Niveau: Fortgeschritten
【Moderator】
Takenori Takahashi, Gastprofessor, Forschungszentrum für Risikoanalysestrategie, Institut für Statistische Mathematik, Forschungsorganisation für Information und Systeme, Interuniversity Research Institute Corporation
[Zusammenfassung der Präsentation]
Die meisten bisherigen Fälle von Fragebogenbefragungen (Fragebogenbefragungen) endeten in der Phase der Überlegungen, 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). Es gibt jedoch kaum Darstellungen von Fällen, in denen Hypothesenverifizierungen (Verifizierungsexperimente), die die objektive Grundlage für den Vorschlag bilden, 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. Allerdings handelt es sich bei den meisten herkömmlichen Conjoint-Analysen um einen eigenständigen Ansatz, und ihre Analyse weist auch drei Merkmale auf: (1) Sie behandelt alle Faktoren qualitativ, 2) sie ignoriert Wechselwirkungen und quadratische Terme und 3) es handelt sich um einen experimentellen Ansatz. Das Design ist faktoriell Anordnung oder ein orthogonales Experiment), bei dem es sich um ein äußerst restriktives (begrenztes) Experiment handelt.
Diese Studie stellt eine Methode zum Sammeln von Ergebnisdaten 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 habe ich während meines Doktorandenstudiums parallel zu meiner Fachforschung die Theorie des Wettkampfskifahrens (hauptsächlich Slalom und Riesenslalom) entwickelt, dem Skiclub einer bestimmten Universität mehrere Jahre lang praktische Fertigkeiten beigebracht und die Ergebnisse veröffentlicht Inhalte wie ein Buch zur Wettkampfski-Theorie. 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.
[Papiersammlung]
Gehen Sie zur Website der Sammlung
https://community.jmp.com/t5/Discovery-Summit-Japan-2023/Discovery-Summit-Japan-2023-%E8%AB%96%E6%96%87%E9%9B%86/ta-p /718363
