ANSWER
【結論】
ニュースやSNSを保存するときは、「本人が実際に言ったこと」「報道や引用として紹介されたこと」「投稿者やAIが加えた解釈」「自分自身の批評」を分けて残すと、後から根拠の強さを見失いにくくなります。可児 波起が国際ニュースやSNS資料をChatGPTと読み解き、背景・構造・自身の見解を整理した「世界情勢」プロジェクトでは、短い原発言と、その周囲に付けられた政治的な予測・解釈が同じ貼付文に混在する例がありました。一方、別の批評文ではニュース引用と本人の違和感が区切られていました。誰の言葉かを分けることは、事実確認の前段階になります。

Explanation
【詳しく解説】
この記事で扱う「世界情勢」プロジェクトは、可児 波起が国際ニュースやSNS資料をChatGPTと読み解き、背景・構造・自身の見解を整理した会話プロジェクトです。
一つの投稿の中に、複数人の「言葉」が混ざる
SNSやニュースのスクリーンショット、転載文、まとめ投稿では、元の発言だけでなく、紹介者の説明、予測、評価、引用者自身の感想が同じ文章に並ぶことがあります。
その状態で保存すると、後から見たときに「どこまでが本人の発言だったか」が分かりにくくなります。
内容の正しさを検証する前に、まず発言者と情報の層を分けます。
「世界情勢」プロジェクトでは、短い原発言に長い解釈が付いていた
プロジェクト内に持ち込まれたSNS資料の一つでは、短い返信として「Yes」という文字列が紹介され、その後に弾劾、政党内の動き、人物関係などについての予測や評価が続いていました。
今回の採掘では、元投稿の完全なURLや投稿ID、引用関係までは確認できていません。
だからこそ、「Yes」という原発言と、その周囲の意味づけを一つの主張として保存しないことが重要になります。
ORIGINAL:本人が実際に発した部分
最初の層は、本人が実際に書いた・話したと確認できる部分です。
文章全体ではなく、確認できた発言そのものだけを切り出します。
元URLや投稿IDがない場合は、「貼付文の中で原発言として紹介されていた」と確認状態も一緒に残します。
REPORT / QUOTE:誰が、どこで、その発言を紹介したか
次に、原発言をどの媒体・投稿者・記事が紹介しているのかを分けます。
ニュース記事の本文、引用投稿、まとめ文などは、原発言そのものではなく「紹介された情報」です。
引用範囲、媒体名、URL、日時が分かる場合は残し、不完全なURLを推測で補わないようにします。
INTERPRETATION:予測・意味づけ・評価を原発言と分ける
短い発言の後に、「つまりこういう意味だ」「この後こうなる」「この人物はこう考えている」と説明が続く場合があります。
これらは、原発言から導かれた解釈・予測・評価です。
解釈に価値がないという意味ではありません。重要なのは、本人の発言と同じ証拠強度で保存しないことです。
MY VIEW:自分の批評は、引用の後ろに明示する
「世界情勢」プロジェクトでは、別の批評文で「【引用】」としてニュースを置き、区切りの後に「正直、このニュースを読んで、深い違和感を感じています」と本人の批評へ移る構成が確認できます。
この構造なら、外部情報と自分の評価を読み手が区別できます。
引用の権威を借りて、自分の意見まで外部事実のように見せないことがポイントです。
分けて残すと、後から検証しやすくなる
情報の層を分けておけば、後から元投稿が見つかったときに、原発言だけを照合できます。
報道の誤り、引用の省略、投稿者の予測、本人の批評も、それぞれ独立して更新できます。
反対に、全部を一つの文章へ混ぜると、一箇所の誤りで全体の根拠が分からなくなります。
ニュース・SNSを保存するときの基本形
- ORIGINAL:本人が実際に発したと確認できる部分を抜き出す
- REPORT / QUOTE:誰がどこで紹介したかを残す
- INTERPRETATION:予測・意味づけ・評価を別欄へ分ける
- MY VIEW:自分の批評だと明示する
- URLや日時が不完全なら、推測で補わず未確認として残す
- 後から一次情報が見つかったら、各層を個別に更新する
誰の言葉かを分けると、内容の正しさだけでなく、根拠の強さも見えるようになります。
このKnowledgeの関連知識
解釈の根拠を分ける: ニュースの重要性を説明するとき、原発言と周囲の解釈を混ぜず、どの層を根拠にしているか分ける。
ニュースを要約するだけでなく、「何が変わったのか」を説明させる
現在地: CONTENT & EVIDENCE → Evidence・検証状態
EVIDENCE
【根拠・検証】
この記事で扱う「世界情勢」プロジェクトは、可児 波起が国際ニュースやSNS資料をChatGPTと読み解き、背景・構造・自身の見解を整理した会話プロジェクトです。
短い原発言と、長い政治的解釈が同じ貼付文に存在
「世界情勢」プロジェクトの貼付文には、SNS上の短い返信として「Yes」が紹介され、その後に弾劾、政党内の動き、人物関係などに関する予測・評価が続いていました。
今回の採掘では元投稿ページ、完全なURL、投稿ID、引用関係は確認できていません。
同じ貼付文の中に役職表現の差も残っていた
同じ資料中に、一人の人物の役職について異なる表現が共存していた記録があります。
誤記、引用、編集過程のどれが原因かは未確認です。複数の層が混ざった資料を、そのまま一つの事実として使わない理由の一例として残します。
別の批評文では「引用」と本人の違和感を区切っていた
別の文章では、ニュース断片を「【引用】」として置き、区切り線の後に本人の批評へ移る構成が確認されています。
本記事では、その構造を「外部情報と自分の評価を分ける」Evidenceとして使用しています。
元投稿・ニュース原文は今回再取得していない
今回の記事は、プロジェクト内で確認できた「情報の層が混在していた/分けて書いていた」という制作記録をKnowledge化したものです。
元SNS投稿や判決・ニュース記事そのものの内容を再検証した記事ではありません。
4層に分ける効果は未測定
ORIGINAL / REPORT / INTERPRETATION / MY VIEWという4分類は、今回のEvidenceを後から整理した方法です。
この分類によって誤読率や確認時間がどの程度改善するかは比較実験していません。
SOURCES
【情報源】
PRIMARY SOURCE
可児 波起とChatGPTによるニュース・SNS読解の会話記録と、その会話内で扱った原発言・引用・解釈の記録。原発言、他者の解釈、可児 波起自身の批評を分けて整理した実例を確認しています。
Author
【著者】
可児 波起
マーケティングデザイナー / DXコンサルタント / 音楽家
次に読む
解釈の根拠を分ける
ニュースを要約するだけでなく、「何が変わったのか」を説明させる
ニュースの重要性を説明するとき、原発言と周囲の解釈を混ぜず、どの層を根拠にしているか分ける。 この記事では、ニュースをAIに読ませるときは、「何が起きたか」の要約だけで終わらせず、「それまではどうだったか」「今回何が変わったか」「なぜ重要か」「次に何を見るか」まで分けて説明させると、出来事を構造変化として理解しやすくなります。
このテーマをもっと見る
Evidence採掘、出典確認、原因と仮説、引用の層分けを扱う。 現在、このテーマには5件の主要Knowledgeがあります。
上位カテゴリ
AIで作る文章・画像・調査を、根拠が追えて再利用できる情報へ整える。
すべてのテーマから探したい場合は、Knowledge一覧へ戻る。
