CADEVCONF - Speaker Deck

Slide 1

Slide 1 text

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 

Slide 2

Slide 2 text

No content

Slide 3

Slide 3 text

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 

Slide 4

Slide 4 text

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

Slide 5

Slide 5 text

1-2歳クラス 0歳クラス 3歳クラス + 8名

Slide 6

Slide 6 text

詰み？

Slide 7

Slide 7 text

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

Slide 8

Slide 8 text

マーケットデザインによる  待機児童問題の解決 

Slide 9

Slide 9 text

No content

Slide 10

Slide 10 text

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…

Slide 11

Slide 11 text

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・・・

Slide 12

Slide 12 text

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）

Slide 13

Slide 13 text

  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  

Slide 14

Slide 14 text

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。

Slide 15

Slide 15 text

  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

Slide 16

Slide 16 text

アルゴリズムによる結果の違い（待機児童）  

Slide 17

Slide 17 text

アルゴリズムによる結果の違い（待機児童）  

Slide 18

Slide 18 text

アルゴリズムによる結果の違い（入所者の希望順位）  

Slide 19

Slide 19 text

アルゴリズムによる結果の違い（入所者の希望順位）  

Slide 20

Slide 20 text

アルゴリズムによる結果の違い（入所者の希望順位）  

Slide 21

Slide 21 text

アルゴリズムによる結果の違い（入所者の希望順位）  

Slide 22

Slide 22 text

アルゴリズムによる結果の違い（きょうだいの同所率）  

Slide 23

Slide 23 text

アルゴリズムによる結果の違い（きょうだいの同所率）  

Slide 24

Slide 24 text

アルゴリズムによる結果の違い（公平性）  

Slide 25

Slide 25 text

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  

Slide 26

Slide 26 text

実際の制度の改善事例：多摩市  

Slide 27

Slide 27 text

日本経済学会（2021）   中原賞にもとづく論文 

Slide 28

Slide 28 text

実証実験の今後 

Slide 29

Slide 29 text

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

Slide 30

Slide 30 text

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

Slide 31

Slide 31 text

デジタル申請  ※開発中画面 

Slide 32

Slide 32 text

マーケットデザインの可能性 Talk Session

Slide 33

Slide 33 text

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

Slide 34

Slide 34 text

マーケットデザインの可能性 

Slide 35

Slide 35 text

男女別定員だけではない  公立高校入試制度の問題点 

Slide 36

Slide 36 text

男女別定員だけではない  公立高校入試制度の問題点 

Slide 37

Slide 37 text

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

Slide 38

Slide 38 text

UTMDでレポート公開中 

Slide 39

Slide 39 text

人材配置とマッチング理論 

Slide 40

Slide 40 text

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

Slide 41

Slide 41 text

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

Slide 42

Slide 42 text

マーケットデザインの今後 

Slide 43

Slide 43 text

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

Slide 44

Slide 44 text

最後に 