Upgrade to Pro — share decks privately, control downloads, hide ads and more …

科学技術情報分析の面白さ

hayataka
December 29, 2021

 科学技術情報分析の面白さ

下記のイベントで講演した資料です。私はDay 1に「科学技術情報分析の面白さ」というテーマで発表しました。

データ可視化ショーケースイベント Data Visualization meetup 2021
https://peatix.com/event/3120368

「データ可視化研究の可視化」を始め、テキストマイニングやネットワーク分析を用いた事例を紹介しつつ、特許や論文・学術文献といった科学技術情報の面白さや動向をお話しました。データ可視化・分析に係る方々の参考になれば幸いです。

Day 1
https://www.youtube.com/watch?v=VxaZR55H9dE

Day 2
https://www.youtube.com/watch?v=ZFxLzngdN_c

hayataka

December 29, 2021
Tweet

More Decks by hayataka

Other Decks in Research

Transcript

  1. 科学技術情報分析の⾯⽩さ
    林 尚芳
    2021年12⽉29⽇
    データ可視化ショーケースイベント / Data Visualization meetup 2021

    View Slide

  2. アジェンダ

    1. ⾃⼰紹介
    2. 科学技術情報とは
    3. 分析事例
    ・ データ可視化の可視化
    ・ 共著ネットワーク分析による研究者探索
    ・ ⾃動⾞業界の特許リスク把握
    4. なぜ、科学技術情報分析が⾯⽩いのか?
    5. 今後、取り組んでみたいこと
    6. 実務での学び:So What?問題

    View Slide


  3. 1. ⾃⼰紹介

    View Slide


  4. ⾃⼰紹介
    林 尚芳 | Takayoshi HAYASHI @VALUENEX株式会社 先進情報学研究所
    早稲⽥⼤学⼤学院 先進理⼯学研究科 修⼠課程修了後、NTT研究所、リクルート
    を経て、VALUENEXに⼊社。現在、クライアントの研究開発活動を前進させるためのデ
    ータ分析プロジェクトに従事。主に、⺠間企業の研究企画・イノベーション推進・経営企
    画・知財部⾨、公的機関の技術調査部⾨といったクライアントと取り組む。科学計量
    学、データマイニング、データとデザイン、科学技術商業化に関⼼がある。
    ミッション:世界に氾濫する情報から「知」を創造する。
    事業:データ分析・可視化SaaS、受託データ分析・リサーチ
    R&Dインテリジェンスによって、科学技術と社会実装・事業化の橋渡しを⽀援したい。
    Twitter:@hayataka88

    View Slide


  5. 2. 科学技術情報とは

    View Slide

  6. 科学技術情報は、⼈類の叡智が蓄積された情報源の1つである

    https://scholar.google.com/schhp
    ニュートンがフックに宛てた書簡(1676年)
    If I have seen further it is by standing on the shoulders of Giants.
    私が彼⽅を⾒渡せたのだとしたら、それは巨⼈の肩の上に乗っていたからです。
    学者

    View Slide


  7. 特許 論⽂
    https://onlinelibrary.wiley.com/doi/epdf/10.1002/eej.22666
    https://patents.google.com/patent/JP2015065740A/ja
    科学技術情報は、研究情報、組織・国・⼈情報、様々な繋がり情報を含む

    View Slide


  8. 研究者はもちろんのこと、国・⼤学・企業の状況把握や戦略⽴案に活⽤されている
    https://www.jst.go.jp/crds/report/CRDS-FY2018-RR-
    04.html
    https://www.jpo.go.jp/resources/report/gidou-
    houkoku/tokkyo/document/index/2019_08.pdf
    https://www.nistep.go.jp/archives/46755

    View Slide


  9. 研究者はもちろんのこと、国・⼤学・企業の状況把握や戦略⽴案に活⽤されている
    各社の事例が掲載
    旭化成
    AGC
    ⾙印
    塩野義製薬
    昭和電⼯
    セイコーエプソン
    ダイセル
    帝⼈
    パナソニック
    富⼠通
    富⼠フイルム
    ブリヂストン 等
    https://www.jpo.go.jp/support/general/chizai-
    jobobunseki-report.html
    https://ura.sec.tsukuba.ac.jp/ura/ja/value/planning/

    View Slide


  10. 研究者はもちろんのこと、国・⼤学・企業の状況把握や戦略⽴案に活⽤されている
    https://www.gpif.go.jp/esg-
    stw/esginvestments/2020gpif.html
    https://www.meti.go.jp/committee/kenkyukai/sansei/jizok
    uteki_esg/pdf/005_s03_00.pdf
    https://www.dbj.jp/topics/investigate/2021/html/2021063
    0_203354.html

    View Slide


  11. 3. 分析事例
    データ可視化の可視化

    View Slide


  12. https://www.lens.org/
    本事例で使ったツール
    Lens
    論⽂データ検索および基本集計チャート
    VALUENEX Radar
    テキストマイニングを活⽤した論⽂マップ(俯瞰図)
    +
    +


    #-/4#05
    45&25"
    5%1!#05
    .+3
    ' $)(%,
    *5"



    https://www.valuenex.com/jp/valuenex-radar

    View Slide


  13. データ可視化に関する論⽂を収集
    • 2001年以降の雑誌 or 会議録で、下記どちらかを含み、⼀定の⻑さで英語のアブストラクトを持つ論⽂を収集 → 約3.4万件
    Title, Abstract:data visualization OR information visualization OR visual analysis OR visual analytics
    Field of Study:Data visualization OR Information visualization OR Visual analytics OR Interactive visual analysis
    • Lensは特許・論⽂の情報を横断的に検索・分析できるサービス。今回の検索データやダッシュボードはLens上で公開している (https://link.lens.org/ggKBnwQfXRc)
    件数推移 国別件数推移

    View Slide


  14. データ可視化に関する論⽂を収集
    Lensで基本的なダッシュボードを⽣成できる。今回の検索データやダッシュボードはLens上で公開している (https://link.lens.org/ggKBnwQfXRc)
    組織ランキング
    国ランキング

    View Slide


  15. データ可視化に関する論⽂を収集
    Lensで基本的なダッシュボードを⽣成できる。今回の検索データやダッシュボードはLens上で公開している (https://link.lens.org/ggKBnwQfXRc)
    著者ランキング ワードクラウド

    View Slide


  16. データ可視化に関する論⽂を俯瞰する
    論⽂のアブストラクト情報を⽤いて、論⽂同⼠の類似性を算出。類似性が⾼いものを近く、低いものを遠くに配置して、⼆次元可視化した(俯瞰図)。
    バイオ・医療
    バイオ・医療
    分析・可視化⼿法
    シミュレーション
    レンダリング等
    インタラクション
    モバイル・IoT・環境
    テキスト・データマ
    イニングと応⽤
    動き分析
    その他応⽤
    (教育等)
    ※ 俯瞰図はVALUENEX Radarで作成した。
    Lensには基本的な集計チャートはあるが、現
    時点ではこういった可視化機能はない。
    (VALUENEX Radarについては、下記リン
    クを参照いただけますと幸いです。
    https://www.valuenex.com/jp/valuenex
    -radar)

    View Slide


  17. データ可視化に関する論⽂を俯瞰する
    もし、⼭辺さんと杉本さんの取り組みを、俯瞰図にプロットするとしたら・・・?
    バイオ・医療
    バイオ・医療
    分析・可視化⼿法
    シミュレーション
    レンダリング等
    インタラクション
    モバイル・IoT・環境
    テキスト・データマ
    イニングと応⽤
    動き分析
    その他応⽤
    (教育等)
    ⼭辺さん
    新型コロナウィルスゲノム
    系統樹の3次元可視化
    杉本さん
    VIRTUAL SHIZUOKA

    View Slide


  18. 時系列変化:基本的な分析・可視化⼿法から、様々な応⽤・インタラクションへ
    2001-2005
    レンダリング、ゲノム分析、データマイニング、クラスタリング等
    2006-2010
    グラフ・テキストマイニング、検索、シミュレーション、センサー、モバイル、GIS等

    View Slide


  19. 時系列変化:基本的な分析・可視化⼿法から、様々な応⽤・インタラクションへ
    2011-2015
    動画、トラフィック、セキュリティ、学⽣・教育等
    2016-2021
    ビッグデータ、都市、IoT、エネマネ、⼤気・⽔、AR/VR、没⼊、COVID、BI等
    トラフィック、動画
    ネットワーク、グラフ分析
    インタラクション
    環境・IoT
    COVID、ヘルスケア
    BI、VA

    View Slide


  20. 研究者別:Ma教授はボリュームレンダリングが中⼼的であり、様々な現象の可視化に取り組む
    Kwan-Liu Ma教授(UC Davis) Supernova visualization
    https://en.wikipedia.org/wiki/Kwan-Liu_Ma

    View Slide


  21. 研究者別:Keim教授はニュース分析、テキスト・データマイニング、ビジュアルアナリティクスに取り組む
    Daniel A. Keim教授(Univ. of Konstanz) VAの学際性
    Challenges in Visual Data Analysis (2006)
    https://bib.dbvis.de/uploadedFiles/87.pdf

    View Slide


  22. エマージング領域の把握
    俯瞰図をメッシュ状に切り、各メッシュ内の件数推移から、最近増加し始めたところを検出した。
    RNA-seqデータ解析・探索
    創薬
    T-SNE・UMAP
    カラーマップ
    データジャーナリズム・フェイクニュース
    政治
    市場価格予測
    ⾷事・⾷品
    CRM
    COVID19
    因果関係
    犯罪調査
    ⼤気汚染
    モニタリング
    BIM情報の利⽤
    IoT
    0
    2
    4
    6
    8
    10
    12
    2001
    2003
    2005
    2007
    2009
    2011
    2013
    2015
    2017
    2019
    2021
    BI・ダッシュボード
    機械学習
    T-SNE・UMAPの推移

    View Slide


  23. エマージング領域の把握:COVID19 - 事例
    DatAC: A visual analytics platform to explore climate and air quality indicators associated with the COVID-19 pandemic in Spain
    Centre for Genomics and Oncological Research, 2020
    スペインにおける気象・⼤気の時空間データとCOVID-19感染の関係性などを可視化分析するシステムを開発し、Webで公開している。
    https://www.ncbi.nlm.nih.gov/pmc/articles/PMC7399783/

    View Slide


  24. エマージング領域の把握:因果関係 - 事例
    Illusion of Causality in Visualized Data / Northwestern University, 2019
    適切な視覚化デザインによって、相関関係を因果関係と認識してしまうようなエラーを低減させることができる。下記の例では、2つに集約した棒グラフが、最
    も因果関係と認識された。ただし、実験結果の根本的な解明までは⾄っていないので、具体的なガイドラインを作ることは今後の課題としている。
    https://vimeo.com/370881473

    View Slide


  25. エマージング領域の把握:BIM情報の利⽤ - 事例
    Research on Construction of Spatio-Temporal Data Visualization Platform for GIS and Bim Fusion
    Heilongjiang University of Science and Technology, 2020
    GISとBIMを融合させた時空間データ視覚化プラットフォームを提案。デジタルツインシティ、スマートシティでの利⽤を想定。天津経済技術開発区で利⽤。
    https://www.researchgate.net/publication/33910911
    0_RESEARCH_ON_CONSTRUCTION_OF_SPATIO-
    TEMPORAL_DATA_VISUALIZATION_PLATFORM_FOR_
    GIS_AND_BIM_FUSION
    Macro Midium
    Micro

    View Slide


  26. エマージング領域の把握:カラーマップ - 事例
    Deep Colormap Extraction from Visualizations / HKUST, 2021
    深層学習によって、データ可視化からカラーマップを⾃動的に抽出する⽅法を提案。カラーマップの転移や再マッピングといったユースケースが考えられる。
    https://arxiv.org/pdf/2103.00741.pdf

    View Slide


  27. エマージング領域の把握:機械学習 - 事例
    VisEvol: Visual Analytics to Support Hyperparameter Search through Evolutionary Optimization / Linnaeus Univ., 2020
    進化計算による機械学習モデルのハイパーパラメータ探索を⽀援する可視化分析を提案。
    https://arxiv.org/pdf/2012.01205.pdf

    View Slide


  28. エマージング領域の把握:t-SNE・UMAP - 事例
    Visualization Framework for High-Dimensional Spatio-Temporal Hydrological Gridded Datasets using Machine-Learning Techniques
    CSIRO, 2021
    ⼤規模で⾼次元の時空間データセットを2次元に視覚化する⼿法を、精度、解像度、計算効率の観点から⽐較(PCA、GTM、t-SNE、UMPA)。オーストラリア
    の⽔資源モデルデータに適⽤したところ、グローバル構造を迅速に可視化するならPCA、ローカルなトレンドを正確に把握するならt-SNEやUMAPが良いことが分かった。
    https://www.researchgate.net/publication/339491137_Visualization_Framework_for_High-Dimensional_Spatio-Temporal_Hydrological_Gridded_Datasets_Using_Machine-Learning_Techniques

    View Slide


  29. エマージング領域の事例を眺めると、改めてデータ可視化の学際性を感じる
    • 情勢に合った問題解決のための可視化分析(例. COVID19関連)
    • 可視化⽅法による⼈間のデータ解釈の違い(例. データの⾒せ⽅による相関・因果関係の認知)
    • IoTシステム・デジタルツインへの可視化応⽤(例. BMI情報活⽤)
    • データ可視化のための機械学習 (例. カラーマップ⾃動抽出、次元圧縮⼿法)
    • 機械学習のためのデータ可視化(例. 機械学習モデルのパラメータ探索⽀援)
    etc…
    Keim教授が⽰したVAの学際性[1]
    Challenges in Visual Data Analysis (2006)
    https://bib.dbvis.de/uploadedFiles/87.pdf

    View Slide


  30. 3. 分析事例
    共著ネットワークによる研究者探索

    View Slide


  31. 共同研究先、有識者ヒアリング、⼈材採⽤といったシーンで、
    「良い研究者」を探したい。
    ただし、有名⼈は知っているので、知らない⼈を探したい。

    View Slide


  32. 共著ネットワーク分析で得られる指標・構造を活⽤する






    ネットワーク構造上での重要性指標
    ①次数中⼼性
    最も繋がりが多い研究者
    ②媒介中⼼性
    グループ間を繋ぐ研究者
    ③近接中⼼性
    皆と平均的に近い研究者 等
    論⽂の共著ネットワークを作成すると、各ノード(研究者)の重要性指
    標を計算することができる。この指標を「中⼼性」と⾔い、どの観点で
    重要と⾒做すかによって、様々な指標が存在する。
    ネットワーク構造上でのコミュニティ検知
    各ノードが何らかのコミュニティに属すると仮定し、どのようにコミュニティ
    分割されるかを推定する。論⽂共著ネットワークであれば、研究グル
    ープの推定に利⽤できる。

    View Slide


  33. 可視化しても知⾒を獲得しにくい場合もあるので、指標化と解釈を⼯夫する
    ヘアボール現象(数万⼈のネットワーク可視化) 研究者フェーズ推定(機械学習分野)











    !
    #
    "

    $#


    !





    jbOmrOkueZ#WSVMiqOsue
    .,-2* $&ZlOnt+a
    ST/%N'%N
    pjt*437+ZN659)
    9><@CDBD?J)8>HA>I)K/0)5CCDH;GDEF)
    :C=>E)/0LY*.,-1+N'%N

    _sOhOdrgY!\`W"
    ([XPQM Q]U
    VRVP`N ZQS^Xc
    oOfueN
    指標化
    解釈

    View Slide


  34. 3. 分析事例
    ⾃動⾞メーカーが注意すべき特許リスクの把握(NPEからの訴訟)

    View Slide


  35. 特許は「技術情報」だけでなく、「権利情報」でもある
    [1] 週刊ダイヤモンド、「トヨタ・ホンダもついに標的に、「特許トロール」の恐怖(2017)」:https://diamond.jp/articles/-/129691
    [2] VALUENEX・林、「Intellectual Venturesの特許ポートフォリオ分析および⾃動⾞メーカーが注意すべき技術領域の把握(2017)」:
    https://static1.squarespace.com/static/5de81181ac2eb4212e1bb044/t/5e74fdcd2743d20f44443302/1584725461103/170614_VALUENEXreport_Intellectual-Ventures.pdf
    事業会社A 事業会社B
    弊社の特許aを
    侵害している!
    いや、御社も弊社の
    特許bを侵害している!
    NPE 事業会社B
    弊社の特許aを
    侵害している!
    相⼿に事業が無いので、
    カウンターパンチできない。。
    事業会社同⼠の訴訟 NPE(不実施主体)からの訴訟
    2017年、NPEの⼀社であるIntellectual Ventures(IV社)が、電動モーターの特許で、トヨタを訴訟した(他にもホンダ、デンソー等も含む)。
    当時、アップル、グーグルなどのIT企業が訴訟されることが多かったが、⾃動⾞業界もついに訴訟されたと話題になっていた[1]。
    今後、⾃動⾞業界が注意すべき技術領域は何か?と考え、レポート[2]を執筆・公開した。

    View Slide


  36. ⾃動⾞メーカーが注意すべき特許リスクの可視化
    • IVとトヨタが互いに混ざり合う、通信・ICT、デジタルイメージング、パワー半導体、バッテリー、モーター(当時既に訴訟)領域が注意。
    • ⾃動⾞のコネクテッド化とIVの出願傾向からして、C1:通信・ICT関連は特に要注意である。
    2017年当時のIV社・トヨタの特許ポートフォリオ

    View Slide


  37. 2021年10⽉、IV社がトヨタやホンダを通信関連特許で訴訟
    [1] ⽇経新聞、「つながる⾞で特許紛争 ⽶社、トヨタ・ホンダを提訴(2021.12)」:https://www.nikkei.com/article/DGXZQOUC1747E0X11C21A1000000/
    • ⾞載通信に関する10件以上の特許侵害で、トヨタ、ホンダ、GMを訴訟 [1]。2017年の分析レポートで⽰していた特許が含まれていた。
    • 動向を鑑みて考えれば、予想された動きではあるが、データ分析・可視化を活⽤することで、具体的にリスクを発⾒することができる。
    訴訟に使われたIV社の⽶国特許
    6832283 Method for addressing network components
    7382771 Mobile wireless hotspot system
    7684318 Shared-communications channel utilization for applications having different class of service requirements
    7484008 Apparatus for vehicle internetworks (トヨタへの訴訟のみ)
    7891004 Method for vehicle internetworks(ホンダへの訴訟のみ)
    8811356 Communications in a wireless network
    8953641 Methods and apparatus for multi-carrier communications with variable channel bandwidth
    9232158 Large dynamic range cameras
    9291475 Device, system and method for controlling speed of a vehicle using a positional information device
    9602608 System and method for notifying a user of people, places or things having attributes matching a user's stated preference
    9681466 Scheduling transmissions on channels in a wireless network
    10292138 Determining buffer occupancy and selecting data for transmission on a radio bearer

    View Slide


  38. 4. なぜ、科学技術情報分析が⾯⽩いのか?

    View Slide


  39. 超主観的理由
    • 知的好奇⼼:
    様々な科学技術分野における先端的な内容や、研究者・組織・国の取り組みを知ることができる。
    • データの濃密さ:
    1レコード1レコードが、研究者・技術者の知的好奇⼼と情熱であり、失敗と成功の記録である。

    View Slide


  40. 知財に関する動向:経営・事業における知財の重要性
    [1] 特許庁、「特許⾏政年次報告書 (2004)」: https://warp.da.ndl.go.jp/info:ndljp/pid/11239397/www.jpo.go.jp/shiryou/toushin/nenji/nenpou2004_index.htm
    [2] 特許庁、「経営戦略に資する知財情報分析・活⽤に関する調査研究(2021)」:https://www.jpo.go.jp/support/general/chizai-jobobunseki-report.html
    三位⼀体経営[1] IPランドスケープ[2]

    View Slide


  41. アカデミアに関する動向:学術情報流通の変化
    学術情報流通の変化[1]
    [1] NISTEP、「COVID-19が加速する学術ジャーナルと論⽂の変容(2020)」:https://www.ruconsortium.jp/uploaded/attachment/111.pdf
    [2] 京都⼤学、「新型コロナウイルス感染症流⾏下における未査読論⽂の公開動向(2020)」:https://www.sato-pat.co.jp/contents/pressrelease/workshop/top.pdf
    オープンサイエンスやプレプリントの発展により、学術情報流通の即時化・⼤規模化・複雑化により、データ分析・可視化の必要性が増すのではないか。
    COVID-19に関するプレプリントの件数推移[2]

    View Slide


  42. アカデミアに関する動向:⽇本の研究⼒強化に向けて
    https://www8.cao.go.jp/cstp/tyousakai/sekai/1kai/siryo7.pdf
    ⽇本の研究⼒強化のために、産官学で様々な課題に対して検討を進めている。データ分析・可視化は、状況理解、打ち⼿の効果検証、KPI設計(そもそも研
    究⼒を計るとは?)等で必要とされる。
    • 研究資⾦調達のあり⽅(交付⾦、競争的資⾦、10兆円ファンド、
    寄付、ギャップファンド等)
    • 科学技術商業化(技術移転、⼤学発ベンチャー等)
    • ⾼度専⾨⼈材育成、労働環境
    • ⼤学・研究機関の研究⼒評価法 等
    世界と伍する研究⼤学専⾨調査会資料より
    検討課題

    View Slide


  43. アカデミアに関する動向:⽇本の研究⼒強化に向けて
    https://www.mext.go.jp/content/20210728-mxt_sanchi01-000017123_6.pdf
    研究⼒の計り⽅について、様々な議論がなされている。また、⼤学等の研究機関の「研究⼒」、「教育⼒」、「資⾦獲得」に関するエビデンスを収集し、可視化分
    析できるシステム(e-CSTI:https://e-csti.go.jp/)が内閣府から公開されている。
    https://www8.cao.go.jp/cstp/stmain/e-csti_sanko1.pdf
    総合科学技術・イノベーション会議での研究⼒指標議論 e-CSTIを使った分析事例

    View Slide


  44. 関連プレイヤーの動向:⽂科省・NISTEP
    「データ解析政策研究室」が新設(2021年4⽉)
    学術情報などの新たなデータ解析⼿法の研究開発(理研とも連携)、エビデンスベースな科学技術・イノベーション政策の提⾔などに取り組む。 [1]。
    [1] 「科学技術・学術政策研究所の機能強化について(2021)」: https://www.nistep.go.jp/activities/sti-horizon%E8%AA%8C/vol-07no-02/stih00251

    View Slide


  45. 関連プレイヤーの動向:UZABASE
    SPEEDA R&Dサービスをローンチ(2019年11⽉〜)
    2019年11⽉より特許情報、2021年10⽉より論⽂情報がSPEEDAで検索・分析できる「SPEEDA R&Dサービス」をローンチしている。企業・市場情報と技術情
    報の接続にチャレンジしている[1][2]。
    [1] 「SPEEDA、事業環境の機会と脅威を捉える「特許動向検索」機能をリリース(2019)」: https://www.uzabase.com/jp/news/speeda-patent-search/
    [2] 「SPEEDA、JDREAM IIIと連携(2021)」: https://www.uzabase.com/jp/news/speeda-r-and-d/

    View Slide


  46. 関連プレイヤーの動向:PatSnap
    ソフトバンクとテンセントの出資により、ユニコーンに(2021年3⽉)
    特許・論⽂・研究助成・企業情報などを横断的に検索・分析できるサービスを提供。2021年3⽉、ソフトバンク・ビジョン・ファンドとテンセントがリードしたシリーズ
    Eで3億ドル調達し、ユニコーンとなった[1]。2021年6⽉、⽇本語検索・表⽰といった機能をローンチしている[2]。
    [1] 「シンガポール発の特許検索・分析ツール開発スタートアップPatSnap、シリーズEで3億⽶ドルを調達しユニコーンに(2021)」:https://thebridge.jp/2021/03/patsnap-lands-us300m-series-e-to-grow-its-rd-and-ip-intelligence-
    platforms-20210316
    [2] 「PatSnapは海外特許の⽇本語検索・⽇本語表⽰を本格的に提供開始いたしました。(2021)」:https://prtimes.jp/main/html/rd/p/000000001.000055070.html
    [3] 「Patsnap Webページ」: https://www.patsnap.com/

    View Slide


  47. 関連プレイヤーの動向:VALUENEX
    分析活⽤事例が各所で公表(2021年)
    俯瞰分析によって得られた洞察が、戦略⽴案・意思決定に活⽤している。例えば、旭化成
    はこういった科学技術や市場情報分析をDX化の⼀要素として捉えて取り組んでいる。また、
    可視化結果を踏まえたワークショップにも活⽤いただいている。
    [1] 旭化成、「旭化成における「デジタル×共創」によるビジネス変⾰(2021)」:https://www.asahi-kasei.com/jp/news/2021/ip4ep3000000459e-att/ze211216.pdf
    [2] 特許庁、「経営戦略を成功に導く知財戦略【実践事例集】 (2020)」:https://www.jpo.go.jp/support/example/document/chizai_senryaku_2020/all.pdf
    DXの⼀貫での取り組み[1]
    可視化結果を踏まえたワークショプ[2]

    View Slide


  48. 関連プレイヤーの動向:VALUENEX
    分析活⽤事例が各所で公表(2021年)
    俯瞰分析によって得られた洞察が、戦略⽴案・意思決定に活⽤している。例えば、ブリヂストンでは、CEO⾃ら、知財情報分析結果を使って、グローバルな経
    営会議で説明する場⾯もあるらしい[1]。
    [1] 特許庁、「経営戦略に資する知財情報分析・活⽤に関する調査研究(2021)」:https://www.jpo.go.jp/support/general/document/chizai-jobobunseki-report/chizai-jobobunseki-document.pdf
    ブリヂストンの取り組み[1]

    View Slide


  49. 5. 今後、取り組んでみたいこと

    View Slide


  50. 今後、取り組んでみたいこと
    科学的知識発⾒
    バイオインフォマティクス、マテリアルインフォマティクス、 ABCモデル[1]
    技術と事業の橋渡し、⼤学・研究機関を元気にする
    技術を起点とした事業開発、科学技術商業化、⼤学発テックベンチャー等
    データとデザイン
    Interactive Visual Analytics、情報デザイン
    [1] ⽇⽴製作所・⼩池、「テキストマイニングによる潜在的知識の発⾒⽀援(2007)」:
    https://ipsj.ixsq.nii.ac.jp/ej/index.php?active_action=repository_view_main_item_detail&page_id=13&block_id=8&item_id=65870&item_no=1
    1986年、Swansonはレイノー病に⿂油の摂取が有効であると論
    ⽂情報から予測。その後、実際の実験によって証明。
    1. (A)⿂油が(B)⾎液粘性を下げる働きがある。
    2. (C)レイノー病は、(B)⾎液粘性が⾼いこと等が挙げられる。
    上記の知識を⽂献調査から発⾒し、組み合わせて予想。これを
    抽象化して、ABCモデルと呼ばれる。
    ABCモデル
    (A)⿂油 → (B)⾎液粘性 → (C)レイノー病

    View Slide


  51. 今後、取り組んでみたいこと
    科学技術情報の⽇常化:⽣活者が、普段から科学技術情報に触れ、より良い暮らしができる世界
    https://www.jstage.jst.go.jp/article/otoljpn/22/3/22_219/_pdf/-char/ja https://www.jstage.jst.go.jp/article/shonijibi1980/29/2/29_21/_pdf/-char/ja
    不安な時に落ち着かせてくれた論⽂ 医療機関・医師探しで⾒つけた治療・療法例

    View Slide


  52. 今後、取り組んでみたいこと
    ⼤学シラバス情報の活⽤:シラバスは学ぶ内容、書籍、研究者情報の宝庫。学⽣の勉強や講義・研究室選びや、⽣活者の独学の
    補助情報として活かせないか。
    https://www.wsl.waseda.jp/syllabus/JAA104.php?pKey=5700101147012021570010114757&pLng=jp https://opensyllabus.org/
    同⼀シラバスに、同時に参照されやすい
    教科書を近くに配置
    シラバス情報の事例 Open Syllabus Project

    View Slide


  53. 6. 実務での学び:So What?問題

    View Slide


  54. 私の取り組み(抽象化)
    データに対して、造形と指標化によって解釈可能性を与え、⼈間の発⾒・思考を⽀援する。
    指標化
    評価する
    造形
    形を与える
    データ
    解釈
    可能性
    発⾒・思考
    感じる
    理解する

    View Slide


  55. So What?とならないために意識していること
    指標化
    評価する
    造形
    形を与える
    データ
    解釈
    可能性
    発⾒・思考
    1. ⽬的と合っていない 2. ソリューションから⼊りすぎる 3.相⼿が思考・アクションしやすいように提⽰できていない
    プロトタイピング、ドキュメンテーション、⽬的・⼿段の振り⼦ 解釈可能性を提⽰できるように⼯夫
    感じる
    理解する

    View Slide

  56. Contact
    Twitter:@hayataka88
    e-mail:[email protected]
    ありがとうございました。
    良い年末年始をお過ごしください!

    View Slide