Niveau: Fortgeschritten
【Moderator】
Interuniversity Research Institute Corporation Research Organization of Information and Systems Institut für Statistische Mathematik
Gastprofessor des Forschungszentrums für Risikoanalysestrategie, Takenori Takahashi
[Zusammenfassung der Präsentation]
Die meisten Fälle von Fragebogenbefragungen (Fragebogenbefragungen) enden bisher mit der Überlegungsphase, und es gibt einige Fälle, in denen Vorschläge auf der Grundlage der Überlegungen gemacht werden, in solchen Fällen basieren die Vorschläge jedoch nur auf hypothetischen Ideen (Gedanken und Überlegungen). Allerdings gibt es kaum Darstellungen von Fällen, in denen Hypothesenverifizierungen (Verifizierungsexperimente), die die objektive Grundlage für den Vorschlag darstellen, durchgeführt wurden. Um konkrete Vorschläge zur Problemlösung und Aufgabenbewältigung mit Beweisen zu machen, ist es notwendig, Experimente durchzuführen, um die Grundlage für solche Vorschläge zu schaffen. Hierfür bietet sich die Conjoint-Analyse an. Die meisten herkömmlichen Conjoint-Analysen sind jedoch unabhängige Bemühungen, und ihre Analysen weisen auch drei Merkmale auf: (1) Alle Faktoren werden qualitativ behandelt, (2) Wechselwirkungen und quadratische Terme werden ignoriert und (3) Das Design des Experiments ist eine faktorielle Anordnung oder ein orthogonales Experiment), bei dem es sich um ein äußerst restriktives (begrenztes) Experiment handelt.
Diese Studie stellt eine Methode zum Sammeln der resultierenden Daten und ein Experiment unter Verwendung einer Strukturmodelltabelle und eines optimalen Designs vor (in dieser Studie als virtuelles Experiment bezeichnet). Es ist mathematisch klar, dass es wünschenswert ist, dass die Ergebnisdaten bei virtuellen Experimenten auf einem kontinuierlichen Maßstab vorliegen. Allerdings stellen abrupte kontinuierliche Skalenauswertungen eine Belastung für die Befragten dar und liefern unzuverlässige Daten. In dieser Studie schlagen wir zu diesem Zweck eine angepasste Differenzaufteilungsmethode vor.
[Präsentatorprofil]
Nachdem er als Professor an der Fakultät für Ingenieurwissenschaften der Universität Tokio, an der Graduiertenschule der Keio-Universität und anschließend an der Fakultät für Betriebswirtschaftslehre der Mejiro-Universität tätig war, setzt er derzeit seine Forschungs- und Datenwissenschaftsausbildung als Gastprofessor am Institut für Statistische Mathematik fort. In Bezug auf die Forschung schlägt er ein neues Designparadigma, Superdesign, im Bereich der Ingenieurwissenschaften und neue Analysemethoden, zweiseitige Kausalanalyse und virtuelle Experimente, im Bereich der Sozialwissenschaften vor.
Andererseits entwickelte ich während meines Studiums die Theorie des Wettkampfskifahrens (hauptsächlich Slalom und Riesenslalom), unterrichtete mehrere Jahre lang praktische Fähigkeiten im Skiclub einer bestimmten Universität und veröffentlichte die Inhalte als Buch über Wettkampfskifahren Theorie, parallel zu meiner Fachforschung. Basierend auf dieser Erfahrung implementieren wir seit etwa einem halben Jahrhundert eine aktive Data-Science-Ausbildung, also eine auf praktischer Ausbildung basierende statistische Ausbildung, an Universitäten, Graduiertenschulen, Unternehmen und verschiedenen Seminaren.
Während seines Sabbaticals trieb er seine Forschungen zum Thema Superdesign an der Yale University in den USA voran und entwickelte einen zusammenbaubaren Doppeldecker-Hubschrauber als echtes Lehrmaterial. Ersteres ist das Hauptthema der Forschung des Autors, und letzteres ist ein vollwertiges, tatsächliches Lehrmaterial, das mehr als ein Dutzend Variablen (Faktoren) annehmen und auch quadratische Modelle verarbeiten kann. Darüber hinaus haben wir einen Papiergleiter als äußerst fortschrittliches Lehrmaterial für den Praxisalltag und das Münzschießen entwickelt, ein universelles Lehrmaterial für den Praxisalltag, das sich an alle richtet, vom Anfänger bis zum Experten.
*Die Posteranzeige erfolgt nur auf Papier.
