原子力発電所の運営における事象から学ぶためには、人的要因事象の診断が重要である。しかし既存の手法は、専門家による叙述報告書の解釈とガイドライン準拠の推論品質に大きく依存していた。従来のデータ駆動型アプローチや一度限りの大規模言語モデル（LLM）の利用では、構造化された推論が不足しており、正式な診断ガイドラインとの整合性が限定的で、論理的に矛盾した結論を生じる可能性があった。 本研究では、このような課題に対処するためG-SHAREというガイドライン基盤型構造化推論フレームワークを提案した。このフレームワークはCNNP（中国原子力企業）の9段階人的要因事象診断ガイドラインを、多段階診断パイプラインとして実装している。具体的には、証拠抽出、段階的診断推論、事後的な一貫性修復の三つの要素から構成されており、報告書の証拠を明示的に活用し、中間的な推論根拠を生成し、診断結果の論理的妥当性を検証することが可能になった。 中国原子力業界の実際の人的要因事象報告書からデータセットを構築し、領域専門家によって注釈付けされた黄金基準サブセットで評価を実施した。結果として、G-SHAREは従来の一度限りプロンプティングと機械学習ベースラインを大幅に上回る性能を示し、最強版では最高の総合精度とマクロF1を達成した。アブレーション研究からは、構造化推論と一貫性の強制が堅牢な診断に極めて重要であること、特に弱いプロンプティング条件下で有効であることが明らかになった。 本研究の知見は、専門家診断ガイドラインを監査可能な推論ワークフローに変換することの価値を実証しており、原子力発電をはじめとする安全性が極めて重要な産業における知的な人的要因分析の実用的な道筋を提供するものである。