スマートファクトリージャパン2016とかやってたので、いってきたんだけど。。。
・・・小さっ
スマートコミュニティとか,クラウドのところ等と、
一緒なんだけど、全部あわせて、
東京ビッグサイト東２，３展示場の広さ。
（向い側は乳がんのなんかだった・・・）
クラウドなので、Sunsunは当然、出ていたけど、
ソラコムとか、クラウド利用促進機構とかは、
出ているんだけど、全部展示しているのが、なぜか狭い
あっという間に、バイオというか、違う展示のほうに
行ってしまった。
バイオマスビオラとか、森林総合研究所とか・・
で、水素社会実現パビリオンとかあって、
さらに、そのとなりのTOYOTAは、プリウスのPHVとか
リコーが太陽光発電してた
セミナーはすいてた
（ソフトバンクで、Pepperがらみだったみたいなんだけど、
当日で座れるくらい）
スマートファクトリといったから、期待したんだけど、
そんなでもなかった・・・
Datapaloozaみてたほうが、良かったかな・・
・・・小さっ
スマートコミュニティとか,クラウドのところ等と、
一緒なんだけど、全部あわせて、
東京ビッグサイト東２，３展示場の広さ。
（向い側は乳がんのなんかだった・・・）
クラウドなので、Sunsunは当然、出ていたけど、
ソラコムとか、クラウド利用促進機構とかは、
出ているんだけど、全部展示しているのが、なぜか狭い
あっという間に、バイオというか、違う展示のほうに
行ってしまった。
バイオマスビオラとか、森林総合研究所とか・・
で、水素社会実現パビリオンとかあって、
さらに、そのとなりのTOYOTAは、プリウスのPHVとか
リコーが太陽光発電してた
セミナーはすいてた
（ソフトバンクで、Pepperがらみだったみたいなんだけど、
当日で座れるくらい）
スマートファクトリといったから、期待したんだけど、
そんなでもなかった・・・
Datapaloozaみてたほうが、良かったかな・・
６月１６日、Datapalooza(でーたぱるーざ）Tokyoに行ってきた
（というか、会場ではまだやっている。今日も午前中しか参加できないので、ここまで）
午前中のメモメモ。表題の件は、途中の「事例紹介」の「分析手順」のところで出てくる
■データサイエンスとしての心理学 イデアラボのひと
・自己紹介
・心理学ってなに？
血液型性格診断
深層心理
自己啓発
メンタリスト
→ポピュラー心理学（通俗心理学）
アカデミックな心理学とは違う
・人は見た目が９割：メラニアンの法則
ポピュラー心理学：曲解
本当の実験
Mehrabian & Wiener(1967)の実験
ありがとう： いいかんじとわるいかんじ
→声色で左右される
Mehrabian & Ferris(1967)の実験
きっとね ： 声色より表情が優先
→統計的にモデルを作る
ポピュラー心理学の問題
・曲解
・反証されている結果を引用
精神分析学
→現代の心理学の主流ではない
・アカデミックな心理学
錯視
物理的な世界と心理的な世界は同じとは限らない
あなたがみている世界と私がみている世界はおなじではない
だけど想像はできる
さらにメカニズムを知ることで想像できる
・心理学のデータ測定方法
面接 定性的 分散大 探索的
観察
調査
実験 定量的 分散小 検証的
・心理学のデータ測定方法
分布上での考え方
定量 ボリュームゾーン
定性 分散の端を取っておく
定性的で端（エクストリーム）な例をとり、ボリュームゾーンにあてる
Ｎ数は多いほどよいのか
要因を統制し、分散を小さくした実験計画であれば、少ないＮ数で統計的な結論を得ることを可能
優位さ検定において Ｎ数を極端に増やすとむやみに優位差が検出されてしまう
効果量、ベイズ推定
目的が仮説探索であれば、分散の端を得ることが重要
・心理学で最も少ない参加者 Ｎ＝１
シングルケースデザイン 臨床場面、ライフログ(Berry et al,2007）
Ｎ＝∞ ビッグデータ Twitter(三浦ら2016)
・イデアラボのソリューション
方法論ありきのソリューションでは、新の問題解決に辿り付かない場合が多い
目的・状況（探索的フェーズ／検証的フェーズ）・制約（データの数／ソース）などに応じて
方法論を構築する必要がある
単一の方法論ではなく、複数の方法論の組み合わせ
そのために入念なコンサルテーション必要
・事例紹介
実験・調査
体調に関する検討
ごく軽い酔い感に関するベネフィットの探索
・嗜好品と利用場面の関係性に関する検討
目的
ニコチンガムは煙草の代用品になっているのか
嗜好品の利用場面をユーザーが自由に想起することで、日常場面に近い回答を得る
→自由記述：テキストマイニング
調査方法
日ごろからよく口にする嗜好品
嗜好品について口にする状況
テキストマイニング
分析手順
形態素解析
データクリーニング：表記ゆれ吸収
テキスト集計
ＴＦ－ＩＤＦ
マッピングデータの成形
嗜好品ごとに ｔｆ－ＩＤＦの上位２０個、８０％まで使ってマッピング
多変量解析 コレスポンデンス解析→上位６０位まで
・Take Home Message
世間一般に知れ渡った心理学とアカデミックな心理学違う
アカデミック心理学 精度良く行う方法論が構築
Ｎ数 実験／調査計画、統計手法etc
現場の問題解決は質的解釈と量的解釈を行き来する
（このあとＱ＆Ａ 定性的、定量的）
（というか、会場ではまだやっている。今日も午前中しか参加できないので、ここまで）
午前中のメモメモ。表題の件は、途中の「事例紹介」の「分析手順」のところで出てくる
■データサイエンスとしての心理学 イデアラボのひと
・自己紹介
・心理学ってなに？
血液型性格診断
深層心理
自己啓発
メンタリスト
→ポピュラー心理学（通俗心理学）
アカデミックな心理学とは違う
・人は見た目が９割：メラニアンの法則
ポピュラー心理学：曲解
本当の実験
Mehrabian & Wiener(1967)の実験
ありがとう： いいかんじとわるいかんじ
→声色で左右される
Mehrabian & Ferris(1967)の実験
きっとね ： 声色より表情が優先
→統計的にモデルを作る
ポピュラー心理学の問題
・曲解
・反証されている結果を引用
精神分析学
→現代の心理学の主流ではない
・アカデミックな心理学
錯視
物理的な世界と心理的な世界は同じとは限らない
あなたがみている世界と私がみている世界はおなじではない
だけど想像はできる
さらにメカニズムを知ることで想像できる
・心理学のデータ測定方法
面接 定性的 分散大 探索的
観察
調査
実験 定量的 分散小 検証的
・心理学のデータ測定方法
分布上での考え方
定量 ボリュームゾーン
定性 分散の端を取っておく
定性的で端（エクストリーム）な例をとり、ボリュームゾーンにあてる
Ｎ数は多いほどよいのか
要因を統制し、分散を小さくした実験計画であれば、少ないＮ数で統計的な結論を得ることを可能
優位さ検定において Ｎ数を極端に増やすとむやみに優位差が検出されてしまう
効果量、ベイズ推定
目的が仮説探索であれば、分散の端を得ることが重要
・心理学で最も少ない参加者 Ｎ＝１
シングルケースデザイン 臨床場面、ライフログ(Berry et al,2007）
Ｎ＝∞ ビッグデータ Twitter(三浦ら2016)
・イデアラボのソリューション
方法論ありきのソリューションでは、新の問題解決に辿り付かない場合が多い
目的・状況（探索的フェーズ／検証的フェーズ）・制約（データの数／ソース）などに応じて
方法論を構築する必要がある
単一の方法論ではなく、複数の方法論の組み合わせ
そのために入念なコンサルテーション必要
・事例紹介
実験・調査
体調に関する検討
ごく軽い酔い感に関するベネフィットの探索
・嗜好品と利用場面の関係性に関する検討
目的
ニコチンガムは煙草の代用品になっているのか
嗜好品の利用場面をユーザーが自由に想起することで、日常場面に近い回答を得る
→自由記述：テキストマイニング
調査方法
日ごろからよく口にする嗜好品
嗜好品について口にする状況
テキストマイニング
分析手順
形態素解析
データクリーニング：表記ゆれ吸収
テキスト集計
ＴＦ－ＩＤＦ
マッピングデータの成形
嗜好品ごとに ｔｆ－ＩＤＦの上位２０個、８０％まで使ってマッピング
多変量解析 コレスポンデンス解析→上位６０位まで
・Take Home Message
世間一般に知れ渡った心理学とアカデミックな心理学違う
アカデミック心理学 精度良く行う方法論が構築
Ｎ数 実験／調査計画、統計手法etc
現場の問題解決は質的解釈と量的解釈を行き来する
（このあとＱ＆Ａ 定性的、定量的）
アクセス
トータル
ランキング
