$30 off During Our Annual Pro Sale. View Details »

勢いで作った息抜き読書メモ

Masa
March 15, 2021

 勢いで作った息抜き読書メモ

2021-3-13 文系読書会でLTしたときのメモ
- あくまでプライベートな読書会です
- 所属組織や特定の学問の公式見解ではないので注意

Masa

March 15, 2021
Tweet

More Decks by Masa

Other Decks in Education

Transcript

  1. 勢いで作った息抜き読書メモ
    2021/3/13 LT資料 @ takedaさんの⾃主読書会
    Masa
    twitter @asas_mimi
    1

    View Slide

  2. 所属組織とはまったく関係ない、
    ⾃主勉強会のLT資料です
    (学部⽣-社会⼈若⼿の⽂系読書会LT資料)
    また、各学問を代表するような内容では決してありません。
    2
    注 意

    View Slide

  3. ⼀部過激な表現があります
    メンタル弱い⽅は閲覧注意
    3
    注 意

    View Slide

  4. ⼀部過激な表現があります
    メンタル弱い⽅は閲覧注意
    4
    いらすとや、感謝
    いらすとや、ご利⽤規定 @2021-3-12
    https://www.irasutoya.com/p/terms.html
    - 21枚overだけど、商⽤利⽤でない
    - 公序良俗規定

    View Slide

  5. ⾃分史に沿って
    当時の問題意識と図書を紹介していく
    5
    本⽇のテーマ

    View Slide

  6. 6
    いい年をしてまだ哲学にうつつを抜かしていて、いっこうにそ
    こから⾜をあらわぬような男を⾒ると、もうそんな男は、ソク
    ラテス、ぶんなぐってやらなければと思うのだ。
    カリクレスの哲学批判
    プラトン『ゴルギアス』

    View Slide

  7. 7
    1. 社会を説明するということ
    2. Re:社会を説明するということ
    3. “AI”というコトバ、禁⽌にしましょう
    4. 僕にとっての⼈⽂科学の知
    5. 読書は楽しいとは限らない

    View Slide

  8. 8
    1. 社会を説明するということ
    学部時代(しゃかいがく専攻)の葛藤
    2. Re:社会を説明するということ
    しゃかいがく卒業(離脱)以後の僕
    3. “AI”というコトバ、禁⽌にしましょう
    バズワードに流されない、基礎は⼤事
    4. 僕にとっての⼈⽂科学の知
    ⼈⽂科学には価値がある、でもどのように︖
    5. 読書は楽しいとは限らない
    義務感とマゾ的な喜び

    View Slide

  9. 9
    1. 社会を説明するということ
    2. Re:社会を説明するということ
    3. “AI”というコトバ、禁⽌にしましょう
    4. 僕にとっての⼈⽂科学の知
    5. 読書は楽しいとは限らない
    ① 社会の社会-内-記述の試み
    ② しゃかい学って何︖
    ③ 構築主義って何︖
    ④ OG論争
    ⑤ 僕の⽴場

    View Slide

  10. 「社会」の社会-内-記述の試み
    10

    View Slide

  11. 11
    <現実界>の砂漠へようこそ。
    スラヴォイ・ジジェック「「テロル」と戦争」(邦訳副題)

    View Slide

  12. 社会学って何︖
    12

    View Slide

  13. しゃかいがく? 学問のアイデンティ問題 ①
    13
    て何︖ 社会を学問するもの︖
    - コントさんの「実証哲学講義」 1838からスタート
    [対象領域で定義できるか]
    ① 残余科学としての社会学
    他の社会科学の余った事象を扱う学としての期待
    ② ⼆乗の科学としての社会学(ジンメル)
    いやいや、他の社会科学の分野にも攻めていくんだぜ的なもの
    学問対象で定義するのは
    無理ゲーかもね

    View Slide

  14. しゃかいがく? 学問のアイデンティ問題 ②
    14
    対象で定義できないなら、⽅法論でしばらなくては︖
    (単なる社会記述であるなら、それは社会評論、ジャーナリズムと差別化できないよね︖え︖別にしなくてもいい︖
    まあ、そうだよね)
    [社会学特有の⽅法論ってなんかある︖]
    • 戦国時代状態︓
    少なくとも万⼈が納得しうる教科書がない(ギデンズ︖うーん)
    • 昔の偉い⼈はどうやってたの︖︖

    View Slide

  15. ビッグネームといえば誰︖
    15

    View Slide

  16. 16
    超有名⼈ ⼀ ⾔ コ メ ン ト 本や論⽂
    A. コント
    (1798-1857)
    社会学の名付け親、フランス⾰命期の社会混乱に終⽌符をうち、より良い形
    で社会を再組織化したいとう願いを込めて
    - 実証哲学講義
    - 実証精神論
    E. デュルケイム
    (1858-1917)
    ⽅法論的集合主義、社会的事実をモノのように観察(vs. 社会唯名論)。
    個⼈意識に対して先⾏する何か(vs. ⼼理主義)
    - ⾃殺論
    - 宗教⽣活の原始形態
    M. ウェーバー
    (1864-1920)
    ⽅法論的個⼈主義。理解社会学︓共感や感情移⼊による理解から因果的
    説明による理解、「理念型」の導⼊
    - プロ倫
    - 客観性論⽂
    G. ジンメル
    (1858-1918)
    形式社会学︓社会⽣活における相互作⽤と社会化の諸形式を抽出する社
    会学
    - 歴史哲学の諸問題
    - 社会学
    T. パーソンズ
    (1902-1979)
    ⼤陸社会学をアメリカに輸⼊。フロイトの影響も。社会秩序問題を⾏為の規
    範的構造の中に解を求める。(”重篤な理論病患者” from マートン)
    - 社会体系論
    - 経済と社会
    N. ルーマン
    (1927-1998)
    ドイツの官僚で⽶国留学(師・パーソンズ)を経て、理論社会学者に。⾃律
    的(⾃⼰算出的)な意味組織として社会を再記述
    - 社会システム理論
    - 社会構造と意味論
    P. ブルデュー
    (1930-2002)
    フランスの⾮エリート層出⾝の社会学者。社会階層的なテーマで、ハビトゥス
    (習慣)の分析や、社会的地位の再⽣産における⽂化の役割を研究
    - ディスタンクシオン
    - 再⽣産
    A. ギデンズ
    (1938-)
    再帰的近代化〜とかは省略。性愛を媒体にする成⽴する社会関係の特性も
    研究(性と⾔う超主観的な経験のあり⽅がマクロで⻑期的な社会変動とどう連動していたのか)
    - 社会学の新しい⽅法基準
    - 親密性の変容
    超有名⼈としてはこれくらい 異論は認める(けど1スライドで終わらせたい)

    View Slide

  17. [sample]
    ルーマンの社会理論
    17
    • ⾏為(/コミュニケーション)から社会を再記述するアプローチ
    • ホッブス問題「社会秩序はいかにして可能か」というか、「なん
    で普通に考えたら成⽴し得ない(DK問題)秩序的なもの
    が現に存在してるんだっけ︖」問題を考える
    • 「社会の〜」シリーズは、各機能システムの⾃律性に対する記
    述集。いきなり読むと爆死間違いなしなので、右の⻑岡本い
    いと思います
    • 「社会構造とゼマンティーク(意味論)」シリーズは、階層分
    化から機能分化への構造転換と、それに伴うコミュニケーショ
    ンの意味論(ゼマンティーク)の変化に対する記述。こっちの
    ⽅が⾯⽩いかも︖

    View Slide

  18. 18
    - 4.461 命題は、それが語っていることを⽰しているが、トートロジーと⽭
    盾は、それが何も語らないことを⽰している。(中略)トートロジーと⽭
    盾は無意味である。
    - 4.462 しかしトートロジーと⽭盾はナンセンスではない。両者とも、いわ
    ば「0」が算術の記号体系に属しているように、記号体系に属している。
    ウィトゲンシュタイン「論理哲学論考」

    View Slide

  19. ゆるい雰囲気︓社会の内部観察としての社会学
    19
    • 社会学の(教科書に載るような)グランドセオリー的なものは、おそらく90年代前半でほぼ更新がストップし
    ている状況と思われる
    • 「素朴実証主義」批判と「社会-内-観察」は結構共通してる(論者によって強弱はある、また欧⽶系は別)
    • (前者はそのまま)後者については、社会の内部観察としての社会学をいかに表現するかに主眼が置かれ
    ているように思われる。(僕は、社会学の知的潔癖症とでも名付けたくなる)
    社会的なるもの
    素朴実証主義
    客体から超越的
    な観察者
    社会学も社会の⼀部
    社会の内部観察者を⽬指す
    社会的なるもの
    社会的
    なるもの

    View Slide

  20. 有名な(偉⼤な)社会学者の本を読めばOK?
    20
    ルーマン的
    には〜
    この現象、デュルケイム
    でいうところの〜

    View Slide

  21. 21
    注1 否定的に⾔い換えれば、ルーマン理論をある種の現代思想ないし政治思想とし
    て扱いキーワードやキャッチフレーズの供給源として消費したり、理 論にあわせて
    現象を切り取ったり、理論を証明するために現象を⽤⽴てたり、トピックやジャーゴ
    ンを(それ抜きでも成⽴する、いわゆる)実証研究の隙間に「彩り」として挟み込ん
    で利⽤したり ……などなどといった仕⽅でではなく、ということである。
    「ルーマン理論を「経験的な学としての社会学」の中で受け継ぎ・展開していく」に対する注釈
    酒井泰⽃・⼩宮友根(2007)「社会システムの経験的記述とはいかなることか」『ソシオロゴス 』
    http://www.l.u-tokyo.ac.jp/~slogos/archive/31/sakaiandkomiya2007.pdf

    View Slide

  22. 過去の偉⼈に敬意を! ……でも
    22
    • 「昔の偉い⼈はこう⾔ってたぜ︕」スタイルはやめよう
    今、それ研究し直すなら、「識字
    率」とか他の変数もテストするよね
    ハビテュス〜
    脱構築〜 その⾔葉(ジャーゴン)本当に、こ
    の⽂脈で必要ですか︖
    社会学する ≠ 「ジャーゴン」の当てはめ作業
    • 社会事象にコトバを付与する作業が社会学︖(それで社会
    に対する知が増える・・・とは限らない?)
    • むしろ、コトバに合わせて社会現象を探してません︖
    偉⼈には敬意を、でも学は進歩すべき
    • 何らかの功績があるから、今でも古典として読まれている
    • これは本当にリスペクトすべき(古典を読む価値は絶対にある)
    • 但し、実証科学であろうとするなら、先⾏研究を崇拝しすぎる
    のは不健康な態度(もう何年経ったと思ってるんですか︖)
    資本主義というのは、プロテスタン
    ティズムのエートスが、、、
    スティグマがー

    View Slide

  23. [余談] 社会学者の良⼼のつぶやき
    23
    太郎丸先⽣の以下のブログ︓私もこの不満には激しく同意
    • 「⽇本の社会学の特徴は、アカデミズムの軽視だと思います。すなわち、学会報告や学会誌を軽視しているということ
    です。学会発表もせず、学会誌に論⽂を投稿もせず、それでも社会学者づらして本を出版したり、さまざまなメディア
    で発⾔することができるのが、⽇本社会学の実情です」
    • 「 「アカデミズムという形式に縛られず、⾃由に議論したい」という⼈もいるでしょうが、それならば、学者はやめてしまえ
    ばよろしい。東浩紀のように評論家になるなり、ジャーナリストや⼩説家やアーティストになればいいのです。社会学者
    という肩書で語る以上、アカデミズムの権威のうえに乗ることになります(その点、東浩紀はいさぎよいというか、好感
    度が⾮常に⾼いです)。つまり「厳密に論証しろ」という要求には、「⾃由な議論を抑圧するな」と反体制ぶって⾒
    せるくせに、対外的には社会学者として語るという欺瞞は⾒ていて不愉快極まりありません。 」
    http://sociology.jugem.jp/?eid=277
    「科学」とは本来「つまらない」が「⼤切」な事
    実の積重ね。
    教養ゴリゴリの偉い先⽣だったとしても、その
    検証もされていない仮説をあたかも学問の名
    をかりて社会に発信してるのはちょっと、、、
    (私の感想)

    View Slide

  24. 私が学⽣時代に流⾏っていた論証スタイル︓
    構築主義(社会学における⾔語論的転回)
    24
    クイズ︓⾔語論的転回とは︖

    View Slide

  25. 25
    われわれ⾃⾝の集蔵体を記述することもわれわれにはできない。なぜなら、
    われわれが語っているのはその諸規則の内部においてであるからであり、
    われわれがその出現の様態、その⽣存および共存形態、その累合、歴史性、
    消滅のシステムを⾔いうることを可能にするのは、それである――それ⾃
    ⾝、われわれの⾔説の対象である――からである。
    ミッシェル・フーコー「知の考古学」

    View Slide

  26. モチベーション︓乱暴な脳内イメージ
    26
    • 社会学者を神様⽬線に置きたくないです(社会の外部観察者という⽴場を放棄)
    僕たちも特別な存在じゃないよ︖社会-内-存在と認めた⽅が、知的誠実そう
    • でも、「社会的なもの」を語り・記述したいです(だって、お仕事だもん)
    • そうだ、その歴史に着⽬しよう
    • 我々が「当たり前」、「本質的だ」と思っている事象の「偶有性(他でもあり得た)」を記述
    できるかも︖これって社会学の仕事としてアリなのでは︖

    View Slide

  27. 社会学における歴史あるいは記憶というテーマ
    27
    対象としての歴史
    1 社会史 social history (対⽐語は英雄史観)
    社会に⽣きる⼈々の⽇常の⽣活の歴史(アナール学派とか⺠俗学とか)
    2 歴史社会学 historical sociology
    過去を観るというより、過去を通して、
    現在を成⽴させる様々な⼒を浮かび上がらせる
    3 歴史の社会学 sociology of history
    歴史そのものってなんだっけを問う、歴史のもつ社会的機能やその成⽴過程の分析
    知識社会学
    イデオロギー
    存在被拘束性
    過去 今
    歴史社会学
    現在の歴史
    過去 今

    View Slide

  28. 28
    集団によって共有される
    記憶、というより、共有に
    よって集団が形成される
    よくあるお話
    こちらも有名
    記念碑、遺跡、保存され
    た景観、歴史博物館など
    などへの考察
    ナショナリズム研究では有
    名なアンダーソン本もこの
    ⽂脈で捉えられますね

    View Slide

  29. 29
    ⼈間は、われわれの思考の考古学によってその⽇付の新しさが容易に⽰
    されるような発明に過ぎない。そしておそらくその終焉は近い。(中
    略)そのときこそ賭けてもいい、⼈間は波打ち際の砂の顔のように消え
    てゆくであろう。
    ミッシェル・フーコー「⾔葉と物」

    View Slide

  30. 社会問題の社会学︓WhyからHowへ
    30
    社会問題について、「なぜ/どうしてWhy」という問いではなく、「いかにしてHow それが社会問題と認識される
    ようになったのか」を系譜学的に分析するアプローチ(そして、多くの場合、当該社会意識の相対化を図る)
    社会学的構築主義で、結構流⾏ったと認識している⼿法(単なる社会批評から距離をとるという意味で)
    普通の問い 社会問題の社会学
    なんで最近の若い奴は….
    きっと〜〜に違いない
    ・・・と、⾔われているのは、いつからだろう。
    どんなクレーム申し⽴てがあって、いつ誰が、
    どのように広がっていったのか
    社会意識の偶有性の
    暴露的啓蒙

    View Slide

  31. 31
    ちょっと古いけど、タイトル
    とは逆にとっても良いこの
    ⼿の社会学の⼊⾨書
    だったりする。
    社会学愛溢れるエッセイ
    でかつ、お笑いセンスもい
    いと思う
    このテーマなら中河先⽣
    のこの本がいいかと。
    元々はスプクター・キツセ
    「社会問題の構築」から
    ですが中河先⽣のこの教
    科書で⼗分論点が整理
    されていると思う
    オムニバム形式の教科書
    ⾔説分析といっても、論
    者によって捉え⽅やその
    思想にボラティリティがあ
    ることがわかる。(また、
    当該アプローチの思想的
    な難しさも)
    古典としては、フーコー本
    のどれかを読むといいかも
    しれない。少なくとも、ここ
    らへんの社会学者は全員
    読んでると思っていい。
    冒頭で紹介した「知の考
    古学」は読みにくいので、
    こっちから読もう

    View Slide

  32. 32
    やっていることは要するに、『社会は客観的に取り出すことはできない、
    だが社会に対する⾔説は客観的に取り出すことができる』という、『客
    観性』の ⼀段ずらしである・・・(中略)・・・ずらされた「客観性」
    の調達先がちがうだけで、この点については本質的な差異はない。
    遠藤 知⺒「⾔説分析とその困難」『⾔説分析の可能性』

    View Slide

  33. 存在論的ごまかし
    ontological gerrymandering (以下、OG)
    33
    それって「客観性の⼀段ずらしじゃね︖」ツッコミから
    の論争をOG論争という
    - 厳格派
    - コンテクスト派
    - 脱構築派(ポスモダ派︓過激派

    など戦国状態だった
    社会学の学説史(?)研究をしたいとか変わった⽅以
    外は特に読まなくてもいい。ただし、この学派の当初
    のモチベーションは打ち砕かれたように思える(感想)

    View Slide

  34. 34
    数学や⾃然科学において、⼈間の理性は、制限は認めるが、限界は認めない。
    つまり、理性がけっして到達できないものが理性の外にあることは認めるが、
    理性そのものが内的な進展過程においてどこかで完成されることは認めない。
    イマヌエル・カント「純粋理性批判」

    View Slide

  35. 客観性への(潔癖症的)疑念、あるいは呪い
    35
    「社会的事実」の恣意性そのものへの研究が随分と流⾏りました。マンハイムの存在被拘束性
    (Seinsverbundenheit)とかアルチュセールのイデオロギー論とか、構築主義などが良い例です。認識に
    関する偶有性について、歴史的事例を交えながら論証していくスタイルは、⾮常にウケました。
    • ⼤陸的な⾔い⽅をすれば、⾔語論的転回(Linguistic turn)であったり、
    • 英⽶的な表現を、観察の理論負荷性であったり、
    社会的事実への判断保留は、理論的にも史実的にも⼀⾒説得的で、”知的誠実さ”を装っているようにも⾒
    えます。この類は議論は哲学徒⼀年⽣がまず最初に通る道だと思う。ここで満⾜する⽅もいれば、この隘路から
    なんとか抜けようとする⽅もいる。暇⼈の議論として嗤って⼀蹴する⽅もいる(まあ、そうですよ)。

    View Slide

  36. 客観性への(潔癖症的)疑念、あるいは呪い
    36
    理論(⾔語SYS.)は観察に先⾏する?
    • 以下は、ウィトゲンシュタイン『哲学探求』より
    • かわいい、、、
    ゲシュタルト・スイッチ
    • 「⾒る」という⾏為は、単に物質に反射した光が網膜に到達
    したこということではなく、そこには解釈が必要である
    • その解釈は広義の「理論」が常に既に必要とされている
    • (理論から独⽴に事象を観察することはできな、、、
    い︖)
    • この理論を狭義の物理理論と置くのか、⾔語体系と置くの
    か、イデオロギーと置くのか、⾊々なバリエーションはあるけど、
    概ねこんな感じ

    View Slide

  37. 過激派︓
    SSKのストロング・プログラム
    37
    • SSK : sociology of scientific knowledge (科学知識の社会学)
    科学知識の相対化
    • ストロング・プログラム
    エディンバラ学派のブレアが提唱 (1985)
    「知識の存在被拘束性」テーゼ(マンハイム)を、論理学や数学、⾃然科学にも適⽤
    <サイエンス・ウォーズ>フラグ︕︕

    View Slide

  38. 事例︓ソーシャルテキスト事件
    38
    (⼀部の)現代思想では、ここからアホみたいな議論になったり、数学(特にゲーデル)や量⼦⼒学の乱暴なアナ
    ロジーが乱⽴。=>知らない⼈は、こっそり「ソーシャル・テキスト事件(ソーカル事件)」をググろう
    • ⾃然科学のワードを濫⽤してるくせに、中⾝全
    然理解できてないんじゅない︖
    • そうだ、イケてるサイエンスワードを散りばめて、ゆ
    るふわなポエム論⽂を作って、投稿したろう
    • Acceptされたし、ワロタwww



    な事






    View Slide

  39. 39
    告発本『知の欺瞞』の後
    に、フランス哲学者側から
    でたフランス哲学への
    (⾃⼰)批判。
    左記の図書と同様に、
    ソーカル事件の総括。
    社会構成主義等の論点
    を抑えつつ、科学哲学の
    良い⼊⾨書になっている。
    科学哲学の⼊⾨書
    この分野の優れた⼊⾨書
    は多々ありますが、この
    図書は中でも⾮常に読み
    やすく、薄いので最初の
    1冊に最適。
    科学的実在論を擁護し
    ていまう
    次に読むべき本も教
    えてくれる。
    科哲⼊⾨にはこれが
    いいかなー

    View Slide

  40. 客観性への(潔癖症的)疑念、あるいは呪い[Re]
    40
    • 余談失礼しました。「相対主義=>科学の濫⽤」は親和性はあっても、論理的必然性は認められないように
    思える(別問題)。なので、余談でした。
    ----
    • このような隘路を哲学クラスタの先⼈たちがどのように乗り越えていったのか(共存しようとしたのか)を知る
    ⽅が有益ですよね︖ どっちいけばいいんーの︖

    View Slide

  41. 否定神学的な隘路
    41
    • 相対主義の論理的帰結(とまでは⾔わないまでも、共起確率が
    ⾼い)否定神学的なるもの
    • ⼈間の不完全性(有限性)をフックにして、逆にその外側の神秘
    化するような論法(超越論的シニフィアンの形⽽上学)
    • cf. 何が「神」(or 愛 or 真理)であるかは、確定記述の束では還
    元できない(還元できないことが神秘的問題)
    ---
    • 右本は哲学者時代の東浩紀の博⼠論⽂(サントリー学芸賞)
    • 後期デリダをレビューしながら、上記の隘路を、哲学(現代思想)
    の中から⾒出そうとするとっても野⼼的な作品
    • (⼤学受験期の頃、感動してボロボロにした本)

    View Slide

  42. 42
    えーーーなんか、ロックっ
    て古くない︖もっとナウい
    哲学者いないの︖的なこ
    と思いませんでした︖僕
    は思いました。反省してま
    す。冨⽥先⽣の「カント⼊
    ⾨講義」とセットで読むと
    いいかと
    ⼩説⾵新書で⾮常に読
    みやすいローティ⼊⾨書。
    基礎付け主義の隘路を
    丁寧に分かりやすく解説
    しているにもかかわらず、
    中古本でしか⼿に⼊らな
    い、、、。
    ローティの主著。
    「認識論的⾏動主義とは
    …むしろ、哲学は知識や
    真理に関して常識が教え
    る以上のことを何も教え
    てくれない、という主張な
    のだ。」
    左を読んでから、もう⼀
    度カントに戻ってみるのも
    良いかもしれません。

    View Slide

  43. え︖僕の⽴場︖
    43

    View Slide

  44. 滑り坂論法的なレトリックの問題だと思っています
    44
    [事実]
    確かに、あたかも科学的な社会実践の中に、(ミクロ/マクロは問わず)政治性を発⾒することがる
    (※ 「科学的」と書いたのは、まだ科学について定義してないし、本⽇は割愛します。この部分を「客観性」とかに置き換えていただいても結構です)
    [私の認識]
    Þ 「科学」と「政治性」の識別は(ちゃんと訓練しないと)難しい
    Þ (中には)微妙なケースもある
    [誤謬]
    「科学と政治性(社会性)は厳密な意味では曖昧である => 客観的な科学は不可能なんだ(相対主義イイ
    ネ)」は、2つの概念の境界の曖昧性を強調して、⽚⽅の概念の存在を隠蔽するレトリック(滑り坂論法
    slippery slope argument)かなと。(禿頭論法と⾔った⽅がいいかも。)
    程度の意味でしかないと思っています

    View Slide

  45. 45
    [演習問題]
    3.15 Best Game Everという新しいテレビゲームがリリースされたとする.
    あなたは友⼈とそのゲームをプレイしてみるが、バグが多いことが
    わかってがっかりする. その友⼈は, 計算理論の講義を修了しており,
    「実は, Best Game Ever のすべてのバグを⾃動的に⾒つけることは,
    コンピュータプログラムにはできないんだよね」と⾔う. あなたは,
    友⼈が⾔ったことに賛成するか. ⾃分の答えを説明せよ
    ジョン・マコーミック「計算できるもの、計算できないもの」

    View Slide

  46. 46
    1. 社会を説明するということ
    2. Re:社会を説明するということ
    3. “AI”というコトバ、禁⽌にしましょう
    4. 僕にとっての⼈⽂科学の知
    5. 読書は楽しいとは限らない
    ① メカニズム的説明から因果推論へ
    ② 因果関係って何︖
    ③ 代表的な⼿法
    ④ 経済学と仲良くなろう
    ⑤ 質的研究との付き合い⽅

    View Slide

  47. 社会科学の使命/メカニズム的説明から因果推論へ
    47

    View Slide

  48. もっとシンプルに︕︕知りたいことって何︖
    48
    過去に⾏ったこの施策、
    本当に効果あったのかな
    ○○の増加の原因
    で何だろう︖

    View Slide

  49. 計量分析への偏⾒
    49
    実証研究ってただ”統計データ”
    を使うことだと思ってます︖
    良い本だけど、、、

    View Slide

  50. 統計処理とかしてれば、計量分析になの︖
    50
    なんか簡単そうー
    なんか客観的なデータを
    こねこね分析するやつ︖

    View Slide

  51. うーん、、、
    51
    ⼀流医学誌に載ったMesserli博⼠の主張︓チョコレートは認知機能を改善させる
    .FTTFSMJ ')
    $IPDPMBUF$POTVNQUJPO $PHOJUJWF'VODUJPO BOE/PCFM-BVSFBUFT 5IF /FX
    &OHMBOE+PVSOBMPG.FEJDJOF
    チョコレートの消費量とノーベ
    ル賞受賞率って、⾒事に相
    関してますよね

    View Slide

  52. うーん、、、
    52
    ⼀流医学誌に載ったMesserli博⼠の主張︓チョコレートは認知機能を改善させる
    .FTTFSMJ ')
    $IPDPMBUF$POTVNQUJPO $PHOJUJWF'VODUJPO BOE/PCFM-BVSFBUFT 5IF /FX
    &OHMBOE+PVSOBMPG.FEJDJOF
    チョコレートの消費量とノーベ
    ル賞受賞率って、⾒事に相
    関してますよね
    そうかもしれない。
    So What?

    View Slide

  53. うーん、、、
    53
    ○ 相関があった
    × (因果)効果あった
    チョコレート
    ノーベル賞
    受賞率
    相関 0.791
    未捕捉因⼦
    今回観察した世界
    今回観察できなかった世界
    両⽅に影響を与える
    未観察の因⼦が隠
    れているだけでは︖
    (疑念残る)

    View Slide

  54. 因果関係って何︖どうやって同定するの︖
    54
    誰に当てようかな、、、

    View Slide

  55. ヒュームの因果 規則説
    55
    18世紀の哲学者デイビット・ヒュームのアンサー
    1. spatial/temporal contingency ︓
    原因と結果が空間的/時間的に近接
    2. temporal succession︓
    原因が結果よりじかん的に先⾏しており、継続して結果が
    起こる
    3. constant conjunction︓
    同じ原因から必ず同じ結果が⽣じる
    「同じパターンが続いたら、次も同じことが起こる︖」それは、⼈
    間の⼼の習慣だよ

    View Slide

  56. 社会学の教科書的には
    56
    アンソニー・ギデンズ︓イギリスの社会学者、『社会学』は世界的にオーソドックスな教科書、と⾔われている(が異
    論もある)。
    Many possible cause could explain any given
    correlation. How can we be sure we have
    covered them all? …(中略)…We would not know
    what to test for.(Sociology 8th, Giddens,2011)
    出典︓ja.wikipedia.org/wiki/アンソニーギデンズ
    Anthony Giddens

    View Slide

  57. どう思う︖
    57
    誰に当てようかな、、、

    View Slide

  58. 58
    根拠に基づいた医学は、直感、系統的でない臨床経験、病態⽣理学的合
    理づけを、臨床判断の⼗分な基本的根拠としては重要視しない。そして、
    臨床研究からの根拠の検証を重要視する。
    EBM宣⾔(冒頭)

    View Slide

  59. RCT: ランダム化⽐較実験
    https://globalwellnessinstitute.org/wellnessevidence/evidence-based-database/
    EBM/EBPM時代の常識︓”良質なエビデンス”を得るにはやっぱりRCT以上
    システマティックレビュー
    複数の実験結果を統合して再評価
    RCT
    準実験的な⼿法
    専⾨家のただの
    ご意⾒はここ

    View Slide

  60. RCT(A/Bテスト)がベストなことはわかった
    60
    てか、過去の事象はそもそも実験不可
    能だよね︖タイムマシンあるの︖
    でも、コストデカすぎ

    View Slide

  61. 因果推論のフレームワーク
    61
    Neyman (1923), Rubin (1974)の因果効果を考えるフレームワーク
    Binary treatment variable: W ∈ {0, 1}
    Potential Outcomes:
    • Y(0) - random variable giving outcome received in the control state
    • Y(1) - random variable giving outcome received in the treatment state
    (Only one of Y(0) or Y(1) can ever be observed - the other is a counterfactual outcome)
    Causal effect:
    ![# 1 − # 0 ]
    ATE(Average Treatment Effect)という

    View Slide

  62. 因果推論のフレームワーク︓反事実
    図解するとこんな感じ
    定義︓
    因果効果 = [介⼊を受けた群のアウトカム期待値]
    – [もし仮に介⼊群が介⼊を受けなかった時のアウトカム期待値]
    反事実
    反事実
    介⼊群 (t=1)
    ⾮介⼊群 (t=0)
    ⾮介⼊時の
    アウトカムY
    t=0
    介⼊時の
    アウトカムY
    t=1
    E[Y
    t=0
    |t=0]
    E[Y
    t=1
    |t=1]
    E[Y
    t=0
    |t=1]
    E[Y
    t=1
    |t=0]
    本来の因果効果
    はここの差分
    counterfactualな世界 =直接観察不可能

    View Slide

  63. 63
    われわれがたまたま住んでいる世界以外の可能世界が存在すると私は信じる。そのための論証が必
    要であれば、それはこうだ。物事が実際にそうであるのとは違っていたかもしれないということは、
    議論の余地なく真である。物事は無数の仕⽅で別様であったろうと私は信じているし、読者もまた
    そのはずである。だが、これはどういう意 味なのであろうか。⽇常⾔語ではこれを次のように⾔い
    換えてよい。すなわち、物事が現実にそうある仕⽅のほかに、物事がそうありえた多くの仕⽅があ
    る、と。その通りとれば、この⽂は存在⽂である。それが⾔うことは、ある記述、すなわち、「物
    事がそうありえた仕⽅」があてはまる多数の存在者が存在する、ということである。物事が無数の
    仕⽅で別様であっただろうと私は信じており、⾃分が信じていることを⾔い換えたものをも私は信
    じている。したがって、この⾔い換えが額⾯どおりに取れば、「物事がそうありえた仕⽅」と呼ば
    れる存在者が存在することを私は信じていることになる。私は、こうした存在者を「可能世界」と
    呼ぶ⽅を好む。
    D・ルイス「反事実的条件法」

    View Slide

  64. counterfactual条件=⽋損値問題
    64
    データのイメージはこんな感じ
    ! " # − " % is 計算不能︖
    ID 属性データX W(処置有無) Y(1) Y(0) Y(1)-Y(0)
    Aさん (1.23, 3.22, ・・・) 1 10 ⽋損 ???
    Bさん (9.16, 0.52, ・・・) 0 ⽋損 5 ???
    ・・・ ・・・ ・・・ ・・・ ・・・ ・・・

    View Slide

  65. 因果関係
    反事実
    反事実
    介⼊群 (t=1)
    ⾮介⼊群 (t=0)
    ⾮介⼊時の
    アウトカムY
    t=0
    介⼊時の
    アウトカムY
    t=1
    E[Y
    t=0
    |t=0]
    E[Y
    t=1
    |t=1]
    E[Y
    t=0
    |t=1]
    E[Y
    t=1
    |t=0]
    実際に観察できる差分はこれ
    実際に観察できる差分 = [介⼊を受けた群のアウトカム期待値]
    – [⾮介⼊群のアウトカム期待値]
    RCTの時だけ
    かっこよくいえば、RCT
    の場合
    exchangeability
    の成⽴を確率的に
    期待できる

    View Slide

  66. 準実験という考え⽅
    66
    if {Yi
    (1),Yi
    (0)} ⊥ Wi が成⽴する時︓
    ! " 1 − " 0 = ! " 1 ] − !["(0)
    elif
    {Y
    i
    (1),Y
    i
    (0)} ⊥ W
    i
    |X
    i を想定できる時︓
    準実験のフレームワークとして問題を解けばよい。
    属性Xを使って擬似的にランダム化
    else:
    残念
    RCT
    (無作為化⽐較実験)

    View Slide

  67. まず、DAGを書くことから
    67
    • バイアスを調整する場合、ただ闇雲に変数を
    嵌め込むのは意味がない
    • 細かいテクニックを試す前に、まず⾃分の仮説
    をDAGで可視化し、議論しよう
    • 右の2冊は、バックドア基準の良い⼊⾨書
    • 下のスライドもとてもいい
    [資料]
    林先⽣『バックドア基準の⼊⾨』@統数研研究集会
    https://www.slideshare.net/takehikoihayashi/s
    s-73059140

    View Slide

  68. 架空事例︓某刑務所にて
    68
    介⼊群
    (認知⾏動療法)
    再犯率10%
    再犯率30%
    認知⾏動療法検証
    認知⾏動療法 (CBT) を受けた受刑者の○年後の再犯率、なんか低い︖(集計的事実)
    ü CBT受けるのは新しい処遇に抵抗がない若者に偏っている
    のでは︖
    ü 若者は再就職しやすいので、再犯しにくいとではないか︖
    CBT
    再犯

    年齢
    仮説DAG 1

    View Slide

  69. 年齢別に分けて⽐較
    69
    介⼊群
    (認知⾏動療法)
    再犯率10%
    再犯率30%
    元のデータセット
    年代毎にデータを分けて、その中で、介⼊群と統制群のアウトカムを⽐較すればよいのでは︖
    仮説 1
    20代データ
    介⼊群
    統制群
    再犯率8%
    再犯率12%
    30代データ
    介⼊群
    統制群
    再犯率10%
    再犯率13%
    ・・・
    「年齢」という(選択)バイアス
    を補正した⽐較が可能

    View Slide

  70. 年齢だけで⼤丈夫︖
    70
    介⼊群
    (認知⾏動療法)
    再犯率10%
    再犯率30%
    元のデータセット
    バイアスの元は年齢だけじゃないかも、、、、
    仮説 1︖
    20代データ
    介⼊群
    統制群
    再犯率8%
    再犯率12%
    30代データ
    介⼊群
    統制群
    再犯率10%
    再犯率13%
    ・・・
    「年齢」という(選択)バイアス
    を補正した⽐較が可能
    本当に(年齢以外で)
    同質な集団ですが︖

    View Slide

  71. 現実はもっと複雑だったりします
    71
    介⼊群
    (認知⾏動療法)
    再犯率10%
    再犯率30%
    認知⾏動療法検証
    年齢以外にも、「罪の重さ」や、「IQ」、「やる気」などなど、⾊々なバイアスの可能性が考えられます
    ü 年齢以外にも統制しなければいけない要因はある
    かも
    CBT
    再犯

    年齢
    IQ
    罪の
    重さ
    仮説DAG 2
    ・・・

    View Slide

  72. 複数の要因で層化⽐較
    72
    仮説 2
    ・・・
    介⼊群
    (認知⾏動療法)
    再犯率10%
    再犯率30%
    元のデータセット 20代データ
    介⼊群
    統制群
    再犯率8%
    再犯率12%
    30代データ
    介⼊群
    統制群
    再犯率10%
    再犯率13%
    年齢別✖IQの⽐較 20代✖IQ80以下
    介⼊群
    統制群
    再犯率?%
    再犯率12%
    20代✖IQ[80-100]
    介⼊群
    統制群
    再犯率8%
    再犯率12%
    20代✖IQ[100-110]
    介⼊群
    統制群
    再犯率8%
    再犯率?%
    さらに⼩分けに・・・
    ・・・

    View Slide

  73. 複数の要因で層化⽐較
    73
    仮説 2
    ・・・
    介⼊群
    (認知⾏動療法)
    再犯率10%
    再犯率30%
    元のデータセット 20代データ
    介⼊群
    統制群
    再犯率8%
    再犯率12%
    30代データ
    介⼊群
    統制群
    再犯率10%
    再犯率13%
    年齢別✖IQの⽐較 20代✖IQ80以下
    介⼊群
    統制群
    再犯率?%
    再犯率12%
    20代✖IQ[80-100]
    介⼊群
    統制群
    再犯率8%
    再犯率12%
    20代✖IQ[100-110]
    介⼊群
    統制群
    再犯率8%
    再犯率?%
    さらに⼩分けに・・・
    ・・・
    統制する要因が多すぎると、
    サンプルが偏ってしまい、うまく⽐較できない
    = 次元の呪い
    年齢も同じで、IQも同じで、犯
    罪歴も同じで、やる気も同じ
    で、、、と全て完全に⼀致する
    サンプルを探すのは⾄難の技

    View Slide

  74. 回帰モデルにおける調整
    実は、さっきと同じことをしている
    74

    View Slide

  75. 75
    再犯率
    CBT
    β
    単回帰モデルの想定する世界 本当は未知の変数の影
    響を含んでるんじゃない︖
    重回帰モデルの想定する世界
    再犯率
    CBT
    β
    1
    その他の変数
    年齢とか
    β
    2
    脱落変数バイアス =
    Y = β X + 定数
    Y = β
    1
    X
    1
    + β
    2
    X
    2
    +...+定数
    その他の変数
    年齢とか
    他の変数の影響は分離
    して評価

    View Slide

  76. とりあえず、いろいろな変数ぶっこめば良いのね︖
    76
    誰に当てようかな、、、

    View Slide

  77. 違います:ちゃんとDAGを書いて精査しましょう
    77
    Causal Inference in Data Science: Structure of M-Bias with
    Confounding Adjustment
    https://towardsdatascience.com/causal-inference-in-data-science-structure-of-m-bias-with-
    confounding-adjustment-70e4a263ad08
    M-bias collider-bias
    Can collider bias fully explain the obesity paradox
    https://arxiv.org/pdf/1612.06547.pdf
    例えば、左のL、右のMをモデルに⼊れても良いと思いますか︖

    View Slide

  78. 結構⼤変なのですよ
    78
    • モデルのミススペシフィケーションは⼤変
    • ドメイン知識をフル動員つっこんでDAGを書く
    • 以下で説明するDRでこのリスクを低減はできる
    • ⾼次元データ(p>>n)の場合、回帰では無理
    次以降で紹介

    View Slide

  79. 統制すべき複数の変数をいい感じで⼀つにまとめて
    マッチング
    79
    =傾向スコア

    View Slide

  80. 傾向スコア propensity score
    80
    処遇に割当られそうな具合を表現するスコア(確率みたいなもの)
    Ø 各個⼈iが処遇群に割り当てられる Wi
    =1の確率
    Ø 正確には、個⼈iの属性Xi
    の条件付き確率
    傾向スコア ei
    = P(Wi
    = 1 |Xi
    )
    確率なので
    0から1のスコアですね
    個⼈iさんの属性ベクトルXi

    View Slide

  81. 傾向スコア算出を予測問題として捉えれば、理解しやすい
    - input : 各個⼈の属性(年齢、IQ、罪の重さ、など)
    - output : 実際に処遇を受けたかどうか (W = 1 or 0)
    属性データからWを当てる(予測する)モデルを
    構築(学習)する
    [例︓ロジスティック回帰モデル]
    傾向スコア = 予測問題(教師あり学習)
    81
    CBT
    再犯

    年齢
    IQ
    罪の
    重さ
    Pr W = 1 & =
    1
    1 + exp(−-)
    - = β0
    + β123
    ∗ 567 + β89
    ∗ :; + ・・・
    ID 属性データX W(処置有無)
    Aさん (20代, 100, ・・・) 1
    Bさん (50代, 90, ・・・) 0
    Cさん (50代, 80, ・・・) 1
    Dさん (20代, 120, ・・・) 0
    Eさん (30代, 110, ・・・) 1
    ・・・ ・・・ ・・・

    特徴量

    教師データ

    View Slide

  82. 属性データXでW(処遇有無)を予測するモデルの出⼒値を傾向スコアとして扱うことができる
    傾向スコア = 予測モデルの出⼒
    82
    Pr W = 1 & =
    1
    1 + exp(−-)
    , - = β1
    + β234
    ∗ 678 + β9:
    ∗ ;< + ・・・
    ID 属性データX W(処置有無) 傾向スコア
    Aさん (20代, 100, ・・・) 1 0.85
    Bさん (50代, 90, ・・・) 0 0.13
    Cさん (50代, 80, ・・・) 1 0.3
    Dさん (20代, 120, ・・・) 0 0.95
    Eさん (40代, 110, ・・・) 1 0.57
    ・・・ ・・・ ・・・ ・・・
    モデルの出⼒
    インプット
    実際に処遇もされたし、傾向スコアも⾼い⼈
    または、その逆
    傾向スコアも⾼いが、たまたま処遇されなかった⼈
    または、その逆

    View Slide

  83. 傾向スコア・マッチング
    83
    介⼊群
    (認知⾏動療法)
    再犯率10%
    再犯率30%
    元のデータセット 20代データ
    介⼊群
    統制群
    再犯率8%
    再犯率12%
    30代データ
    介⼊群
    統制群
    再犯率10%
    再犯率13%
    年齢のみの場合 傾向スコア・マッチング
    • 年齢については、統制可能
    • 但し、その他の属性のバイアスがそのまま残る
    • その他の属性も含めて分割しようとすると、サンプ
    ルがショートする(次元の呪い)
    • 傾向スコアは年齢以外の情報も含んでいる
    • にも関わらず、⼀変数のため、左のような次元の呪い
    問題は発⽣しにくい
    介⼊群
    (認知⾏動療法)
    再犯率10%
    再犯率30%
    元のデータセット 傾向スコア>90
    介⼊群
    統制群
    再犯率8%
    再犯率7%
    傾向スコア[90-80)
    介⼊群
    統制群
    再犯率6%
    再犯率9%
    年齢以外の
    バイアスは︖
    年齢以外の
    情報も含む

    View Slide

  84. ü 各被験者に傾向スコアを付与
    ü 傾向スコアが近いもの同⼠を⽐較
    傾向スコア・マッチングのイメージ
    84
    {Yi
    (1),Yi
    (0)} ⊥ Wi
    |Xi
    つまり、アウトカムと割付Wの両⽅に影響を与えるXを観察している時、
    介⼊群
    (認知⾏動療法)
    再犯率10%
    再犯率30%
    観察研究
    ü 介⼊群割り当て確率を算出
    Logistic Regression等の任意の⼆値問題として解く
    ① 傾向スコア算出
    ここを
    モデル化
    Pr W = 1 & =
    1
    1 + exp(−-)
    - = β0
    + β123
    ∗ 567 + β89
    ∗ :; + ・・・
    ② マッチング
    介⼊群
    ⾮介⼊群
    傾向スコア 0.3 0.8 0.9 0.5
    再犯率 50% 8% 7% 13%
    ⽐較
    超有名な⼿法ので、
    ググって他の有⽤な資料で確認してください

    View Slide

  85. IPW
    (Inverse Probability Weighting)
    推定量
    傾向スコアの逆数を重み付けとして活⽤する⽅法
    85

    View Slide

  86. counterfactual条件=⽋損値問題
    86
    データのイメージはこんな感じ
    ID 属性データX W(処置有無) Y(1) Y(0) Y(1)-Y(0)
    Aさん (1.23, 3.22, ・・・) 1 10 ⽋損 ???
    Bさん (9.16, 0.52, ・・・) 0 ⽋損 5 ???
    ・・・ ・・・ ・・・ ・・・ ・・・ ・・・
    E[Y(1)] E[Y(0)]
    ナイーブに期待値(平均値)を
    とると、⽋損のバイアスがかかる
    ※ RCTは⽋損の発⽣パータンがランダムであることが確認できるので、
    単純に期待値をとることができる

    View Slide

  87. counterfactual条件=⽋損値問題
    87
    データのイメージはこんな感じ
    ID 属性データX W(処置有無) Y(1) Y(0) Y(1)-Y(0)
    Aさん (1.23, 3.22, ・・・) 1 10 ⽋損 ???
    Bさん (9.16, 0.52, ・・・) 0 ⽋損 5 ???
    ・・・ ・・・ ・・・ ・・・ ・・・ ・・・
    IPW推定量による
    平均処置効果︓
    傾向スコアの逆数で重み付け平均を⾏う

    View Slide

  88. 傾向スコアで観察データを調整する感じ
    88
    データのイメージはこんな感じ
    ID 属性データX W(処置有無) Y(1) 傾向スコアe IPW調整後Y(1)
    Aさん (1.23, 3.22, ・・・) 1 10 0.9 10/0.9 = 11
    Bさん (9.16, 0.52, ・・・) 0 ⽋損 0.2 null
    Cさん ・・・ 1 5 0.3 5/0.3 = 16
    Dさん ・・・ 0 0.3 null
    ・・・ ・・・ ・・・ ・・・ ・・・
    IPW推定量による
    平均処置効果︓

    View Slide

  89. IPW推定量
    89
    IPW推定量による
    平均処置効果︓
    傾向スコア (0〜1)
    処遇の有無 1or 0 観察できるアウトカム
    Y(1)
    n
    Y(1)
    n
    観察データのみの
    E(Y)
    e = 0.5, 0.6, 0.7, 0.8,0.9, 0.9, 0.9, 1
    IPWによる期待値E(Y)
    2倍
    観察できないけど、傾向ス
    コアが0.5であれば、
    本来はここのサンプルは2
    倍であるべきだ

    View Slide

  90. IPW推定量
    90
    IPW推定量による
    平均処置効果︓
    処遇の有無 1or 0 観察できるアウトカム
    !"#$ % 1 = !
    ()
    %)
    *+,
    -(/)
    )
    = !1
    ! $2
    32
    456
    7(82)
    |: = !1
    ! $2
    7(82)
    |: ! %)
    *+,|:
    = !1
    ! %)
    *+,|: = ! %)
    *+,
    傾向スコアが正しくモデリングできていれば、
    ここは1

    View Slide

  91. DR
    (doubly robust)
    推定量
    傾向スコアのモデルかアウトカムへのモデル、
    どっちかが正しけれんば安⼼
    91

    View Slide

  92. DR推定量 定義
    92
    Representation Learning for Causal Inference(AAAI2020 チュートリアル)
    http://cobweb.cs.uga.edu/~shengli/Docs/AAAI-20-Causal-Inference-Tutorial.pdf
    なんか加わった︕
    新しく加わった部分

    View Slide

  93. 93
    Representation Learning for Causal Inference(AAAI2020 チュートリアル)
    http://cobweb.cs.uga.edu/~shengli/Docs/AAAI-20-Causal-Inference-Tutorial.pdf
    ID 属性データX W Y(1)
    観察データ
    傾向スコア
    e
    m(1,X)
    推定値
    IPW調整後
    Y(1)
    DR調整後
    Y(1)
    Aさん (1.23, 3.22, ・・・) 1 10 0.9 11 10/0.9 = 11 11 – 0.11*11 = 9.79
    Bさん (9.16, 0.52, ・・・) 0 ⽋損 0.2 4 null 0 +1*4 = 4
    Cさん ・・・ 1 5 0.3 3 5/0.3 = 16 16 – 2.3*3 = 9.1
    Dさん ・・・ 0 ⽋損 0.3 5 null 5
    ・・・ ・・・ ・・・ ・・・ ・・・

    View Slide

  94. DR推定量 定義
    94
    !"# $ 1 =
    1
    '
    (
    )*+
    ,
    -)
    $)
    .
    ̂
    0(2)
    )

    -)
    − ̂
    0(2)
    )
    ̂
    0(2)
    )
    5
    6(1, 2)
    )
    =
    1
    '
    (
    )*+
    ,
    $)
    . +
    -)
    − ̂
    0 2)
    ̂
    0 2)
    ($)
    . − 5
    6 1, 2)
    )
    = ! $)
    . + !
    -)
    − ̂
    0 2)
    ̂
    0 2)
    ($)
    . − 5
    6 1, 2)
    )
    傾向スコア
    の残差
    mモデル
    の残差
    傾向スコア か mモデル のどちらかが正しければ、
    EDR[Y] は E[Y]の⼀致推定量となるね︕︕

    View Slide

  95. TMLE
    Targeted Maximum Likelihood Estimation
    推定の部分に任意の機械学習を使いますよ
    基本的にDRの考え⽅と同じ
    95

    View Slide

  96. TMLE ステップ1: 教師あり学習タスク
    96
    • 任意の機械学習を⽤いてYについてモデリング(普通の予測タスク、ちゃんとクロバリする)
    • Q0(W,X), Q0(W=1,X), Q0(W=0,X)を出⼒しておく
    ID 属性データX W Y Q0(W,X) Q0(1,X) Q0(0,X)
    Aさん (1.23, 3.22, ・・・) 1 1 0.8 0.8 0.5
    Bさん (9.16, 0.52, ・・・) 0 1 0.6 0.7 0.6
    Cさん ・・・ 1 0 ・・・ ・・・ ・・・
    Dさん ・・・ 0 0
    ・・・ ・・・ ・・・ ・・・
    モデルの出⼒
    インプット
    Ψ(#$) =
    1
    (
    )
    *+,
    -
    #$(1, /*
    ) − #$(0, /*
    )
    これを因果効果とみな
    していい︖
    必ずしもこれでいいとは
    限らないよね︖というモ
    チベーション

    View Slide

  97. TMLE ステップ2: 傾向スコアも作る
    97
    • 教師ラベルW、特徴量Xとしてモデル構築 g ≡ P(W|X)
    • g(W|X), g(1|X), g(0|X)を出⼒しておく
    ID 属性データX W Y Q0(W,X) Q0(1,X) Q0(0,X) g(W|X) g(1|X) g(0|X)
    Aさん (1.23, 3.22, ・・・) 1 1 0.8 0.8 0.5 0.8 0.8 0.2
    Bさん (9.16, 0.52, ・・・) 0 1 0.6 0.7 0.6 0.5 0.5 0.5
    Cさん ・・・ 1 0 ・・・ ・・・ ・・・ ・・・ ・・・ ・・・
    Dさん ・・・ 0 0
    ・・・ ・・・ ・・・ ・・・
    モデルの出⼒
    インプット

    View Slide

  98. TMLE ステップ3: clever covariate作成
    98
    • 要するに傾向スコアの逆数
    ID X W Y Q0(W,X) Q0(1,X) Q0(0,X) g(W|X) g(1|X) g(0|X) H(W,X) H(1,X) H(0,X)
    Aさん ・・・ 1 1 0.8 0.8 0.5 0.8 0.8 0.2 1.25 1.25 -5
    Bさん ・・・ 0 1 0.6 0.7 0.6 0.5 0.5 0.5 2 2 -2
    Cさん ・・・ 1 0 ・・・ ・・・ ・・・ ・・・ ・・・ ・・・ ・・・ ・・・ ・・・
    Dさん ・・・ 0 0
    ・・・ ・・・ ・・・ ・・・
    逆数とる作業
    H(#, %) ≡
    1(# = 1)
    *(1|%)

    1(# = 0)
    *(0|%)

    View Slide

  99. TMLE ステップ4: Q0をアップデート (1/2)
    99
    • ステップ1で作ったQ0モデルを以下のGLM(回帰)でアップデートする
    ID X W Y Q0(W,X) Q0(1,X) Q0(0,X) g(W|X) g(1|X) g(0|X) H(W,X) H(1,X) H(0,X)
    Aさん ・・・ 1 1 0.8 0.8 0.5 0.8 0.8 0.2 1.25 1.25 -5
    Bさん ・・・ 0 1 0.6 0.7 0.6 0.5 0.5 0.5 2 2 -2
    Cさん ・・・ 1 0 ・・・ ・・・ ・・・ ・・・ ・・・ ・・・ ・・・ ・・・ ・・・
    Dさん ・・・ 0 0
    ・・・ ・・・ ・・・ ・・・
    教師ラベル オフセット 特徴量
    Hの係数 ε を得る
    glm(Y ~ -1 + offset(qlogis(Q0)) + H, family = binominal)

    View Slide

  100. TMLE ステップ4: Q0をアップデート (2/2)
    100
    • Q0モデルをQ1モデルにアップデート
    ID X W Y Q0(W,X) Q0(1,X) Q0(0,X) g(W|X) g(1|X) g(0|X) H(W,X) H(1,X) H(0,X)
    Aさん ・・・ 1 1 0.8 0.8 0.5 0.8 0.8 0.2 1.25 1.25 -5
    Bさん ・・・ 0 1 0.6 0.7 0.6 0.5 0.5 0.5 2 2 -2
    Cさん ・・・ 1 0 ・・・ ・・・ ・・・ ・・・ ・・・ ・・・ ・・・ ・・・ ・・・
    Dさん ・・・ 0 0
    ・・・ ・・・ ・・・ ・・・
    logit &' 1, * = logit &, 1, * + . /(1, *)
    logit &' 0, * = logit &, 0, * + . /(0, *)

    View Slide

  101. TMLE ステップ5: target parameterを計算
    101
    • ターゲットパラメータを計算する
    • ちなみに、これはDR推定量です
    ATE$%&' = Ψ(+,) =
    1
    /
    0
    12,
    3
    +,(1, 51
    ) − +,(0, 51
    )
    https://migariane.github.io/TMLE.nb.html#6_tmle_flow_chart
    ATEだけじゃなく、
    CATE
    (conditional average treatment effect)
    も計算可能ですね

    View Slide

  102. D2VD
    Data-Driven Variable Decomposition
    変数カラムを共変量、調整変数、無関係のものに分割するようなモデル
    102

    View Slide

  103. 103
    Y
    W
    β
    w
    X
    β
    X
    Y = β
    W
    W + β
    X
    X + β
    Z
    Z + 定数 => ダメ (バックドア基準)
    Z
    β
    Z
    Y = β
    W
    W + β
    X
    X + β
    Z
    Z + 定数 => β
    W
    は不偏推定量
    Y = β
    W
    W + β
    X
    X + β
    Z
    Z + 定数 => Zを⼊れると効率UP

    View Slide

  104. D2VDのモチベーション
    104
    Representation Learning for Causal Inference(AAAI2020 チュートリアル)
    http://cobweb.cs.uga.edu/~shengli/Docs/AAAI-20-Causal-Inference-Tutorial.pdf
    Kuang, Kun, et al. "Treatment effect estimation with data-driven variable decomposition." AAAI’17
    調整変数Z
    IPW推定量を拡張

    View Slide

  105. D2VD 記号の定義
    105
    Representation Learning for Causal Inference(AAAI2020 チュートリアル)
    http://cobweb.cs.uga.edu/~shengli/Docs/AAAI-20-Causal-Inference-Tutorial.pdf
    Kuang, Kun, et al. "Treatment effect estimation with data-driven variable decomposition." AAAI’17
    調整変数Z
    IPW推定量を拡張
    • φ(Z)とh(U)は線形モデルとして、αとγを
    を係数⾏列とする
    • また、W(β)を以下とする

    View Slide

  106. D2VD 最適化問題
    106
    Representation Learning for Causal Inference(AAAI2020 チュートリアル)
    http://cobweb.cs.uga.edu/~shengli/Docs/AAAI-20-Causal-Inference-Tutorial.pdf
    Kuang, Kun, et al. "Treatment effect estimation with data-driven variable decomposition." AAAI’17
    共変量以外の係数は0
    調整変数以外の係数は0
    Adjiuseted ATEと
    ほぼ同じ回帰モデルUγを作りたい
    傾向スコアの推定誤差は
    τ(ハイパーパラメータ)未満で
    共変量と調整変数
    の被り禁⽌

    View Slide

  107. D2VD
    107
    Kuang, Kun, et al. "Treatment effect estimation with data-driven variable decomposition." AAAI’17
    • 以下の最⼩化問題を近似勾配法で解く
    g(・)の条件(L1 penalties)

    View Slide

  108. D2VD
    108
    Kuang, Kun, et al. "Treatment effect estimation with data-driven variable decomposition." AAAI’17
    • 以下の最⼩化問題を近似勾配法で解く

    View Slide

  109. Tree系アルゴで因果推論
    決定⽊をうまく使おう
    109

    View Slide

  110. 110
    https://speakerdeck.com/masa_asa/mian-qiang-hui-zhun-bei-zi-liao-bei-wang-causal-forest-
    and-r-learner

    View Slide

  111. 操作変数 instrumental variable 法
    重要なunobserved変数があるとき、計量経済学の代名詞
    111
    良いIVが⾒つかれば
    有効な⼿法

    View Slide

  112. 操作変数 IV︖
    112
    ⽬的変数 Y
    説明変数 X
    β
    その他の変数 U
    ⽬的変数 Y
    説明変数 X
    β︖
    その他の変数 U
    IV
    observed
    unobserved
    その他の変数Uが観察できるので、
    Xの効果が区別できる
    その他の変数Uが観察ないので、
    Xの効果が区別できない
    Xに関係していて、Yには直
    接関係がない変数(IV)を
    ⾒つけてくる

    View Slide

  113. 回帰不連続デザイン RDD
    Regression Discontinuity Design
    113
    介⼊の割り当てルール
    を利⽤する⽅法

    View Slide

  114. (Sharp)RDDの事例
    114
    飲酒可能cutoff
    年齢
    傾きは同じ
    ここが因果効果
    ここが因果効果
    出典
    https://faculty.arts.ubc.ca/pschrimpf/326/lec10-rdd.pdf
    ※ 本当は結構強い仮定に依拠しているので、
    その仮定が妥当かどうか検証の必要性あり

    View Slide

  115. お⾦かかるの嫌︖なら、パッケージのドキュメントを読もう
    115
    https://econml.azurewebsites.net/spec/estimation/dr.html https://causalml.readthedocs.io/en/latest/methodology.html#meta-
    learner-algorithms
    それぞれ各モデルの概説と読むべき論⽂が記載されているので便利

    View Slide

  116. 116
    MicroSoft
    Uber

    View Slide

  117. EconMLのフローチャート
    117
    ライブラリーのドキュメントが結構しっかりし
    てるので、かなり勉強になります
    https://econml.azurewebsites.net/spec/flowchart.html
    パッケージもとっても
    使いやすい

    View Slide

  118. 各有名な⼿法を俯瞰したい
    118
    • 他にもいい⼊⾨書はあるのですが、とにかくこ
    れが難易度的にもカバー内容的にも⼊⾨書
    に抜群
    • 下記の項⽬で「聞いたことあるけど実は知らな
    い」ものがあったら、買ってみるといいと思う
    • RCTとバイアスの話
    • 回帰分析
    • 傾向スコア
    • 差分の差分法(DID)とCausalImpact
    • 回帰不連続デザイン(RDD)

    View Slide

  119. doubly robustな推定法
    119
    • ちょっと分厚いけど、読みやすい
    • Targeted maximum likelihood
    estimation(TMLE)
    • (私も最近知りました)
    • 社会⼈でも現実的な時間で読めるかと

    View Slide

  120. 本来は社会学者がやってもいいような仕事を
    どんどんミクロ実証経済学系の⼈がやってくれてたりする
    (構造推定とか⾯⽩い)
    別に学問の名前とか気にする必要は全くないと思います
    若い⽅は気にせず真に必要なものを勉強すればいいと思う
    若⼿の社会学者(の卵?)も結構実証系強くなってきたらし
    い(⾵の噂)。個⼈的にはいいニュース
    120

    View Slide

  121. 121
    読み物
    EBPMの先輩は医療
    (EBM)なのです
    その先輩⽅がEBMに⾄
    るまでの問題意識と論点
    が⾊々まとまっている
    我々も読むべき
    ちょっと変わり種かもしれ
    ない
    「部分識別」という、かな
    り特殊な(でも説得的
    な)分析の仕⽅がありま
    した、唯⼀の⽇本語解説

    元々「法学セミナー」の連
    載だったもの。法学者向
    けなので、ヘビーな数学
    は⼀切ない。本当に⼊⾨
    者向け
    ラフな⼊⾨書じゃ物⾜り
    ない︖でも英語は嫌︖
    末⽯先⽣のこの教科書
    はいかが︖内容は学部レ
    ベルでかつ、200ペー
    ジ程度の本なのですが、
    説明がとっても丁寧。基
    礎固めは⼤切ですね

    View Slide

  122. 122
    マクロ経済学者は気象予報⼠よりも医師に似ていなければならない
    加藤 涼「現代マクロ経済学講義 動学的⼀般均衡モデル⼊⾨」

    View Slide

  123. 余談です︓
    ⼈⽂系の⼈、経済学を仮想敵にしすぎ問題
    123
    • 私の周りだけだったのかもしれないけど、特に私の⼤学(学部)は特に多かったな、、、
    (近代経済学者に親でも殺された︖)
    • ⾼校の政経の知識で⽌まってない︖アップデートしよう
    • ここ⼗年で、(私の感覚では特に実証ミクロ界隈が)とっても⾼度化してるし、扱う範
    囲もかなり広くなっていて、めちゃくちゃ楽しい
    • とりあえず「ネオリベ」とか「資本主義(!?)」とか、ゆるふわワード(思考停⽌ワード)を使
    ⽤禁⽌にしたい(そもそも、もう少し他のディスプリンを尊重しようと⾔いたい)

    View Slide

  124. マルクスの亡霊たちへ
    124
    • 「帝国主義」、「グローバリズム」などのキーワードの熱⼼な整理作業、「イデオロギー論」
    批判、「エコマルクス主義」などなど、定期的にブームが訪れますね
    • ⼈間のナチュラルな思考体系なんて⼤した事ない、(仮想敵を構築した)「分かりやす
    い」ストーリーに流されがち
    • つまらないかもしれないけど、まずは、主流派(or 実証主義的な社会科学)の訓練を
    ちゃんと受けてから考えよう
    • クルーグマンとかスティグリッツとかは、オーソドックスな⼈ですよ

    View Slide

  125. え︖やっぱり経済学が嫌い︖
    125
    神取先⽣の教科書読んでも、それ⾔えますか︖
    まず、⽬次を読んでみよう
    わくわくする世界が広がっていますよ
    [⽬次]
    https://www.nippyo.co.jp/shop/bo
    ok/6638.html

    View Slide

  126. 量的分析(計量分析)だけでOK?
    126
    誰に当てようかな、、、

    View Slide

  127. 僕の答えはNo. 質的研究もリスペクトしてます
    127
    質的研究もそれ⾃体結構⾯⽩い
    • 量的研究(因果推論)もドメイン知識をフル動員して頑張
    らないといい研究はできない。⼩⼿先のテクニックでごちゃご
    ちゃするだけではダメ。いい仮説があれば、シンプルな回帰で
    ⼗分意味がある結果になる場合がある
    • 質的研究は量的研究からこぼれた何かを教えてくれるケース
    がある
    相互補完的なもの
    • フィールドワーク(参与観察)とか、それ⾃体の⽅法論もある
    程度確⽴されつつある(らしい)
    • しっかりしたエスノグラフィーには資料価値がある(社会に対
    して有意味な価値がある)
    • ⾔説分析も(潔癖症的な基礎づけ理論は受け付けない
    のですが、)具体的研究は⽬から鱗のものが多い
    • また、エスノメソドロジーとか結構理論的にも⾯⽩い
    理由1︓純粋に⾯⽩い 理由2︓豊かな仮説や想像⼒を養う

    View Slide

  128. 優劣ではなく、期待するものが違う
    128
    [質的研究]
    • 職⼈芸的な感性が必要だったり、、、というか、外部が真/偽の評価がしにくい
    [量的研究]
    • 外部からもツッコミしやすい(明らかに変な分析が出たらすぐ分かる)
    やや
    ARTS
    SCIENCES
    ARTS
    良コンテンツ
    悪コンテンツ
    基本的にコンテンツの質は安定しない、むしろ
    ほとんどが(⾃分にとっては)価値なし
    SCIENCES
    良コンテンツ
    悪コンテンツ
    ただ、⼀部の超絶天才が稀に凄い本を書くこと
    がある、それが楽しい
    書物の「価値」についても、読
    み⼿の能⼒や嗜好に依存
    (査読付き論⽂なら)
    質が安定
    (ボラティリティが⼩さい)
    ⼈⽣を変えるほどの出会いは
    少ないかもしれない
    僕のような凡⼈であっても、適切な訓練を
    受け、適切な読み⽅をすれば、必ず中⾝を
    理解できる(と期待できる)

    View Slide

  129. 129
    エスノメソドロジー(⼈々
    の⽅法論)という社会学
    の⼀分野の教科書。
    「我々はどのような社会
    で、どのような⽅法で暮ら
    しているのか」というミクロ
    な社会成員の⽅法論を
    記述する
    医療分野におけるEBM
    とナラティブの共存を探る
    教科書
    社会学(社会科学)に
    おいても、きっと役に⽴つ
    態度かなと思います
    ⽬次からみても分かる通
    り、バランスよく⾔及して
    いる教科書
    どんな⽅法があるのかと
    いうインデックスをつけると
    ⾔う意味でも家に⼀冊
    あってよいかも
    僕は計量系に思い⼊れ
    が強いので、このスライド
    は偏っています。オーソ
    ドックスな社会学の楽し
    み⽅を知りたい⽅はこの
    教科書を読んでみると良
    いかも

    View Slide

  130. ぶっちゃけた話、学問の名前なんてどうだっていい (偉い⼤御所様の⽅
    針とかどうでもいい)
    「我々はどのような社会に⽣きていているのか」 あるいは、「社会的事実
    は、どのようにして/なぜ 成⽴しているのか」というモチベーション⾃体は「社
    会学」という学問がなくなっても残り続ける
    経済学や社会⼼理学等が、”社会学”の役割をどんどん引き継いでくれ
    ている現状を鑑みると、(単なる消費者である僕としては)なんの問題
    もない
    130

    View Slide

  131. 131
    1. 社会を説明するということ
    2. Re:社会を説明するということ
    3. “AI”というコトバ、禁⽌にしましょう
    4. 僕にとっての⼈⽂科学の知
    5. 読書は楽しいとは限らない
    ① ⽂系であることを免罪符にしない
    ② 新しい技術と社会の夢

    View Slide

  132. “AI”というコトバ、禁⽌していいですか︖
    バズワードに流されず、基本を勉強しましょう
    132

    View Slide

  133. 133
    「エンジニア」とは、
    ⼯学に関する専⾨知識と実践能⼒を持つ
    エキスパートのことです。

    View Slide

  134. 134
    「エンジニア」とは、
    ⼯学に関する専⾨知識と実践能⼒を持つ
    エキスパートのことです。
    統計学・機械学習・最適化

    View Slide

  135. 135
    こんなイメージ
    THE DATA SCIENCE VENN DIAGRAM
    http://drewconway.com/zia/2013/3/26/the-data-science-venn-diagram

    View Slide

  136. 136
    最適化の世界 因果推論の世界
    統計学・機械学習の世界
    組合せ最適化
    連続最適化
    タスク別分類
    ドメイン別分類
    教師あり学習
    教師なし学習
    強化学習
    時系列問題
    画像・動画問題
    ⾃然⾔語問題



    実験的⼿法

    View Slide

  137. 137
    Takami Satoさん ”最適化超⼊⾨”(slideshare)
    https://www.slideshare.net/tkm2261/ss-42149384

    View Slide

  138. 138
    動機は、⾏為やプログラムを中断する問いへの解答として、帰属され、⾔語化さ
    れる。動機とは合⾔葉である。
    C.W.ミルズ「状況化された⾏為と動機の語彙」『権⼒・政治・⺠衆』

    View Slide

  139. 「⽂系」であることを免罪符にしない
    139

    View Slide

  140. ⽂系・理系という区分は確かに便利! でも、、、
    140
    • 確かに多様な学問体系を切る⼀つの指標として「⽂系/理系」の区別があってもいいとは思う
    (もちろん、この軸で上⼿くはまらない学問があるのは承知の上。この区別がユニバーサルなも
    のとは⾔っていない)
    • でも、以下の⽤法で使うことを厳重に禁⽌したい
    え︖なに︖数学︖
    僕、⽂系なんで数学無理っす︕

    View Slide

  141. 世の⽂系学部出⾝者に謝った⽅がいい
    141
    本当に必要があれば、
    何でも取り込むべき
    やらない理由を作らない
    「わからない」は本来恥ずかしいこと
    (⾃分に⾔ってます︕︕︕)m(_ _)m

    View Slide

  142. 142
    多分、多くの⽂系出⾝者
    が詰まるのは線形代数
    「プログラミングのための」
    とタイトルにあるように、ゴ
    リゴリの数学書ではない
    ので、まずはここからがい
    いかなーと思います
    最適化数学はビジネス数
    学のボスだと思っている。
    いろんなシーンで最適化
    という考え⽅は必要に
    なってくるので、その基礎
    固め
    機械学習のためのとても
    良書。機械学習という応
    ⽤先に必要な、数学知
    識が、1章にまとまってい
    る。練習問題を解いてみ
    て、弱点を把握しよう
    最近、チャートシリーズも
    ⼤学数学に対応してくれ
    たので、即買い
    ⾼校時代が蘇ってくるw
    線形代数もあるので、是
    ⾮問題を解こう

    View Slide

  143. 新しい技術と社会の夢、その凡庸さ
    143
    新しいテクノロジー/メディアの黎明期において、社会(⼈々)はそれをどのように受
    け⼊れ、またどのような”夢“を⾒てきたのか。
    今でこそ素朴な技術還元主義的な“夢”は相対化されやすくなってきたものの、
    “⼈⼯知能”、“データサイエンス”等のバズワードに関連して不思議な⾔説はまだまだ
    散⾒される今⽇この頃。
    昨今のこの不思議な⾔説から距離をとるためにも、歴史を眺めてみるのも良いかもし
    れません。

    View Slide

  144. 144
    強⾵は天使を、かれが背中を向けている未来のほうへ、不可抗的に運んでゆく。
    その⼀⽅ではかれの眼前の廃墟の⼭が、天に届くばかりに⾼くなる。ぼくらが
    進歩と呼ぶものは、<この>強⾵なのだ。
    ヴァルター・ベンヤミン「歴史の概念について」

    View Slide

  145. 145
    複製技術の普及以前と
    以後において、芸術に関
    するある種の忘却を分析。
    新技術によるアウラ(⼀
    回性)なるものの喪失
    (という再発⾒)を論じ
    た古典。
    電灯、電信、電話、ラジ
    オなどの今では当たり前
    の“新しい”メディア。
    これらが普及した当時の
    社会における変化とその
    夢を丁寧に記述した80
    年代を代表するメディア
    論の古典。
    素朴な技術還元主義か
    ら距離をとること。
    昨今のAIブームの⼀つ
    前、“情報化社会ブー
    ム”を対象に、社会意識
    を記述した社会学のエッ
    セイ。
    “凡庸さ”を少し別の観
    点(⽂学)から俯瞰する
    ための名著。
    マクシム・デュ・カンの“凡
    庸な”⽣涯を読むことを
    通して、我々の中の
    “デュ・カン”を再発⾒する。

    View Slide

  146. 146
    1. 社会を説明するということ
    2. Re:社会を説明するということ
    3. “AI”というコトバ、禁⽌にしましょう
    4. 僕にとっての⼈⽂科学の知
    5. 読書は楽しいとは限らない

    View Slide

  147. それでも、⼈⽂科学の意義はある
    147

    View Slide

  148. 価値⾃由 Wertfreiheit
    148
    ヴェーバーが、この論⽂をだした動機としては、当時の社会政策学会への反発です。
    当時のドイツの社会政策学会は、「倫理的科学」と呼ばれ”善であること”と”社会的事
    実の議論”を同⼀⽔準で議論している向きがありました。
    彼は雑誌『社会⽴法・統計アルヒーフ』に、この価値論⽂をして掲載し、<価値判
    断 (Sollen 〜すべき) >と<事実判断(Sein〜である)>は明確に区別すべきと主
    張、そして科学の対象は後者であると・・・。
    (新カント派的解釈もあるが、あえてナイーブに受け取りましょう)
    認識と価値判断とを区別する能⼒、事実の真理を直視する科学の義務と、
    ⾃分⾃⾝の理想を擁護する実践的義務とを(双⽅を区別し、緊張関係に
    置きながら、ともに)果たすこと、これこそ、われわれがいよいよ⼗分
    に習熟したいと欲することである。
    マックス・ヴェーバー「社会科学と社会政策にかかわる認識の「客観性」」
    え︖︖当たり前だって︖

    View Slide

  149. (良識ある皆様への質問です)
    友⼈に次の図書を紹介された時、
    あなたはどんな反応しますか︖
    149

    View Slide

  150. 150
    安藤先⽣のいわゆる⾏動
    遺伝学の教科書
    最近、新書でも⾊々でて
    ますよね。
    (ミスリーディング※
    してる
    書籍・読者もあるようで
    すが)
    犯罪の”⽣物学“は良識
    ある⼤⼈であれば、違和
    感を抱くはず。犯罪者は
    社会的に構成されたもの
    (と信じたい︖)、、、ただ
    し、それは検証すべき事
    実のはず
    スティーブン・ピンカーの
    著作の内容というより、ア
    メリカ・ポリコレ界隈の標
    的になったことで知ってい
    る⼈も多いのではないで
    しょうか。⼀度、彼の著書
    を読んでみよう
    [※ 余談]
    • 双⽣児実験等を⽤いて⼈間の
    属性(知能やパーソナリティ)の遺
    伝性を調査とかしている
    • 注意しなければいけないのでは、
    安藤先⽣の教科書をみてもわか
    るとおり、遺伝でどの程度アウトカ
    ムの分散を説明できるかというお
    話であることに注意をしてください
    • 例えば、「IQは遺伝が7割」と
    あったときに、以下の式を思い描く
    のは間違いです
    IQ = 0.7*遺伝 + 0.3*その他
    • そうではなく、分散をどれくらい説
    明できるかということ
    • 0.7 = V[遺伝]/V[IQ]
    • ここを間違えると、かなり危ういミス
    リーディングになるので注意
    • 詳しくは左の教科書でー

    View Slide

  151. 脊髄反射的な拒否反応はなかったですか︖
    151
    優⽣学的だ!!
    社会ダーウィニズムめ︕
    政策的インプリケーション
    がないじゃないか!
    犯罪ってのは、社会的に構成された
    もののはずだ︕︕︕
    ピンカー? 差別主義者って
    聞いたことあるー︕

    View Slide

  152. ⾃然主義的誤謬 naturalistic fallacy
    152
    • 事実命題(〜である)から当為命題(〜すべき)を直接導出することはできない(⾃然主義的誤謬)
    • ⼈⽂科学、もしくは法学(理論)とは、まさに後者のための知的蓄積であるわけです
    ここに我々は敬意を払わなければならない(と個⼈的には思っている)
    ここがしっかりしていれば、事実の追求に対して脊髄反射的恐怖は軽減されるはず(と思っている)
    倫理学、批判理論、法学(特に⼈権論,刑法理論)、あるいはもう少し広めに政治思想史を学ぶ意義は
    ここにあるのかなーと僕は思いますよ
    次の引⽤は「犯罪の⽣物学」
    の訳者あとがき

    View Slide

  153. 153
    「遺伝(※引⽤者注:⽣物学的な根拠)で決まることで、⼈が犯罪をする傾向の⾼さに⼤きな影響を与える要因が
    ⼀つあります。僕は、この教室の中にいる⼈で、誰が⾼く誰が低いのかをすぐに⾒分けることがで
    きます。それは何でしょうか」。
    (中略)それは「性」である。犯罪⾏動における男性の優位は、本書も指摘しているとおり、社会
    を超えて⾒られる傾向であり、おそらく、本書で紹介しているあらゆる単⼀遺伝⼦より、犯罪リス
    クを⾼める要因である
    「だからといって、男性を絶滅しようと考える⼈はいませんね」。
    と確認すると、⽪⾁な笑い顔が男⼦学⽣からも⼥⼦学⽣からも返ってくる。
    津富宏「訳者あとがき」「犯罪の⽣物学」

    View Slide

  154. 私の ゆるふわな役割分業 イメージ
    154
    どうあるか
    狭義の”実証科学”のお仕事
    1. 社会ってどうなってるの︖ (社会記述)
    2. 〇〇の原因を可能な限り正確に特定したい
    (因果推論)
    3. 予測・リスク評価 (予測問題)
    (※ちなみに、2. と3. は根本的に異なるタスクです)
    どうあるべきか
    ⼈⽂科学・法理学等のお仕事
    - 優先すべき価値って何︖
    - リスク選好ってどれくらい︖
    - そもそも我々の社会における”善”とは何か


    たちの議

    ・論

    の蓄

    は、やはり有

    だと思
    う。
    (⼈

    はそんなに賢

    なったわけではない)
    “善”の基準なんて、
    ⼈それぞれやん︖
    でも、我々は集団で⽣きてい
    るわけであって、お互い妥協し
    ながら、何らかの意思決定を
    ⾏わなければならないよね

    View Slide

  155. 責任のインフレ論法に抗う
    155
    • この図書は以下の論⽂とセットで読むと⾯⽩いと思う。
    • 三⾕ 武司 (2006)「『責任と正義』の論理 」ソシオロゴス
    http://www.l.u-
    tokyo.ac.jp/~slogos/review_sociologos/pdf/review0201mitani.pdf
    • 私も三⾕先⽣の主張に近い( 「そもそも、「⾏為の事後遡及
    的成⽴」論は論証不⼗分」 )
    • ただ、この本はこの本で、もしそれ可能だったとして、どう内側
    からそれを破っていくか(いけないか)を真剣に論じていて、結
    構好き
    • やはり、セットで読むといいかと
    • あと読むべき本を⾊々教えてくれる本としてかなり優れている

    View Slide

  156. 伝統を守れ、が保守主義︖
    156
    • いわゆる哲学的保守主義の基本書と思っている
    • “保守”という⾔葉に抵抗感を抱く⼈がいるかも
    しれませんが、⼀度読んでみるのもありかなーと
    こういうイメージだと思ってません︖

    View Slide

  157. 初期ルーマンの憲法論
    157
    • 広い意味で統治機構論(『⼿続を通しての正統化』 )と基本
    権論(『制度としての基本権』 )の (ルーマン)社会学的検討
    [⼿続きを通しての正統化]
    • 伝統的な正統性概念(内容の普遍的な正しさ)を批判しつ
    つ、正統性概念を再構成した後に、具体的に市⺠に法的決
    定がいかにして受容されるうるのか
    [制度としての基本権]
    • いわゆる⼈権論の社会学的基礎づけを試みる
    • 広い意味では法実証主義批判
    へー、社会学(ルーマン)って
    こう⾔うお仕事もやってるんだ
    ちょっと 癖あるから、まずは法
    哲学のオーソドックスな教科書
    から読むといいとともう!!!

    View Slide

  158. 158
    功利主義って結構悪名
    ⾼いですよね。
    ちょっとこれ読んでアップ
    デートした⽅がいいかも。
    (僕も読まず嫌いでした、
    とってもいい本)
    法学は暗記科⽬と勝⼿
    に考えていませんか︖僕
    もそう思ってました、反省
    してます。
    社会において悪を定義す
    る⾮常に⾼度な哲学的
    実践の場であったりしま
    す。
    「善good は。⾃然的に
    存在する事物のある性
    質」と捉えてはいけない。
    ⾃然主義的誤謬論の元
    本。(ミルへの批判が妥当かどうか
    は別として、)ヴェーバーと⼀
    緒に読んでみるといいか
    も。
    ⾃然主義的誤謬論に対
    して批判を試みたのは、
    サールの⾔語⾏為論やこ
    のパトナムです。頭の体
    操として、批判的吟味し
    てみるといいかもしれない。
    (僕は批判が成功しているとは
    思えないけど)

    View Slide

  159. どちらも⼈類にとって⼤切な営み
    159
    “事実Sein”がどうあ
    るのか探求するよ
    我々が守るべき“価値
    Sollen”がどのような
    ものなのか、議論を深
    めておくよ
    FACTは判断材料にはなる
    ただ、それをどう評価するかは
    別問題だね
    強い規範的価値観から特定
    のFACTを⾒ないようにするの
    は不健康
    むしろ「不


    な真

    」をしっ
    かり受
    け⽌
    めても、尚
    ロバスト
    な規



    を練
    り上
    げていく
    べき

    View Slide

  160. 気をつけつけた⽅がいいポイント ①
    160
    というか、
    私が個⼈的に気をつけてること

    View Slide

  161. No Silver Bullet
    161
    すべてのシーンで万能な善に関する理論なんてあるわけない
    • いっぱい勉強すれば、いつか素晴らしい価値理論(規範理論)
    が体得できるんだ︕と期待するのは多分やめた⽅がいい
    • うーん、おこられそうw

    View Slide

  162. No Silver Bullet
    162
    • むしろ、「政治を語るためには、哲学的に考えなくてはならない」
    と考えるのは有害だとも僕は思う
    • 哲学が他の分野に優位な位置にあるわけではない
    https://en.wikipedia.org/wiki/Richard_Rorty
    認識論的⾏動主義とは…むしろ、哲学は知識や真理に関して常識が教
    える以上のことを何も教えてくれない、という主張なのだ。
    リャード・ローティ 『哲学と⾃然の鏡』

    View Slide

  163. 思想を<選択する>ということ
    163
    じゃあ、何で勉強する意味あるの︖
    (え︖ここにきて相対主義︖)
    • 僕たちが考え付きそうな理論は、とっくの昔に僕たちより
    頭の良い⼈が理論を練り上げてて、かつまた頭の良い
    ⼈がその弱点を批判してるはず
    • その歴史を学ぶことは、⾃らの価値観や思想に対⾃的
    になれるし、その価値の選択に責任が⽣まれる
    選択肢が理解できてないのであれば、
    それは「選択」とは⾔わない
    思想の選択に責任を持つために思
    想史を学ぶんだと僕は思う

    View Slide

  164. 討論・議論の前にまずリサーチ
    164
    • なんでもかんでも「みんなで話し合えば何か⾼みに辿り着けるんじゃないの」イデオロギーが苦⼿
    • その場で素⼈が出せる論点やレトリックは、ほとんど先⼈が議論済み(そっちをレビューした⽅が効率的)
    • まずは、先⾏研究とじっくり向き合う時間が⼤切だと思う
    • もちろん、意思決定・合意形成において討論・議論の重要性は全く否定しませんが(むしろ⼤事︕)
    risky shift
    集団浅慮
    思考が極端な⽅向に振れてしまう現象
    浅間⼭荘の「総括」とか⾊々思いつくところありますよね
    集団で考えることで、かえって考慮の深度が浅
    くなる現象(社会⼼理学の⽤語)
    よく知られる集団思考の弊害
    本と議論すればよろしいかと
    教科書ってコスパいい
    私の性格の問題です
    (哲学・思想の分野において)

    View Slide

  165. 気をつけつけた⽅がいいポイント ②
    165
    というか、
    私が個⼈的に気をつけてること

    View Slide

  166. 個⼈的には疎外論的なの苦⼿
    166
    「本来僕たちは〜だけど、このシステム/思想/権⼒/〇〇によって、
    こんな可哀想なんだぜ」 論法
    これは僕の趣味の問題ですが、、、
    呼んだ︖

    View Slide

  167. 個⼈的には疎外論的なの苦⼿
    167
    「本来僕たちは〜だけど、このシステム/思想/権⼒/〇〇によって、
    こんな可哀想なんだぜ」 論法
    これは僕の趣味の問題ですが、、、
    本質主義ですか、そうですか。
    形⽽上学的ですね
    仮想敵が必要なんですね
    思想が過激にならないか⼼配
    被害者論法は怖い、、、
    ダメってわけじゃ
    ないんです
    個別具体的に、冷静に
    吟味が必要です、特
    に、、、的な意味です
    カルスタ・ポスコロ的な
    議論、ちょっと苦⼿

    View Slide

  168. [余談] 純粋に娯楽としてこの映画⾯⽩い
    168
    第1章 ゾンビたちの連合⾚軍 総括と「六〇年代的なるもの」
    ちょっと刺激強いけど、
    北⽥先⽣の考察とセッ
    トで観ると⾯⽩い︕︕

    View Slide

  169. 気をつけつけた⽅がいいポイント ③
    169
    というか、
    私が個⼈的に気をつけてること

    View Slide

  170. 良い意味で抽象的な議論
    170
    • 悪意のある⾔い⽅をすれば、「ゆるふわな議論」になりがち
    • 特に法学者/実務者からすると「なに、ゆるふわなこと⾔ってる
    の︖」と怒られがち
    〇〇権はー、
    ⼈間に本来の-
    もう少しちゃんと事象を
    定義して、具体的に話
    しましょ
    まあ、仕⽅ないですよね。
    具体的な提⾔を積極的にするときは、実
    務観点をしっかり検討したほうがいいかと
    R.ローティの“⽂化左翼”批
    判とか⾯⽩いですね。

    View Slide

  171. 気をつけつけた⽅がいいポイント ④
    171
    というか、
    私が個⼈的に気をつけてること

    View Slide

  172. sunk cost バイアス
    172
    • 哲学書は基本的に分厚いし難解(これはこれでよい)
    • 読書コストは膨⼤


    しいー。



    むのに半

    かかったよー
    投資と同じで、冷静な判断を︕
    難しいこと=崇⾼、とは限らない
    sunk cost(埋没費⽤)バイアス
    こんなに頑張って読んだんだから、
    この理論は凄いものに違いない︕
    いやきっとそうだ︕︕(じゃなきゃ困る)

    View Slide

  173. 間を繋ぐコトバとしてOR系の勉強とかも良いね
    173
    どうあるか
    狭義の”実証科学”のお仕事
    1. 社会ってどうなってるの︖ (社会記述)
    2. 〇〇の原因を可能な限り正確に特定したい
    (因果推論)
    3. 予測・リスク評価 (予測問題)
    (※ちなみに、2. と3. は根本的に異なるタスクです)
    どうあるべきか
    ⼈⽂科学・法理学等のお仕事
    - 優先すべき価値って何︖
    - リスク選好ってどれくらい︖
    - そもそも我々の社会における”善”とは何か
    ここら辺の交通整理をするコトバとし
    て、意思決定理論とかORとか⾯⽩
    いですよ

    View Slide

  174. 意思決定分析とORのオススメ教科書
    174

    View Slide

  175. 175
    1. 社会を説明するということ
    2. Re:社会を説明するということ
    3. “AI”というコトバ、禁⽌にしましょう
    4. 僕にとっての⼈⽂科学の知
    5. 読書は楽しいとは限らない

    View Slide

  176. 176
    良書を読むための条件は悪書を読まぬことである
    ショウペンハウエル『読書について』

    View Slide

  177. 量か質か
    177
    そもそも読書をするときのモチベーションは︖
    ① 知識のインプットとしての読書
    ② 教養的なるものの獲得としての読書

    View Slide

  178. ① 知識のインプットとしての読書
    178
    • 多読してください
    • 今の時代は、インターネットでググってください
    • むしろ、ググり⽅の訓練が⼤切になってくるかと思います(現代⼈のマストスキルですね)
    「いっぱい物を知っている」も良いけど、
    ある程度の全体像とインデックスをつかんでおいて、
    適切にググれる能⼒ってマストスキルですよね
    当たり前だけど、
    本だから優れているわけではない
    読書経験がリッチになると、ネットを軽視
    しがち。(サンクコスト・バイアス)
    どっちが⼀⽅が無条件に優れている/
    劣っているわけではない

    View Slide

  179. スーパー読書量 is エライ︖
    179
    教養的なるもの != Σ 知識
    (知識の総和が教養的なるものと⼀致する、、、とは限らない)
    ネットにもゴミ情報はもちろんありますが、本も⾊々です、、、
    https://ndlonline.ndl.go.jp/

    View Slide

  180. ② 教養的なるものに向かって
    180
    • 「教養的なるもの」を定義するのは⾯倒なので宙吊りにします
    • ただ、以下の図式は納得してくれる⽅は多いと思います
    教養的なるもの != Σ 知識
    (知識の総和が教養的なるものと⼀致する、、、とは限らない)
    クイズが強い⼈が、教養ある⼈︖︖
    ではないよね︖

    View Slide

  181. 私はやや質派です
    181
    ⾃分の価値観/考え⽅/常識への挑戦としての読書
    こういう側⾯もあるかな、と僕は思います。
    この観点からいえば、
    簡単に読める本
    (≒ ⾃分の常識の範疇内のもの)
    に、あまり僕は価値を⾒出せなかったりします。
    もちろん、例外はいっぱいありますよ。
    - すごーい読みやすいのに、⽬から鱗なもの
    - 難解な本に⾒えて、中⾝もスカスカだった本
    とか、、、もちろんあります︕︕
    ⼈⽂系の場合限定の話です
    もちろん、難しい本=崇⾼な本ではない︕
    ただ、哲学・思想書を名⾔集だと思わない
    ⽅がいい。

    View Slide

  182. 182
    理解できないこととの共存
    加藤⽂元「数学を学ぶ⼼構え、数学の勉強法」『数学ガイダンスhyper』

    View Slide

  183. 読書時間は覚悟した⽅がいい
    183
    1. 本当に必要な本は、時間をかけて読む
    - 速読︖とかそういうテクニックに期待しない
    - 1冊の本を半年とか1年かけても良い
    (普通、これくらいかかる。恥じることはない。特に数学の本はもっとかかる)
    - 友⼈を巻き込むのもあり
    2. 対象図書の事前リサーチにもコストをかけるべき
    - 読書のコストを侮るな︕︕
    - 1年かけて読み込んだ本が、実は、全然(あなたにとって)
    価値のない本だったら、、、
    ハイキング型 vs. 登⼭型 読書














    View Slide

  184. 事前リサーチ︖ (学部向け)教科書イイネ︕︕
    184
    なにから始めていいかわからない⼈は、定評のある教科書から読み始めましょう
    (=流⾏りの新刊とかから始めない︕︕︕)
    その分野の全体像を把握しよう︕
    どういう課題/問題意識があって、どういう学説が
    あって、どういう課題があるのか
    教科書って結構、
    読むべき本を教えてくれる最⾼の本
    時間は有限︕
    流⾏りに流される事なく、で
    きるだけ良質な本を選びた
    いもんね

    View Slide

  185. 読書は⼿段、あなたの⽬的は何??
    185
    必ずしも読書量凄まじいことが”エライ”わけではない
    量か質か論争︓

    View Slide

  186. 僕の読書習慣 (あくまで個⼈の意⾒です︕︕)
    186
    • 「知識⼈」の流⾏り系の社会批評本は余程のことがないと読まない
    • (⽣理的に受け付けないのは秘密)あれ系は歴史的に/事後的に検証されるもの
    • むしろ、過去の「知識⼈」がいかにその時代を記述していたのかを読むことが多い
    • ⾃分を含む知識⼈的な層の「凡庸さ」に対⾃的でありたい
    [査読⽂化が根付いてない学問分野]
    • 基本、教科書->コメンタール->古典 を読む
    • 歴史的な淘汰を勝ち残った本には、何かいいものがあると期待できるかも
    [査読⽂化が根付いている学問分野]
    • 教科書でそのディスプリンのご作法を学んでから、論⽂を読む
    やや
    ARTS
    SCIENCES

    View Slide

  187. 巨⼈の肩の上に乗る
    standing on sholders of Giants
    187
    モチベーション

    View Slide

  188. おやおや︖
    ずいぶん楽観的な科学進歩史観ですね︖
    188
    科学知識の蓄積︖ なにそれ︖昔、科学だったものが、今似⾮科学になることだってあるじゃん。
    パラダイム論的には〜
    科学と似⾮科学の違いが〜

    View Slide

  189. 巨⼈の肩の上に乗る
    standing on sholders of Giants
    189
    放っておきましょう

    View Slide

  190. 科学を楽しむこと、学ぶこと、これは我々の権利
    190
    • <地頭>競争は残酷
    • でも、科学知識は平等である(少なくともそう信じることは可能である)
    僕、ノイマン(8歳)
    微分積分理解したよ
    適切な⼿段・⽅法を学び、適切な訓練を継続
    すれば、いつかその世界を理解/拡張すること
    ができる(と期待できる)
    分かる⼈には
    分かるのよ、この良さ
    ⽇本の新卒採⽤基準にありがち
    「東京都にマンホール何個あると思う」系
    (あれが本当に地頭を計測できてるのか疑問ですが、笑)

    View Slide

  191. 191
    個⼈的なイメージ(エビデンスなし!)
    訓練時間(読書量) 訓練時間




    アート的な要素の強い分野 サイエンスの要素が強い分野
    サイエンス(筋⾁)
    は裏切らない
    結構、個⼈の才能に依存。いくら読書しても、たどり着けない
    境地があったりする(認めたくないけど)。逆に読書量⾜りな
    くても、才能とセンスで乗り越えちゃう⼈もいる。
    残酷だけど、でも、楽しいんですよね、⼀読者としては。
    もちろん、東⼤理物とか、ノイマンとか怪物的な天才の⽅が有利なのは
    やはり事実です。
    ただ、(⽣産者ではなく、)消費者としては、適切な訓練を続ければ(個
    ⼈差はあるにせよ)、必ずいつかはレベルアップできる(と期待できる)

    View Slide

  192. 巨⼈の肩の上に乗る
    standing on sholders of Giants
    192
    やっぱり

    View Slide

  193. 193
    学問上の「達成」はつねに新しい「問題提出」を意味する。それは他の仕事に
    よって「打ち破られ」、時代遅れとなることをみずから欲するのである。学問に
    ⽣きるものは、このことに⽢んじなければならない。(中略)われわれ学問に⽣
    きるものは、後代の⼈々がわれわれよりも⾼い段階に到達することを期待しない
    で仕事をすることができない。
    マックス・ヴェーバー 「職業としての学問」

    View Slide