自治体分析カルテ本番仕様 — 「なぜうち」エンジン

結論。 面接評価は「①国の採用ガイドライン（評価FMT）／②各自治体の採用広報／③一般的に評価される公務員像・学生社会人像」に収束する。本仕様は、このうち差別化が実際に宿る②の中核＝各自治体の「課題・SWOT・施策」を分析カルテ化し、受験生の志望動機（rubric D1）に接続するデータ層の本番仕様である。パイロット4自治体で型を実証済み。

1. 全体像 — 指導ベースロジックの3層

評価の「物差し」は全国共通（国が握る）で、自治体差は表層。差別化は施策への接続に宿る（外部高度推論 sol の独立検証で確認）。層ごとに揮発性が違うため分離し、独立更新できる形にする。

L1 国標準＝評価の物差し（最安定・採点の背骨）

      総務省「人材育成・確保基本方針策定指針」＋人事院コンピテンシー＋rubric_v0（D1〜D7・敏決裁済）。共通の採点軸。既に符号化済み。
更新：指針改訂・人事院変更（数年に1回）
    
L2 自治体広報＝「なぜうち」の材料（最揮発・年次）

      設問バンク1,045問／求める人物像68自治体／施策カルテ（本仕様）。差別化はここ＝catchphraseでなく施策接続。
更新：年度替わり・content_hash検知
    
L3 一般規範＝公務員像・学生/社会人像（中間安定）

      就活一般論（STAR・コンピテンシー行動）＋区分別評価期待。次の整備対象（未着手）。
更新：年1回見直し
    

2. 差別化がどこに宿るか（実データの結論）

求める人物像を68自治体で収集した結果、人物像タグは15語彙に強く収斂（挑戦72%・主体性60%・使命感52%・県民目線51%…）し、しかもこれは rubric の D1〜D5 とほぼ1:1。generic タグは差別化にならない。

差別化は sol 検証の通り、rubric D1 の一本鎖に宿る：

原体験・問題意識 → 地域固有の課題 → 実現したい公共価値 → 当該自治体の権限・現行施策 → 自分の現実的な貢献 → なぜ県/国/民間でなくここか

＝ catchphrase の復唱は D1 の証拠にならない。効くのは「課題・施策・権限」への接続。だから施策カルテが「なぜうち」エンジンの燃料になる。

3. カルテの本番仕様（出力＝1自治体2ファイル）

① `<slug>.policy.json` — 自治体分析カルテ

vision：catchphrase（人物像由来）＋総合計画の将来像 statement_verbatim
policy_domains[]：5〜8分野・各2〜4施策・総20〜26。施策名 verbatim ＋ summary ＋ source_url ＋ source_page
analysis.challenges：総合計画「現状と課題」からfact抽出＋出典頁
analysis.swot：強み/弱み/機会/脅威。各項目に type(fact|inference) と basis を必須。inference も fact に接地・創作禁止

② `<slug>.coaching_demo.md` —「AIが調べ・本人が繋げる」実演

職種別（行政事務／技術／福祉等）に、①効く施策3つ（fact＋出典）→ ②課題/SWOT接続材料 → ③D1問い返しプロンプト（答えは書かない） → ④rubric D1鎖への注記。

⚠️ 志望動機の完成文は書かない。 渡すのは弾（施策fact）と問い。丸写し攻略（sol が指摘した最大の失敗モード＝精密に見えるが実選考と未校正な点数の量産）を構造で回避する。

4. パイロット実証（8自治体・型は確定）

都道府県・政令市・特別区・広域道・離島県まで多様な8タイプで検証。合計施策191／課題45／SWOT87。7/8がgold standard、横浜のみ対照区。

自治体	分野/施策	課題/SWOT	出典頁	取得法・特記	判定
名古屋市	7 / 26	6 / 12	✓	PDF直抽出	gold
神奈川県	7 / 23	8 / 11	✓	文字化けPDFをvision OCR突破・旧2012版を排除	full
特別区	8 / 21	6 / 11	✓	総合計画不在→特別区長会で代替・"どの区/課題か"を毎回問い返し	full
東京都	7 / 23	4 / 12	✓	旧「未来の東京」→最新「2050東京戦略」に差替・目標の現状値×目標値の乖離＝課題を抽出	full
北海道	8 / 24	7 / 12	✓	広域・寒冷地・複合災害の固有課題／自らページ番号ズレを検出修正	full
札幌市	8 / 25	6 / 15	✓	冬季五輪招致「停止」を突合し現況反映・除雪費189億をSWOT化	full
沖縄県	8 / 25	8 / 14	✓	米軍基地70.3%集中・37離島・所得全国最下位＝固有性最大でも機能	full
横浜市	7 / 24	0 / 0	△	WebFetch要約（対照区）	要PDF再取得

横浜は WebFetch 経由のため「PDF直抽出でない場合に品質（逐語性・出典頁）が落ちる」ことを示す対照区。本番はPDF直抽出に統一する。固有性の高い沖縄・北海道でこそカルテが強い"なぜうち"の弾になることを確認。

5. 収集規律（パイロットで確立）

データ取得

PDFを pdftotext -layout で直抽出（WebFetch要約は不可＝逐語性/頁引用が落ちる）
文字化け/画像PDFは pdftoppm→vision OCR（神奈川で実証）
最新版を検証（神奈川は旧2012年版を排し令和6年版に差替）

品質・倫理

fact/inference峻別・出典頁・数値は原文から・捏造禁止
未取得は空＋note（正直に）／競合ブログの解釈は入れない（公式一次のみ）
特別区型：総合計画が無い共同体は代替一次資料＋「どの区/どの課題か」を毎回問い返し（汎用作文化の防止）

6. アーキ結線（sol設計準拠）

Scope Router（区分/形式を判定・適用外は「未校正」表示） └ Common Competency Core … rubric_v0（D1-D7・共通の物差し） └ AssessmentProfile（自治体別の開示された評価規則・一次資料がある時だけ重み変更） └ Evidence Elicitation Bank … 設問1,045問（採点教師でなく"証拠を引き出す器"） └ Org Evidence Layer … ★施策カルテ（本仕様）＝D1専用の燃料

総務省資料は「商品範囲・質問形式」の設計根拠には使うが、個別受験者の点数や重みは決めない。共通なのは「評価する能力の語彙」であって「合否を決める計算式」まで共通とは未証明（sol）。

7. Tier A 横展開＆フライホイール

≈129 自治体（Tier A）

47都道府県＋政令市20＋中核市62。受験人口の大半をカバー。フォーム57・人物像68・パイロット4を捌いた地域別並列部下（ネスト委譲禁止）をそのまま流用。

裾野＝ユーザー投稿フライホイール

中核市未満は「AIが調べ・本人が繋げる」UXでユーザーが自分の志望自治体の施策を投稿→user_reported→公式照合で昇格。丸投げユーザーの"調べてくれ"要求すら、on-demand取得→コーパスに還流し裾野を埋める。

鮮度更新

施政方針/予算＝年次（毎春）、総合計画＝content_hash で改定検知。層分離により L2（年次）だけ差し替え、L1（背骨）は不変。

8. ユーザー理解 — 市場データが商品仮説を裏打ち（L3の入口）

マイナビ「2027年卒大学生公務員のイメージ調査」（n=1,645・2026年1月）

41.0% 公務員を「考えたがやめた」離脱層（+2.0pt増）

13.3pt 志望継続層と離脱層の最大差＝「社会・市民のために働ける」

32.8% 志望を高める条件2位「仕事内容を知る機会があれば」

公共への志（＝rubric D1 公務志向）が、続ける人と脱落する人を分ける決定因子。 我々の「施策カルテ→D1接続」エンジンが強化するその軸が、市場データで"定着と合否を分ける因子"と確認できた。
「仕事内容を知る機会」需要（32.8%）＋「公務員の仕事情報が民間より"少ない"と感じる72.2%（無関心層75.4%）」に施策カルテがドンピシャ。 民間併願78.9%＝民間就活融合の裏付け。インターン参加率は調査開始以来初の減少（18.3%）。
ポジショニング（敏の台本論で補正）：トップ志望理由は依然「安定・休日」、志望喚起条件1位は「待遇改善」34.9%＝大多数は公共志向で動いていない。だが就活は"建前でも受かる台本"を全員が欲しがる茶番であり、動機の真偽に関係なく全員が"通過台本"を必要とする。ゆえにICPは狭くない——「なぜうち/公共志向の言語化」は広い需要。我々は"志を作る"のでなく"受かる台本作り"を提供する。

フル統計PDF（40頁・ウエイトバック集計）を reference/market_research/ に保管。L3（就活動向・学生像）＋各事業の戦略材料としてストック。

9. 判断いただきたい次の一手

#	アクション	効き
1	Tier A 横展開GO（129自治体へカルテ並列生成）	価値最大・実証済みの確度
2	横浜を PDF直抽出で再取得（4件を仕様パリティに）	横展開前の仕様固め
3	L3（就活一般論・区分別評価期待）の構造化	三層の最後の穴埋め

推奨：(2)で仕様を1本の完成形に固め → (1) Tier A横展開、の順。(3)は並行可。