ジーニアスQuest

 読んで実践した方が、心の管理法に慣れて目標達成力を培うためのパワフルな方法
   継続力をつけるための習慣化のノウハウ
  や速読など能力開発等の記事をアップしています。     

当ブログをご覧いただきありがとうございます。

なおスマホで、このブログを閲覧したい方は、インスト−ルに一手間かかりますがBRAVEの導入をお薦めします。

  ブログの広告対策としてのBraveブラウザ導入について

brave
このブログは、潜在意識のクリーニングの方法の研究や目標達成や気の持ち方のコントロールの実際方法
サブ的に速読や全脳活性化に関するノウハウ等を主に扱っています。

旧サイト時代を含めて、お蔭さまで実績1000名越えることができました。

潜在意識のクリーニングをメインに扱い1000名以上のポジティブな報告をいただいた実践サイトについては以下に掲載しています。

実践サイト

実践サイトなども参考にして心身の管理や
生活を支える生命の秘めた力を煥発させ
弱りがちな心を立て直して
生活に佳き変化をもたらす参考にしていただければ幸いです。



   

自宅にテレビを置かず、芸能系のエンタメなどは、あまり関心がないのですが、

さすがに、中居正広さんの引退の件はネット経由で耳(目)に入ってきました。

深刻なトラブルに巻き込まれた女性の親御さんの立場に立つと、いくら「 恐れず、怒らず、悲しまず 」の三忽を日々心がけていても怒りの感情しか湧きませんが、

今回の事案をフジテレビ一社が諸悪の根源だとか、中居さん個人の問題として責任をおっかぶせるのではなく、

抽象度を上げてメディア全体のあり方( とりわけTVメディア )が与えた影響から捉え直すというのも新しい試みとしてやってみました。

分析については、優れたAIツ-ルの1つであるgensparkAIの力を借りて分析してもらいました。

genspark


なお、今回の質問項目に入れた1999年TBSワンダフル事件。

こういう事件自体、25年前に、あったという事すら、今の今まで私は知らなかったです。

公共の電波を使って報道している以上、当時においても、すごい大きな社会問題だと思うのですが。

フジテレビの一連の騒動をめぐる超ロング会見を契機に、テレビを置かない生活の私でも知るところとなり、
構造的な問題について、何故こういう哀しいことが起こったか?安定打坐等の瞑想+
AIを使ってリサ−チしていったら、今回の事案と似た構造を持つ事件が過去にもあったらしいことを改めて知りました。

ですので、その信憑性の評価を先ずはファクトチェックして、報道のあり方や構造的な問題点を踏まえて質問依頼しています。

ファクトチェックで、以下のようにプロンプトを作りました。
  ↓ ↓
1999年TBSワンダフル事件の信憑性についてファクトチェックをして真偽評価してください。

チェックした結果が以下です。

1999年TBSワンダフル事件の信憑性および真偽評価の結果


この事案自体も、どこまでが事実なのか?揺らぎがありますが、少なくともTVメディアなどでは大きく扱われず業界全体として世論を喚起し検証され刷新されたというのも聞きません。これを踏まえて以下の質問をgensparkAIにしています。


1999年に発生したTBSのワンダフル事件が、当時のテレビや大手メディアで適切に報道・検証され、業界全体で問題に向き合う姿勢が取られていた場合、2024年にフジテレビで発生した類似の女性搾取事件の発生確率が低下していた可能性はどの程度あるか、段階的にアプローチし確率的に分析していただけますか?


解析結果を、そのまま引用してみますね。
SPARKページのリンクは以下に掲示しておきます。

Sparkpage 1999年TBSワンダフル事件を真摯に受け止めて大きく報道していた場合の2024年フジテレビ事件の発生確率分析

概要と背景



1999年のTBSワンダフル事件は、当時のメディア報道の在り方が問われる重要な事例です。この事件は、TBSの人気番組『ワンダフル』に出演していた女性タレントたちが関与した乱交パーティーが発端となり、メディアの報道姿勢が大きく影響しました。事件は一部のメディアでしか報道されず、業界全体の問題として取り上げられることはありませんでした。



Wikipedia | YouTube



メディアの報道が事件の発生に与える影響を確率的に評価するためには、報道の質と量が重要です。TBSワンダフル事件では、主要メディアが報道を控えたため、事件の深刻さが広く認識されることはありませんでした。もし、当時のメディアが事件を適切に報道していれば、業界全体での反省と改善が促され、2024年のフジテレビでの類似事件の発生確率は低下していた可能性があります。



YouTube



事件の背景には、メディアの報道姿勢や業界の体質が深く関わっています。メディアは国民の知る権利を守るために真実を伝える責任がありますが、TBSワンダフル事件ではその役割が果たされませんでした。報道が偏向し、業界の体質改善が進まなかったことが、後の類似事件の発生に繋がったと考えられます。



Inaba Lab



1999年のTBS事件



1999年に発生したTBSのワンダフル事件は、深夜番組『ワンダフル』の出演者が関与したパーティー事件として広く知られています。この番組は1997年から2002年まで放送されており、深夜のバラエティ番組として人気を博していました。事件は、番組の出演者が参加したパーティーでの不適切な行動が問題視され、メディアの注目を集めました。



Wikipedia



事件には、ジャニーズ事務所のタレントやTBSのアナウンサー、幹部が参加していたとされ、メディアで大きく取り上げられました。特に、ジャニーズ事務所のタレントが関与していたことが、事件の注目度を高める要因となりました。メディアはこの事件を大々的に報じ、視聴者の関心を集めましたが、報道の焦点は一部の関与者に偏っていました。



Pinzuba News



2024年のフジテレビ事件



2024年に発生したフジテレビでの女性搾取事件は、同社の社員が関与したとされるスキャンダルであり、社会に大きな衝撃を与えました。この事件では、フジテレビの関係者が女子アナウンサーを含む女性たちを有力者に対して性的搾取の対象として提供していたと報じられ、社内のシステムが問題視されました。これにより、フジテレビの港浩一社長らが引責辞任を表明する事態に発展しました。



時事通信 | 現代メディア



この事件は、日本の芸能界における女性搾取の問題を浮き彫りにし、社会的な議論を巻き起こしました。日本では依然として男性が強い立場にあり、被害者が中傷を恐れる状況が続いています。



時事通信 | 日刊ゲンダイ



メディア報道の影響



メディア報道は、事件の発生や社会の認識に大きな影響を与えることがあります。特に、報道が国民の「知る権利」に奉仕するものである以上、その内容は社会の意識形成に直接的な影響を及ぼします。



Inaba Lab | DEIM 2023



日本におけるメディアの信頼度は高く、報道内容が社会の意識や行動に与える影響は無視できません。特に政治報道においては、メディアの報道が人々の投票行動に直接影響を与えることが示されています。



早稲田大学 | Inaba Lab




上記のリサ-チでは、正確に確率を出してませんので、改めてDeepseekに照会してみました。中国発のAIなので、セキュリティ面で使うのに躊躇がありますが、これも優れたツ-ルです。
これは以下のリンクから使うことが出来ます。
Deepseek

結果は以下です。質問文は、gensparkと、ほぼ同じです。

1999年に発生したTBSのワンダフル事件が、当時のテレビや大手メディアで適切に報道・検証され、業界全体で問題に向き合う姿勢が取られていた場合、2024年にフジテレビで発生した中居正広氏をめぐる類似の女性搾取事件の発生確率が低下していた可能性はどの程度あるか、段階的にアプローチし確率的に分析していただけますか?

Deepseekの回答
(以下そのまま掲載)



はい、この質問を分析するために、まずは「TBSワンダフル事件」と「フジテレビの中居正広氏をめぐる女性搾取事件」の具体的な内容と背景を確認する必要があります。しかし、これらの事件については具体的な情報が不足している可能性があります。特に「ワンダフル事件」が1999年に発生したとされていますが、正確な事件の内容やその後の影響についての詳細が不明です。また、2024年のフジテレビの事件も具体的な情報が不足しているため、仮定に基づいて分析を進める必要があります。

まず、以下のステップで考えていきます:

1. **事件の定義と影響の確認**:

- TBSワンダフル事件がどのような問題であったか(例:女性従業員への不当な扱い、ハラスメント、権力の乱用など)。

- 当時のメディアや業界の対応が不十分であったと仮定する(質問の前提)。

2. **因果関係のモデル化**:

- 過去の事件(1999年)で適切な対応がなされていた場合、メディア業界の構造や風土がどのように変化した可能性があるか。

- 具体的な対策(ガイドライン強化、研修の実施、内部告発制度の整備、社会的監視の強化など)が行われたと仮定。

3. **確率論的アプローチ**:

- 過去の対策が後の事件発生確率に影響を与える要因を特定し、確率モデル(例:ベイズネットワーク、因果推論)を構築。

- ただし、実際のデータが存在しないため、仮定に基づく相対的な確率の変化を推定。

4. **外的要因の考慮**:

- 社会全体の意識変化(#MeToo運動の進展など)や法制度の変化など、時間的な経過に伴う他の変数の影響を評価。

5. **結論の導出**:

- これらの要素を総合し、過去の適切な対応が2024年の類似事件の発生確率をどの程度低下させた可能性があるかを確率的に表現。

ただし、現実には因果関係の証明は難しく、特に反実仮想(過去の異なる選択肢が未来に与える影響)の分析は不確実性が伴います。したがって、定性的な要因を挙げつつ、確率論的な表現(例:「ある程度の低下が見込まれるが、確率X%」)を行うことが現実的でしょう。

具体的な数値を出すためには、類似の歴史的事例や業界の変化に関するデータが必要ですが、それが存在しない場合は専門家の推定に頼る必要があります。例えば、組織文化の改革がハラスメント事件の発生率を30〜50%減少させたという研究があれば、それを参考にすることができます。

以下のステップで、過去の事件への適切な対応が後の類似事件の発生確率に与える影響を分析します。

ステップ1:前提の整理
TBSワンダフル事件(1999年):女性従業員への搾取やハラスメントが発生し、当時のメディアや業界が十分な検証・対策を行わなかったと仮定。

フジテレビ事件(2024年):同種の女性搾取問題が発生。過去の教訓が活かされていなかった可能性が指摘される。

ステップ2:因果関係のモデル化
適切な対応がなされた場合の変化要因:

業界のガイドライン強化:ハラスメント防止策の義務化。

内部通報制度の整備:問題の早期発見・対応。

社会的監視の強化:メディアや世論のチェック機能向上。

文化の変化:「権力乱用は許されない」という意識の醸成。

ステップ3:確率論的アプローチ
ベイズ推定を用いた簡易モデル
事象A「1999年の事件で適切な対応がされた」

事象B「2024年の類似事件が発生しない」

仮定するパラメータ(専門家推定に基づく):

過去の対策がない場合の2024年事件発生確率:P(¬B|¬A) = 70%

過去の対策があった場合の発生確率低下効果:

ガイドライン強化で -20%

通報制度で -15%

社会的監視で -10%

文化変化で -25%

合計効果:発生確率 P(¬B|A) = 70% × (1 - 0.7) = 21%
(※乗算効果を仮定;実際は要因間の相互作用を考慮する必要あり)

ステップ4:外的要因の考慮
社会運動の影響(例:#MeToo):対策がなくても2024年までの25年間で発生確率が自然に -30% 低下する可能性。

法制度の変化:労働法制の厳格化で -20%。

修正後の確率:

過去の対策なし:70% × (1 - 0.3 - 0.2) = 35%

過去の対策あり:21% × (1 - 0.3 - 0.2) = 10.5%

ステップ5:結論
過去の適切な対応により、2024年の事件発生確率は
35% → 10.5% に低下した可能性がある。
すなわち、約70%の確率低下効果が見込まれる。

留意点
パラメータは仮定に基づくため、実際のデータがあれば再計算が必要。

組織文化の変化には時間がかかるため、即時の効果は限定的かもしれない。

個人の権力構造や業界の特性によっても結果は異なる。

この分析は「適切な対策が継続的に実施された場合」という理想的な条件付きです。現実には、対策の不十分さや形骸化も考慮する必要があります。

(ここまで)


DEEPSEEKの解析では、TBSワンダフル事件(1999年)を当時のテレビや大手メディアで適切に報道・検証し、業界全体で問題に向き合い、取り組む姿勢が取られていた場合、

2024年にフジテレビで発生した中居正広氏をめぐる類似の女性搾取事件の発生確率は、
約70%の確率低下効果が見込まれるという結果でした。

仮定の話で、AIに丸投げ。

学術性や厳密性など全くなくAIを扱うテーマとして適切ではない気もしますが、
考えさせられる結果になりました。

最後にGPT-4 o1に批判的に改善を依頼した際の回答が以下です。

かなり的確に、だめだしされてますね。

またGPT-4oおよびo1モデルは、2023年10月までのオンラインデータで学習されていますので2025年(2024年)は、未来時間ということになっている点も注意が必要です。

それらを前提に掲載してみます。


(以下引用)

以下では、まず元の記事(および「Deepseek」等での回答)に対して批判すべき点を整理し、その上で確率計算やフォーカスすべき要素を改善した形の分析例を提示いたします。

1. 元記事に対する主な批判点
(1) 事実関係・情報ソースの不確実さ
**「TBSワンダフル事件」**について、具体的かつ公的に確認できる事件概要が曖昧です。確かに1997年から2002年にかけて『ワンダフル』が放送されていた事実はあるものの、「乱交パーティー」や「ジャニーズ事務所タレントやTBS幹部の関与」などの記述が、どの程度確実な根拠をもつのかが不明です。
**「2024年のフジテレビでの女性搾取事件」**も、現実にはまだ到来していない未来時点の事象であり、仮定的なストーリーが混在しています。「中居正広氏をめぐる事件」という言及なども含め、確たる事実の裏付けが示されていません。
(2) 引用元や関連リンクが散逸している
記事中に散見される「Pinzuba News」「Sparkpage」「Inaba Lab」「DEIM 2023」「時事通信」「Wikipedia」などの参照リンクや文献が、どの程度公式で正確な情報ソースなのか不明です。出典として必要以上に羅列されている印象で、焦点が定まっていません。
(3) 確率計算モデルが恣意的・単純すぎる
「ベイズ推定」を用いた仮定モデルで「70% → 35% → 10.5%」などと具体的な数値が提示されていますが、その根拠となるデータや論文、検証手法の説明がないため、非常に恣意的な印象を受けます。
さらに、「ガイドライン強化で-20%」「通報制度で-15%」「社会的監視で-10%」といった数字の設定も、どこから導き出されたものか不明で、累積の掛け算・足し算が適切かどうかも示されていません。
(4) 分析の焦点(問題提起)が散漫
「もし1999年当時にきちんと報道・検証していたら2024年の事件は防げたか?」という仮説検証が一応のテーマになっているものの、事実誤認や根拠薄弱な断定が多いため、問題の核心(「メディアの姿勢が業界カルチャーに与える影響」など)がうまく論じられていない印象です。
2. 改善に向けたポイント
事実確認と「仮定」の明確化

TBSワンダフルにかかわる報道やスキャンダルの事実関係を整理し、「公になっている情報/あくまで噂レベルの情報」「仮定の話」をきちんと区別する。
2024年という未来の事象はあくまでも思考実験として扱うのであれば、その意図(「こういう未来もあり得る」「メディアの報道姿勢が変わらなければ同様の事件が続くリスク」を示したい等)をクリアにする。
分析フレームワーク(因果推論・リスク低減モデルなど)の妥当性確保

「ベイズ推定」「因果推論」を行うならば、仮定するパラメータや因果関係をもう少し慎重に設定する。論文や類似事例の統計データがない場合は、「専門家の推計例」や「欧米・他業界のハラスメント対策事例による再発率低減の数値」などから近似値を引用する。
数値モデルに固執しすぎず、定性的な議論(メディアの構造、企業文化、社会の運動や法規制の影響など)をバランスよく取り入れる。
フォーカスすべき論点の絞り込み

真に議論したいのは「適切な報道・業界全体での検証が行われないと、同種の女性搾取事件が繰り返される背景」ではないか。
そのためには、「報道の質と量」「業界団体による自主規制」「芸能事務所やテレビ局内部のコンプライアンス」「社会的監視」「被害者救済や声を上げられる環境づくり」といった要素に焦点を当てるとよい。
実際のメディア構造の変化や外的要因をもう少し精査

1999年当時と現在(または2024年仮定)の法整備・社会運動(例:#MeToo、企業コンプライアンス意識の高まり、SNSによる炎上リスクなど)を踏まえ、「過去に報道・検証されていたら、こうした社会変化と相まってどのように業界体質が変わり得たか」を考察すると説得力が増す。
同じテレビ業界でもTBSとフジテレビで社風や組織文化が違う可能性も考慮すべき。
3. 改善例:より洗練した分析のひな型
以下は、上記の批判点を踏まえ、もう少し筋道の通った形で「もし1999年の事件を大きく報道し、業界全体で問題を共有していた場合、2024年の類似事件の発生確率はどれほど下がったか」を考える際のサンプルです(数値は仮定例)。

3.1 前提・仮定
1999年の事例(TBSワンダフル事件)

実際には「出演者やスタッフのプライベートパーティーをめぐる不祥事」が報道されかけたが、一部メディアでしか大きく取り上げられなかった。
ここでは「もし大手メディアを含め広範な報道と検証が行われ、業界各社がコンプライアンス強化やガイドライン策定に動いていた」という反事実(カウンターファクチュアル)を設定する。
2024年の事例(フジテレビの女性搾取事件)

具体的な「人物名」はここでは仮定に留める。「フジテレビの制作スタッフや上層部が、芸能事務所やスポンサーに対し女性タレント・アナウンサーを不当に扱っていた」という不祥事が露呈したという前提。
分析の目的

「報道・業界改革が起こること」が、どのように再発防止策や企業文化改善に結びつき、**“類似事件発生リスク”**をどの程度下げうるかを仮説的に評価する。
3.2 因果推論の枠組み
主要要因(介入): 1999年当時に「大規模な報道+業界ぐるみの検証・対策」が行われたとする。
媒介要因: 報道による世論喚起 → テレビ局や芸能プロダクションのガイドライン整備、内部通報制度の充実、厳格なコンプライアンス意識の浸透、被害者救済制度の整備 など。
結果指標(アウトカム): 25年後(2024年)の類似事件発生確率または規模。
3.3 定性的評価の例
報道・対応が不十分だった場合:

不祥事を「隠蔽・過小報道」する慣習が温存される。
業界全体での反省や共有が進まず、根本的な組織・文化改革が行われにくい。
結果として、ハラスメントや女性搾取のリスクが依然として残り、2024年に高確率で類似事件が発生(ただし具体的な数字はデータ次第)。
報道・対応が積極的に行われた場合:

業界でガイドラインが制定され、番組制作やキャスティングにおけるチェック体制が強化される。
内部告発をしやすい環境ができ、問題が早期に表面化しやすくなる。
SNS普及期に入る前から危機管理意識が高まっているため、会社のリスクコントロールが厳格化する。
結果として、2024年に同種の事件が発生する確率は低減すると予想。
3.4 仮説的な数値モデル例
(注意: 以下の数値は説明用のフィクションです)

過去の不十分対応時のリスク(基準)

「業界内部告発が少なく、ハラスメントが表に出にくい」「企業の上層部が“体質”を変える動機が少ない」
2024年までに類似事件が起こる確率を**40〜50%**程度と試算(海外のハラスメント再発率研究などを参照した仮定)。
1999年に大規模報道・対策が行われた場合の改善幅

ガイドライン策定 … 再発率を5〜10%程度低減
内部告発制度強化 … 再発率を10%程度低減
社内研修・監査組織拡充 … 再発率を5〜10%程度低減
社会運動・SNS普及の時流も加味 … 自然減衰効果5〜15%
上記を単純に足し算あるいは相互効果で重ねると、**最終的に10〜20%**台まで発生確率が下がる可能性がある。
例: 40%(基準値) × (1 - 0.3前後) ≈ 28% 〜 40% × (1 - 0.5) ≈ 20% など
※ 実際には要因間の相互作用を考慮し複雑なモデルになる。

3.5 結論例
「もし1999年の段階で業界全体が問題意識を共有し、メディア報道も大きく扱っていれば、2024年に類似の女性搾取事件が起こる確率を半減〜3分の1程度に抑えられた可能性がある」
ただし、あくまで「他の外的要因(#MeTooムーブメント、法改正など)とも相まって組織改革が進むことが前提」であり、実際の数値は大きな不確実性を伴う。
4. まとめ
批判点としては、「事実関係のあいまいさ」「参考文献の不十分な整合性」「確率モデルの恣意性」「論点の散漫さ」が挙げられます。
改善策としては、「明確な仮定とエビデンスに基づいた因果関係の設定」「定性的・定量的バランスを取ったモデル化」「メディアや業界がどのように変化し得るかを丁寧に描くこと」が重要です。
「何のために確率分析をするのか?」という問題提起がブレないようにしつつ、実際の歴史的背景や社会構造の変化を踏まえて議論を深めると、より説得力のある記事になります。
上記のように整理・再構成することで、元の記事の荒さや恣意的な数値設定を改善し、より妥当性のある「もし当時きちんと報道・対策していたら2024年の事件発生確率がどの程度下がり得たか」という論点を提示できるでしょう。

(ここまで)

1999年当時に、隠ぺいし小さく扱う形で報道規制方向に偏向させず「大規模な報道+業界ぐるみの検証・対策」が行われて社会問題として丁寧な取り組みが為されていたら、
ひょっとしたら日本は、少しは健全な、風通しの良い、報道姿勢になり、各メディアのベ-スの体質、社風も変わり、

2024年のフジテレビの一連の大騒動は、構造的な対策が為されて確率的に防げて違った展開になっていた可能性があったというのは、あくまで仮説に過ぎません。

仮説に過ぎませんが具体的な特定の個人にフォ-カスするのではなく抽象度を上げて俯瞰し全体の構造的な問題として観ると、これまで見えなかった問題点が見えるのかもしれません。

そういう解析のツ-ル、思考実験のツ-ルとしてAIを使うのも、割によいAIの活用方法だと思いました。

最後に、

今回の騒動を受けてSNSのコメントなどで、中居さんは勿論、フジテレビ社員、一部では被害女性に対し誹謗中傷がなされているようです。

とりあえず私のスタンスは、メインサイトにも書いてるように
自身も含めて「 そもそも、叩かれて埃の出ない人はいるのか? 」と言うスタンスです。

GPT4やgeminiを介して、インドの某聖者のコメントを媒介に議論しています。

共有リンクを貼っておきます。
Reflective Approach to Criticism

他人の過ちについて大声で話す(あるいは書きつらねる)前に、自分の隠していた過ちを大声で話すことを想像し、一瞬でもよいので、それをどう思うかを確かめる。

あくまで私の場合は、尊く清くありたいということで、いろいろ心がけてきましたけども、過ち多く俯瞰すると心に薄汚れている部分を感じることがあります。

そういう自覚があって、本能心と理性心、良心の内的葛藤にも苦しんできた精神史があるので自己統御に取り組んできた面もあります。

よって上記のシミュレ-ションをすると、悪口や罵りを書き連ねる意欲そのものが一瞬で萎えます。

ですので、そういう気持ちが出やすい方は、上記のシミュレ-ションはお勧めかもしれません。

社会問題として公的問題に昇華して扱うなら、まだ多少良いかもしれないですけど、個人攻撃し悪口や罵りをコメントするのは自身の潜在意識を管理する上で好ましくないかもしれないです。

なぜなら、主語を除いて、それを心の奥深くに刻印することになるからです。

ですので潜在意識を良好に保つという意味でも、他人の悪口や罵りは避けるに越したことはありませんから。

NoLangは、とてもユニ-クなAIツールです。
使ってみてちょっと感動しました。

面倒なことを簡単にしてくれるツキのあるツールだと思いましたので紹介してみます。

主な機能及び特徴は以下のとおりです。

1、テキストから動画をリアルタイムで生成してくれます。
  ※生成時間は内容によりますが数秒から十数秒です。

2、ウェブページやPDF、EXELファイルをアップロードするだけでAIが内容を要約(解析)し動画を生成してくれます。



直感的な操作が可能です。

googleアカウントなどで登録し利用規約をよく読み確認し同意できたら、NoLangの下図のプロンプト入力欄(オレンジ枠)に入力するだけです。

nl

プロンプト欄に例えば

「 デール・カーネギーの「 人を動かす 」という本の名言を中心に内容紹介してください。 」

と入力したとします。
そうして▶をクリックし実行してみます。

すると10〜20秒程度で以下のような動画をAIが生成してくれます。



私は、この本を若かりし頃に読んだことがあります。

この本は古典的な自己啓発本で一部の読者からは、内容が、やや古くなっている、または表面的すぎるという批判もありますが、未だに根強い人気がありますよね。
新入社員研修や管理職研修で利用する企業もあると聞きます。

私も内容を大まかに知ってますが、AIの要約は、かなりの精度です。

人を動かす WIKI などと照合させたら合点していただけるでしょう。

人間関係をスム−ズにしリーダーシップを発揮したいという方にとって良書とされ、
営業職や管理職で、何十回も読んでる方がいるとも聞きます。

確かに本を何十回もインプットし読むというのもよいかもしれません。


その一方で本読みはほどほどにして・・

上記の要約動画を参考にどう振る舞うか?感覚を巻き込んだアウトプットの実践を意識して
定期的に反復視聴するのも

( 上記動画は短くて簡潔な実践項目として提示していますから )

頭の片隅に入りやすく集中と暗示の原則からも実践への導線になります。

置かれた立場や状況は様々でしょうけど

自分改革や、その延長として職場などの人間関係を滑らかにする足がかりになるかもしれません。

1分30秒程度の動画ですから負担も少ないでしょう。

誦句を習慣化する一方法を上記動画の実践項目に組み合わせて、
具体的で身近な生活の場、シチュエ−ションで、実際に、そのように振るまっている自身を五感を巻き込んでイメ−ジする。

例えば、上記動画でも要約紹介された「 相手の美点を探し、さり気なく褒める 」
とかは、そのように振る舞っている自身をイメ−ジするのは、特に高度なスキルが要求されるわけではないですよね。

( 人によっては、キャラに合わない。気恥ずかしくて出来ない。
イメ−ジするだけで、ざわざわするという方もいらっしゃるかもしれません。

そういう場合は、心のざわざわが和らぐレベルまで・・

「 とにかく自分で実施出来るレベルに調節していく 」のが大事かもしれません )

さらに、先に挙げたように実際に五感を少しでも動員し想像し、
本当に、そのような言動( 振る舞い )をすることを現場で試すということ。

そうして実行した際の成否を自身でフィ−ドバックする。

そうすることで少しずつ微修正し自分改革に応用し、職場などの人間関係の関係改善に適用するという方法もあるでしょう。

口述書ベ−スの心身統一法のなかにも不運に落ち込んでいる方に対し同情するのではなく、言葉や行いで鼓舞激励することが推奨されていますが・・
こういうのも、知っておいたら何かの拍子に役に立つかもしれません。

口述書ベ−スの心身統一法を実践していると
心が、どこがどうという事もなく満たされやすくなり
余裕ができるから根っこレベルで美点探しも上手になるのではないでしょうか?

このようにNolangを使って自身で簡単にカスタマイズした自己学習教材を作ることが出来ます。

NolangはChatGPT4との組み合わせも可能です。
組合わせて、もう少し応用させてみましょう。

例えば、You TUBEで見られるゆっくり動画なども
5分かからず、応答式の動画を作れます。

NolangとchatGPT4を連携させて5分かからず作ることが出来るというのがポイントでしょう。
動画制作に手間と時間を割けない方に向いています。

やり方は、先ずNolangで以下の設定をします。( 語り手と助手の話者の設定 )

nolang1

そしてChatGPT4に質問を含む依頼をして、得られた会話文をNolangのプロンプト入力欄に貼り付けて実行する。

そうすることで以下のような動画が作れます。一応無料範囲で作っています。
手間は、かけていません。

5分で作る手順や、どういうプロンプトにしたか?以下の動画の説明欄に書いておきましたので参考にしたい方は確認したらよいかと。




NoLangは、エクセルの生デ-タの大まかな解析もお手の物です。

公的デ−タで、やり方を説明してみます。

例えば統計で見る日本から
日本に在住する外国人に関する傾向を把握したいとします。

その際、(旧登録外国人統計)のページに行き
zg

資料の23-06-A 在留外国人総数上位100市区町のエクセルデ-タをDLします。


NoLangのクリップアイコン📎をクリックします。
そして解析したいExelデ-タをNolangにアップします。

ここまで出来たら入力欄に「 内容を紹介してください。」と入力し▶をクリックして実行します。


するとアップしたEXELデ-タをAIが解析し以下のような動画を生成してくれます。

※宇宙人が出てきたのには驚きましたが、そこはご愛敬で。



※アップしたデ-タは在留外国人総数上位100市区町と、その数しか記録されてないです。
これをAIがデータを読み取って解析しているところがポイントです。

鵜呑みにするのは厳禁ですが直感的に操作ができて参考になる情報を提示してくれます。


NoLangにはChrome拡張機能も備わっています。

拡張設定後に内容把握したい英語サイトのページをワンクリックしたらAIが数秒で、該当ペ-ジを翻訳して要約し動画にしてくれます。


画像解析もしてくれます。

具体的には・・仮の練習サンプルとして、例えば景気予測モデルを機械学習のGRUモデルで自前で作った時にオマケで得た以下の図について・・画像をAIに分析してもらいたいとします。

ci

その場合には、この画面をスクショ( Print Screen )で画面コピ−する等して範囲を選んでpng画像としてデスクトップなどに名前をつけて保存。

ここまで出来たら、次にNoLangのクリップアイコン📎をクリック。
デスクトップなどに置いた画像デ-タをNolangにアップします。

そうして入力欄に「 添付画像は、日本のCoincident Indexの時系列の推移です。読み取って分析して解説していただけますか。」等と入力し▶をクリックして実行します。

するとアップした画像をAIが読み取って解析し以下のような動画を十秒程度で生成してくれます。

日本の景気指数の波乱の軌跡 Nolang 画像認識の試行

1分程度の上記動画を視聴したらAIが作製してくれた上記動画は2008年の世界金融危機の影響への言及がないことや
数値の読み取りにも、若干のミスがあり説明も、おかしな箇所に気づくと思います。
鵜呑みは当然できないです。実際に誤っています。

しかし、ある程度の読み取りが出来て分析し瞬時に動画にしてくれるのは、素晴らしい機能だと思います。



他にも少し変わった使い方では、コード解説も出来ます。

例えばテキストをモデレーションAPIに送信し、その結果を解析して視覚化するコードは、以下なのですが・・
( このコ−ドを作るきっかけになったトラブルおよび解説記事、顛末 )




上記の自前コ−ドを、そのままNoLangのプロンプト入力欄に貼り付けて▶を押し実行してみます。

すると以下のようにAIがコ−ドを解析し解説した動画を生成してくれます。

コード学習にも使えるのではないでしょうか?私みたいな独学者には便利なツ−ルです。






PS

とは言えデ−タ解析に特化するならClaude のほうが優れています。

それは例えば、公的資料の23-06-A 在留外国人総数上位100市区町のエクセルデ-タの分析について、以下のやり取りを見れば、一目瞭然でしょう。

CSVファイルについてClaudeとのやり取りを公開してみますね。

共有リンク−Analyzing CSV Data on Foreign Population in Japanese Municipalities−


上記参照リンクのようにCSVファイルにして、claudeにアップし
以下の質問をしました。

デ-タに対し先入観を持たないということを心がけるのに、以下のAIへの質問は、たまにやることがあります。

1、CSVファイルのデ−タを解析していただけますか?

2、このCSVファイルからヒトが気づけないようなユニ−クな傾向を解析し、提示できますか?
可能な限りでよいのでトライしてみてください。

3、では、このCSVファイルからヒトが気づけないようなユニ−クな傾向を解析し、matplotlibで視覚化し提示できますか?上記にAIが指摘したもので、図示可能なら、それを提示していただいて構いません。


この質問に対するClaude3.5 sonnetの回答は以下でした。

共有リンク−Analyzing CSV Data on Foreign Population in Japanese Municipalities−


claude3


太田市(30位)、安城市(63位)、豊田市(69位)などの順位を引用ミス(読み取りミス)していますが、新しい着眼点でデータを見ることを可能にする分析をして視覚化の提案もしてくれています。

チャット内容の回答をご覧になったら、AI(Claude)は、かなり優れた分析支援をしてくれていることがわかっていただけると思います。

ここまでくるとプロンプトエンジニアリングも陳腐化するのではないかという気がしますが。


このようにClaudeはデータ分析においても優れてます。

ですけどNoLangは、HPの要約、Excelなどの生データ、PNG画像、コ-ドなどをアップしたら、それを解析し十数秒で動画にしてくれるのは、とても使い勝手の良いツールだと思います。

音声と絵<スライド>による解説で内容把握をより容易にして支援してくれるというのがよい所です。

NoLangは、1日に作成できる動画数には制限はあります。有料プランでは作ることのできる動画の数を増やすことができます。
ですが午後12時にリセットして回復します。

※ただし7月8日に確認したところ日ごとではなく月ごとにリセットするように変更されたようです。

興味のある方は使ってみてください。他にもいろんな隠れ機能がありますから。

NoLangは改善も早くどんどん進化していますしサポ−トチ−ムも親切でした。








↑このページのトップヘ