩετΛάϧʔϐϯά • ओੳɺରԠੳɺΫϥελʔੳͳͲ 25 %JNFOTJPO
%JNFOTJPO "@BHVOJOP@LBNJ "@JTTFLJXB "@KBTIVNPO "@LBQQB "@LJLBJOB@TBJLBJ "@SBTIPNPO "@UPTIJTIVO "@VNBOP@BTIJ "@VNJOP@IPUPSJ "@ZBCVOP@OBLB %@HPPECZF %@IBTIJSF@NFSPTV %@LZPHFOOP@LBNJ %@LZPLPOP@IBSV %@PUPHJ@[PTIJ %@QBOEPSBOP@IBLP %@TBSVNFO@LBOKZB@TIJO %@TIBZP %@VCBTVUF %@WJZPO
• τϐοΫϞσϧ • ΫϥελϦϯάख๏ͷҰछ • ʮͦΕͧΕͷςΩετΛಛ͚ͮΔෳͷτϐοΫʯͱʮͦΕͧΕͷτϐο ΫΛಛ͚ͮΔෳͷ୯ޠʯΛਪఆ • Ξϯέʔτͷࣗ༝هड़ͷΫνίϛΛੳ͢Δͱ͖ͳͲɺੳσʔλΛ ͲͷΑ͏ͳΧςΰϦʔʹ͚ΕΑ͍͔͕͔Βͳ͍ͱ͖ʹ༗ޮ
26 1 2 3 4 Keisatsu_H20.txt Keisatsu_H21.txt Keisatsu_H22.txt Keisatsu_H23.txt Keisatsu_H24.txt Keisatsu_H25.txt Keisatsu_H26.txt Keisatsu_H27.txt Keisatsu_H28.txt Keisatsu_H29.txt Keisatsu_H22.txt Keisatsu_H20.txt Keisatsu_H21.txt Keisatsu_H23.txt Keisatsu_H24.txt Keisatsu_H27.txt Keisatsu_H29.txt Keisatsu_H25.txt Keisatsu_H26.txt Keisatsu_H28.txt 0 1 2 3 4 Cluster Dendrogram Height
• ςΩετͷྨ • ςΩετதͷ୯ޠͷසΛख͕͔Γʢઆ໌มʣͱͯ͠ɺςΩετͷଐੑͳ ͲʢతมʣΛ༧ଌ • จֶ࡞ͷஶऀਪఆ • ϝʔϧͷεύϜఆ •
ΣϒαΠτͷδϟϯϧਪఆ • ӳ࡞จͷࣗಈ࠾ • ผੳɺܾఆੳͳͲ 27
• ༻ྫݕࡧ • ࣗવݴޠॲཧ౷ܭॲཧͷ݁Ռ͚ͩͰͳ͘ɺඞ࣮ͣࡍͷ༻ྫΛ֬ೝ • ༻ྫͷ֬ೝɺੳ݁ՌΛղऍ͢Δ͚ͩͰͳ͘ɺ৽ͨͳண؟Λൃݟ͢Δͷ ʹ༗༻ 28
ςΩετϚΠχϯάͷνΣοΫϦετ • దͳੳܭը • దͳσʔλऩू • దͳલॲཧ • දهΏΕͷղফɺίʔσΟϯάɺλά͚ͳͲ •
దͳੳ߲ͷઃఆ • ୯ޠͷසΛมʹ͢Δͷ͔ʁ ͦΕҎ֎ͷݴޠใΛ͏ͷ͔ʁ • ୯ޠͷසͷ߹ɺશͯͷ୯ޠΛ͏ͷ͔ʁ • దͳ౷ܭख๏ͷબ • ౷ܭख๏ʹ߹ΘͤͨܗࣜͷσʔλΛ༻ҙ • ख๏͝ͱͷ༻తɺಘΒΕΔ݁ՌͷΛѲ • దͳੳ݁Ռͷղऍ • ʮੳҰॠɺղऍҰੜʯ 29
• ςΩετϚΠχϯάʹ͑ΔπʔϧʢͷҰ෦ʣ 30 πʔϧ ༗ঈ PSແঈ ϓϩάϥϛϯά εΩϧ ຊޠͷੳ ӳޠͷੳ
6TFS-PDBM ແঈ ෆཁ ̋ º ,)$PEFS ༗ঈ ʢҰ෦ແঈʣ ෆཁ ̋ ̋ *#.4144.PEFMFS 5FYU"OBMZUJDT ༗ঈ ෆཁ ̋ ̋ 3 ແঈ ඞཁ ̋ ̋ 1ZUIPO ແঈ ඞཁ ̋ ̋ ʢίʔύεʣݴޠֶऀ͚ͷͷɺاۀ͚ͷͷͳͲɺ͜ΕҎ֎ʹ͍Ζ͍Ζ͋Δ
ຊͷྲྀΕ • ࣗݾհ • ςΩετϚΠχϯάͷجૅ • جຊతͳߟ͑ํ • ओͳੳํ๏ •
तۀධՁΞϯέʔτͷੳ • ࣗ༝هड़ͷੳ • ؆୯ͳੳྫ • ൃలతͳੳํ๏ • 2"ʢ͕࣌ؒ͋Εʣ 31
तۀධՁΞϯέʔτʹجͮ͘तۀվળ • तۀධՁΞϯέʔτ • ݸʑͷڭһ͕ࣗΒͷतۀ࣮ફΛৼΓฦΓɺֶੜͷ࣮ଶʹԠͨ͡तۀվળʹऔ ΓΉͨΊͷʮؾ͖ͮʯΛಘΔ͜ͱ͕త • จ෦ՊֶলͷௐࠪʹΑΕɺྩʹ͓͍ͯɺֶੜʹΑΔतۀධՁΛ࣮ࢪ ͨ͠େֶɺࠃཱେֶʢʣɺެཱେֶʢʣɺࢲཱେֶ ʢʣͰɺࠃެࢲཱશମͰେֶʢʣ
ˣ • ಉͷେֶੜ͕ສਓͰ͋ͬͨ͜ͱΛߟ͑ΕɺतۀධՁΞϯέʔτ ɺߴڭҭʹؔ͢ΔϏοάσʔλ 32
• ҰൠతͳतۀධՁΞϯέʔτͷݚڀ • ʙஈ֊ʢʮڧͦ͘͏ࢥ͏ʯɺʮશͦ͘͏ࢥΘͳ͍ʯͳͲʣͰධՁ͞Ε֤ͨ ߲ͷฏۉͳͲΛੳ • Ξϯέʔτͷࣗ༝هड़ཝΛఆྔతʹੳ͢Δࣄྫ૿Ճ ˣ • ࣗ༝هड़ͷఆྔతੳ
• ैདྷܕͷख࡞ۀʹΑΔੳͱൺͯੳऀͷઌೖ؍ͷӨڹΛड͚ʹ͍ͨ͘Ίɺ ઍਓສਓͷֶੜΛରͱͨ͠େنௐࠪͷΈͳΒͣɺेਓ͔Βඦ ਓΛରͱͨ͠খنɾதنͷௐࠪʹ͓͍ͯ༗ޮ • तۀͷʮྑ͔ͬͨʯʮվળ͖͢ʯɺֶੜ͔ΒͷʮχʔζʯͳͲΛ Ѳ 33
34 ݄ʹݕࡧ
35 ݄ʹݕࡧ
36
37
तۀධՁΞϯέʔτͷੳɺΫνίϛੳͷҰछʁ • Ϋνίϛੳ • ΞϯέʔτΠϯλʔωοτ্ʹॻ͔ΕͨจষΛରͱ͢ΔςΩετϚΠχ ϯά • ϚʔέςΟϯάۀվળʹͭͳ͕ΔݟΛಋ͖ग़ͨ͢Ίͷڧྗͳํ๏ͱ͠ ͯ׆༻ •
ͦͷɺҙతʹଊ͑ΒΕ͍ͯΔͷ͔ɺͦΕͱ൱ఆతʹଊ͑ΒΕͯ ͍Δͷ͔ʁ • ফඅऀɺͦͷͷͲ͜ΛධՁ͍ͯ͠Δͷ͔ʁ • ͦͷɺͳͥചΕߦ͖͕ѱ͍ͷ͔ʁ • ͦͷɺ͍ͭɺͲͷΑ͏ͳ໘ͰΘΕ͍ͯΔͷ͔ʁ • ࣗࣾͷڧΈΛ׆͔ͨ͠৽ͷ։ൃʹ༗ӹͳώϯτͳ͍ͷ͔ʁ FUD 38
• ͜ΕΒΛतۀʹஔ͖͑Δͱʢ͋͘·ͰҰྫʣ • ͦͷतۀɺҙతʹଊ͑ΒΕ͍ͯΔͷ͔ɺͦΕͱ൱ఆతʹଊ͑ΒΕ ͍ͯΔͷ͔ʁ • ফඅऀडߨੜɺͦͷڭһͷͲ͜ΛධՁ͍ͯ͠Δ͔ʁ • ͦͷतۀͷडߨੜɺͳͥചΕߦ͖͕ѱ͍ͷ͔ʁ •
ͦͷFϥʔχϯάίϯςϯπɺ͍ͭɺͲͷΑ͏ͳ໘ͰΘΕ͍ͯΔͷ ͔ʁ • ࣗࣾͦͷڭһͷڧΈΛ׆͔ͨ͠৽৽͍͠ڭࡐڭҭํ๏ͷ։ൃʹ༗ӹͳ ώϯτͳ͍ͷ͔ʁ 39
• ଞͷํ๏ண؟ΛੵۃతʹԠ༻ • ڞىදݱ • ܗ༰ࢺʴ໊ࢺʢྫɿ͍͠ςετɺڭࣨ פ͍ʣ • ໊ࢺʴಈࢺʢྫɿ8J'JΕΔɺϓϦϯτ ཉ͍͠ʣ
• ܗ༰ࢺ • ʮ΄͍͠ʯʢྫɿϨϙʔτͷ༰Λૣ͘ڭ͑ͯ΄͍͠ɺࢼͯ͠΄͍͠ʣ • ෭ࢺ • ʮͬͱʯʮ͏গ͠ʯʢྫɿͬͱৄ͘͠ɺ͏গ͠Ώͬ͘Γʣ • ൱ఆදݱ • ʮͳ͍ʯʢྫɿεΫϦʔϯ͕ݟ͑ͳ͍ɺतۀ՝ͷ͕࣌ؒΓͳ͍ʣ 40 ٕज़తʹɺөըͷϨϏϡʔੳͳͲࢀߟʹͳΔ
• Ϋνίϛੳ • ݱͷϏδωεύʔιϯͷݟΛ׆༻ • तۀධՁΞϯέʔτੳ • ݱͷतۀ୲ऀͷݟΛ׆༻ ˣ •
υϝΠϯ͕ࣝॏཁ • ੳͷಈػ • ண؟ͷൃݟ • ੳ݁Ռͷղऍ • ҙࢥܾఆ 41 IUUQTXBLBNFNTETDPNXIBUJTEBUBTDJFODF
؆୯ͳੳྫ • ੳσʔλ • େֶͷߨٛՊʹର͢ΔतۀධՁΞϯέʔτ ʢਓʣ • ੜ͕ਓɺੜ͕ਓɺੜ͕ਓ • உࢠֶੜ໊͕ɺঁࢠֶੜ໊͕
• Ծσʔλʢ࣮ࡍͷΞϯέʔτΛվมʣ • ʰ3ʹΑΔ͍͞͠ςΩετΞφϦςΟΫεʱ ୈষͷσʔλ 42
• ճޠͷهड़౷ܭ • σʔλશମͷճޠɺޠ • ճޠͷฏۉɺޠ • ճޠͷதԝɺޠ 43
• ୯७ͳසूܭʢ୯ޠ୯Ґɺࢺ୯Ґʣ • 3.F$BCʹΑΔܗଶૉղੳ 44 ॱҐ ୯ޠ ස ɻ
ͨ ͷ ͕ ɺ ʜ ʜ ʜ ॱҐ ࢺ ස ॿࢺ ໊ࢺ ॿಈࢺ ಈࢺ ه߸ ʜ ʜ ʜ • ୯७ͳසूܭͷ݁Ռ͚ͩݟͯɺେͨ͜͠ͱ͔Βͳ͍ • ҙͷதසɾසʹ͢Δ͜ͱ͋Δ͕ɺዞҙతʹͳΓ͕ͪ
• ࢺผͷසूܭʢ໊ࢺʣ • ස্ҐҐ·ͰΛՄࢹԽ 45 तۀ ઌੜ ڭࣨ ͷ εϥΠυ
༰ Ϩϙʔτ ͜ͱ ֶੜ ςʔϚ Α͏ ڭՊॻ ຖճ ߨٛ ࣭ આ໌ ͓ئ͍ ࡶஊ ࣈ
• ʮڭࣨʯͷ,8*$ ,FZ8PSE*O$POUFYU तۀͰ͍ͬͯΔ<ڭࣨ>ͷ8J 'J͕ ͋Γ·ͤΜɻ͍ͭ<ڭࣨ>͕פ͍ͷɼ ͕͍͍ͱࢥ͏ɻ<ڭࣨ>ͷྫྷ͕פ͗͢Δ ʹͯ͠΄͍͠ɻ<ڭࣨ>͕͖Ε͍Ͱɼྋ͔ͬ͠ ऑΊͳͷͱɼ<ڭࣨ>ͷిݯ͕গͳΊͳ ·ͨ͠ɻී௨ͷ<ڭࣨ>Ͱͳ͘ɼύιίϯ
ͱࢥ͍·ͨ͠ɻ<ڭࣨ>ͷྫྷ͕͖͍ͭͱ͖ ͢Δճɼίϯϐϡʔλ<ڭࣨ>Λ͑Δͱศརͩ ޙظָ͠ΈͰ͢ɻ<ڭࣨ>Ͱిݯ͕͑Δॴ ࡞ۀ͕Ͱ͖ͳ͍ɻ<ڭࣨ>ͷిݯΛͬͱ֬อ ͋Γ͕ͱ͏͍͟͝·ͨ͠ɻ<ڭࣨ>ͷిݯ͕গͳΊͳ ͨͱࢥ͍·͢ɻ<ڭࣨ>͕פͯ͘ɼࢼݧ ཧΛΊͯɼ<ڭࣨ>͝ͱʹԹΛઃఆ ɻಛʹͳ͠ɻίϯϐϡʔλ<ڭࣨ>ͰतۀΛड͚ΒΕΔ ͳ͍ͷͰخ͍͠Ͱ͢ɻ<ڭࣨ>ͷ8J 'J͕ 46 ίϯϐϡʔλར༻ڥ ڭࣨͷԹ
• ࢺผͷසूܭʢܗ༰ࢺʣ • ස্ҐҐ·ͰΛՄࢹԽ 47 ΄͍͠ Α͔ͬ ͳ͠ ໘ന͔ͬ ͔ͬ͢
͘͢ Α͍ ͍ ໘ന͘ ͳ͍ ߴ͍ ૣ͘ ͍͍ ʹ͍͘ ΄͔ͬ͠ Ԛ͘ ڵຯਂ͍ ॵ͘ খ͘͞ ਂ͍
• ʮ΄͍͠ʯͷ,8*$ ͱͱͯͯ͠͠<΄͍͠>ɻϨϙʔτͷॻ͖ํΛ ͍ͷͰɼϨδϡϝ͕<΄͍͠>Ͱ͢ɻઌੜͷ͠ํ ʹ࣭ͯ͠<΄͍͠>ɻࢼݧͷͱ͖ʹ ͬͱ࣭Λͯ͠<΄͍͠>ɻಛʹͳ͠ɻֶੜ ͷͰɼͲ͏ʹ͔ͯ͠<΄͍͠>ɻઌੜͷ͕ ɻϨδϡϝʹͯ͠<΄͍͠>ɻڭ͕͖ࣨΕ͍Ͱ Ͱͯ͠<΄͍͠>Ͱ͢ɻतۀͰѻ͏ ࠲੮ࢦఆΛΊͯ<΄͍͠>ɻͦͷͷؾ
࠲੮ࢦఆΛΊͯ<΄͍͠>ɻεϥΠυ͕Α͘࡞Γ Λͬͱ֬อͯ͠<΄͍͠>ɻઌੜͷεϥΠυͷ Ͱ͖ΔΑ͏ʹͯ͠<΄͍͠>ɻಛʹͳ͠ɻίϯϐϡʔλ ֶੜʹ࣭ͯ͠<΄͍͠>ɻઌੜͷࡶஊ͕ 48
• ࢺผͷසूܭʢ෭ࢺʣ • ස্ҐҐ·ͰΛՄࢹԽ 49 ͏গ͠ ಛʹ ͬͱ ͱ͖Ͳ͖ ͱͯ
͍ͭ Ͳ͏ Α͘ ͋·Γ ͦΜͳʹ ͪΐͬͱ Ͳ͏ͯ͠ Ͳ͏ͯ͠ Ͳ͏ʹ͔ Ώͬ͘Γ ΑΖ͘͠ ҙ֎ͱ Կͱ͔ গ͠
• ʮ͏গ͠ʯͷ,8*$ ɼϨϙʔτͷςʔϚΛ<͏গ͠>ૣ͘ൃද͖ͯ͠ క͕ݫ͍͠ͷͰɼ<͏গ͠>࣌ؒΛΊʹͱͬͯ΄͔ͬ͠ ΄͔ͬͨ͠ɻޙظ<͏গ͠>༨༟Λͬͨεέδϡʔϧ ճస͕͍ͷͰɼ<͏গ͠>Ώͬ͘Γͩͱཧղ͕ ͕ͨɼՁ͕֨<͏গ͠>͍҆ͱΑ͔ͬͨͰ͢ ͯͭΒ͔ͬͨͰ͢ɻ<͏গ͠>ԹΛԼ͛ΒΕͨΒ ɼϨϙʔτͷࣈΛ<͏গ͠>গͳΊʹ͖ͯ͠ ࣈ͕খ͍͞ͷͰɼ<͏গ͠>େ͖͘ॻ͍͚ͯΔͱ
Ͱਫ਼Ұഋͩͬͨɻ<͏গ͠>ૣ͘ςʔϚΛڭ͑ͯ ϨϙʔτΛॻ͘ͷ͕<͏গ͠>ָʹͳͬͨؾ 50 ͍Ζ͍Ζ͢Έ·ͤΜɻɻɻ
• ʮͬͱʯͷ,8*$ ͨɻֶੜͨͪʹ<ͬͱ>࣭Λͯ͠΄͍͠ ൣғ͕͍ͷͰɼ<ͬͱ>࠷ޙʹ·ͱΊͷ࣌ؒ ࣗମ໘ന͍ͷͰɼ<ͬͱ>ී௨ʹͯ͠ ͦ͠͏ͳͷͰɼ<ͬͱ>ਂ͍༰ษڧ͠ ͕໘ന͔ͬͨͷͰɼ<ͬͱ>ਂ͍ฉ͍ͯ ɻڭࣨͷిݯΛ<ͬͱ>֬อͯ͠΄͍͠ɻ ڭ͑ͯ͘ΕͨΒɼ<ͬͱ>Α͍ϨϙʔτΛॻ͚ͨ ໘ന͍ߨٛͰͨ͠ɻ<ͬͱ>ૣ͘͜ͷतۀΛཤम
51
• ࢺผͷසूܭʢಈࢺʣʢ͓·͚ʣ • ස্ҐҐ·ͰΛՄࢹԽ 52 ͠ ͢Δ ͋Δ ײ͡ ͍
Ͱ͖ ࢥ͍ ͔Γ ͋Γ ॻ͘ ͍ͩ͘͞ ͳΓ Ε ͬ ͖ ͍Δ ͳͬ Ί ࢥ͏ ॻ͍
ςΩετϚΠχϯάπʔϧͷ͍ํͱҙ 53 IUUQTUFYUNJOJOHVTFSMPDBMKQ
• ҆қʹϫʔυΫϥυΛ͏͖Ͱͳ͍ • ͜ͷਤ͔Βɺ࣮࣭తʹԿ͕͔Δ͔ʁ • ස্ҐޠΛଈ࠲ʹѲͰ͖Δ͔ʁ 54
• ϫʔυΫϥυ • ୯ʹ୯ޠͷසͷߴʢʹจࣈͷେখʣΛൺֱ͠ɺਤதʹϥϯμϜʹஔ͠ ͍ͯΔ͚ͩ • ͔͠͠ɺਓؒͷɺจࣈͷେখؔΛҰʹͨ͘͞ΜѲ͢Δͷ͕ඞͣ͠ ಘҙͰͳ͍ • ͦͷ݁Ռɺʮͨ·ͨ·ʯੳऀͷʹͱ·ͬͨ୯ޠʹҙ͕͚ΒΕɺዞҙ
తͳղऍΛট͘ةݥੑΛሃΉ ˣ • ߴසޠΛ֬ೝ͚ͨ͠ΕɺසදΛ࡞͢Δ͚ͩͰे • Ͳ͏ͯ͠ՄࢹԽ͍ͨ͠ͷͰ͋Εɺස্Ґͷ୯ޠΛάϥϑͳͲͰՄࢹ Խ͢Δํ͕Α΄ͲޮՌత 55
• ࢺผͷසूܭ 56
ڞىωοτϫʔΫ • ༗ҙຯͳਤͱແҙຯͳਤ • ୯७͗͢Δͱɺେͨ͠ ݟಘΒΕͳ͍ʢίϩ έʔγϣϯͷੳ༻ྫ ݕࡧͰेʣ • ෳࡶ͗͢ΔͱɺͰݟͯ
Α͔͘Βͳ͍ʢωο τϫʔΫͷ౷ܭతੳΛ ࢼ͢ʁʣ 57
• ڞىωοτϫʔΫͷྫ 58 ။݉ ʮςΩετϚΠχϯάΛཧͷतۀʹͲ͏׆͔͔͢ʁʯ ʰେֶͷཧڭҭʱ r
୯ޠͷྨࣅ • ୯Ұʢ͘͠খنʣͷςΩετͷੳͷ߹ɺ༗ӹͳݟ͕ಘΒ Εͳ͍͜ͱ͕ଟ͍ʢੳͷతʹΑΔʣ 59
• Γड͚ղੳ • ຊޠͷੳͰ༗ޮ • ͔͠͠ɺղੳͷίετ͕ߴ͘ɺղੳޡΓ͋ΓಘΔͷͰɺίϩέʔγϣϯ OHSBNͷੳͰ༻͢Δ߹ଟ͍ 60
• ײੳ • ʮϙδςΟϒʯͱʮωΨςΟϒʯͷൺΛग़͢πʔϧ͕ଟ͍͕ɺͦͦς Ωετͷେ෦ɺͦͷͲͪΒͰͳ͍ʮதཱʯͳ୯ޠ • ͭ·ΓɺςΩετͷ͘͝Ұ෦ͷใΛ֦େͯٞͯ͠͠͠·͏ةݥੑ 61
62 • Ұݟɺศརͦ͏͕ͩɺ͍ํʹཁҙ • ͱ͖ʹղੳਫ਼ͷ
• ײੳɺٕज़తʹ͍͠ • ݄ʹʰಀ͛Δஏ͕ͩʹཱͭʱͱ͍͏ਓؾυϥϚʢ௨শʮಀ ͛ஏʯʣͷ৽य़εϖγϟϧ͕์ૹ • ͦͷಛ൪ʹର͢Δ5XJUUFS্ͷԠ͓͓ΉͶҙతʢʹݟ͑ͨʣ • ͔͠͠ɺ์ૹऴྃޙʹʮ:BIPPϦΞϧλΠϜݕࡧʯͰʮಀ͛ஏʯΛௐͨ ͱ͜ΖɺʮωΨςΟϒʯͳπΠʔτ͕ѹతʹଟ͍ͱ͍͏݁Ռ
• υϥϚͷλΠτϧ5XJUUFSͷϋογϡλάʹؚ·Ε͍ͯΔʮಀ͛ʯʮஏʯ ͱ͍͏୯ޠΛػցతʹʮωΨςΟϒʯͱΧϯτ͍ͯͯ͠͠Δʁʁ 63
• ୯ޠϨϕϧͷڞىͷ • ͍͋ͭɺͷۚͰ᩵ͳΒ͠Λ͍ͯ͠ΔʢωΨςΟϒʁʣ • ͋ͷళͷদࡔڇʹɺ᩵ͳຯΘ͍͕͋ΔʢϙδςΟϒʁʣ • ΑΓ͍จ຺ͷ • ʮ͓લɺόΧͩͳʯʢϙδςΟϒʁ
ωΨςΟϒʁʣ • ײੳΛϒϥοΫϘοΫεͰ͍ɺ݁Ռͱͯ͠ग़ྗ͞ΕΔ͚ͩ ʹ͢Δͷةݥ 64
͓ΘΓʹ • तۀධՁΞϯέʔτ • ͕ࣗڭ͍͑ͯΔतۀͰ͋Εɺී௨ʹಡΜͩํ͕༗ӹͳ͜ͱ͕ଟ͍ • େֶશମֶ෦શମͳͲͷେنͳσʔλʹରͯ͠ɺςΩετϚΠχϯά ͕༗ޮ • ςΩετϚΠχϯάͷ͍ํ
• ϒϥοΫϘοΫεͷπʔϧ͕ग़ྗ͢Δ͚ͩΛݟΔͷةݥ • ࣗಈղੳ͕ߴʹͳΔ΄ͲʢܗଶૉղੳʻΓड͚ղੳʻҙຯղੳʣɺղੳ ਫ਼͕Լ͕Γɺͦͦࣗಈղੳͷ͍͠λεΫͱͳΓಘΔ͜ͱʹҙ • ༻ྫݕࡧͳͲΛ༻͍ͯɺྔతੳͱ࣭తੳΛซ༻ 65
ຊͷྲྀΕ • ࣗݾհ • ςΩετϚΠχϯάͷجૅ • جຊతͳߟ͑ํ • ओͳੳํ๏ •
तۀධՁΞϯέʔτͷੳ • ࣗ༝هड़ͷੳ • ؆୯ͳੳྫ • ൃలతͳੳํ๏ • 2"ʢ͕࣌ؒ͋Εʣ 66 "OZ 2VFTUJPOT
͝ਗ਼ௌ͋Γ͕ͱ͏͍͟͝·ͨ͠ • ຊൃදͷओͳݩωλ 67