「プロンプトの因数分解学(4)mini」——C(文脈)の素因数分解 —— “何について”が問いの精度を決める【コラム】思好の科楽（その83）

🎯 本コラムのねらい（3つのポイント）

• 「C = Context（文脈）」のプロンプト設計が、AIの返答にどれだけの差を生むかを体感します。

• 「何について語るのか」を明示するには、領域、対象、状況の3種類で分解できることを学びます。

• 「質の高い話題」を作るという視点から、問いの手前にある「思考の材料選び」の意識化を目指します。

◆ これまでのふりかえり：

その79では、プロンプトの式は以下のように表すことができると学びました。

$${Prompt=P×R×C×F}$$

そして、この式をつくる4つの因子がこちら：

• $${P}$$ = Purpose（目的）：何をしてほしいのか？

• $${R}$$ = Role（役割）：誰として答えてほしいのか？

• $${C}$$ = Context（文脈）：何についての話か？

• $${F}$$ = Format（形式）：どんな形で答えてほしいのか？

その81では、プロンプトの式「$${Prompt = P × R × C × F}$$」における「$${P}$$ = Purpose（目的）」について、最小単位として「理解」「判断」「行動」の3つの因子を見出しました。

$${P（目的）=P_1（理解）×P_2（判断）×P_3（行動）}$$

その82では、「$${R}$$ = Role（役割）」を「知識レベル」「スタンス」「社会的視点」の3因子で捉え、それを指定することでAIの語り口や人格が大きく変わることを確認しました。

$${R（役割）=R_1（知識レベル）×R_2（スタンス）×R_3（社会的視点）}$$

今回（その83）は、「$${C}$$ = Context（文脈）」を取り上げ、「何についての問いか？」という“話題の設計”をどのように構造化できるかを学びます。

◆ “何について話すか”がぼやけると、返答もぼやける

たとえば、こんなプロンプトを考えてみましょう。

よく使っていませんか？
もちろん、ChatGPTは、一般的な回答を返すはずです。

これが、もし人間同士の会話であれば、前後の流れや文脈から自然に意味を汲み取れこともできるでしょう。

でも、ChatGPTをはじめとする生成AIでは、「（この）」とは何か？ どの領域のことで、どんな状況で、どの対象に関する話なのか？ といった“前提”を明確にすることで、より知りたい回答を提案してくれます。

例えば、

よりも

の方が、知りたい回答を適切に得られるでしょう。

だからこそ、プロンプトにおける「$${C}$$ = Context（文脈）」を意識的に設計することが重要になるのです。

◆ Cの素因数分解：文脈は3つの要素でできている

プロンプトにおける「$${C}$$ = Context（文脈）」とは、ChatGPTが“何について話すか”を理解するための「思考の素材」です。 この素材は、次の3つの因子に分解できます。

• $${C_1}$$ = 領域（Domain）
  　┗ 医療、ビジネス、教育、哲学、SNS など、”知のフィールド”を明示します。

• $${C_2}$$ = 対象（Target）
  　┗ 記事、商品、アイデア、発言、体験談など、”具体的な話題や対象物”を示します。

• $${C_3}$$ = 状況（Situation）
  　┗ ”いつ・どこで・誰に話すか”という因子。たとえば「プレゼン直前」「SNS投稿前」「学生向け」など。

この3因子をかけ合わせることで、ChatGPTは単なる情報ではなく、「どの視点で、何を、どんな場面で語るか」を把握できます。

つまり、「$${C}$$ = Context（文脈）」の素因数分解の式は以下のようになります。

$${C（文脈）=C_1（領域）×C_2（対象）×C_3（状況）}$$

たとえば「教育分野 × ブログ記事 × SNS投稿前のアドバイス」といった構成にすれば、文脈がぐっと明瞭になり、AIの答えも一段とクリアになります。

◆ プロンプト例で見てみよう

このプロンプトには、「$${C}$$ = Context（文脈）」の3つの因子がしっかりと組み込まれています。

• $${C_1}$$ = 領域（Domain）：キャリア教育
  　┗ 就職活動や進路選びに関する話題であることがわかります。

• $${C_2}$$ = 対象（Target）：ブログ記事
  　┗ 具体的にどの情報・内容について述べるのかが明示されています。

• $${C_3}$$ = 状況（Situation）：SNS投稿前に大学生が読むことを想定
  　┗ どんな読者に、どの場面で読まれるかという使用状況がはっきりしています。

このように文脈を構造的に整理すると、ChatGPTは問いの意図を的確に把握し、場にふさわしい返答ができるようになります。

数式風に表すなら：

$${C = C_1 (キャリア教育) × C_2 (ブログ記事) × C_3 (大学生にSNSで見られる場面)}$$

◆ プロンプト例で見てみよう

「$${C}$$ = Context（文脈）」を構成する3因子（領域・対象・状況）を明確にすると、ChatGPTの返答がどう変わるか？
実例で比較してみましょう。

🔍 例題に含まれるCの因子：

🅰️ あいまいなプロンプトの場合

🅰️ 回答例

📌 解説：「$${C}$$ = Context（文脈）」が不明確なため、ChatGPTは「何について話せばいいか」が判断できず、応答が始まりません。

🅱️ 構造化されたプロンプト（C明示）の場合

🅱️ 回答例

📌 解説：話題の分野（$${C_1}$$：生活雑貨）、対象（$${C_2}$$：レビュー）、状況（$${C_3}$$：SNS投稿前・30代女性向け）が明示されていることで、ChatGPTは“文脈を読み取り”、目的に合った語調と内容で返答しています。

◆ Cの調整は、出力の“焦点デザイン”である

プロンプトで「$${C}$$ = Context（文脈）」を意識的に設計することで、ChatGPTの“回答の焦点”を精緻に定めることができます。

たとえば：

$${C = C_1（医療） \times C_2（診断結果） \times C_3（高齢者への説明）}$$
→ ”回答は専門性”を保ちつつも、”やさしく丁寧な語り口”になります。

$${C = C_1（ビジネス） \times C_2（商品紹介） \times C_3（SNS投稿）}$$
→ 回答は簡潔でインパクト重視、読者の関心を引く構成になります。

つまり、$${C}$$の設計とは、AIに「何を、誰に、どんな場面で語るか」という“焦点”を与えること。

問いの文脈が明確であればあるほど、ChatGPTの答えは「的確」で「使える」ものになります。

◆ 最後に、ちょっと想像してみてください

あなたがChatGPTに何かを問いかけるとき、
その「問い」は、何についての話を、どの立場で、どんな場面に向けて語ってほしいと伝えているでしょうか？

たとえば、その話題は——

• どの分野に属していて、

• 何を対象としていて、

• 誰に、どんな場面で伝えるべきものなのか。

こうして問いの“背景”が明らかになると、
それは単なる情報のリクエストではなく、
あなた自身の「思考の選び方」が表れたものになります。

文脈を明確にすることで、問いは深まり、答えは豊かになるのです。

本コラムは、生成AI・ChatGPTと共創して執筆されました。 「話題を何にするか」を命題に、思考の設計を強化する試みです。

🔜 次回予告：「Fの素因数分解」へ

次回（その83）では、「$${F}$$＝Format（形式）」に注目します。

“どう答えてほしいか”を指定することで、答えの形やニュアンスがどこまで変わるのか？
プロンプトの“出力設計”を因数分解して考えていきます。

プロフィール｜Kazuomi Matsunaga

🧭思考の案内人｜Thinking Navigator

略歴：九州大学工学部卒業（材料工学）⇒中京地区の金属素材メーカーエンジニア（生産技術）⇒地元長崎県のフリーペーパー広告営業⇒学校法人職員（←いま、ココ）。長崎県在住の50代。こどもは二人とも大学生となって巣立ち、妻と二人暮らし中。
“問い”と“好奇心”の交差点で、日々思考を遊ばせている書き手です。最近は、連載コラム「思好の科楽（しこうのかがく）」シリーズを中心に、教育・物語・心理・AI・デザインなどをテーマとした独自視点の思索を綴っています。既存の枠を超えた“自由な知のデザイン”を模索中。モットーは「想像力が世界をひらく」。
本業では大学・教育関連の仕事に携わりつつ、「人が何かを“好き”になる瞬間」や「問いが芽吹く場面」を丁寧に見つめることを大切にしています。
🧭 読んだあと、あなたの中に“新しい見方”がひとつ芽生えるような。そんな記事をお届けできたらうれしいです。
📮 感想や応援メッセージ、いつでも大歓迎です！