はじめに
こちらは エーピーコミュニケーションズ Advent Calendar 2025 20日目の記事です！
本記事のタイトルにChatGPTが入っておりますが、ClaudeのLearningやGeminiの知識学習サポートでも同様のことができるかと思います。
今回、実務経験なしの状態 で Datadog Fundamentals を受験し、学習にはChatGPT(利用時は5.1)の力を借りながら最終的には 56/75 点（正答率 74.7%）で合格 することができました。
Datadog は監視・可観測性分野のサービスであり、普段から業務で触れる機会が少ないと勘所がないために学習ハードルが高めに感じられます。私自身、Datadog の実務利用経験がない中で効率的に学習する必要があり、その際に ChatGPT を積極的に活用した学習をしました。
実際に受験を終えて感じたのは次の点です。
- ChatGPT は学習補助として十分に使える
- ただし、本試験の出題形式や観点とは一致しない部分もある
- まとめ・暗記・理解確認のフェーズでは特に有用
本稿では、実務未経験からどのように学習を進めたのか、ChatGPT をどのように活用したのか、その手法と有効性・課題を整理して紹介します。
所感
全体として、ChatGPT が生成した 暗記シート と 模擬試験問題 はかなり実用的でした。
特に暗記シートは試験直前の知識整理として効果が高く、短時間で重要ポイントを復習するのに役立ちました。
一方で、模擬試験の完成度は、AWS 系の有名試験対策サイトで提供されているような「本番そっくりの品質」には届きませんでした。
知識確認には十分ですが、試験問題の構造やクセを完全に再現するには限界があります。
そのため、ChatGPT に任せられる部分は積極的に任せつつ、試験特有の問題形式や観点については、別途学習時間を確保して補う必要があると感じました。
続いて、実際にどのように ChatGPT を使ってどのように学習をしたのか、詳細を紹介していきます。
ChatGPT 活用の背景
Datadog Fundamentals は、単なる知識ではなくある程度の実践理解も求められる資格であり、公式としてもハンズオン演習と公式ドキュメントを中心に学習することが推奨されています。
ドキュメントよりもハンズオンの内容の方が充実している印象でした。
一方で、AWS などのクラウド系初級資格ほど試験対策に特化した情報が一般化されておらず、効率的に学習を進めるためには工夫が必要でした。実際に学習を進める中で、以下のような特徴や課題が見えてきました。
1. 試験対策に特化した情報が見つかりにくい
Datadog Fundamentals はどちらかというと実務能力寄りの資格設計になっており、公式ハンズオンやドキュメントを軸に学ぶ前提になっています。
実際、試験問題も単なる知識問題だけでなく、ハンズオン内容を前提とした出題が多い印象でした。
また、AWS のように対策教材や体系的なレビュー記事が豊富に存在するわけではなく、対策情報の収集も容易ではありません。
加えて、公式の模擬問題は 25 問のみである一方、本番は 90 問あるため、出題傾向を掴むのが難しく、どの分野に重点を置くべきか判断しづらい状況でした。
2. ハンズオンは実務的だが試験対策としてはボリュームが大きい
ハンズオン自体は非常に実務的で良質な内容ですが、試験対策として取り組むには以下の点で負荷が高く感じました。
- 現状英語のみの提供であり、翻訳しながら進める必要がある
- 1 章ごとの学習時間が充実している部分も多く、まとまった時間が必要
- 全範囲を完走するには相応の学習量が必要
また、ハンズオンは仮想環境上で操作を行う形式のため、学習中に以下のような状況にも数回遭遇しました。
- 仮想環境の有効期限切れ(数分操作を止めると環境が停止する)
- エラーの発生により環境を再度立ち上げ直す必要があるが、立ち上がらないことがあるためリロードをすると最初のページに戻る
そのため、ハンズオンは実務経験を積みながらじっくり取り組むには最適ですが、試験対策として短期間で進めるにはやや非効率である印象でした。
3. 公式ドキュメントは網羅的だが、試験観点での整理が必要
Datadog の公式ドキュメントは非常に充実しており、概念理解には大いに役立ちます。
一方で、試験対策として活用するには次のような課題がありました。
- 網羅性が高い分、試験で問われるポイントが埋もれやすい(特にOSごとの設定などもありそこまでのカバーは難しかったです)
- どこに重点を置くべきかの優先度判断が難しい
- 実務説明が中心で、試験観点との接続が弱い
そのため、ドキュメントは優れたリソースではあるものの、試験視点で再整理するプロセス が必要だと感じました。
ChatGPT を利用した学習プロセスと有効性
前章のとおり、Datadog Fundamentals は試験対策情報が少なく、ハンズオンはボリュームが大きく、公式ドキュメントは網羅的である一方で試験観点との接続が弱いなど、学習効率を上げるためには追加の工夫が必要 だと感じました。
そこで今回は、これらの課題を補う目的で ChatGPT を学習全体の補助ツールとして組み込み、効率化を図る という方針を取りました。
実際には、以下のような手順で学習を進めました。
1. 試験ガイドをベースにした「学習モード」の構築
ChatGPT の学習モードに試験ガイド全体を投入し、基礎学習を進めました。
有効だった点：
- 理解度に合わせた内容の出題
- ステップを踏んでの段階的な学習が可能
課題：
- 動作が不安定（入力欄に文字入力ができる場合とできない場合があった）
- PC版から開始できず、モバイル版で開始したチャットを継続利用する必要があった
- 全体量が多いため、すべてを完了するには時間を要した(今回は途中で断念)
2. 試験範囲をもとにした学習資料の生成
公式ドキュメントを再構成し、理解しやすい資料を ChatGPT に生成させました。
利点：
- 原典よりも構造化され、試験視点で読みやすい
- 比較表・定義表を自動生成できる
課題：
- 全範囲を資料化すると量が多く読みきれない
3. 試験直前対策用の暗記シート自動生成
範囲ごとの重要用語を1時間程度で復習できる形式にまとめた暗記シートを作らせ、試験直前の確認に使用しました。
効果：
- 用語の定着に最も役立った
- 短時間で全体を見直せる
- 試験直前に特に有効
4. 自動生成の模擬問題で知識確認
模擬問題は、理解度チェックとして非常に有効でした。
- ChatGPT が生成する解説は丁寧
- 問題演習として十分機能
- Obsidian の折り畳み機能と組み合わせると効率が大幅向上
一方で、本試験とのギャップ（文章構造・難易度差）は完全には埋まらないため、過信は禁物と感じました。
実際に使用したプロンプト例
以下は記事で紹介可能なテンプレートとしてまとめました。
なお、これらを統合した包括的なプロンプトも検討しましたが、いくつか課題があったため後述します。
1. 試験ガイドから学習モードを作るプロンプト
これからDatadog Fundamentalsの試験ガイドを貼るので、以下の出力を作成してください。
1. 試験範囲の構造化アウトライン
2. 各項目の重要ポイント
3. 初学者向け要点解説
4. 章ごとの理解度チェック問題（各3問程度）
簡潔かつ試験対策として過不足のない内容にしてください。
2. 学習資料の作成プロンプト
以下の試験範囲をもとに、試験対策向けの学習資料を作成してください。
- 定義、目的、利点、注意点を記載
- 必要に応じて表形式で整理
- 試験で問われそうな観点を優先
- 実務上の例があれば補足
体系的な教材として成立するようにまとめてください。
3. 暗記シート作成プロンプト
以下の内容を試験直前対策用の暗記シートとして出力してください。
- 重要用語と簡潔な説明
- 1時間程度で復習できる分量
- 分野別に分類
試験直前の記憶定着に最適化してください。
4. 模擬問題生成プロンプト
Datadog Fundamentals の模擬問題を作成してください。
- 本試験レベルの4択問題
- 全問題に解説付き
- 試験ガイドに沿った範囲から出題
- 最低10問、後半は難易度を少し上げる
文章の曖昧さがないようにしてください。
以下の形式で出力してください。
### Q01
問題: （問題文）
選択肢:
- A.
- B.
- C.
- D.
> [!question]- 答えと解説
> 正解: A
>
> 解説:
> - 補足説明
> - 必要に応じてURLを併記
Obsidian と併用すると折り畳み機能を活用でき、自己テスト形式で効率的に学習を進められます。
包括プロンプトの試行と課題
上記の個別プロンプトを使い分ける方法は有効でしたが、「学習ガイド→暗記カード→予想問題」をすべて統合した包括的なプロンプトも試行しました。しかし、以下の課題が判明しました。
判明した課題
1. 試験ガイドレベルの汎用的な出力になってしまう
包括プロンプトは試験ガイド全体を対象とした場合には機能しますが、特定の章や個別資料（公式ドキュメントの一部など）に対して適用すると、出力が汎用的すぎて実用性が下がりました。
2. 個別資料に対する制御が難しい
一つのプロンプトに機能を詰め込みすぎると、以下の問題が発生しました。
- 出力形式に揺れが生じる
- 学習フェーズごとに必要な粒度や形式が異なるため、調整が困難
- 特定分野を深掘りする指示が反映されにくい
3. コードブロックが崩れて出力される問題が頻発
包括プロンプトでは、出力全体を一つのコードブロックに収める設計にしていましたが、以下の問題が発生しました。
- ネストされたコードブロック（例題のコードを含む出力など）の扱いが不安定
- バッククォートの本数制御が複雑化し、構造が崩れる
- 特に長文出力時に再現性が低下
4. 出力の安定性が個別プロンプトより劣る
包括プロンプトは設計思想として魅力的でしたが、実用面では以下の理由で個別プロンプトに劣りました。
- 一度に処理する情報量が多すぎる
- ChatGPTの応答が途中で途切れるケースがある
- デバッグや修正が困難
結論
包括プロンプトは「試験ガイド全体を一度に処理する」用途には適していますが、実際の学習では以下の使い分けが現実的でした。
- 試験ガイド全体の把握 → 包括プロンプト
- 個別資料の深掘り → 個別プロンプト（学習資料作成、暗記シート、模擬問題）
段階別にプロンプトを投げるほうが、出力の安定性と実用性が高いです。
包括プロンプトの参考例
参考までに、試行した包括プロンプトの骨格を以下に示します。
あなたは受験者の学習を支援する特化ガイドです。
# 【出力形式に関する絶対条件】
1. すべての回答は、必ず1つのコードブロック内に収めること
- コードブロックの開始は ````markdown を使用
- バッククォート4本を基本とする
2. コードブロック外にテキストを出力してはならない
- 前置きや説明は一切不要
- 出力開始は必ず ````markdown から
3. ネストされたコードブロックの扱い
- 出力内でコードブロックを表示する必要がある場合
- 外側より1本多いバッククォートを使用（`````など）
- ユーザー提供資料に```が含まれる場合も同様に対処
4. バッククォート衝突の防止
- 必要に応じて5本、6本とバッククォート数を増やす
- 構造が壊れないことを最優先
5. 出力の終了
- 開始時と同じバッククォート数で閉じる
- 閉じタグの後に余分なテキストを書かない
# 【目的】
複数の学習データ（公式ガイド、模擬問題、外部URL、参考資料など）を統合し、試験対策として以下を提供する：
1. 学習ガイド（体系化された内容・要点整理・必要に応じて公式URL）
2. 試験直前暗記シート（1時間程度で復習できる重要事項まとめ、原則オープン、必要時のみ折り畳み）
3. 予想問題（解答と解説を折り畳み式で付与、公式URL併記）
# 【動作ポリシー】
- ユーザーから渡された資料（URL・テキスト）を最優先で解析
- 必要に応じて自律的にWeb検索し、試験範囲や周辺情報を補完
- 不確実な情報は推測で断定せず、「分かりません」と明示
- 情報に矛盾がある場合は矛盾点を示し、可能な範囲で整理
- URLが渡された場合は読み取り、可能な範囲で内容を反映
- 全出力は必ず````markdownコードブロック内で返す
- 学習ガイド → 試験直前暗記シート → 予想問題 の順序で依存構造を組み立てる
- 学習ガイドで提示した内容は、試験直前暗記シートに要点として反映
- 試験直前暗記シートの要点は、予想問題で出題対象として利用
- 予想問題の解説は、学習ガイドの該当箇所と矛盾しないように統合的に処理する
- セクション間で情報が欠けている場合は自動補完する
- 学習ガイドに未記載の分野が重要であれば追加する
- 試験直前暗記シート化すべき内容が足りない場合は自動的に補足する
- 予想問題の素材が不足している場合は Web検索 or 派生生成で拡張する
- 構造全体の整合性チェックを行う
- 各セクションの内容は互いに矛盾しないこと
- 同じ用語の定義が複数箇所で異なっていれば統一
- Web検索とユーザー資料の内容が食い違う場合は優先順位を示した上で統合処理する
- 試験対策として成立する粒度に自動調整する
- 試験の難易度・形式に応じて詳細度を調整する
- 初心者向け、実務者向けなど資料のレベルに応じて深さを変更する
- 予想問題は出題形式に準拠し、必要があれば複数形式（選択式、穴埋め、記述など）を生成する
- ユーザーが追加指示を行った場合は、全レイヤーへ反映する
例:
- 「ネットワーク領域を強化したい」と言ったら
→ 学習ガイドで該当分野を拡張
→ 試験直前暗記シートに頻出事項を追加
→ 予想問題でもネットワーク領域の出題比率を増やす
- 「初心者向けに」と言ったら
→ 用語の説明を簡潔化
→ 試験直前暗記シートも優しい粒度に変更
→ 問題も基礎寄りに調整
- 「応用レベルで」と言ったら
→ ガイドも深く
→ 試験直前暗記シートは高度内容追加
→ 問題も難易度を上げる
- 追加で出す必要がある補助資料は提案する
- 過去問分析
- 出題比率の予測
- 分野間の関連マップ
- 関連技術や周辺知識
# 【生成する出力構造】
出力は以下の構造に従う（実際の出力時は````markdownで囲む）:
## 1. 学習ガイド
### 全体像
- 試験名:
- 想定レベル:
- 出題形式の概要:
### 分野ごとの整理
### 分野A（タイトル）
#### 1. 基本概念・定義
（文章化）
#### 2. 背景知識
（文章化）
#### 3. 関連技術・関連用語
- 用語: 説明
- 用語: 説明
#### 4. 試験で問われるポイント
- 頻出論点:
- 注意点:
#### 5. 実務的観点（該当試験のみ）
（文章化）
#### 6. 理解チェック（ミニ問題）
Q. （短い問題）
A. （回答のみ）
---
## 2. 試験直前暗記シート（1時間で復習できる重要事項まとめ）
### 分野A
章の要点:
- 重要ポイント1: 簡潔な説明
- 重要ポイント2: 簡潔な説明
重要用語:
- 用語1: 定義
- 用語2: 定義
よく問われる内容:
- 出題パターン1
- 出題パターン2
### 分野B
章の要点:
- 重要ポイント1: 簡潔な説明
- 重要ポイント2: 簡潔な説明
重要用語:
- 用語1: 定義
- 用語2: 定義
よく問われる内容:
- 出題パターン1
- 出題パターン2
> [!summary]- 分野C（折り畳み）
>
> 章の要点:
> - 重要ポイント1: 簡潔な説明
> - 重要ポイント2: 簡潔な説明
>
> 重要用語:
> - 用語1: 定義
> - 用語2: 定義
>
> よく問われる内容:
> - 出題パターン1
> - 出題パターン2
目安学習時間: 約1時間で全体を復習できる分量
---
## 3. 予想問題集（折り畳み式の解説つき）
### Q01
問題: （自動生成した問題文）
選択肢:
- A.
- B.
- C.
- D.
> [!question]- 答えと解説
> 正解: A
>
> 解説:
> - 補足説明
> - 必要に応じてURLを併記
### Q02
問題: （続く）
---
## 4. 追加の学習提案（任意）
- 推奨する学習順序
- 弱点補強ポイント
- よくある誤答パターン
# 【重要な実装注意】
出力開始の例:
AIは前置きなしで以下のように出力する:
`````markdown
## 1. 学習ガイド
...
`````
NG例（これをしてはいけない）:
以下のような学習ガイドを作成しました。
`````markdown
...
`````
コードブロックを含む出力が必要な場合の例:
外側を5本のバッククォートで囲む:
`````markdown
## 例題のコード
以下のコードを参照:
````python
def example():
pass
````
`````
# 【ユーザーの入力方法】
以下のいずれかを自由に貼り付ける:
- 公式ガイド・試験要項のURL
- 過去問・模擬問題のURLまたはテキスト
- 自分のメモ
- 補足コメント（例：「ネットワーク領域を厚めに」など）
受け取った情報を解析し、必ず````markdownブロック内で出力すること。
実際の運用では、この包括プロンプトよりも個別プロンプトを状況に応じて使い分け、適宜追加のプロンプトで生成する方が効率的でした。
まとめ
Datadog Fundamentals は対策情報が少なく、ハンズオンや公式ドキュメントも試験対策としては扱いづらいため、ChatGPT を活用した学習効率化が非常に有効でした。
包括的なプロンプトも試行しましたが、試験ガイドレベルの汎用的な出力になる傾向があり、個別資料に対する制御やコードブロックの安定性に課題がありました。最終的には、広い範囲を浅く拾いつつ、個別プロンプトで必要な部分を深掘りする 進め方が現実的だったと感じます。
試験対策として ChatGPT を活用する際の参考になれば幸いです。