CADEVCONF

Transcript

1. 森脇 大輔
 株式会社サイバーエージェント AI事業本部 AI Lab 
 リサーチ・サイエンティスト

3. 藤田悠, & 斎尾直子. (2017). 老人ホーム・保育所に対する社会意識の変遷と課題:建設反対事例の新聞記事記載内容と立地周辺環境の分析. 日本建築学会計画系論文集, 82(733), 697–703. https://doi.org/10.3130/aija.82.697 厚生労働省. (2021). 公的価格の 制度について . 読み込み 2022年1 月22日, から https://www.mhlw.go.jp/content/ 12300000/000863879.pdf 老人ホーム→
 保育所→
 清掃工場→
 ←保育士・幼 稚園教諭
 ←看護師
 ←全産業平均

4. 江東区. (2019). 江東区こども ・子育て支援事業計画 . 読み込 み 2022年1月22日, から https://www.city.koto.lg.jp/2 81010/kodomo/kosodate/ke kaku/kaigi/documents/01-2s hiryou2.pdf 厚生労働省. (2020). 「保育所等 関連状況取りまとめ（令和２年４月 １日）」を公表します . 読み込み 2022年1月22日, から https://www.mhlw.go.jp/content /11922000/000678692.pdf
5. 1-2歳クラス 0歳クラス 3歳クラス + 8名
6. 詰み？
7. Student-Optimal Fair Matching (SOFM) アルゴリズム • 年齢別の定員を自動的に調整することで待機児童を減らす
8. マーケットデザインによる
 待機児童問題の解決

10. 申込書 申込書 各保育所が募集 人数を申告
 申込書（多摩市） 保護者が保育所の希望順を申告 
 保育担当課がマッチング 
 うまくマッチできたら入所決定 0歳3人、1歳1人、2歳 0人…
11. 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 ・・・
12. 東京都特別区・市における利用調整アルゴリズム 
 • 約6割が逐次独裁、4割が受入保留、ボストン方式は 江戸川区のみ
 竹浪（2022）
13. 
 概要
 性質
 逐次独裁
 優先順位の高い児童から希望順 位が高い保育所を割り当て 
 正直に希望を申告しても損しない 
 受入留保
 第一希望から順にプロポーズす る。相手側はプロポーズを受け入 れるかを保留できる 
 正直に希望を申告しても損しない 
 ボストン
 第一希望の児童から定員まで受 け入れる
 余った枠には第二希望以下を入 れる
 戦略的に第一希望を操作すること で得ができる
 真の希望がわからなくなる 

14. 保育所選考問題の再定義
 まだ保育所に入っていない児童一人ひとりの希望と調整指数、保育所の 各年齢の募集人数を用いてできるだけ希望に沿うように割り当てる すでに保育所に入っている児童も含め、各家庭の各きょうだいの保育所へ の希望の組み合わせ と、各児童の各保育所ごとにちがう 調整指数、保育所 の各年齢の募集人数 （＋転園が成功した児童の空き枠分） 、を用いてでき るだけ希望に沿うように割り当て、 まだ希望者がいる各保育所の募集人数 の空きが出ないよう に割り当てる。転園希望者は転園が失敗した時はもと の保育所を確保する。
15. 
 概要
 性質
 現実への応用
 逐次独裁
 優先順位の高い児童か ら希望順位が高い保育 所を割り当て
 正直に希望を申告しても 損しない
 保育所ごとに調整指数 が違う場合に対応でき ない
 受入留保
 片一方から第一希望から 順にプロポーズしてもう 一方は受け入れるかどう かを逐一判断する
 正直に希望を申告しても 損しない
 保育所ごとに調整指数 が違っても対応できる がきょうだいの同所入 所を考慮できない
 ボストン
 第一希望の児童から定 員まで受け入れる
 余った枠には第二希望 以下を入れる
 戦略的に第一希望を操作 することで得ができる 
 真の希望がわからなくな る
 きょうだいの同所入所を 考慮できない
 ※定員調整系アルゴリズム（ SOFM）もそのままでは対応できない
16. アルゴリズムによる結果の違い（待機児童） 

17. アルゴリズムによる結果の違い（待機児童） 

18. アルゴリズムによる結果の違い（入所者の希望順位） 

19. アルゴリズムによる結果の違い（入所者の希望順位） 

20. アルゴリズムによる結果の違い（入所者の希望順位） 

21. アルゴリズムによる結果の違い（入所者の希望順位） 

22. アルゴリズムによる結果の違い（きょうだいの同所率） 

23. アルゴリズムによる結果の違い（きょうだいの同所率） 

24. アルゴリズムによる結果の違い（公平性） 

25. 残された課題
 
 • 年齢別定員の調整
 ◦ 保育士の実稼働率を考慮した制約条件 
 ◦ 施設のデータ取得
 ◦ 混合教育
 ◦ 調整コスト
 ◦ 保育所のインセンティブ 

26. 実際の制度の改善事例：多摩市 

27. 日本経済学会（2021） 
 中原賞にもとづく論文

28. 実証実験の今後

29. アルゴリズムの改良 
 アルゴリズム 特徴 SOFM カリフォルニア大鎌田准 教授、東京大学小島准教 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 奥村教授 • 職員数や施設面積等の制約下で定員を調整 • 受入留保アルゴリズム（横浜市の利用調整方法と同じ）がベース • ◯ 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
30. 定員調整に関する課題 
 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
31. デジタル申請
 ※開発中画面

32. マーケットデザインの可能性 Talk Session
33. 小田原 悠朗
 東京大学マーケットデザインセンター　特任研究員 
 Guest Speaker
34. マーケットデザインの可能性

35. 男女別定員だけではない
 公立高校入試制度の問題点

36. 男女別定員だけではない
 公立高校入試制度の問題点

37. 海外での導入事例
 米国・英国・ハンガリーなどの諸外国の入試制度の変 更において一定の成功を収めている ニューヨーク市の事例 • 従来は、約10万人の生徒のうち3万人が提出し ていた志望リストに含まれない学校に進学 • マッチングアルゴリズム導入による入試制度改革 により、 ◦ 志望リストをめぐる読みあいが不要に ◦ リストに含まれない学校への進学者が 3千人に減少
38. UTMDでレポート公開中

39. 人材配置とマッチング理論

40. 部署・新入社員 へのアルゴリズ ムの説明 部署から新入社 員に業務内容の プレゼン 新入社員から部 署に自己PRプレ ゼン 申告された希望 に基づき、アルゴ リズムで配属決 定 これまで配属後にしか わからなかった社員の 情報を得て選考できた 自分のやりたいことを一番できる所を 選ぶという所で、自分のキャリアを考 え直すきっかけとなった 人事で面談を行い調整 するプロセスが省けたた め、配属にかかる工数 が大幅に削減された
41. 災害時の避難とマッチング
 • 要配慮者の平均避難回数は 7回 • 2回以上、もしくは県外避難をした 9 箇所の高齢者福祉施設では 平均して例年の2.4倍の人が一年間 で亡くなっている • 避難しないという選択をした施設は 例年通りの死亡率 相川 祐里奈『避難弱者―あの日、福島原発間近 の老人ホームで何が起きたのか？』より 様々な事情を抱える要配慮者の災害時避難について、受け入れる 施設の特質も踏まえながら極力負担が少なくなるような仕組みを整 える必要がある
42. マーケットデザインの今後

43. UTMDの設立目的 研究を社会実装に、社会実装を研究に還元する
44. 最後に