今年度になってからいくつか，学生の問い合わせに対して答えた内容を，より広い範囲に適用できるよう，書き直してみました．
1. 技術力
大学院進学を視野に入れて，卒業研究を進めよう，ということですね．であれば，研究活動を進めながら，技術力をつけていってください．
「技術」あるいは「技術力」とは，我々の分野では
- 問題に応じて，適切なソフトウェア（既知の解法）を選択できること
- 既存のソフトウェア（またはその組み合わせ）でうまくいかないとき，自力でプログラムを書くこと
を言います．後者については，「うまくいかないと判断できること」を含めてもいいでしょう．
そして，我々の分野では「研究＝問題解決」と理解しておくべきです（「研究＝真理の探究」という分野もありますが）．技術力は，どのような形であれ問題解決に不可欠なのです．
2. 卒業研究の説明
卒業研究については，
- 対象：「何に対して」
- 手段：「何を使って」
- 実施内容：「何をするのか」
の3点セットを固めましょう．もちろん，4月中に確定というわけではありません．研究活動をしていく中で，よりよいキーワードやフレーズが見つかることもあります．
「あなたはどんな研究をしているのですか?」と問われたら，その3点セットをつなげて，口頭で説明できるようにしてください．
類似する研究だとかハードウェア・ソフトウェア・サービスの名称を持ち出して，それとの違いを問われたら，たいていは，それと自分の研究とで，この3点セットのうち一つか二つは違っているので，そこを指摘すればいいのです．
3. 「論文を読んでいます」
就職や院試の面接対策になるのかどうか分かりませんが，「関連研究の論文を読んでいます」は，不用意な受け答えに感じます．
そう言ったら，「誰がいつ発表した論文ですか」だとか「その研究の特徴を説明してください」と聞かれるかもしれないのです．
かといって，手を動かしていない研究をうそぶくわけにもいかないので…論文を読んで勉強中というのであれば，「関連研究の論文を読んでいます」と言うのも，仕方がありません．
その上で，「誰が」「いつ」「どんな」について，答えを用意しておくのがいいでしょう．
といっても，就職の面接では「誰の論文」について，我々の分野では有名人であっても，通用しないので，「〜の創始者」だとかいった修飾語も，必要かもしれません．「指導教員」や「研究室の先輩」が書いた論文なら，人名不要でそのように言えば十分です．
4. 将来性
我々の研究室では今年度，全文検索に焦点を当てて，卒研テーマを割り振ったのですが，もしかしたらどこかで，「全文検索システム（を研究すること）に，将来性はありますか?」という問いを受けるかもしれません．
「あなたの研究室でやっている研究は，Googleに勝てますか?」「すでにGoogleや世界の研究者がやっていることなのではないですか?」とすると，少々，意地悪なようにも見えます．
研究室としては，Googleに正面切って挑むことはしません．インターネットリソース全体から見れば，小さなデータ量だけれど，使う人からすると多量で多様なデータに対して，「特徴」を見出し，利用に最適なシステムを構築しています．
別の言い方をすると，データベースシステムの開発を通じた問題解決を，研究室では継続して行っており，その実現の手段に，DBMSではなく全文検索エンジンを採用しているといったところです．
ともあれ，将来性・有用性は，自分の言葉で言えるようにしておいてください．
5. 将来性ふたたび
「これからはビッグデータだ．どことも手を組まず，研究室で，ちまちまやっているような研究に，将来はない」と，指摘をされたら，どう反論しますか?
まあそういった手厳しい意見に真っ向から，何を答えても，相手に伝わるのかどうか分かりませんけどね．
ただ，こういう解釈はできると思います．まず，3年配属のスライド---もう忘れているでしょけど---には，「計算機」「人」「データ」の3つで三角形を構成する図を入れています*1．
これを一つ一つ，見直してみますね．「計算機」は，これまでどうなっていますか? …小型化してきていますね．これはまぎれもない事実ですし，これからも変わらないでしょう．*2
「人」は，大きくなりましたか小さくなりましたか? …背丈・体格は，1世代，2世代前よりも良くなっていると思います．ですが，頭の中に持つ「知識の量」は，大きいどころかむしろ小さくなっています．
別に，ゆとり世代のことを言っているのではありません．我々が関わる範囲だと，まず，LL (Lightweight Language)は，プログラマの負担を軽くする言語だと言われています．GTD (Getting Things Done)というのも一時期，流行しました．Evernoteその他のノートアプリも，情報を頭の中にため込むな，外に出せ，という考え方があるわけです．
そういったことからすると，「博覧強記」なんてのは，もう昔の言葉になりましたね…．
さてさて3番目の「データ」ですが，確かにアウトプットされているデータの総量は，年々増える傾向にあります．
しかしやっぱりここで考えておきたいのは，そのすべてのデータが，ユーザにとって，本当に必要なのかということです．個人情報保護その他で，情報の管理が大事だという認識は，一般の方々のほうが，生のデータを扱う我々よりも強いかもしれません．
こうして，計算機は小型化している，計算機やデータと関わる人の持つ，知識のキャパシティも減る傾向にある，データもダウンサイジングが期待されていると言えるわけで…
そこで「どのようなデータを，どんな形で，どれだけ持っていれば，利用者が満足できるか?」と問題を設定しましょう．利用シーンによりますが*3，多くの場合で実用的な課題なのです．学術的な課題にさえ，持って行くことができるのです．
その学術課題に答えるのが，複数の組織であるか，大学のイチ研究室であるか，あなたの1年間の卒業研究であるか，というのは状況や利用者や，利用できるデータに依存するわけです．
6. 基礎知識
「全文検索」の基礎知識，ですか?
そうですねまずは，形態素解析とN-gram，転置インデックス，再現率・適合率・F値などを，全文検索の処理と関連づけて，自習してみてください．
覚えたと思ったら，その次の日に，何も見ずにノートと鉛筆だけを用意して，書き出してみてください．再現率と適合率はもちろん，ベン図で描けるようにもしておきましょう．
本やWebの情報をもとに，答え合わせをして，あまりにひどかったら，もう一度同じことをすれば，おそらく頭の中に入ると思います．
ここでまた就職対策・院試対策ですが，全文検索を研究テーマとした場合，学科に「全文検索」と名のつく授業科目はない点にも，注意をしておきたいところです．
とはいえ，授業で学習してきたことと「全文検索」は，完全に違うわけではないんだから，接点になるものがあるはずで，それは何なのかを言えるようにしておけば，十分だと思います．
（リリース：Sat Sep 1 02:23:15 2012ごろ）
