社会シミュレーションにおけるビッグデータに頼らないモデリング方法の研究

点击翻译按钮获取中文摘要

現代，人類社会が直面する課題の多くは，多様な意思を持つ人間同士が相互作用することで予期せぬ結果を生む複雑系に創発する現象といえる．この種の現象解析には，エージェントベース・モデリング（ABM）を用いた社会シミュレーションが有用である．この方法は，現象をモデル化・可視化し，そのダイナミズムを読み解くことを可能にするが，「現実のどの部分を抽象化してモデルを構築すべきか」という基幹部分が定式化されておらず，信頼性を疑問視する声もある．そこで本研究は，質的なデータと量的なデータを繋ぐ新たな手法を開発し，医療介護や教育の分野における実際の問題で検証を行うことを目的にスタートした．しかし，R2年度に新型コロナウイルス感染症の影響により，予定していた医師への深層インタビューの実施が困難になり，やむなく調査対象をスポーツ分野に変更した．令和3年10月までに，文献調査，研究分担者と研究内容について議論，アスリートにインフォーマルなインタビュー，予備調査のとりまとめを行い，令和4年3月までに，数十人程度のアスリートに深層インタビュー，データ解析，研究結果とりまとめを行う予定であった．しかし，当初の想定に反し，事前調査や専門家との議論により，アスリート間のネットワークが限定的であることが判明したため計画を見直し，数十人程度のアスリートへの深層インタビューではなく，市民ランナーを対象にした量的調査に変更した．そして，令和4年3月に，市民ランナーの意識と行動を知るために，20代～60代の男女16,277人にインターネット調査を実施した．一方，「教育」の分野では，協調して問題解決の筋道の共有を行うグループ学習のタスクを取り上げ，ゲーミングを企画・設計して，実際に大学生を対象者として実験を行った．また，社会におけるイノベーションをシミュレーターに実装して解析を行った．