01 基本データ
2,940件を約1.1年で積み上げ、322日活動・稼働率81.5%。新しいアカウントながら巡回頻度は高い。コメント率20.3%、中央値62字で、無言保存と説明的な短評を使い分ける。
02 投稿時間帯
時間帯（0〜23時）
曜日
短期間ながら8割超の日に活動しており、ニュースや技術記事を「あとで読む」より日々追跡する使い方に近い。
03 よく参照する媒体
ほか計30媒体
Qiitaが985件で突出し、ITmedia 414件、日経クロステック250件、@IT 131件。開発者向け実務記事と企業IT報道が媒体構成の中心になっている。
04 主要テーマ・関心
AI/IT/技術が70.4%と圧倒的。学術/教育も13.2%あり、「生成AIをどう使うか」だけでなく大学教育・研修・新人育成へ関心が伸びる。
05 頻出語
「データ」「研修」「企業」「大学」「教育」「学生」「人材」が上位。AIそのものより、組織や教育現場で誰をどう育て、どこまで実務に落とせるかを繰り返し見ている。
06 文体の特徴
| 引用括弧「」を含む | 292 |
| 短文ツッコミ（30字以下） | 135 |
| 長文コメント（100字以上） | 52 |
| 一人称（俺・私・自分）を含む | 44 |
| 疑問符を含む | 20 |
| 感嘆符を含む | 9 |
| URL提示・資料参照を含む | 8 |
| そもそも型 | 6 |
| というか型 | 4 |
| むしろ型 | 4 |
引用括弧292件で記事の一文を抜き、そこへ運用上の含意を返す型が多い。論旨は比較的説明的だが、「排除しないといけない」といった強い言い切りに寄る場面もあり、実務優先が人物評価へ直結しやすいところはある。
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）
平均スターは0.15と低めだが、教育や制度の矛盾を短く言い換えたコメントには二桁スターが付く。特に「大学教育として成立させるなら誰が教えるべきか」のような役割設計の指摘が刺さっている。
08 思想・政治傾向
政治やジェンダーへの関心は低く、軸はAI・ソフトウェア・教育・企業研修にある。大学や企業に対しては、看板や理念より「学習者が実際にコードを書けるか」「要件を満たす成果物が出るか」を重視する傾向が見える。実務能力を強く評価するぶん、教育機関の役割を専門職訓練寄りに見る場面もある。
10 総合評価
生成AIから大学教育、新人研修までを「実際に使える人材や成果物が出るのか」で検算する実務派。技術情報の巡回密度は高く、制度や肩書より要件・能力・運用を優先する視点が明快。一方、その切れ味が「役に立たない側を排除」という言い回しへ寄ると、教育の複数目的を狭く扱う危うさも出る。