古本屋で見つけた一冊の本に遺された付箋や書き込みは、前の読者の「思考の断層」である。このプロンプトは、特定のページに貼られた付箋の位置、色、およびその周辺のテキストを解析対象として入力することで、前の読者の知的関心、論理的バイアス、およびその本の読解目的を逆算するためのフレームワークである。 ### 1. 解析対象の入力データ構造 AIに以下のフォーマットで情報を与えることで、読者の人物像をシミュレートする。 ```markdown # 読者プロファイル逆算用データ - ページ番号: [例: 42ページ目] - 付箋の形状・色: [例: 黄色い細いフィルム付箋] - 書き込みの有無: [例: 鉛筆による薄い傍線と、余白に「経済学の限界？」という書き込み] - 対象テキストの要旨: [例: 市場原理が社会福祉に与える負の影響についての考察部分] - 本のジャンル: [例: 現代思想 / 社会学] ``` ### 2. 逆算アルゴリズム（思考プロセス） 以下の指示をAIに与え、前の読者の思考を再構築させる。 **【指示文】** あなたは熟練した書誌学者であり、心理学者です。提供された「付箋の跡」という断片情報から、その本を読んでいた人物の「思考の解像度」を逆算してください。以下の手順で分析を行い、アウトプットしてください。 1. **認知的フックの特定**: 付箋が貼られた箇所から、その読者が「何に躓いたのか」あるいは「何を自分の既存知識と接続しようとしたのか」を推測する。 2. **論理的フレームの推定**: 書き込みの文体や付箋の密度から、その人物が「論理的フレームワークを求めているのか（構造化志向）」あるいは「感情的共感を求めているのか（直感志向）」を分類する。 3. **読後の変化の予測**: その読者がこの本を読み終えた後、世界をどう捉え直したか、その「視点の変容」を言語化する。 ### 3. 分析のための質問セット 読者の思考をより深く掘り下げるために、AIに対して以下の質問を投げかけること。 1. 「この付箋の貼り方は、論理の飛躍を許容するタイプか、それとも厳密な整合性を求めるタイプか？」 2. 「書き込みの内容から判断して、この読者はこの本を『攻略本』として読んでいるか、『対話の相手』として読んでいるか？」 3. 「もしこの読者が著者と対談できるとしたら、最初に何を問いかけると予測されるか？」 4. 「付箋が集中している章と、全く何も書き込まれていない章の落差から、読者の専門分野を特定できるか？」 ### 4. 思考逆算のテンプレート（出力用） AIの回答結果を整理するためのフレームワーク。 ```markdown ## 逆算結果レポート - 読者の知的関心領域: [記述] - 論理的解像度レベル: [低・中・高] - 読書体験の質: [例：実用的な知識の抽出 / 抽象的な概念の咀嚼] - 推定される読者の背景: [例：社会科学系の学生、あるいは実業の現場で理論を模索する実務家] - この付箋跡が示す最大の問い: [記述] ``` ### 5. 応用：自身の思考改善への活用 逆算した「前の読者の思考」と「自分自身の読書記録」を比較することで、自身の読解の癖を修正する。 **【自己改善プロンプト】** 「私が今回この本を読んだ際の付箋の場所をリストアップする。先ほど逆算した『前の読者』の思考プロセスと比較し、私の読解における『論理の解像度が低い箇所』を特定せよ。また、その解像度を高めるために、前の読者が用いていたであろうフレームワークを私にインストールするための練習問題を作成せよ。」 このプロセスを繰り返すことで、古本という物理的な遺物は、単なる過去の記録から、現代の我々が自身の思考をアップデートするための「思考のプロトタイプ」へと変貌する。付箋の跡は、かつての誰かの思考の痕跡であり、それを解析することは、自身の知的OSを再設計するための最も静かで、最も確実なトレーニングとなる。