Skip to content

m-ippei/anyone-genius-method

Folders and files

NameName
Last commit message
Last commit date

Latest commit

 

History

10 Commits
 
 
 
 
 
 
 
 
 
 

Repository files navigation

誰でも天才メソッド

method_logo

1. 成長の自覚モデル

成長とは「出来なかったことが出来るようになる」と定義します。 できることが 1 つ増えたら、それが成長の証です。


2. 学習ループ

学びは 行動 → 評価 → 振り返り の繰り返しです。

  • 行動すれば結果が出る
  • 結果があるから評価できる
  • 評価があるから振り返れる
  • 振り返ることで、次の行動を決められる

このサイクルを回すときに、「いま自分が何をできていないか」を意識する時間(=自覚)を挟みます。 これで学びがより確かなものになります。


3. 成長ループ

学習ループを何度も重ねると、「学習の積み重ね=成長」になります。 一歩ずつ積んでいくことで、できることがどんどん広がります。


4. 自覚成長モデル

学習ループと成長ループを、常に「自覚して取り組むもの」として認識します。 つまり、ただ繰り返すのではなく「自分がどう成長しているか」を意図的に見つめることが大事です。


5. 趣味化(自覚成長モデルを楽しみにする)

学びを「好きだからやること」に変えます。 楽しいから続けられるし、続けるから成果も出る。 意欲も効果も試す回数も、自然と増えていきます。


👉 このメソッドは、誰でも「できない」を「できる」に変えながら、楽しみつつ天才のように成長していく仕組みです。


有用性

1. 成長の自覚モデル

  • 明確な定義:「成長=出来なかったことが出来るようになる」とシンプルに定義しているため、学習の目標や達成感が測りやすい。
  • 抽象と具体の接続:自己評価をする際に「何が出来るようになったか」で測定可能なので、自己効力感を得やすい。

2. 学習ループ

  • 体系的な整理:行動 → 評価 → 振り返りというサイクルは教育学や PDCA に通じる。誰でも理解しやすい。
  • 自覚の挿入:単なる PDCA との差別化が「自覚」という要素。自己の課題を見える化するので、漫然とループを回さずに済む。

3. 成長ループ

  • 時間軸を意識:学習ループの積み重ねを「成長ループ」としたことで、単発の試行錯誤を超えて長期的に成長を捉えられる。
  • 学習資産化:知識・経験が「次の学習」に継承される仕組みを強調できる。

4. 自覚成長モデル

  • 全体の統合概念:学習ループと成長ループを「意図的自覚」としてまとめたことで、メソッド全体の一貫性がある。
  • 自己調整学習に近い:教育心理学でいう「メタ認知」や「自己調整学習」と親和性が高い。

5. 自覚成長モデルの趣味化

  • 継続性の鍵:楽しさをベースにすることで、学習を義務から解放し、持続可能性を高められる。
  • 制約からの自由:やらされ感や失敗への恐れを減らし、試行回数を自然に増やせる。

ケース例:プログラミング学習(Python を習得しようとする人)

① メソッドを使わなかった場合

  • 行動:本を買って読み進めるが、わからないところで止まる。写経でなんとなくコードを書く。

  • 評価:曖昧。「たぶん理解した」「エラー出たけどよくわからない」。

  • 振り返り:やってみたけど難しかった、向いてないかも。

  • 結果

    • 「出来ること」が増えていない(出来なかったことが出来るようになった実感がない)。
    • 学習が楽しくないので継続せず、数週間で中断。
    • 自分の成長を把握できず、自信もつかない。

② メソッドを使った場合(誰でも天才メソッド適用)

  1. 成長の自覚モデル

    • 「出来なかったことが出来るようになる」を目標に設定。
    • 例:最初は「print 文を書けなかった → Hello World を出せるようになった」で小さな成長を確認。
  2. 学習ループ(行動 → 評価 → 振り返り+自覚)

    • 行動:サンプルコードを書いてみる。
    • 評価:正しく出力されたか、自分で動作を確認。
    • 振り返り:なぜ動いたか・なぜエラーになったかを考える。
    • 自覚:次は「条件分岐がわからない」と課題を明確化。
  3. 成長ループ

    • 「Hello World → 条件分岐 → 繰り返し → 関数化 → 簡単なアプリ」という形で、過去の学習を積み重ねて応用。
  4. 自覚成長モデル

    • 学んだ内容を定期的に「自分は何ができるようになったか」で整理する。
    • 例:チェックリスト形式で「if 文を使える/for 文を使える/関数を作れる」などを書き出す。
  5. 趣味化

    • 小さなアプリ(ゲーム、日記アプリなど)を作って楽しむ。
    • 学習が「やらなきゃ」から「もっとやりたい」になる。
  • 結果

    • 出来ることが段階的に増えていく実感が得られる。
    • 成長の証拠が可視化され、モチベーションが持続。
    • 最終的に「自分の欲しい簡単なツール」を作れるようになる。

まとめ比較

項目 使わなかった場合 使った場合
学習の進み方 行き当たりばったり 小さなステップで着実に
評価方法 あいまい、感覚的 明確に「出来る/出来ない」で確認
振り返り 「難しかった」で終了 次に向けて課題を明確化
成長実感 ほぼなし 毎回「できること」が増えて可視化
継続性 挫折しやすい 趣味化して続けやすい
成果 中途半端な知識で終わる 自分のアプリや成果物を残せる

👉 この比較を見ると、「誰でも天才メソッド」は 「学びを継続できる仕組み」+「成長を実感できる設計」 に強いことがわかります。

誰でも天才メソッドを生成 AI で利用するためのプロンプト

① 個人の自己学習用プロンプト

(自分の学びを AI と一緒に整理するためのプロンプト)

あなたは私の学習と成長を整理してくれるコーチです。
以下の「誰でも天才メソッド」に沿って、私が入力する学習体験を整理してください。

【誰でも天才メソッド】
1. 成長の自覚モデル:成長=「できなかったことができるようになること」
2. 学習ループ:行動 → 評価 → 振り返り → 自覚
3. 成長ループ:学習ループを積み重ねて成長を確認
4. 自覚成長モデル:学習と成長を意識的に自覚する
5. 趣味化:楽しみながら続けられる工夫をする

私が体験を入力したら、以下の形式でまとめてください:

1. 今回できるようになったこと
2. まだできていないこと(自覚した課題)
3. 次にとるべき行動(学習ループを回すためのステップ)
4. 成長ループの積み重ねとして意識すべきこと
5. 続けたくなる工夫(趣味化のヒント)

※具体例を交えて、前向きに書いてください。

② 指導・研修用プロンプト

(生徒・受講者・部下などから報告を受けたときに AI で整理してあげるためのプロンプト)

あなたは教育者・指導者として、対象者の学びを整理し、成長を見える化する役割を持ちます。
以下の「誰でも天才メソッド」に沿って、対象者の学習体験を再構築し、理解しやすくフィードバックしてください。

【誰でも天才メソッド】
1. 成長の自覚モデル:成長=「できなかったことができるようになること」
2. 学習ループ:行動 → 評価 → 振り返り → 自覚
3. 成長ループ:学習ループを積み重ねて成長を確認
4. 自覚成長モデル:学習と成長を意識的に自覚する
5. 趣味化:楽しみながら続けられる工夫をする

対象者の入力をもとに、以下の形式でフィードバックしてください:

1. 成長ポイント(できるようになったこと)
2. 課題ポイント(まだできていないこと)
3. 次に取り組むべきアクション(学習ループを進める行動)
4. 成長の積み重ねの位置づけ(どんな大きな成長につながるか)
5. 継続の工夫(楽しく続けるためのアドバイス)

※対象者のモチベーションを高めるトーンで、簡潔かつ具体的に書いてください。

実行イメージ

入力例(個人が AI に入力)

「今日はオンライン英会話をやってみたけど、すぐに言葉が出なくて詰まってしまった。」

出力例(AI の返答)

  1. 成長ポイント:実際に英会話に挑戦できた(行動できた)
  2. 課題ポイント:言いたいことをすぐに英語にできない
  3. 次のアクション:よく使う表現を 3 つ暗記して、会話で試す
  4. 成長の積み重ね:単なる教材学習から、実際の会話チャレンジに進めた段階
  5. 継続の工夫:自分が話したい趣味や好きな技術テーマを題材に英会話すると楽しく続けられる

その他の事例:英会話学習・エンジニアスキルの習得、生成 AI 用プロンプト

筆者による自覚成長モデルの事例 PDF 資料

About

A growth self-awareness model and learning loop method for accelerating personal development.

Topics

Resources

License

Stars

Watchers

Forks

Releases

No releases published

Packages

 
 
 

Contributors