「データで読書習慣を改善する: データ駆動型の読書家になる」

「今年私は何冊本を読みましたか?」 — ほとんどの人はこれに答えることができません。フォローアップは言うまでもなく、私は先月実際に何日本を読みましたか?一日のどの時間帯に読書をするのが最も効果的ですか?一般的な本では何枚のノートが作成されますか?これらの答えには推測は必要ありません。データはすでにあります。それを表面化するツールを持っていないだけです。

Yomitomoの統計ページでは、読書セッション全体に散在する行動データが集約されており、感情ではなく数値を通じて読書状況を理解できます。

ローカル読書統計: すべてのステップを追跡

Yomitomoはすべての主要な読書行動を自動的に記録します。 [統計] ページには、次の指標が表示されます。

今日のアクティビティ: 今日インポートした記事の数、作成したハイライトの数、公開した蒸留の数
記録された日数: Yomitomo をインストールしてから読書活動が行われた日数
週間アクティブ日数: 過去 1 週間に、Yomitomo を開いて読んだ日数。
ピーク活動: 読書活動レベルが最高点に達したとき

これらの指標の価値は「素晴らしい数字を見る」ことではなく、表面化したシグナルです。週の活動日数が 6 日から 2 日に減少した場合、読書習慣が低下しているため、積極的に修正する必要があります。活動のピークが一貫して午後 11 時であるにもかかわらず、その時間帯のハイライトの質 (後で蒸留で参照される数で測定) が低い場合は、読書をよりエネルギーの高い時間帯に変更する必要があるかもしれません。

アクティビティグラフ: 数値だけでなく傾向も確認

統計ページでは、次の 2 つの視覚化ディメンションが提供されます。

アクティビティ傾向グラフ には、最近のハイライト数、蒸留数、ディスカッションコメント数の経時的な曲線が表示されます。ハイライトカウントが安定しているにもかかわらず、蒸留カウントが減少し続けている場合は、最近「消極的にハイライト」を行っていることを意味している可能性があります。つまり、多くのマークを付けているにもかかわらず、処理に時間を費やしていないということです。これは警告信号です。入力量は変わりませんが、処理深度は減少しています。

アクティビティカレンダー は、ヒートマップを使用して、過去 70 日間の読書活動レベルを表示します。どの日が「深読み日」（複数のハイライト + ディスカッション + 蒸留日）で、どの日が「開いてざっと見ただけ」（アクティビティは記録されたが出力なし）だったのかが一目で分かります。この種の視覚的なフィードバックは、数字の表よりもやる気を起こさせます。5 つの連続した緑色の四角形を見ると、6 番目の四角形を空白のままにしたくないという気持ちになります。

WeRead 統計: 2 つのソース、1 つのビュー

WeRead API キーを構成している場合、統計ページは「WeRead」データソースに切り替えることができ、週次、月次、年次、または累計の読書時間、読み終えた書籍、ハイライトの数などが表示されます。

期間を切り替えると、Yomitomoはローカルにキャッシュされたデータを優先します。毎回 API を再リクエストするわけではありません。 [クエリ] または [再クエリ] を手動でクリックした場合にのみ、新しいデータが取得されます。この設計により、過剰な API 呼び出しが回避され、オフラインでも履歴統計を参照できるようになります。

ローカルの読書統計と WeRead 統計は共存します。これらは相互に置き換えるのではなく、相互に補完します。 WeRead データを 入力側の幅、Yomitomoのローカルデータを 処理側の深さと考えてください。前者は読んだ時間を示し、後者は読んでいる間に何を生成したかを示します。

データからアクションへ

統計のポイントは「ただ見ること」ではありません。それは運転行動です。いくつかのアプローチを試すことができます。

週の最小活動日数 (たとえば 4 日) を設定し、アクティビティカレンダーで追跡します
蒸留とハイライトの比率に注意してください。10% 未満に留まっている場合は、ハイライトが過剰で処理が不十分です。
毎月末に、前月と比較したアクティビティ傾向グラフを確認し、改善すべき行動を 1 つ特定します

読書はフィードバックが遅いアクティビティです。本を読み終えた翌日に認知的変化を感じることはほとんどありません。統計はこのフィードバックのギャップを埋め、継続的な読書の長い旅のあらゆる足跡を確認できるようにします。

これは誰に向けたものですか

読書を「たまにやる衝動」から「安定した習慣」に変えたい人。読書の頻度が不安定な場合、読んでもすぐに忘れてしまう場合、データを活用して読書行動の継続的な改善を推進したい場合。