id:crazymonkey77
技術と文章の構造を読み、乱暴な一般化には静かにツッコむ少数精鋭コメント型
AI/IT/技術
文章論
学術
ネット/SNS
基礎 全員共通・0-20
活動量
3
影響力
5
特性 この人の個性
論戦力
8
ネット文化度
7
偏執度
7
瞬発力
7
01 基本データ
132
総ブックマーク
15.4年
活動期間
2011年4月9日
ブクマ誕生日
132
解析対象ブックマーク
15.4年
解析期間
123
アクティブ日数
2.2%
期間内の稼働率
67.4%
コメント付き率
30字
コメント中央値
142
総スター数
28.8%
スター付き率
1.08
平均スター
132件を15.4年と総数は少ないが、コメント率67.4%、平均1.08スター。活動日は123日で間欠的。少ないブックマークに比較的はっきり判断を添えるタイプ。
02 投稿時間帯
時間帯（0〜23時）
0時6時12時18時23時
曜日
月
火
水
木
金
土
日
稼働率2.2%で常駐型ではない。長期にわたり断続的に現れ、話題が刺さった時だけコメントする使い方に近い。
03 よく参照する媒体
anond.hatelabo.jp20
qiita.com8
togetter.com6
note.com5
bunshun.jp4
www.yomiuri.co.jp3
note.mu3
diamond.jp2
www.itmedia.co.jp2
zenn.dev2
ほか計30媒体
増田20件が最多、Qiita8件、Togetter6件、note5件。一般ニュースより、技術・個人ブログ・ネット議論を選んで読む傾向が強い。
04 主要テーマ・関心
AI/IT/技術30.3%
ネット/SNS26.5%
学術/教育13.6%
経済/労働9.1%
メディア/報道8.3%
生活/社会8.3%
文化/表現/オタク7.6%
ジェンダー/家族4.5%
政治/政党3.0%
医療/健康2.3%
外交/安全保障1.5%
事件/司法0.8%
AI/IT/技術30.3%、ネット/SNS26.5%、学術/教育13.6%。技術と文章・教育の交点が中心で、労働やメディアも補助線として入る。
05 頻出語
会話
大学
文章
構成
都内
リモート
Wikipedia
労働
上昇
物価
勤務
会社
環境
スタンダード
グループ
英語
エピソード
調整
方針
変更
批判
時代
八王子
地域
公安
読解
wiki
次元
多様体
男性
能力
生産性
業務
エンジニア
傾向
知識
ワーク
子供
文章力
肝臓
家庭
医学
不景気
認識
給与
インフレ
好景気
期間
在宅
通勤
苦痛
得意
ソフトウェア
エンジニアリング
貢献
達成感
給料
生活
無理
ラーメン
出社
真似
アメリカ
個人
体験
中心
野田
代表
蓮舫
稼働
安保
法制
容認
方向
共産党
選挙区
加入
経緯
包括
政党
批評
自由
ネットワーク
運用
市民
小池
閣下
バンザイ
文句
周辺
県民
都下
住い
地価
警察
京大
張り込み
参照
警察官
家族
親戚
英会話
授業
外国人
講師
形式
バイブル
質問
情報
提供
互い
多摩
横浜市
平均
住宅
日々
検討中
プリウス
プロデューサー
思想
「会話」「大学」「文章」「構成」「リモート」「Wikipedia」「労働」が上位。抽象的な主張より、文章の組み立てや用語の正確さ、仕事環境を点検する語彙が目立つ。
06 文体の特徴
| 短文ツッコミ（30字以下） | 47 |
| 引用括弧「」を含む | 9 |
| 疑問符を含む | 5 |
| 感嘆符を含む | 5 |
| 一人称（俺・私・自分）を含む | 5 |
| 長文コメント（100字以上） | 3 |
| URL提示・資料参照を含む | 2 |
短文47件、引用9件、疑問符5件。攻撃候補率1.1%で、「無知」「無能」は心理的安全性の記事からの引用。本人の攻撃語として数える根拠はない。
件の人よりも文章構成が明確で分かりやすいし、競技プログラミングを"ITエンジニアになるものとして矮小化しないで欲しいです。"はまさにそう
大学１年目の英会話の授業で外国人講師から、このQ&A形式の会話は会話じゃねえぞって習ったのがバイブルになっている。相手に質問ばかりするのではなく、情報提供を互いにすることこそ会話だぞ、と。
ベクトル空間の次元と多様体や代数多様体、物理学の超弦理論における「次元」を一緒くたにした乱暴なエッセイに見える。Wikipediaで良いのでLLMの回答の妥当性について自分の頭で考えてみてはいかがか。
労働生産性は純粋に経済学用語なのに、なぜか=労働効率と捉えてしまう人が多い。にわたまだけど、結局は日本国の経済が多種多様な要因で低迷してるからパラメータである労働生産性も低くなっている。
色々言われてるけど、こうして記事にすることで有益な知見が得られるかもしれないので、実践して文章にしたことがまず偉い
概念の境界と文章の構造を見る目がある。特にLLM回答や労働生産性のような、言葉だけが先走りやすい話題で「用語を戻す」のが強い。ただ、活動自体がかなり間欠的なので、図鑑が見ているのは全体像というより、刺さった時の断片である。
07 スター分析
上位スター付与者
rgfx1
スターが付きやすい領域（平均スター）
政治/政党3.00
文化/表現/オタク2.10
ジェンダー/家族2.00
AI/IT/技術1.60
外交/安全保障1.50
ネット/SNS1.40
学術/教育1.33
生活/社会1.27
メディア/報道1.09
医療/健康1.00
事件/司法1.00
経済/労働0.58
政治3.00、文化2.10、ジェンダー2.00、技術1.60が高め。ただし母数が小さいため、テーマ別スター差は参考値として読むのが妥当。
08 思想・政治傾向
政治的立場を断定する材料は少ない。コメントでは、技術・数学・文章論で概念を一緒くたにしないこと、主張の構造を明確にすることを重視する傾向が見える。リモート勤務や労働生産性でも、用語と実態のズレを気にしている。
10 総合評価
数は少ないが、書く時は「その概念の混ぜ方は乱暴」「その文章構成は明確」と、構造を見て評価するタイプ。技術・数学・文章論で精度が高い。一方、標本が132件しかないため、関心や立場を大きく一般化するのは禁物。