新しい社会科学のカタチ / Alternative Social Science

■イベント
2020年度組織学会60周年記念年次大会
https://www.aaos.or.jp/contents/join/?page=2

■登壇概要
タイトル：新しい社会科学のカタチ

登壇者：
Sansan株式会社 DSOC 西田貴紀
法政大学 経済学部 准教授 永山晋

▼Sansan Builders Box
https://buildersbox.corp-sansan.com/

Transcript

1. 組織学会セッション 新しい社会科学のカタチ： 出会いからイノベーションを生み出す 2019年10月19日　西南学院大学 Sansan DSOC 西田貴紀 法政大学経営学部　永山晋 1
2. 本日のアウトライン 80分 • 永山：20分 ◦ 本日の目的 ◦ 自己紹介 ◦ 社会科学の地殻変動 ◦ 経営学と計算社会科学 • 西田：40-50分 ◦ 新しい？社会科学　「計算社会科学」とはなにか？ ◦ 計算社会科学の研究例 ◦ われわれの研究例 ◦ ビジネスへの応用例 • 永山：5分 ◦ 経営学の実証はどこに向かうべきか？ • みなさんでディスカッション！: 10分 2
3. 本日の目的 • みなさんとともに経営学の実証を今後どのようにアップ デートすべきかを考えたい。 • そのヒントとして ◦ 近年の社会科学の地殻変動を概観し、 ◦ 計算社会科学という分野の紹介し、 ◦ Sansan西田さんたちの研究、研究の知見のビジネスへの応 用例を紹介したい。 3
4. 自己紹介 西田さんの学問的バックグラウンド • 応用計量経済学 / 社会ネットワーク / データサイエンス 永山のバックグラウンド • 創造性 / 社会ネットワーク / 定量分析 4
5. 本日のモチベーション 5 社会科学の地殻変動
6. 社会科学の地殻変動 1. トッププレイヤーのジャーナル投稿先の変化 2. プレイヤー・チーム編成の変化 3. 貢献内容の変化 6
7. 1.トッププレイヤーのジャーナル投稿先の変化 ドメインのトップジャーナルから総合科学誌へ 7
8. 社会科学誌 + 総合科学誌　掲載者 社会学系 • Adam Kleinbaum • Brian Uzzi • Damon Centola • James Evans • Michael Macy • Sinan Aral 8 物理学系 • Alex Pentland • Cesar Hidalgo • Dashun Wang • Duncan Watts • Lazlo Barabasi CS系 • David Lazer • Joshua Becker • Matthew Salganik • Nitesh Chawla 心理学系 • Adam Grant • Anita Woolley • Noshir Contractor
9. 2. プレイヤー・チーム編成の変化 ミクロ経済学者、IO学者の横断、 コンピュータ・サイエンスの台頭 9
10. 2. プレイヤー・チーム編成の変化 企業研究者など、大学外との連携 10 Spotify Linkedin データサイエンティスト コンピュータサイエンティスト 予防医学者 ミシュラン２つ星シェフ
11. 3. 貢献内容の変化 理論の発展から重要な現象の把握へ（仮説なし） 11
12. 3. 貢献内容の変化 社会へのインパクト、還元施策の展開 12
13. 3. 貢献内容の変化 社会へのインパクト、還元施策の展開 13 http://www8.nationalacademies.org/onpinews/newsitem.aspx?RecordID=25335
14. 経営学の話がない！？ 14
15. 経営学実証研究の特徴 • 仮説構築型 ◦ 新たな現象に着目し、インタビューなどから命題を提示 • 仮説検証型 ◦ 既存研究の理論の知見から自然言語で演繹的に仮説を構築 • 用いるデータ ◦ インタビュー、サーベイ、実験、アーカイバル • 用いる分析手法 ◦ グラウンデッド・セオリー的なもの、何かしらの回帰 15
16. 欧米の経営学を追従したやり方を 今後も続けていて良いのか？ 16
17. 「計算社会科学」との馴れ初め 17
18. 実証ミクロ経済学 in 2016 • 1100人ほどのCEOの15分毎 行動データをtopic modeling を使ってmicro/macro managementに分類。 • CEOの行動タイプと企業の マッチングで生産性にどの ような影響をもたらすか。 18
19. マイケル・メイシー in 2017 • イギリス全土650万人の携帯 電話コールデータからネット ワークデータを作成。 • 3万強の地域の経済的活性度 合いとネットワークダイバー シティー（ネットワークのエ ントロピー）がどのように関 係しているか。 19 Golder, S. A., & Macy, M. W. (2014). Digital footprints: Opportunities and challenges for online social research. American Review of Sociology, 40, 129–152.
20. IC2S2 in 2018 • 豪華キーノート – Iain Couzin • Collective behavior – Duncan Watts • Prediction limit – Damon Centola • Complex contagion – Lada Adamic • Info. diffution 20
21. Sansan 西田さんへバトンタッチ 21
22. Data Strategy and Operation Center 自己紹介 西田貴紀 Sansan株式会社 DSOC R&D Group SocSci Team Leader 一橋大学大学院経済学研究科修士課程修了。専門は計量経済学、労働経済 学。在学中、非正規労働者の教育訓練に関するデータ解析に取り組む。ビジ ネスネットワークのデータを活用し、労働移動に関する研究などに従事。 また、共同研究プラットフォームSansan Data Discoveryを推進する。 NetSci 2019 Visualization Prize 受賞 NetSci 2019 Oral Presentation IC2S2 2019 Oral Presentation
23. Data Strategy and Operation Center 計算社会科学 (Computational Social Science)とは？ • Lazer et al.(2009) により提唱 • さまざまな定義 • Lazer et al.(2009) 「大規模データを収集および分析する性能を用いて，個人および集団行動のパターンを明 らかに する新たな学問分野」 • 国際計算社会科学会議 (IC2S2) 「計算機科学とビッグデータ分析の社会科学研究への応用」 • Watts(2013) 「ウェブ上の観察データ，仮想実験室実験，コンピュータモデリングによる分析などを行う社 会科学とコンピュータサイエンスの融合領域」
24. Data Strategy and Operation Center 計算社会科学 (Computational Social Science)とは？ 計算社会科学とは，a) デジタルな観察データ（オンライン上の行動 ，IoT 等により取得 された物理的世界での行動，デジタル化された歴 史資料や行政記録を含む），b) オンライ ン上の実験・サーベイデータ ，c) エイジェントベースドモデリング等による分析，等を用 いて，社会 現象のリアリティとメカニズムの解明を試みる社会科学とコンピュータ サイエ ンスの融合領域である． 瀧川(2018)
25. Data Strategy and Operation Center 計算社会科学 (Computational Social Science)における名言 We have finally found our telescope. Let the revolution begin. Watts(2011)
26. Data Strategy and Operation Center ネットワークに関する計算社会科学の研究事例
27. Data Strategy and Operation Center ネットワークに関する計算社会科学の研究事例
28. Success
29. Success 「あなたが所属する社会から受け取る報酬」
30. Art
31. Data Strategy and Operation Center Success in Art Fraiberger, S. P., Sinatra, R., Resch, M., Riedl, C., & Barabási, A. L. (2018). Quantifying reputation and success in art. Science, 362(6416), 825-829.
32. Data Strategy and Operation Center Success in Art Fraiberger, S. P., Sinatra, R., Resch, M., Riedl, C., & Barabási, A. L. (2018). Quantifying reputation and success in art. Science, 362(6416), 825-829.
33. Data Strategy and Operation Center Success in Art Fraiberger, S. P., Sinatra, R., Resch, M., Riedl, C., & Barabási, A. L. (2018). Quantifying reputation and success in art. Science, 362(6416), 825-829. Early access to prestigious central Institutions reduced dropout rate. Starting at the network periphery resulted in high dropout rate
34. Data Strategy and Operation Center Success in Art Fraiberger, S. P., Sinatra, R., Resch, M., Riedl, C., & Barabási, A. L. (2018). Quantifying reputation and success in art. Science, 362(6416), 825-829.
35. Data Strategy and Operation Center Success in Art Fraiberger, S. P., Sinatra, R., Resch, M., Riedl, C., & Barabási, A. L. (2018). Quantifying reputation and success in art. Science, 362(6416), 825-829.
36. Data Strategy and Operation Center Basquiat バスキア展
37. Data Strategy and Operation Center Networking Basquiat 大胆なネットワーカー 「学校でもストリートでも社交的で、誰とでも話をしてつき合える 類の人間だった。だけど、みんなと仲良くやっていける器量は、 友に対しての情け深さというよりはストリートスマートで、世渡り がうまい。“誰のことも好きじゃない”っていう冷めた一面に、反抗 心を秘めていた」 「はじめて会ったときは、物静かでシャイなやつだなと思った。ベ ラベラ喋るようなタイプではなかったけど、人を磁石のように惹き つける力を持っていた」 by Al Diaz http://heapsmag.com/nobody-knows-this-basquiat-exclusive-story-told-by-first-partner-in-crime-2-years-graffiti-samo
38. どうすれば「良き」出会いを享受できるのか？
39. Data Strategy and Operation Center Sansan Data Discovery (共同研究プラットフォーム )
40. Data Strategy and Operation Center ネットワークに関する計算社会科学の研究事例
41. Knowledge
42. Data Strategy and Operation Center Cesar Hidalgo What is the Value of Knowledge ?
46. Hausmann, R., Hidalgo, C. A., Bustos, S., Coscia, M., Simoes, A., & Yildirim, M. A. (2014). The atlas of economic complexity: Mapping paths to prosperity. Mit Press.
48. Hausmann, R., Hidalgo, C. A., Bustos, S., Coscia, M., Simoes, A., & Yildirim, M. A. (2014). The atlas of economic complexity: Mapping paths to prosperity. Mit Press.
49. How does complexity compare to GDP? (2017): https://oec.world/en/visualize/scatter/hs92/gdp/show/all/all/2017/
50. How does complexity compare to GDP? (2017): https://oec.world/en/visualize/scatter/hs92/gdp/show/all/all/2017/
51. Hidalgo, C. A., & Hausmann, R. (2009). The building blocks of economic complexity. Proceedings of the national academy of sciences, 106(26), 10570-10575.
52. Data Strategy and Operation Center 計算社会科学の課題 from IC2S2 2019 • 計算機科学 ◦ 同じデータで同じモデルを使用しているにも関わらず、結果に違いが生じるケース ▪ 参考: Hofman et al.(2017) ◦ ある年はうまく予測できるが、翌年は精度が大きく下がるケース ◦ 予測する事象の背後のメカニズムを考慮できていない（偶然か？非定常か？等） • 社会科学 ◦ 論文となるストーリーにすべく、効果量を過大推定するケース ◦ 統計的有意であるように調整するケース (P-hacking)
53. Data Strategy and Operation Center 計算社会科学の改善点 from IC2S2 2019 1. 個人情報の扱いに十分に注意する体制を構築し、アカデミアと産業のコラボレーショ ンを加速させる 2. 産業界のデータは研究用に作られたデータではないことを理解し、バイアスの補正 を怠らない 3. 社会科学分野の研究者独自の研究用データインフラストラクチャーを構築する
54. Data Strategy and Operation Center 計算社会科学のあるべき姿 from IC2S2 2019 • これまでの社会科学 • 論文の執筆数と引用数で評価 • 研究で示される理論と新規性を重視したが、理論の一貫性がなく不完全 • 実社会への応用も限定的 • これからの社会科学 • 他分野との学際的な研究 • 新規性や意外性ではなく、再現可能な正確性 • どれだけ実用的な知見を得られたかという観点で評価
55. ビジネスへの応用例
56. 法人向けクラウド名刺管理サービス
58. Data Strategy and Operation Center DSOCは、Sansan株式会社のデータ統括部門です。 研究のための研究を目的とせず、データドリブンによって 事業成長をリードすることを目的として、 「データ化」「データの活用」という2つの役割を担っています。 イノベーションを、ここから生み出す VISION
59. Data Strategy and Operation Center Sansan Labs –ビジネスマンタイプ分析 つながりの傾向から、強みが分かる
60. Data Strategy and Operation Center ビジネスマンタイプ分析
61. Data Strategy and Operation Center 社内ネットワークの推定方法
62. Data Strategy and Operation Center 社内ネットワークの推定方法
63. Data Strategy and Operation Center ビジネスマンタイプ分析 つながりの傾向から、強みが分かる
64. 「出会い」の未来を描く
65. The Signature of the Flow State: Eye-on-Eye Movements Susumu Nagayama, Sho Izumo (Habitech), Masahiro Kazama (Indeed), Kazutaka Inoue (JINS), Yuji Uema (JINS), and Yoshiki Ishikawa (Habitech) 65 • Eye-tracking using a wearable device, J!NS MEME • 181 responses from 5 undergraduate students of a private university and 258 responses from 9 workers from various professions.
66. 経営学の実証はどこに向かうべきか？ 66
67. 経営学の実証は どこに向かうべきか？ 67 現象（Y） 視点（X） 因果（X-Y） 定量・定性（自然言語） Modeling culture 経営学 経営学 ？ 数式（人工言語） Modeling culture ？ 応用計量経済学 応用計量経済学 貢献 　方法 Brieman (2001); Tonidandel et al. (2018) Modeling culture: 現実は何らかのモデルから統計的に生成されるという価値観
68. 経営学の実証は どこに向かうべきか？ 68 現象（Y） 視点（X） 因果（X-Y） 定量・定性（自然言語） Modeling culture 経営学 経営学 ？ 数式（人工言語） Modeling culture ？ 応用計量経済学 応用計量経済学 新しい定量 Algorithmic culture 計算社会科学 ？ ？ 貢献 　方法 Brieman (2001); Tonidandel et al. (2018) Modeling culture: 現実は何らかのモデルから統計的に生成されるという価値観 Algorithmic culture: 予測精度を最大化するという価値観
69. 1. Measuring 研究の４つのフェーズ Albert-László Barabási 69 2. Modeling 3. Predicting 4. Controling
70. 現実への介入の研究例 70
71. 経営学の実証は どこに向かうべきか？ 71 現象（Y） 視点（X） 因果（X-Y） 制御 定量・定性（自然言語） Modeling culture 経営学 経営学 ？ ？ 数式（人工言語） Modeling culture ？ ミクロ経済学 ミクロ経済学 ミクロ経済学 新しい定量 Algorithmic culture 計算社会科学 ？ ？ ？ 貢献 　方法 Brieman (2001); Tonidandel et al. (2018) Modeling culture: 現実は何らかのモデルから統計的に生成されるという価値観 Algorithmic culture: 予測精度を最大化するという価値観
72. 質疑応答・ディスカッション 72