「分かったつもり」の正体を突き止める:Claudeが誤解を診断してから教材を作る学習法
説明を読んでも、なぜか途中で置いていかれる概念——それはたいてい、知識が足りないのではなく、どこかに隠れた誤解が1つあるからです。Claude公式のユースケース集に、Claude Opus 4.6が「まず診断し、誤解を特定してから、そこを起点に学習体験を組み立てる」という使い方が載っていたので、整理します。
何ができるのか
Opus 4.6は、何かを説明しようとする前に、あなたがすでに理解していることの地図を作ります。診断的な質問を投げ、推論が壊れる正確なポイントを見つけ、そのギャップから説明を構築する。そして1つの会話から3つの成果物が出てきます——あなたの誤解を中心に設計されたインタラクティブレッスン、その概念をあなた自身のデータに適用するワークブック、そして次に出会う概念へつなぐコンセプトマップです。
プロンプトは正確でなくて構いません。紹介例はこんな相談から始まります。
「ベイズ推論」に読み物やポッドキャスト、職場の会話でよく出くわします。「事前確率を更新しろ」「基準率を無視している」と言われて頷いてはいるものの、具体的な話になるとロジックを追えません。基本的な確率は分かります。オッズも計算できるし、条件付き確率も抽象的には理解しています。でも「99%正確な検査で陽性でも、病気の確率は99%ではない」という説明の途中で、いつも糸を見失います。
これを理解させてください。そのうえで、インタラクティブレッスンと、うちの採用パイプラインのどのシグナルが本当に成功を予測しているか監査できるワークブックと、次に学ぶべき概念へのマップを作ってください。
診断自体にファイルは不要。パーソナライズされたワークブックが欲しい場合だけ、自分のデータ(候補者記録・面接スコア・採用判断・その後の成果などのCSV/XLSX)をアップロードします。拡張思考をオンにすると、知識構造を段階的に推論して隠れた誤解を探すため、診断の精度が上がります(思考過程も見えます)。
返ってくるアウトプット:まず「診断」から始まる
Claudeはいきなり説明しません。まず探りを入れてきます。
「あなたの理解がどこまで固くて、どこで壊れるか確かめさせてください。簡単なシナリオ:ある病気は1,000人に1人が罹患。検査の精度は99%。あなたは陽性でした。実際に病気である確率は?」
「99%くらい」と答えると——「それがまさに探していた誤解です。答えは約9%。1,000人を検査すると、病気の1人は検査で捕まる。でも健康な999人の1%、約10人が偽陽性になる。つまり陽性は11人で、本当に病気なのは1人だけ」。
そして誤解の核心を言語化します——「人は、シグナルの精度を結論の確率だと勘違いする。『探しているものがそもそもどれくらい存在するか』を問わずに」。採用に翻訳すると:成功した採用者の90%がある特性を持っていた→その特性でスクリーニングしよう。でも全候補者の90%がその特性を持っているなら、何も予測していない。
そのうえで3つの成果物が届きます。
インタラクティブレッスン「基準率エクスプローラー」:基準率・検査精度・特異度をスライダーで動かし、真陽性と偽陽性の比率がリアルタイムで変わるのを見るシミュレーター
シグナル監査ワークブック:アップロードした採用データから直接構築。ステージ別の基準率、シグナル監査(技術課題は合格率を8%→34%に動かすが、カルチャーフィット評価はほぼ動かさない)、任意のスクリーニング基準を評価する意思決定フレームワークの3タブ
コンセプトマップ:基準率の推論から、信号検出理論、検察官の誤謬、情報利得、「A/Bテストに対照群が要る理由」へと繋がる1枚の図。各概念に、それを説明する推論の連鎖がリンク
Opus 4.6はこの一連の流れを通して粘り強く、説明・レッスン・ワークブック・マップのすべてがあなたの実際の理解度に合わせた一貫した声で書かれます。
フォローアップの3つの発展
① 自分のデータで検証する:「過去2年のフル採用パイプラインです。基準率を織り込んだうえで、どの面接基準が本当に成功を予測しているか教えて。特にQ3に追加したケーススタディ課題——採用の質が上がった気がするけど、本物のシグナル? それとも見たいものを見ているだけ?」
② ワークブックの続きはExcelの中で:ダウンロードしたワークブックをClaude in Excelで開き、「面接シグナルの中に、すでに測っている別のシグナルと同じものを測っている冗長なものがないかチェックするタブを追加して」——スプレッドシートを離れずに分析を続けられます。
③ 複数セッションの学習シーケンスへ:「基準率が分かったので、マップにある関連概念——信号検出理論、情報利得、検察官の誤謬——を、1セッション1概念でワークブック付きの学習シーケンスにして」。Opus 4.6は長いセッションでも指示を保持し続けるので、診断で得たコンテキストが次のトピックまで持ち越されます。
うまく使うためのコツ
「分かっていること」を先に出す。Opus 4.6は、あなたの知識構造を理解することに投資してから変えにかかります。「統計が分からない」より「基本的な確率は分かるが、基準率の議論が追えない」のほうが鋭い出発点。腑に落ちることと落ちないことの境目に、たいてい誤解が住んでいます。
一度言えば十分。「あと、忘れずに〜も」というリマインドの繰り返しは不要です。最初に要件を述べれば、診断から成果物の構築、フォローアップまで正確に引き継がれます。
チャットで始めて、Coworkで広げる。診断の対話とインタラクティブな成果物はclaude.aiのチャットで十分。関連概念を複数セッションでカバーし、異なるデータセットからワークブックを作る長期の学習プロジェクトにしたいなら、Claude DesktopのCoworkへ——会話をまたいでコンテキストが維持され、ファイルはマシンに直接保存されます。
まとめ
このユースケースの核心は、学習の順番を逆転させたことです。普通の教材は「説明→理解の確認」ですが、これは「理解の診断→誤解の特定→誤解を中心に教材を構築」。しかも題材のベイズ推論そのものが、採用のシグナル監査という実務にそのまま接続されるので、「勉強」が「自社データの分析」に変わります。CCA試験のような資格学習でも、「どの概念は分かっていて、どこで糸を見失うか」を最初にClaudeへ渡す——この一手間が、遠回りに見えて一番の近道かもしれません。
INNOOV株式会社について
この記事は、AtlassianやIntercomなどのSaaS導入支援と、AIを活用した業務プロセス改善を行うINNOOV株式会社がお届けしました。「自社でもこんな仕組みを作ってみたい」「ツール導入を相談したい」という方は、お気軽にお問い合わせください。