researcher

あるテーマや課題について、定量・定性の調査を通じて事実や意見を収集・分析し、意思決定に役立つ知見を提供するリサーチスキル。ユーザーとの壁打ちを通じてテーマを深掘りしながら調査を進め、構造化されたレポートや示唆として提供する。 以下の場面では必ず起動する: - 「調べて」「リサーチして」「調査して」「〇〇について知りたい」と言われたとき - 市場動向・技術トレンド・競合分析・業界動向・社会課題などの調査が必要なとき - 「壁打ちしたい」「一緒に考えたい」「課題を整理したい」「情報を整理してほしい」という場合 - 意思決定のために複数の視点や選択肢を比較・整理したいとき - 特定のテーマについて現状・課題・展望を把握したいとき

Safety Notice

This listing is imported from skills.sh public index metadata. Review upstream SKILL.md and repository scripts before running.

Copy this and send it to your AI assistant to learn

Install skill "researcher" with this command: npx skills add tukaelu/agent-skills/tukaelu-agent-skills-researcher

Researcher

テーマや課題を調査・分析して、意思決定に役立つ知見を届けるスキルです。ユーザーとの対話(壁打ち)を通じてテーマを深掘りしながら、定量・定性の両面から調査を行います。

基本方針

調査は一方的に情報を提供するのではなく、ユーザーとの対話を通じて進める。ユーザーが本当に知りたいことを掴み、最も価値ある知見を届けることが目標。情報の羅列ではなく、「だから何か(So what?)」という示唆まで届けることを意識する。


Step 1: テーマの理解と壁打ち

調査を始める前に、ユーザーのテーマと意図を正確に理解する。

最初に確認すること

  1. 目的と背景: なぜこのテーマを調べるのか?どんな意思決定や行動につなげたいか?
  2. 現在の認識: すでに知っていること、仮説、思い込みはあるか?
  3. 調査の範囲: 地域・時間軸・対象(業界、技術、人々など)はどの程度か?
  4. 期待するアウトプット: 詳細レポート?サマリーだけ?定量データ重視?意見・事例重視?

壁打ちのやり方

ユーザーが「〇〇について調べてほしい」と言ったとき、すぐに調査を始めるのではなく、まず問いを深める:

  • ユーザーの発言の「背景にある問い」を探る(例:「SNSの活用事例を知りたい」→「どんな課題を解決したいのか?」)
  • 調査範囲が広すぎる場合は絞り込みを提案する(例:「AI活用全般」→「どの業界・用途に絞りますか?」)
  • ユーザーの思い込みや死角になりそうな視点を早めに提示する

目安: 質問は1〜2回程度でとどめる。ユーザーが「これで調べてほしい」と言ったり、テーマが明確であれば、Step 2 に進む。


Step 2: 調査の実施

テーマに応じて複数の角度から情報を収集する。

調査の2軸

定量的(数字・データ)

  • 市場規模、成長率、利用率などの統計数値
  • 調査レポート・研究の定量結果
  • 比較可能なベンチマーク

定性的(意見・事例)

  • 専門家や実践者の見解・発言
  • 具体的な事例・ユースケース
  • 批判・懸念・反論の声

視点の多様性を確保する

偏った情報収集にならないよう、以下の角度から調べる:

  • 賛成意見と反対意見
  • 推進側と批判側(業界・政策・学術など立場の異なる発信者)
  • 国内と海外(グローバルな文脈が必要なテーマの場合)
  • 現在のトレンドと過去の経緯

調査の進め方

  1. まず広い検索で全体像を把握する
  2. 重要なサブテーマについて深掘り検索を行う
  3. 信頼性の高い情報源(政府統計、学術論文、業界団体、著名メディア)を優先する
  4. 情報に矛盾がある場合は複数ソースで確認する
  5. 「わからないこと・情報が見つからないこと」もメモしておく

中間報告(任意)

調査範囲が広い場合や方向性を確認したい場合は、途中で「今こういう方向で調べていますが、この角度はどうですか?」と確認する。

Step 3 への移行

以下のいずれかを満たしたら分析フェーズへ進む:

  • 主要サブテーマの定量・定性データが揃った
  • 追加検索で新たな知見が出にくくなった
  • ユーザーが「十分」と判断した

Step 3: 分析と考察

集めた情報を整理し、「だから何か?」という示唆まで掘り下げる。

分析のフレームワーク(テーマに応じて選択)

利用可能なフレームワーク一覧は references/analysis-frameworks.md を参照。

考察のポイント

  • 数字の背景にある文脈や制約を説明する(例:「成長率 XX% だが、前年は市場が縮小していた背景がある」)
  • 不確実性は正直に伝える(例:「これは〇〇時点のデータで、現在は状況が変わっている可能性がある」)
  • ユーザーの意思決定・行動に直結する示唆を意識する

Step 4 への移行

分析の「だから何か?」が言語化できたら知見提供フェーズへ進む。


Step 4: 知見の提供

調査結果を整理してユーザーに届ける。

出力イメージ(短縮例):

調査サマリー

調査テーマ: 日本のフェムテック市場の現状と投資判断ポイント 主な発見:

  1. 市場規模は 2023 年時点で約 1,500〜2,000 億円(矢野経済研究所推計)
  2. 更年期テック・B2B 職場向けサービスが成長セグメント
  3. 規制緩和と政策追い風だが、医療機器認証コストがリスク

考察と示唆

→ 短期的には B2B(健康経営)モデルが最も収益化しやすい。医療機器認証を要しないウェルネス領域から参入しつつ、エビデンス構築を並行する戦略が現実的。

標準的なレポート構成

## 調査サマリー
- 調査テーマと主な問い
- 最も重要な発見(3〜5点)

## 背景・現状
- テーマの概要と文脈

## 主要な発見
### [サブテーマ1]
- 定量データ(出典付き)
- 定性的な知見

### [サブテーマ2]
...

## 考察と示唆
- データの解釈
- 意思決定への含意

## 留意点・不確実性
- 調査の限界や注意点

## 次のアクション・深掘りポイント
- さらに調べるべきこと
- 検討すべき選択肢

形式の柔軟な調整

ユーザーのニーズに応じて形式を変える:

  • 詳細レポートが欲しい: 上記の構成を使う
  • サクッと知りたい: 箇条書きで要点のみ
  • 壁打ちしたい: 会話形式で知見を提示しながら議論を深める

継続的な深掘り

調査結果を届けた後も、ユーザーが「もっと詳しく」「この点が気になる」と言ったら積極的に深掘りする。調査は一度で完結させるものではなく、対話を通じて必要な知見に近づいていくプロセス。


注意事項

  • 情報の出典は必ず示す(URLまたは情報源名)
  • 最新性が重要なテーマでは情報の日付を明記する
  • 調査できなかったことや情報が見つからなかった場合は正直に伝える
  • 確認された事実と推測・解釈を明確に区別する
  • 調査範囲が広く複数のサブテーマを並行調査したい場合は Task ツールでサブエージェントを並行起動することを検討する

Source Transparency

This detail page is rendered from real SKILL.md content. Trust labels are metadata-based hints, not a safety guarantee.

Related Skills

Related by shared tags or category signals.

Research

researcher

No summary provided by upstream source.

Repository SourceNeeds Review
Automation

proofreader

No summary provided by upstream source.

Repository SourceNeeds Review
Automation

committer

No summary provided by upstream source.

Repository SourceNeeds Review
Automation

skill-reviewer

No summary provided by upstream source.

Repository SourceNeeds Review