科学技術情報分析の面白さ

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

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

1. ⾃⼰紹介

View Slide

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

2. 科学技術情報とは

View Slide

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

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

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

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

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

3. 分析事例
データ可視化の可視化

View Slide

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

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

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

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

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

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
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

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

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
環境・IoT
COVID、ヘルスケア
BI、VA

View Slide

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

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

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

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

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

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

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

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

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

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

3. 分析事例
共著ネットワークによる研究者探索

View Slide

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

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

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

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

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

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

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

4. なぜ、科学技術情報分析が⾯⽩いのか？

View Slide

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

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

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

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

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

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

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

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

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

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

5. 今後、取り組んでみたいこと

View Slide

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

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

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

6. 実務での学び：So What？問題

View Slide

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

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

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

科学技術情報分析の面白さ

科学技術情報分析の面白さ

hayataka

More Decks by hayataka

Other Decks in Research

Featured

Transcript