Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
GovTechとマーケットデザイン発表資料(CA森脇)
Search
森脇大輔
February 24, 2022
Research
0
350
GovTechとマーケットデザイン発表資料(CA森脇)
2022年2月24日(木) 12:00~ 13:30
森脇大輔
February 24, 2022
Tweet
Share
More Decks by 森脇大輔
See All by 森脇大輔
「EBPMエコシステム」の可能性
daimoriwaki
0
200
RecSys22読み会_MTRS
daimoriwaki
0
510
CADEVCONF
daimoriwaki
0
39
GovTechとマーケットデザイン (東京大学小島教授)
daimoriwaki
0
390
GovTechとマーケットデザイン (東京大学野田講師)
daimoriwaki
0
300
GovTechとマーケットデザイン (渋谷区山室係長)
daimoriwaki
0
360
GovTechとマーケットデザイン(多摩市田中係長)
daimoriwaki
0
220
lift-based advertising
daimoriwaki
0
59
Econ Fiesta
daimoriwaki
1
2.4k
Other Decks in Research
See All in Research
Target trial emulationの概要
shuntaros
2
1.2k
待機電力を削減したネットワーク更新型電子ペーパーサイネージの開発と評価 / IOT64
yumulab
0
120
Engineering LaCAM∗: Towards Real-Time, Large-Scale, and Near-Optimal Multi-Agent Pathfinding
kei18
0
110
生成AIを用いたText to SQLの最前線
masatoto
1
2.8k
リサーチに組織を巻き込むための「準備8割」の話
terasho
0
480
First Authorに俺はなるっ!! IROS’23 CCC2023 FY
shota_nishiyama
0
190
[2023 CCSE] ZOZOTOWN検索における 研究開発の取り組みについて
tomoyayama
0
130
NeurIPS-23 参加報告 + DPO 解説
akifumi_wachi
5
2.2k
【論文紹介】Large Language Models Sensitivity to The Order of Options in Multiple-Choice Questions
ichiroex
0
110
[輪講資料] Text Embeddings by Weakly-Supervised Contrastive Pre-training
hpprc
3
480
言語間転移学習で大規模言語モデルを賢くする
ikuyamada
8
3.8k
Breaking Tradeoffs: Extremely Scalable Multi-Agent Pathfinding Algorithms
kei18
0
150
Featured
See All Featured
BBQ
matthewcrist
80
8.8k
Docker and Python
trallard
35
2.7k
Designing for humans not robots
tammielis
247
25k
個人開発の失敗を避けるイケてる考え方 / tips for indie hackers
panda_program
67
14k
What’s in a name? Adding method to the madness
productmarketing
PRO
17
2.7k
Build your cross-platform service in a week with App Engine
jlugia
226
17k
Being A Developer After 40
akosma
67
580k
The Brand Is Dead. Long Live the Brand.
mthomps
49
30k
Refactoring Trust on Your Teams (GOTO; Chicago 2020)
rmw
26
2.3k
Large-scale JavaScript Application Architecture
addyosmani
504
110k
4 Signs Your Business is Dying
shpigford
176
21k
Building a Modern Day E-commerce SEO Strategy
aleyda
22
6.4k
Transcript
保育所プロジェクト ~取組の現在地~ 株式会社サイバーエージェント AILab 経済学社会実装チーム 森脇大輔 https://sites.google.com/site/dmoriwaki/
プロジェクトの開始 • 2021年にUTMDと共同研究を開始 • 利用調整の実態をヒアリング • 匿名化データの分析 • 渋谷区・多摩市との共同実証実験を
開始
渋谷区における事例 • テーマ ◦ 保育所手続きのデジタル化 ◦ 利用調整アルゴリズムの改善
利用調整アルゴリズムの改善 • SOFMアルゴリズムを適用した場合のシミュレーション分析を実施 第N番目に希望した保育所に入所 児童数 不公平が起きたケース
現実応用のための課題 • 部屋の共有の現実性 • あまり定員の排除 • 保育所側のインセンティブの確保 ◦ 一部自治体では補助金を用いて年齢
別定員を調整 事務調整コストを 超える効果を出せ るか 保育所にとってインセンティ ブがあるか 保育士の稼働率を 妥当な範囲に抑え られるか 人数に応じて部屋のレイア ウトを変えられるか あまり定員をなくせ るか
さまざまなアルゴリズムとその性質 アルゴリズム 特徴 SOFM カリフォルニア大鎌田准教 授、東京大学小島教授 • 職員数や施設面積等の制約下で定員を調整 • なるべく多くの児童をマッチできないか探索する
• ◯ マッチ数が現状より大きく増える、きょうだい同所入所 • ✕ 年齢別定員が大きく変化する NRMP 米国研修医マッチングで利 用 • きょうだい同所入所に対応した受入留保アルゴリズム • ◯ 年齢別定員が変化しない、きょうだい同所入所 • ✕ マッチ数が現状と変わらない、アルゴリズムが収束しない場合がある Nguyen-Vorha • 最大2名の定員変化を許容することで、NRMPと似たマッチングを導く • ◯ マッチ数が現状より少し増える、きょうだい同所入所 • △年齢別定員の多少の調整が必要な場合もある Okumura 東京海洋大学 奥村准教授 • 職員数や施設面積等の制約下で定員を調整 • 受入保留など他のアルゴリズムと組み合わせ可能 • ◯ マッチ数が現状より増える • ✕ 年齢別定員が変化する Biro et al. • きょうだいの同所などを含めて整数問題として計算 • 目標とする指標を最大化 • ×解が見つからない場合もある
利用申請システムの改善 • システムによって「本来の」選好を引き出す • 豊富な情報・使いやすさ・検討のしやすさ 開発中画面
多摩市における事例 • 利用調整についての実証実験 • 課題感 ◦ 利用調整の自動化 ◦ アルゴリズムの最適化
利用調整ルールの改善 ジニ係数 2021年:0.475 2022年:0.484
転園処理 保育課の方に伝えたいこと • 現状アルゴリズムについての理解 ◦ そもそもどういうアルゴリズムを採用している のか ◦ ブラックボックスになっていないか
• データを用いた客観的検証 ◦ どのような指標を重視するのか ◦ ほかのアルゴリズムとの比較 公平性 待機児童数 きょうだいの同所率 資源の無駄 希望の充足度
保育所の利用申請の全体最適化を目指す 利 用 調 整 結 果 通 知 二
次 募 集 ※さらに居宅 事業等への斡 旋など 利 用 申 し 込 み 見 学 ・ 情 報 取 集 ・・・ Twitter: @dmoriwaki mail:
[email protected]