1 Minute Tips

月: 2019年8月

  • ERROR: Service ‘server’ failed to build: Error parsing reference: “node:10 as frontend-builder” is not a valid repository/tag: invalid reference format

    ERROR: Service ‘server’ failed to build: Error parsing reference: “node:10 as frontend-builder” is not a valid repository/tag: invalid reference format

    はじめに

    git cloneしたリポジトリで “` docker build “` を行ったところ、“` invalid reference format “`というエラーが発生したので、原因と対策について記載する。

    エラー内容

    docker build .
Sending build context to Docker daemon 7.027 MB
Step 1/18 : FROM node:10 as frontend-builder
Error parsing reference: "node:10 as frontend-builder" is not a valid repository/tag: invalid reference format

    原因

    Dockerにmulti stage buildという事ができるようになった事をきっかけに、Dockerfileの書き方が数年前に変わった。

    この記事(https://qiita.com/minamijoyo/items/711704e85b45ff5d6405)にわかりやすく解説してある。

    multi stage buildの名前の通り、docker buildを複数のビルドに分割して実行できる。

    手元のdockerのversionを確認すると、確かに古かった。

    Client:
 Version:         1.13.1
 API version:     1.26
 Package version: docker-1.13.1-102.git7f2769b.el7.centos.x86_64
 Go version:      go1.10.3
 Git commit:      7f2769b/1.13.1
 Built:           Mon Aug  5 15:09:42 2019
 OS/Arch:         linux/amd64

Server:
 Version:         1.13.1
 API version:     1.26 (minimum version 1.12)
 Package version: docker-1.13.1-102.git7f2769b.el7.centos.x86_64
 Go version:      go1.10.3
 Git commit:      7f2769b/1.13.1
 Built:           Mon Aug  5 15:09:42 2019
 OS/Arch:         linux/amd64
 Experimental:    false

    対処

    dockerをremoveし、最新のdocker(docker-ce)をインストールした。

    # rpm -qa | grep docker
docker-common-1.13.1-102.git7f2769b.el7.centos.x86_64
docker-client-1.13.1-102.git7f2769b.el7.centos.x86_64
docker-1.13.1-102.git7f2769b.el7.centos.x86_64

    削除

    rpm -e docker
rpm -e docker-client
rpm -e docker-common

    その後、インストール。
    インストール手順は以下公式ドキュメントを参照。

    https://weblabo.oscasierra.net/docker-ce-install-centos7/

     

     

  • Cloud Natural Language API を試した

    Cloud Natural Language API を試した

    はじめに

    Googleがトレーニング済みモデルとして提供している自然言語処理（Natural Language Processing）を使うことで、文字を元に感情分析、エンティティ分析、エンティティ感情分析、コンテンツ分類、構文分析などの自然言語理解の機能がAPI経由で利用できるとのこと。

    Cloud Natural Language APIで、どのような結果を得る事ができるか試してみた。

    どのような事ができるのか

    公式ドキュメントでは以下の通り記載されている

    https://cloud.google.com/sdk/gcloud/reference/ml/language/

    analyze-entitiesUse Google Cloud Natural Language API to identify entities in text.

    analyze-entity-sentimentUse Google Cloud Natural Language API to identify entity-level sentiment.

    analyze-sentimentUse Google Cloud Natural Language API to identify sentiments in a text.

    analyze-syntaxUse Google Cloud Natural Language API to identify linguistic information.

    classify-textClassifies input document into categories.

    上から

    • エンティティ分析
    • エンティティ感情分析
    • 感情分析
    • 構文解析
    • コンテンツ分類

    だ。ひとつひとつ試していったので、実行コマンドと結果とともに解説していく。

    解析対象

    著作権フリーのドキュメントを解析対象とした。

    learningenglish.voanews.comというサイトは著作権フリーでテキスト、MP3を公開しているとのことだったので、今回はそれをコンテンツを利用することにした。

    その中でも「我々のコンテンツは著作権フリーですよ」と記載されているページを解析することにした。

    https://learningenglish.voanews.com/p/6861.html

    https://learningenglish.voanews.com/p/6861.html

    Requesting usage of VOA Learning English content

    Learning English texts, MP3s and videos are in the public domain. You are allowed to reprint them for educational and commercial purposes, with credit to learningenglish.voanews.com. VOA photos are also in the public domain. However, photos and video images from news agencies such as AP and Reuters are copyrighted, so you are not allowed to republish them.

    If you are requesting one-time use of VOA Learning English content, please fill out the information in this form and we will respond to you as soon as possible. For repeat use, please see the Content Usage FAQs on the page.

    High-resolution audio and video files can be downloaded for free through USAGM Direct an online service providing original multimedia content from Voice of America for publication across all platforms: online, mobile, print and broadcast. Access to USAGM Direct requires user registration. If you have any questions about our policies, or to let us know that you plan to use our materials, write to learningenglish@voanews.com.

    各種コマンドを実施した後、リダイレクトとしてテキストに出力させ、結果が膨大なので、上位100桁のみ表示させる。

    なお、Natural Language APIの基本について書かれているドキュメントはこちら。

    https://cloud.google.com/natural-language/docs/basics?hl=ja

    エンティティ分析

    テキストデータからエンティティ（人、組織、場所、イベント、商品、メディアなど）を特定できるようだ。

    実施コマンド

    gcloud ml language analyze-entities --content-file=/tmp/voa.original > /tmp/voa.analyze-entities

    結果

    # head -n100 /tmp/voa.analyze-entities
{
  "entities": [
    {
      "mentions": [
        {
          "text": {
            "beginOffset": 90,
            "content": "content"
          },
          "type": "COMMON"
        },
        {
          "text": {
            "beginOffset": 518,
            "content": "content"
          },
          "type": "COMMON"
        }
      ],
      "metadata": {},
      "name": "content",
      "salience": 0.1703016,
      "type": "OTHER"
    },
    {
      "mentions": [
        {
          "text": {
            "beginOffset": 60,
            "content": "usage"
          },
          "type": "COMMON"
        }
      ],
      "metadata": {},
      "name": "usage",
      "salience": 0.077866085,
      "type": "OTHER"
    },
    {
      "mentions": [
        {
          "text": {
            "beginOffset": 132,
            "content": "videos"
          },
          "type": "COMMON"
        }
      ],
      "metadata": {},
      "name": "videos",
      "salience": 0.07223342,
      "type": "WORK_OF_ART"
    },
    {
      "mentions": [
        {
          "text": {
            "beginOffset": 0,
            "content": "https://learningenglish.voanews.com/p/6861.html"
          },
          "type": "PROPER"
        },
        {
          "text": {
            "beginOffset": 253,
            "content": "learningenglish.voanews.com"
          },
          "type": "PROPER"
        },
        {
          "text": {
            "beginOffset": 282,
            "content": "VOA"
          },
          "type": "PROPER"
        },
        {
          "text": {
            "beginOffset": 831,
            "content": "Voice of America"
          },
          "type": "PROPER"
        },
        {
          "text": {
            "beginOffset": 1083,
            "content": "learningenglish@voanews.com"
          },
          "type": "PROPER"
        }
      ],
      "metadata": {
        "mid": "/m/0q0r9",
        "wikipedia_url": "https://en.wikipedia.org/wiki/Voice_of_America"
      },
      "name": "https://learningenglish.voanews.com/p/6861.html",
      "salience": 0.07165857,
      "type": "OTHER"
    },

    結果の見方は以下の通り。

    name解析対象の文字列

     

    beginOffset: 指定したテキスト内の文の開始位置を表す（0 から始まる）文字オフセットを示します。このオフセットは、リクエストで渡した encodingType を使用して計算される。

     

    salienceドキュメントのテキスト全体に対するこのエンティティの重要性または関連性を示します。情報の取得や要約の際にエンティティを優先するのに役立ちます。スコアが 0.0 に近いほど重要性が低くなり、1.0 に近いほど重要性が高くなる。

     

    typeドキュメントの種類（HTML または PLAIN_TEXT）などが書かれる。

     

    metadatawikipediaにリンクがあればwikipedia_urlに書かれる。midはGoogle Knowledge GraphのMID（Machine-generated Identifier）が格納される

    エンティティ感情分析

    エンティティ分析と感情分析の両方を組み合わせたものであり、テキスト内でエンティティについて表現された感情（ポジティブかネガティブか）の特定ができるようだ

    実施コマンド

    gcloud ml language analyze-entity-sentiment --content-file=/tmp/voa.original > /tmp/voa.analyze-entity-sentiment

    結果

    # head -n100 /tmp/voa.analyze-entity-sentiment
{
  "entities": [
    {
      "mentions": [
        {
          "sentiment": {
            "magnitude": 0.2,
            "score": 0.2
          },
          "text": {
            "beginOffset": 90,
            "content": "content"
          },
          "type": "COMMON"
        },
        {
          "sentiment": {
            "magnitude": 0.1,
            "score": 0.1
          },
          "text": {
            "beginOffset": 518,
            "content": "content"
          },
          "type": "COMMON"
        }
      ],
      "metadata": {},
      "name": "content",
      "salience": 0.1703016,
      "sentiment": {
        "magnitude": 0.3,
        "score": 0.1
      },
      "type": "OTHER"
    },
    {
      "mentions": [
        {
          "sentiment": {
            "magnitude": 0.5,
            "score": 0.5
          },
          "text": {
            "beginOffset": 60,
            "content": "usage"
          },
          "type": "COMMON"
        }
      ],
      "metadata": {},
      "name": "usage",
      "salience": 0.077866085,
      "sentiment": {
        "magnitude": 0.5,
        "score": 0.5
      },
      "type": "OTHER"
    },
    {
      "mentions": [
        {
          "sentiment": {
            "magnitude": 0.4,
            "score": 0.4
          },
          "text": {
            "beginOffset": 132,
            "content": "videos"
          },
          "type": "COMMON"
        }
      ],
      "metadata": {},
      "name": "videos",
      "salience": 0.07223342,
      "sentiment": {
        "magnitude": 0.4,
        "score": 0.4
      },
      "type": "WORK_OF_ART"
    },
    {
      "mentions": [
        {
          "sentiment": {
            "magnitude": 0.0,
            "score": 0.0
          },
          "text": {
            "beginOffset": 0,
            "content": "https://learningenglish.voanews.com/p/6861.html"
          },
          "type": "PROPER"
        },
        {
          "sentiment": {
            "magnitude": 0.1,
            "score": 0.1
          },

     

    magnitude: 指定したテキストの全体的な感情の強度（ポジティブとネガティブの両方）が 0.0～+inf の値で示されるscore と違って magnitude は正規化されていないため、テキスト内で感情（ポジティブとネガティブの両方）が表現されるたびにテキストの magnitude の値が増加

    と、公式にはあるが、ドキュメントは正直よくわからないが、以下の表は非常にわかりやすかった。

    感情 サンプル値
    明らかにポジティブ* "score": 0.8、"magnitude": 3.0
    明らかにネガティブ* "score": -0.6、"magnitude": 4.0
    ニュートラル "score": 0.1、"magnitude": 0.0
    混合 "score": 0.0、"magnitude": 4.0

     

    感情分析

    指定されたテキストを調べて、そのテキストの背景にある感情的な考え方を分析することができる。

    実施コマンド

    gcloud ml language analyze-sentiment --content-file=/tmp/voa.original > /tmp/voa.analyze-sentiment

    結果

    # head -n100 /tmp/voa.analyze-sentiment
{
  "documentSentiment": {
    "magnitude": 4.6,
    "score": 0.2
  },
  "language": "en",
  "sentences": [
    {
      "sentiment": {
        "magnitude": 0.0,
        "score": 0.0
      },
      "text": {
        "beginOffset": 0,
        "content": "https://learningenglish.voanews.com/p/6861.html"
      }
    },
    {
      "sentiment": {
        "magnitude": 0.8,
        "score": 0.8
      },
      "text": {
        "beginOffset": 49,
        "content": "Requesting usage of VOA Learning English content"
      }
    },
    {
      "sentiment": {
        "magnitude": 0.8,
        "score": 0.8
      },
      "text": {
        "beginOffset": 99,
        "content": "Learning English texts, MP3s and videos are in the public domain."
      }
    },
    {
      "sentiment": {
        "magnitude": 0.0,
        "score": 0.0
      },
      "text": {
        "beginOffset": 165,
        "content": "You are allowed to reprint them for educational and commercial purposes, with credit to learningenglish.voanews.com."
      }
    },
    {
      "sentiment": {
        "magnitude": 0.1,
        "score": 0.1
      },
      "text": {
        "beginOffset": 282,
        "content": "VOA photos are also in the public domain."
      }
    },
    {
      "sentiment": {
        "magnitude": 0.4,
        "score": -0.4
      },
      "text": {
        "beginOffset": 324,
        "content": "However, photos and video images from news agencies such as AP and Reuters are copyrighted, so you are not allowed to republish them."
      }
    },
    {
      "sentiment": {
        "magnitude": 0.7,
        "score": 0.7
      },
      "text": {
        "beginOffset": 459,
        "content": "If you are requesting one-time use of VOA Learning English content, please fill out the information in this form and we will respond to you as soon as possible."
      }
    },
    {
      "sentiment": {
        "magnitude": 0.2,
        "score": -0.2
      },
      "text": {
        "beginOffset": 620,
        "content": "For repeat use, please see the Content Usage FAQs on the page."
      }
    },
    {
      "sentiment": {
        "magnitude": 0.3,
        "score": 0.3
      },
      "text": {
        "beginOffset": 684,
        "content": "High-resolution audio and video files can be downloaded for free through USAGM Direct an online service providing original multimedia content from Voice of America for publication across all platforms: online, mobile, print and broadcast."
      }
    },
    {
      "sentiment": {
        "magnitude": 0.3,

    各種項目は今までに説明したものがメイン。大きな特徴はcontentが単語ではなく、文（センテンス）になっているということ。センテンス単位でmagnitudeや、scoreが算出されている。

    そのため、文を通して感情を数値として読み取る事ができる。

    コンテンツ分類

    ドキュメントを分析し、ドキュメント内で見つかったテキストに適用されるコンテンツカテゴリのリストを返す事ができる

    実施コマンド

    gcloud ml language classify-text --content-file=/tmp/voa.original > /tmp/voa.classify-text

    結果

    # head -n100 /tmp/voa.classify-text
{
  "categories": [
    {
      "confidence": 0.81,
      "name": "/Reference/Language Resources/Foreign Language Resources"
    }
  ]
}

    “リファレンス/言語リソース/外国語リソース”

    外国語コンテンツのリファレンスということが、なんとなくわかる。

    構文解析

    指定されたテキストを一連の文とトークン（通常は単語）に分解して、それらのトークンに関する言語情報を提供する

    実行コマンド

    gcloud ml language analyze-syntax --content-file=/tmp/voa.original > /tmp/voa.analyze-syntax

    結果

    # head -n200 /tmp/voa.analyze-syntax
{
  "language": "en",
  "sentences": [
    {
      "text": {
        "beginOffset": 0,
        "content": "https://learningenglish.voanews.com/p/6861.html"
      }
    },
    {
      "text": {
        "beginOffset": 49,
        "content": "Requesting usage of VOA Learning English content"
      }
    },
    {
      "text": {
        "beginOffset": 99,
        "content": "Learning English texts, MP3s and videos are in the public domain."
      }
    },
    {
      "text": {
        "beginOffset": 165,
        "content": "You are allowed to reprint them for educational and commercial purposes, with credit to learningenglish.voanews.com."
      }
    },
    {
      "text": {
        "beginOffset": 282,
        "content": "VOA photos are also in the public domain."
      }
    },
    {
      "text": {
        "beginOffset": 324,
        "content": "However, photos and video images from news agencies such as AP and Reuters are copyrighted, so you are not allowed to republish them."
      }
    },
    {
      "text": {
        "beginOffset": 459,
        "content": "If you are requesting one-time use of VOA Learning English content, please fill out the information in this form and we will respond to you as soon as possible."
      }
    },
    {
      "text": {
        "beginOffset": 620,
        "content": "For repeat use, please see the Content Usage FAQs on the page."
      }
    },
    {
      "text": {
        "beginOffset": 684,
        "content": "High-resolution audio and video files can be downloaded for free through USAGM Direct an online service providing original multimedia content from Voice of America for publication across all platforms: online, mobile, print and broadcast."
      }
    },
    {
      "text": {
        "beginOffset": 923,
        "content": "Access to USAGM Direct requires user registration."
      }
    },
    {
      "text": {
        "beginOffset": 974,
        "content": "If you have any questions about our policies, or to let us know that you plan to use our materials, write to learningenglish@voanews.com."
      }
    }
  ],
  "tokens": [
    {
      "dependencyEdge": {
        "headTokenIndex": 0,
        "label": "ROOT"
      },
      "lemma": "https://learningenglish.voanews.com/p/6861.html",
      "partOfSpeech": {
        "aspect": "ASPECT_UNKNOWN",
        "case": "CASE_UNKNOWN",
        "form": "FORM_UNKNOWN",
        "gender": "GENDER_UNKNOWN",
        "mood": "MOOD_UNKNOWN",
        "number": "NUMBER_UNKNOWN",
        "person": "PERSON_UNKNOWN",
        "proper": "PROPER_UNKNOWN",
        "reciprocity": "RECIPROCITY_UNKNOWN",
        "tag": "X",
        "tense": "TENSE_UNKNOWN",
        "voice": "VOICE_UNKNOWN"
      },
      "text": {
        "beginOffset": 0,
        "content": "https://learningenglish.voanews.com/p/6861.html"
      }
    },
    {
      "dependencyEdge": {
        "headTokenIndex": 2,
        "label": "AMOD"
      },
      "lemma": "request",
      "partOfSpeech": {
        "aspect": "ASPECT_UNKNOWN",
        "case": "CASE_UNKNOWN",
        "form": "FORM_UNKNOWN",
        "gender": "GENDER_UNKNOWN",
        "mood": "MOOD_UNKNOWN",
        "number": "NUMBER_UNKNOWN",
        "person": "PERSON_UNKNOWN",
        "proper": "PROPER_UNKNOWN",
        "reciprocity": "RECIPROCITY_UNKNOWN",
        "tag": "VERB",
        "tense": "TENSE_UNKNOWN",
        "voice": "VOICE_UNKNOWN"
      },
      "text": {
        "beginOffset": 49,
        "content": "Requesting"
      }
    },
    {
      "dependencyEdge": {
        "headTokenIndex": 2,
        "label": "ROOT"
      },
      "lemma": "usage",
      "partOfSpeech": {
        "aspect": "ASPECT_UNKNOWN",
        "case": "CASE_UNKNOWN",
        "form": "FORM_UNKNOWN",
        "gender": "GENDER_UNKNOWN",
        "mood": "MOOD_UNKNOWN",
        "number": "SINGULAR",
        "person": "PERSON_UNKNOWN",
        "proper": "PROPER_UNKNOWN",
        "reciprocity": "RECIPROCITY_UNKNOWN",
        "tag": "NOUN",
        "tense": "TENSE_UNKNOWN",
        "voice": "VOICE_UNKNOWN"
      },
      "text": {
        "beginOffset": 60,
        "content": "usage"
      }
    },
    {
      "dependencyEdge": {
        "headTokenIndex": 2,
        "label": "PREP"
      },
      "lemma": "of",
      "partOfSpeech": {
        "aspect": "ASPECT_UNKNOWN",
        "case": "CASE_UNKNOWN",
        "form": "FORM_UNKNOWN",
        "gender": "GENDER_UNKNOWN",
        "mood": "MOOD_UNKNOWN",
        "number": "NUMBER_UNKNOWN",
        "person": "PERSON_UNKNOWN",
        "proper": "PROPER_UNKNOWN",
        "reciprocity": "RECIPROCITY_UNKNOWN",
        "tag": "ADP",
        "tense": "TENSE_UNKNOWN",
        "voice": "VOICE_UNKNOWN"
      },
      "text": {
        "beginOffset": 66,
        "content": "of"
      }
    },
    {
      "dependencyEdge": {
        "headTokenIndex": 6,
        "label": "NN"
      },
      "lemma": "VOA",
      "partOfSpeech": {
        "aspect": "ASPECT_UNKNOWN",
        "case": "CASE_UNKNOWN",
        "form": "FORM_UNKNOWN",
        "gender": "GENDER_UNKNOWN",
        "mood": "MOOD_UNKNOWN",
        "number": "SINGULAR",
        "person": "PERSON_UNKNOWN",
        "proper": "PROPER",
        "reciprocity": "RECIPROCITY_UNKNOWN",
        "tag": "NOUN",
        "tense": "TENSE_UNKNOWN",
        "voice": "VOICE_UNKNOWN"
      },
      "text": {
        "beginOffset": 69,
        "content": "VOA"
      }
    },
    {
      "dependencyEdge": {
        "headTokenIndex": 6,
        "label": "NN"

    文とトークンが抽出され、それらの文（sentences）と中盤以降にトークン（tokens）を含むレスポンスが返される。

    tagはNOUN（名詞）、VERB（動詞）、ADJ（形容詞）などがわかる。

    まとめ

    GCPが使えるようになっていれば非常に簡単にCloud Natural Language API を試す事ができ、使い方によっては非常に有益な解析ができそうだ。

  • zsh: no matches found: zshでscpコマンドで失敗

    zsh: no matches found: zshでscpコマンドで失敗

    はじめに

    zshでscpコマンドで失敗した。

    % scp -r root@tkd002:/tmp/hoge* .
zsh: no matches found: root@tkd002:/tmp/hoge*

    原因とその対策についてまとめる

    原因

    zshの補完でひっかかってしまうようだ。

    setopt nonomatch

    .zshrcへ一行追加すればよいが、その場限りの場合は上記コマンドを単純に実行するだけでもよい。

    % setopt nonomatch
% scp -r root@tkd002:/tmp/hoge* .
hoge.analyze-sentiment       100% 3865   884.6KB/s   00:00    
%

     

     

     

     

  • 現在のアプローチの先に「自分が求める結果」が無い事を知った

    現在のアプローチの先に「自分が求める結果」が無い事を知った

    はじめに

    マネジメントの仕事をさせて頂くようになってから、考えるべきこと、主にマネジメントに伴う悩みが自分の悩みの大半を締めるようになった。

    上司や親しい人には悩みは打ち明けていたものの、第三者のコーチングというものを受けた事がなかった。そもそもコーチングがよく分かってなかった。

    そんな中、職場の先輩から安西さんのコーチングを紹介してもらった。

    前途したように、自分はコーチングを受けた事がない。

    そのため、どこまでが世の中で言う「コーチング」で、どこからが安西さんにしていただいた「コーチング」なのかわからない。

    今回していただいた事をまとめたいと思う。

    安西さんのコーチングを受ける前にしたこと

    安西さんのコーチングは、カフェでしていただくこともできれば、オンラインでコーチングをすることも可能とのこと。

    自分はオンラインを選んだ。

    メールでアンケートを送ってもらい、そのアンケートを埋める。事前にアンケートに回答する形で、コーチングに必要な”人となり”の理解に繋げているようだ。

    • 今回お話しすることで期待すること。
    • 気になっていること
    • 自分自身、どうありたいのか。
    • 自分の特性（性格など）

    これを書いているうちに一つの大きなことに気づいた。

    初対面の人に悩みを打ち明けるのは初めてのことなので、

    限られた時間の中で初対面の方に対し自分の経歴を伝え、現在の役割、そして本題の悩みを共有させていただくことになるが、せっかく無料で１時間も取っていただくため、無駄がないようにするには、自分自身整理する必要があった。

    そこで気が付いたのが、現在の悩みに到るまで、なぜそう思ったのか、どのような経緯でこの悩みに至ったのか一気通貫で言語化した事がない。

    自分の悩みを口頭で上司や親しい人に悩みを伝える事はあっても、自分の経歴などバックグラウンドは共有されているので、必要なところだけを伝えているが、どうしても省いてしまうところが、初対面の人相手では省略をすることなどできない。
    今回は事前準備として与えられたアンケートへの記入を通してまとめる事ができた。
    コーチングの初期段階として、その過程が非常に良く、自分自身の悩みを言語化する事ができた。

    コーチングを進めていて得られた気づき

    お話しを進めている中で、安西さんは所々「問い」をくれる。

    「どうなっているのが理想ですか？」

    「それを実現する為に、どのような事をしていますか？」

    一つ一つ答えていく。そしてたどり着いた。

     

    「”自分が求めていた結果”を達成するには、”自分が行っているアプローチ”の先に無い。」

     

    自分には”こうなって欲しい”という理想があって、その上で試行錯誤しながら様々なトライ＆エラーを繰り返してきた。しかし、アプローチが違ったことに気付けた。

    これは自分ではなかなか気付けなかった点だった。いかに自分の話を聞いてくれて、時折、第三者的な「問い」を投げかけてくれる事がいかに大切かを学んだ。

    そして、別のアプローチを一緒に考え、具体的なアクションプランまでセッションの中で一緒に考えてくれた。

    そこでも「来週からできそうですか？」など精度を高める質問をしてくれ、アクションプランの質を高める事ができた。

    紹介していただいた事

    優れたリーダーはどのように行動を促すのかという点で、ゴールデンサークル理論というものがあるというものを教えてもらった。

    • Why なぜ
    • How どうやって
    • What 何を

    の順番で話したらどうだろうと提案していただいた。

    コーチングの後に調べたが、以下の記事は非常にわかりやすかった。

    https://swingroot.com/golden-circle-theory/

    それに伴い、Whyを突き詰めて書かれている本も紹介。

    • カイゼン・ジャーニー たった1人からはじめて、「越境」するチームをつくるまで
    • スクラム　仕事が４倍速くなる“世界標準”のチーム戦術

    この本は土日の課題図書として読もうと思う。

    これからどうするか

    コーチングは１時間を予定していたが、結果１時間半もかけてもらった。
    無料でここまでしていただいて本当にありがたい。ありがたいし申し訳ない気持ちもある。

    安西さんはコミュニティを作りたいという想いが源泉でこのような活動をされているそうだ。

    今回コーチングをしていただいて、自分では見えてないところが見えるようになった。愚直に受け止め、真摯に改善していき、「自分が求める結果」の実現により近づけたらと思っている。

    そしてこれからも挑戦し、いつか安西さんへ嬉しい報告ができればと思っている。

    本当に得難い経験だった。安西さん、ありがとうございました！