ある問題が発生した場合に原因を推定して、因果モデル（原因ー＞結果モデル）をつくることがあります。
このときに、一般的には、1原因1結果に近い単純な因果モデルが選択されます。
しかし、仮説には、3つのレベルがあると考えられます。
１）エコシステムのレベル
スマホとクラウドシステムとGPSはエコシステムを形成しています。
エネルギーの中心では、電気です。
自動車のエコシステムは、ガソリンであり、石油です。
石油の前には、石炭の時代があり、その前には、木材の時代がありました。
エコシステムでは、複数の変数が、相互依存していますので、単純な因果モデルでは、説明できません。
変数をセットで、レジームとして把握することが現実的です。
20代の若者は、テレビを1週間に30分もみません。
ネット配信動画とテレビは全くエコシステムが異なります。
この場合、比較分析はナンセンスになります。
エコシステムベースのアプローチは、現代の生態学の基本です。
マイナンバーカードを作る場合、そのエコシステムは、クラウドであり、スマホであり、顔認証になるはずです。
ICチップを埋め込んで、専用読み取り機を使うのは、全く別のエコシステムです。
このような特殊なエコシステムでは、システム開発をゼロから進めることになります。仮に、ゼロから進めても、標準的なエコシステムとして、普及しなければ、絶滅します。
何が原因で、何が結果かは、判然としませんが、検討する対象が、どのエコシステムにある変数かを考えないと、努力は全て水の泡になります。
リスキリングは、解雇のあるジョブ型雇用のエコシステムの一部です。
年功型雇用の世界に、リスキリングを持ち込んでも、エコシステムが異なるので、全く違った内容になってしまいます。
エコシステムを考えないモデルは、レジームシフトを想定しないモデルであり、知識の半減期を仮定しないモデルです。
このモデルに基づけば、生産性が落ち続けることが予測できます。
２）ブリーフの固定化のレベル
これは、パースのいう科学的なブリーフの固定化をするか、権威の方法のような他の方法をとるかというレベルの仮説です。
これは、エコシステムのレベルより、更に、根源的で、認知のレベル、言葉と実体の対応レベルの問題です。
ブリーフの固定化は不適切な場合にも、生産性の低下が起こります。
つまり、問題解決の遅延が現れます。
３）通常モデル
原因と結果が、明示できるモデルです。
一般には、これでよいのですが、１）と２）のレベルで問題があった場合、原因と結果の変数名に問題が生じます。
リスキリングは、新しい技術の学習です。
これは一見すると、講義を聞いて、テキストを読んで、練習問題を解けば良いように思われます。
しかし、ジョブ型雇用のリスキリングは、「講義を聞いて、テキストを読んで、練習問題を解く」ことではありません。
明示されない違いがあります。
ジョブ型雇用では、スキルは転職と収入の増加に繋がります。
欧米の教育は、履修主義ではなく、習得主義です。リスキリングのコースで学んでも、卒業資格が得られない人が多くいます。
採用時に、プログラマであれば、コーディング面接をうけます。
このような条件が異なれば、同じリスキリングという言葉（変数名）は、全く異なった内容を表わすことになります。
それは、当然の自明のことです。
ですから、パースの科学の方法では、言葉と、実体の内容は、観測によって、すりあわせる必要があると主張しています。
こう考えると、１）２）のレベルをクリアしない３）の議論はできないようにも思われます。
