01 基本データ
解析対象56件、真の総数58件。コメント率91.1%、中央値47字、平均スター1.61。活動量と反応密度を分けて見るべきプロフィールである。
02 投稿時間帯
時間帯（0〜23時）
曜日
時間帯は7時台21.4%が最多、次いで18時台14.3%。曜日は月曜32.1%が最多。特定の一時間だけでなく日常的に使う型かどうかは、稼働率と合わせて読む必要がある。
03 よく参照する媒体
ほか計30媒体
上位媒体はwww.nikkei.com(6)、note.com(5)、sharepoint.stackexchange.com(1)。媒体の並びから、ニュース巡回型か技術資料型か、あるいは増田/Togetter中心かという日常の導線が見える。
04 主要テーマ・関心
主要テーマはAI/IT/技術 28.6%、学術/教育 25.0%、経済/労働 16.1%。テーマは重複分類なので合計100%にはならず、タグや媒体由来で大きく出る分類はコメント実例と併読する。
05 頻出語
頻出語はサービス(7)、免許(5)、方法(4)、支援(4)、生成(4)。コメントが極端に少ない場合は語彙統計を人物像へ拡大解釈しない。
06 文体の特徴
| 短文ツッコミ（30字以下） | 19 |
| 引用括弧「」を含む | 9 |
機械マーカーでは短文ツッコミ（30字以下） 19件、引用括弧「」を含む 9件が上位。これらは客観的な形式特徴で、皮肉や攻撃性そのものとは分けて評価している。
07 スター分析
上位スター付与者
スターが付きやすい領域（平均スター）
スター付与者はgraynora(3)、placeinsuns(2)、TakamoriTarou(2)が上位。既存4,025プロフィールのtopGivers逆引きでは、上位に現れる本人からのスター付与先は確認できない。総スター数だけでなく、誰との授受が見えるかをコミュニティ位置の手掛かりにする。
08 思想・政治傾向
56件という小標本のため断定は避けるべきだが、教育制度、講師待遇、働き方、可処分所得など「制度が現場の負担にどう落ちるか」への関心が見える。同時にFigma、JSON、ChatGPT、バックアップなど実務ITも拾っており、抽象論より運用可能性を確かめる方向に寄っている。
09 類似・正反対・idコール頻度が高いユーザーとの比較
AI/ITと学術資料を扱うAobeiにテーマ上は近いが、miyamotosionは56件の小標本で、教育現場の待遇や組織運営について自分の言葉で具体案を置く比率が高い。巨大な資料庫型と比べるより「短期間の実務メモ型」と見る方が正確である。
10 総合評価
標本は56件と小さいが、コメント率91.1%で中身は濃い。教育現場への三点提案が76スターを得たように、経験に近い制度論を箇条書き的に整理する時が最も強い。IT・デザイン記事では道具の使い勝手を具体的に確認する。一方、期間0.9年ゆえ長期的な関心の持続や立場の変化まではまだ読めない。