« 2011年11月 | メイン | 2012年01月 »

2011年12月28日

2011年10〜12月 活動報告


2011年10月〜12月の活動報告です。

(以下、近況報告メールからの抜粋)

******************************************************************

いつもお世話になっております。ラーンウェルの関根です。
年末でお忙しく過ごされていることかと思います。

私もお陰さまで、元気に頑張っております。


さて、本日は、以前からお世話になっている皆さまと、最近ご縁を頂き
名刺交換をさせて頂いた方々に、近況報告も兼ねてメールをお送りいたします。

今回も長文ですので、お時間のあるときにご高覧頂けましたら幸いです。

******************************************************************

【前回のメール】

前回は、2011年10月7日に、近況報告メールをお送りしました。
そのときは「7〜9月の活動」についてご報告しました。

  http://learn-well.com/blogsekine/2011/10/201079.html
******************************************************************

【近況報告】

今回は、10月〜12月の活動について、
ブログへのリンクを中心に簡単にご報告します。

=================================

●仕事


1)各社様での研修

 10月〜12月は「OJT指導員フォロー研修」がメインです。

 ・指導員が抱える新人指導における「苦労と工夫」を共有
 ・新人からの声(指導員に感謝している点、改善してほしい点)をフィードバック
 ・今後一人立ちさせるための「教え方」を紹介
 ・指導員が抱える課題を解決するためのグループ演習 

 などを実施しています。

 (ご参考:2010年度の「OJT指導員フォロー研修」アンケート結果)
   http://www.learn-well.com/blogmanabi/2011/10/2010ojt.html

 今年の新人は優秀な方が多いのか
 「仕事が早くてすぐに片づけてしまうので、次にやらせる仕事が無い」
 「手持無沙汰にしてしまっている」といった声も聞かれました。

 
 その他にも各社様で「指導の仕方」(新人、後輩、部下)に関する研修を
 お手伝いさせて頂きました。どうもありがとうございました。

2)経営行動科学学会「新入社員の育成と課題」

 11月末に明治大学で開催された経営行動科学学会に参加してきました。

 仕事関連でいえば、このテーマは外せません。
 かつ、登壇される研究者も「組織社会化」の領域で注目されている方々ばかりです。

  http://www.learn-well.com/blogmanabi/2011/11/post_222.html

 もう一つ金井先生や佐藤先生といった大御所が登壇されたのが
 「質的研究について考える」というシンポジウムです。

 こちらも面白かったです。(会場は満員で立ち見も出ました)

  http://learn-well.com/blogsekine/2011/11/post_352.html


3)日経ビジネススクール オンライン講座の開発

  
 日経さんの公開講座「OJT指導スキル研修」でお世話になっていた
 Yさんからのご依頼でEラーニング講座

 「仕事の極意を上手に教えるチューター講座(仮称)」を現在開発中です。

 昨日「仕事の教え方」や「ほめ方・叱り方」のシーン撮影がありました。

  http://www.learn-well.com/blogmanabi/2011/12/nbs.html


4)英語での情報発信 フェイスブック

 
 フェイスブックを始めました。 http://tinyurl.com/6pc3csz

 個人ページ以外に「Masahiro Sekine」というフェイスブックページを開きました。


 こちらでは海外の方向けに、へたっぴな英語と絵で

  ・日本企業のOJT状況(主に新人育成)
  ・普通の生活の様子(311後の日本)

 を伝えていこうと考えています。

 ついでに、趣味でやってきた下手っぴなハーモニカ(音楽は国境も越える!はず)
 も披露しています。


  フェイスブックページ「Masahiro Sekine」

    http://tinyurl.com/7dkyfzu

=================================

●学校


 大学院は、10月〜1月末までが冬学期です。

 私は修士2年でして、卒業まではあと1年ちょっとです。
 (長期履修制度で、3年かけて卒業します)

 冬の東大キャンパスは、銀杏の黄色がまぶしくて、とても綺麗です。

 この風景も、あと1回しか見れないのかと思うと切なくなります。
 大学院にいられる期間があと1年かと思うと、全てを愛しく感じてしまいますね。


1)授業 (今学期は3クラス受講しています)


 「文化・人間情報学 基礎III」

  文献読みと発表が多く大変だという噂のコースですが、履修して良かったです。
  グループメンバーにも恵まれました。

   http://learn-well.com/blogsekine/2011/12/2011iii.html

 「歴史情報論」

  来年の大河ドラマ「平清盛」の時代考証をされている本郷和人先生の授業です。
  生トークライブに、引きこまれます。

   http://learn-well.com/blogsekine/2011/12/2011_2.html
 
 「教育調査の計量分析」

  毎回小テストがあって、ヒーヒー言いながら受けていますが、
  統計のブラックボックスが少しずつ見えてきました。

   http://learn-well.com/blogsekine/2011/12/2011_3.html

2)中原ゼミ


 ゼミも楽しく参加させてもらっています。

 今までは、研究発表や文献輪読に関して質問やコメントができなかったのですが、
 今学期からは開き直って、的外れな質問やコメントも臆さずするようにしています。

 やはりあと1年しか大学院にいられないと思ってからでしょうね。


 ゼミ内の役割である「副ゼミ長」兼「宴会部長」も楽しくやっています。

 「世界一の大忘年会を企画せよ!」という無茶ぶりもあったのですが、
 ゼミメンバーの乗りの良さのお陰で楽しい会になりました。

  http://tinyurl.com/794p4l2

 今学期の英語文献輪読は「Positive Organizational Scholarship」という本です。

 「組織社会化」を新しい視点で捉えた章もあって面白い本です。

  http://learn-well.com/blogsekine/2011/11/2011_1.html
  http://learn-well.com/blogsekine/2011/12/post_353.html


3)原稿執筆「人事実務」2012年1月号

   http://www.e-sanro.net/sri/books/chinginjitumu/
 雑誌「企業と人材」時代からお世話になっているNさんから
 「個人の経験談でよいので、大学院での経験を踏まえて“自己啓発”
 について書いてほしい」というご依頼を頂戴しました。

 そこで「自己啓発-挫折するのも悪くない」という記事を書かせて頂きました。

 何かの機会に、ご笑覧頂けましたら幸いです。
  

=================================

●家族


 子ども達もお陰さまで元気です。

 長女(小3)と次女(年長)は冬休みにはいり、ワイワイ遊んでいます。

 去年は「ひまー、どっか連れてって―」攻撃が多かったのですが、
 今年は長男(2歳)も一緒に遊べるようになったので、
 3人で勝手に遊んでくれています。

 三谷宏治さんの本「お手伝い至上主義でいこう!」に刺激されて、冬休みから
 「ヒマ・ビンボー・お手伝い」を実践しています。

 http://twitter.com/#!/masahiro_sekine/status/150090447321178114 http://twitter.com/#!/masahiro_sekine/status/150287168613523458 

 ○男の育児記録 「親ばか お絵かき館」

   http://papa888.exblog.jp/

=================================

●地域


1)ときがわ町 (今住んでいる町)


 保育園の父ちゃん仲間の活動「とうちゃんず」も継続しています。

 去年作ったツリーハウスの整備をしたり、飲み会をしたりしています。

  http://tokigawa-machi.seesaa.net/article/240977718.html  http://tokigawa-machi.seesaa.net/article/238643554.html

 また、ときがわ町「次世代育成支援地域協議会」の委員にもなったので、
 少しずつ活動をしています。

  http://tokigawa-machi.seesaa.net/article/236832258.html
 
 自分にとっての足元でもあり、子供たちが育つ地域とのかかわりは
 大事にしていきたいと思っています。

 震災後、地域でも防災意識が高まり、隣組(回覧板を回す近所)同士で、
 防災グッズをそろえたり、見回りをしたりするようになりました。

 今後も、微力ながら被災地の復興支援および、足元の家族・
 地域の安全、安心を確保できるよう、地道にやっていきます。


2)寄居町 (前に住んでいた町)

 今年春から関わっているNPOやボランティア団体との共同事業
 「企業人NPO体験研修・発信事業」が1つの山場を越えました。

 これからが本番なので、地道に活動に関わっていきます。

  http://learn-well.com/blogsekine/2011/12/npo.html
 
=================================

******************************************************************

【今後の予定】


 年末は、12月30日(金)まで仕事をし、
 年明けは、1月4日(水)からスタートします。

 専務の配慮で、年末と年始に1回ずつ、1泊2日の「一人合宿」を
 今年もやらせてもらえることになりました。

 東京のあるホテルに缶詰め状態になり、1年間のふり返り、今後の長期予定、
 2012年の目標と行動計画を考えます。

 じっくり考えられるこの時期を大事にします。

******************************************************************


お陰さまで、会社も7期を無事終了することができました。
何とかやってこられたのも皆さんのお陰です。本当にありがとうございます。

今後ともご指導ご支援のほどよろしくお願いします。

よいお年を!

2011年12月24日

「埼玉県企業人NPO体験研修・発信事業」第3回寄り合い会

2011年4月から内閣府の「新しい公共支援事業」の一つである
「新しい公共の場づくりのためのモデル事業」構築に関わっています。

6月のブログ
 http://learn-well.com/blogsekine/2011/06/post_345.html

7月からNPOとボランティアの5団体に訪問し、企業の方が「体験研修」として
参加するとしたら、どんな形が考えられるかを模索してきました。

寄居町商工会 North Saitama Net「体験プログラム作成中」
 http://nsn-nsn.com/npo/npo_cont.html

農産物加工研究所 みかん狩りのポイントを教えてくれる 保泉さん

ひだまり作業所で作った商品の説明をしてくれる 清水さん

よりあいの家 くるみ(デイサービス) と 美味しいお弁当のキッチンそらまめ

ボランティアグループ たんぽぽの会(特養ホーム慰問) 笑顔が素敵な石橋さん

NPO法人 森林活用研究会 こぴすの森 (代表 高橋さん)


2011年11月29日 第3回寄り合い会が、寄居町商工会で開催されました。

これまでに作ってきた「体験プログラム案」概要を説明します。


その後は、各NPOやボランティア団体による近況報告会です。

・NPO同士(男衾自然公園とトンボ公園)が協力して山道をつなげた。

・NPO活動が知られていない。広報、PRが必要。
 そのあたりが弱いから、今回のようなプロジェクトは良いこと。

・企業のCSRにつながって、NPO活動の活性化にもつながる。

・活動が知られて企業の協力が得られれば、作業所の工賃アップにもつながるかも。
 心強く思っている。

・町役場も広報で支援したい。


今回のプロジェクトを通じて、NPOやボランティア団体の方々と関わる中で、
「世の中にはすごい人がいるなー」と思いました。


・自分たちが年をとったときに、安心できる町の仕組みを作りたい

・お年寄りが車で移動できないという問題を解決したい

・自分にできることで、他人に喜んでもらいたい

・日本の林業を変えたい

・町を川の上流から元気にしたい

・若い子育てママを助けたい

等、皆さん様々な想いから、団体を立ち上げ、活動を持続されています。


NPOやボランティアに関わる方々の視点は「長期的」で「利他的」です。
こういう視点を、ビジネスに関わる私も意識していきたいです。

そして、自分にできる範囲で、自分がやるべきことをやっていきたい。
そういう想いを新たにしました。

2012年2月末には、NPO活動と体験プログラムを紹介する冊子ができあがります。
どんなものになるか楽しみです。


次年度は、実際にそのプログラムへの参加者が増えるような
働きかけが必要になります。

微力ですが、自分にできる形で協力していきます。

2011年12月23日

2011年冬学期 中原ゼミ 英語文献 POS(2)

2011年冬学期 中原ゼミでの英語文献は

The Oxford Handbook of Positive Organizational Scholarship です。

ゼミでの議論や感想をさし障りのない範囲でシェアします。

=================================

2011年11月22日(火)

●Ch.40 Socialization Perspectives and Positive Organizational Scholarship
    社会化の視点とPOS

Ch40を要約したレジュメ


「組織社会化時に、新人が経験するポジティブな側面」
 http://twitter.com/#!/nakaharajun/status/138926406229954560
 http://twitter.com/#!/nakaharajun/status/138934684083167232

「組織社会化と心理的資本」
 http://twitter.com/#!/mitsuru_3261/status/138931434164461568
 http://twitter.com/#!/masahiro_sekine/status/139203125465726976
 http://twitter.com/#!/masahiro_sekine/status/139203557994926081

・新人のキャラ×組織の働きかけ 交互作用を見る研究

・新卒一括採用は、企業に利がある限り続くのでは 無くなるとは考えにくい

・高校3月卒業 大学9月入学となった場合、半年間の過ごし方で差が出る

・STWよりも、高大連携が重要になるかも

・組織社会化を上手くする方法 上手くそまってくれ 

=================================

2011年12月6日(火)


●Ch.31 A Dual Model of Reciprocity in Organizations:
Moral Sentiments and Reputation
組織における互恵性のモデル


・直接互恵=交換

・やったらやった損ではなく 情けは人のためならず

・C社の人事制度 昔はできる人を評価 今は手助け行動を評価

・スターバックスのGAB

・評判を可視化できたら(Y社のバッジ)

・金持ちケンカせず

・フリーライダーは一定数生じるのを覚悟

・互恵性によって取引コストが下がる

・シナジーの高い文化 情報を出すと増える 

・アウトプット 快便快食 出すと気持よく入る

レビューが勉強になる
http://twitter.com/#!/nakaharajun/status/143986813537763328

利他的な人は嫌われる
http://twitter.com/#!/tatthiy/status/143985219513499648

もらった恩を
http://twitter.com/#!/tatthiy/status/143987716961468416

コーヒーただ飲み実験
http://twitter.com/#!/tatthiy/status/143999212839911424

間接互恵性の重要性
http://twitter.com/#!/mitsuru_3261/status/144024548650647552

組織市民行動ともつながる
http://twitter.com/#!/fumituki85/status/144056685483401216

=================================

2011年12月13日(木)

●Ch.32 Workplace Intimacy in Leader-Follower Relationships
         上司ー部下関係における職場の親密性

・日本の職場の上司は、そんなに怒っているものなのか?

・会社によっては「つめる文化」もある

・受け手側が上司の接し方をどのように受け止めているのか、
 センスメイキングをしているのかに着目した研究は少ない

・上司は「役割演技」をする お面の架け替え 厳しい時と親密なとき

・親密すぎて重くなる 親密だけど、軽くもある そういう関係であれば

・距離の取り方

・親密さの高さと、個人の挑戦度合いの関係 このあたりは研究としても成立するかも

・親密さ 日本企業の良さ、強みだったかも 

・中国やアメリカでは、上司が転職する際、部下も引っ張って行ってしまう


関係論的なリーダーシップの特徴
http://twitter.com/#!/nakaharajun/status/146515212940476417

親密性を高めることによって
http://twitter.com/#!/nakaharajun/status/146519237459058688

ダークサイド
http://twitter.com/#!/nakaharajun/status/146523113897734144

=================================

2012年1月10日(火)

●Ch.43 Parallel and Divergent Predictors of Objective and Subjective 
     Value in Negotiation 


主観/感情が資本として機能する意味
https://twitter.com/#!/fumituki85/status/156662943566659584

・「経済的な結果」=客観的価値(OV)
 「社会心理学的な結果」=主観的価値(SV)

・行動科学なので、測れるものとしてOVを重視。アメリカ的。
 日本人は、交渉においてSVを重視してきたのでは。

・SVを目指すのは、ルート営業であれば普通
 長期のつきあいなので、短期的なOVを求めない。損して得取れ。

・海外で日本のファンを増やすという長期目的があるのに対し、
 自分の満足だけを最大限高めようとする人だとその後の信頼回復が大変。
 (海外ボランティアの例)

・このフレームワークをどう使えばよいのかが分からない ハウツーとしては弱い

・交換の対象として、感情のやりとり

資源交換の対象としての主観的価値
https://twitter.com/#!/mitsuru_3261/status/156658271875366914

=================================

2011年冬学期「教育調査の計量分析」

2011年冬学期(火曜日)は「教育調査の計量分析」という授業を受けています。

かなり手ごわい授業です。

毎回、授業最初に小テストがあり、数学問題も多く、正直ついていけてません。

が、「大事なところだけ押さえられればいいや」と開き直り参加しています。

お陰で、今まで訳が分からなかった統計の一部が
ほんの少しだけ見えてきた気がします。

授業のふり返りメモを共有します(あくまで私の理解の範囲です)

===

(第1回は仕事があり欠席)

===

■第2回 10月11日

●テスト
・無作為抽出とは
・教育歴と年収の関係を

●無作為抽出
・乱数表 意図的に作られたもの 全て無作為ではない
・ある関数を使って 疑似乱数 
 数列のくり返しが起こらないよう 等確率でなく?
・結果的に偏りがない状態を作るために

・さいころの各目がでる確率は、ひとしく1/6か? NO
 偏りのない結果を実現できない

★結果として等しくなるよう仮定=期待値 必ず起こるはずのこと 

・Random Sampling 本質は単なる概念 
 手続きとして近似的に、さいころや乱数表を使う

・そもそも検定不能な約束事 全ての事象が等確率で生起する
 試行の結果状態により定義される(期待値)

★推測統計の知 部分を調べて全体を最もらしく推定する 
 
 無作為抽出と言う概念を展開することで、推測統計の知が大きく広がった

 この約束事が成立しているという前提

・部分から全体を推測する=推測統計 
 そのためには無作為抽出という約束事が成立しているという前提

●先週のテスト

・どうすれば全体のごく一部しかないサンプルから
 母集団について知ることができるのか

・作為=てきとーにやる ではない 
 結果の状態が等しく選ばれるようにという
 がっちりした約束事がある→とっても作為的

・無作為=母集団に属する全ての要素を全て等確率で抽出

・こうなるはず=期待値 

★無作為抽出の結果=期待値 期待される平均値

・ランダムサンプリングの概念を考えた人はすごい
  フィッシャー? ガウス? 宿題

●サンプリング

・サンプリング=特定の1回に何が起こるか分からない 
 何回かやれば期待値に収束していく

・サンプル平均→母平均 ここに穴がある 飛躍がある

・サンプルという部分から、全体を知る ランダムサンプリングを前提 
 ブレ幅が小さいほど説得力ある

・だからサンプルの平均をもって、母集団の平均としましょう 
 というのは飛躍がある

・1回のサンプルで得られた値が、どのくらいの確率で
 母集団にもあてはまるといえるのか

 条件を入れて、精度を高める

 ブレの範囲を決める ブレ幅が少ないケースを採用する 
 バラつきの小さいサンプル 分散が小さい

・バラつきの幅が小さい状態を作るには そうすれば不偏推定量?を使える

★そのためには、サンプル数を多くする そうすれば中心極限定理が使える

・サンプルが多い方が良いというのは、この定理から来ている

・完全とは言えない ゼロとは言えないけど少ない 
 危険率 有意水準 フィッシャーの5%

・世論調査 2000人/1億 が目安

・サンプルを調べることで、母集団の分散を知ることができるか? 散らばり具合

・サンプルの平均が不偏推定量となった

・サンプルの分散 Nで割る分散
 母集団の分散 n−1で割る分散

・これが混在しているので、統計の教科書は分かりにくい

===

■第3回 10月18日

●テスト 基礎知識を理解する

・平均、分散、標準偏差について説明せよ
・正規分布について説明せよ
・帰無仮説について説明せよ

●ミニテスト A5

●レポート

・論理 サイエンスのルール 
 数理統計がどういう構造をもっているのか 最初に学ぶべきは論理

・A(十分条件)→B(必要条件) ?

・サンプル 林さん (すごいなー)

・有意(全体の縮図)VS ランダム 
 有意=属性の選択

・全数調査ができるようになったのは最近


●サンプリング

・無作為抽出をいかに実現するか

 何回やっても全ての事象が結果として等間隔でおこる 
 特定の1回では何が起こるか分からない

・どうすればランダムサンプリングをできるのか

 1)乱数表、さいころを使う 
   ← 手間がかかる 統計の発想 楽したい 部分から全体

 2)等間隔抽出法 ← 特定の1回に偏りが起こる可能性 
    例)A団地(角部屋)B団地(低層階)

 3)層化抽出法 比例割り当て法 

・完全なランダムは危険 少し有意に層化してサンプルをとる

・おかしな調査結果が出た場合は、
 まずサンプルを疑うこと 現場にいくこと

・何故調査するのか 環境を規定する要因を知りたいから

 しかしサンプリングするためには、あらかじめ影響しそうな要因を
 把握しておく必要がある

★あらかじめ結果がわかっていなければ、サンプリングできない

 分かっている結果を、再調査したもの 
 知っていることを再確認するのが、量的調査

 あたりをつけるために、質的調査を行う

 対象のことが分かっていないと、質問紙を作れない
 (影響しそうな要員を外して作ってしまう)
 層化サンプリングもできない

・偏りをもたらしそうな要因(性別、年齢、職場規模等)を
 最初にコントロール?するのが層化サンプリング、
 分析の中でサブグル―プを作るのが、統制

(Kさんはちょっと違うとのこと)

●ネット調査の問題

・モニターがプロ化してしまう 
 調査者が喜びそうな回答をしてしまい バイアスがかかる

・調査の正しさは架空の概念 代表性のこと?

・一定の誤差の中で、こういうことが起こっているのではというのが調査 
 1回目と2回目の調査で結果は違うもの

・部分から全体を知るという無理をしているがために、
 どこかに無理が出てくる

 帰無仮説は採択されることはないなど 
 都合の悪い結論が導き出されることはない

・穴をいかに小さくするかが統計手法の発展

●統計的検定

・なぜやるのか 

・何らかの基準があって、差のあるなしを判断する

・再現可能、公開、誰でもできるクリアーさ サイエンス

・次回はカイ二乗検定

===

■第4回 10月25日

●教科書

・どれがよいかは人に聞く 教科書によって得意分野がある

●テスト

・Q1 クロス表 どのような分析を行うことができるか分析せよ
 Q2 統計的検定で用いられる「有意水準(危険率)」という
    概念について説明せよ

・調査は無作為抽出によるものとするという点がポイント

・ここが分かれば、統計の設計ができる 無作為抽出がどう生きてくるのか

・分析の仕方には色々ある 正解は一つではない 
 慣習的に使っているデフォルトスタンダード

 正しいかどうかは問題ではない 
 5%水準もフィッシャーが恣意的に決めたもの

・危険率も分野によってちがう 分野での決まりごと

●カイ二乗

・穴がある 意図的に結果をねつ造できる 
 素人であればだませる うのみにできない

・作為しないと、無作為にならない 実際、無作為抽出は難しい

・そんなに数学は難しくない

・マンガでわかる は分からない 統計を自然言語で語ることはできない
 腹をきめて数式を使った方が楽

●先週までの復習

・期待値 無作為抽出の結果

・数学的定理を証明する難しさ2つ

 −定理が成り立つための条件が必要
 (前提条件が少ないほど、適用範囲が広がる)サンプルの多さが必要
 −あくまで近似である

 大数の法則、中心極限定理

・nが少ないときでも、補正することでカバーできる どう補正?

・サンプリングは一回なのに、多数回やったという前提で
 考える統計は、いわば論理のすり替え

 それを認めた上で、確からしさ、信頼性を追求 
 1回しか調べてなくてもなんとか 許容できるよねと

・理解する=イノベーションの追体験 
 作った人の経験 数学をとけばわかる

●カイ二乗

・調査をする目的 仮説を確認して白黒つけたい 
 そのためには基準、線引きが必要

・線を引く難しさ 

 −判定基準をどうするか
 −母集団にあてはまるか

・これを上手くやったのが、推測統計 カイ二乗検定

・「職種による年収差はない」が1%水準で棄却されたとすれば、
 どの程度の差、勤続年数は、等さらなる疑問が出てくるはず

 「職種による年齢差はない」が5%で棄却されなければ、
 なぜ違いがないのか、相関を打ち消している第3の変数は
 何かといった疑問が浮かぶ

 これらをあらかじめシミュレーションしておく 
 結果のパターンが想定できない調査は良い調査では無い

・協力→能力 関係あるとしたら、
 なぜ?誰との関係?どの程度の関係?

・調査票を作った段階で、報告書を作ってしまう 
 集計結果を予測する

・期待度数 予測値

・Pijをどう決める? 帰無仮説

・無作為抽出による 多数回やった結果 
 母集団でもきっとこういう分布になっているのでは

・どの属性をみても分布が一様な母集団=Pij 
 関係がない 帰無仮説

  ↓

 サンプルからの不偏推定量? 
 = ランダムサンプリング サンプル Xij

・関係が無い状態を、分布が一様と決めた点がまずすごい

・H0 帰無 架空の母集団

・この先どう論理を展開するか

・この帰無仮説を棄却したい 
 そのために どうしたらいいのか (宿題)

 かい離していれば、カイ二乗が大きくなる 
 差が小さければ、カイ二乗は小さくなる

・独立 関係が無い にも色んなパターンがあるが、
 あえて確率Pijと規定した そこがすごい
 
 数学的に上手く設定したことが、カイ二乗のポイント

・関係があるという結論を得るために、
 関係が無いという帰無仮説を棄却する

===

■第5回 11月1日 

●雑談
・論理的帰結、必然と選択の違い

●テスト
・カイ二乗検定を行う場合の注意点について述べよ
・帰無仮説が棄却されたとき、次にどのような分析を行うことができるか
・クロス表分析について、検定結果を解釈せよ

●授業の考え方

・数学的定理を前提として受け入れる
・データのインプリケーション?解釈を理解することは難しくない

・ソフトを使えば「正しい答え」がでる
 それだけでよければ、この授業を受ける必要はない

・ブラックボックスを理解したければ、苦難の道


●カイ二乗検定

・クロス表 − 両者が独立か否か

・サンプルから母集団に関する仮説の検定を行う 
 これは難しいことをやっている

・カイ二乗の穴 大ウソ エラー バグがある 
 論理構成の穴、 プラクティカルな穴

・n サンプル数の違い 

 仮説を棄却したければ、サンプルを増やせばよい=関連性がある
 仮説を棄却したくなければ、サンプルを少なくすればよい=関連性がない

・(基準となるサンプル数はあるのか?)

・先行研究と同じようなサンプル数でやり、
 違いがあれば変化を主張できる

・カイ二乗を数学的に説明する (宿題) 
 数学定理を使う nがK倍増えると、カイ二乗もK倍になる?

・皆が、カイ二乗検定を使っているのが不思議 
 (それ以外の検定方法があるのか?)宿題

・調査の目的は「分布が一様であるか(帰無仮説)」
 ではなくて、その先の何らかの法則性

 だからカイ二乗にこだわらず、他の分析方法に習熟したほうが良い

・これはこれで使って、その先の分析は別のモノを使う

・統計 どれも危ない 
 できないことをやろうとしている(部分から全体を知る)

・どこを無理してやっているのかが分かれば、
 この程度なら許容できるかの判断ができる

・これを知っていれば、ブラックボックスで誤魔化されない

・データのインプット→危ない推論→厳密な数学定理→危ない推論→結果

 数学者にとっては厳密でも、調査者にとっては厳密ではない

 例)中心極限定理 nが大きくなると、近づく  近づくって

●考えるポイント 5点 これが分かれば、統計的検定が分かる 

 どのような問題設定を構築するのか

 1.何が知りたいか
 2.帰無仮説の設定
 3.統計量t(あるいはカイ二乗)はどのように与えられるか
 4.棄却域の設定
 5.検定の実行

これらを理解の型として使う カイ二乗で分かれば、他のもわかる

・ある統計量tは、ある分布に従う 調査t1、t2、t3

●PPTのスライド

・都合のよい仮説が立てられるということ

・母集団 サンプル クロス表データ 

 →仮説 検証 サンプルを比較できれば、判断できる

・帰無仮説=Pij 数学に落とし込めないとだめ 
 例)2回ふったさいころは正しい 1/36 等確率で出る

・カイ二乗のイノベーション 

 母集団が特性Aを有するかどうかについて、
 サンプルを通して判定(検定)できる

 例外的なサンプル特性b(ケース2)が表れる確率は、
 5%(定理があるので)

・こういうロジックを受け入れるのが統計的検定
 「このくらいだったらありえるよね」

・帰無仮説の作り方 何かが否定された結果、
 自分の知りたいことが言える

 「偽であると判断される」

・分布は一様/一定である=帰無仮説 
 それが棄却されれば、自分の言いたいことが言える

○OJT行動の全て一様? 棄却されれば自分の言いたいことが言える

・統計的検定 ロジック=ストーリー これに乗っかれば、
 強く主張できますよ 決して正しいわけではない

 母集団Aのもとでは、5%という低い確率でしか
 実現しないような特性を有するサンプルbが、現実にえられた
  ↓
 サンプルbが現実にえられたならば、
 その母集団はおそらく特性Aを持たない(仮説Aは偽である)
 この判断が誤りである確率はたかだか5%である
  ↓
 サンプルbが現実にえられたならば、
 その母集団に関する仮説Aは危険率5%で棄却される

・起こり得ないことがおこった 
 それは母集団とは違うのではないですか というロジック

・論理的必然 とは違うロジック 選択の結果 
 これを使いましょうというロジック

●Q&L

・K.ポッパー 「科学的発見の論理」 反証可能性

 全ての科学的真理は、否定されるもの 暫定的なもの 

・全称命題 例)からすは黒いかいなか 
 100匹くらい 全てを調べられない

 正しいかどうか実証できない 不可知

・こういう考え方が統計の背景にはある 

●棄却域

・この設定が難しい
・次回に

===

■第6回 11月8日

●先週

・カイ二乗検定のロジックは込み入っている
・ロジックを組む 論理が通る ための訓練
・このロジックが分かれば、他にも応用が可能
・理解するためのキーワードが「有意水準」「帰無仮説の採択」

●テスト

・有意水準とは、帰無仮説が採択されるとは?
・回帰分析の結果について説明せよ

・帰無仮説=母集団にあって2つの属性が独立している
     =分布が一様である
     =偏りがない

・回帰分析 レグレッション 
 勉強している人が陥る穴がある 穴とは?

●カイ二乗検定

・クロス表を作成することで、関連を調べることができる
・客観的指標がないか

・母集団A → ランダムサンプリング 
 → ケース1 母集団Aの特性に対応した特性aを有する
            ↓
   ケース2 例外的(5%)にしか実現しない特性bを有する

○ケース1だけであれば、検定はできないのかも。だから2を設定する?

・部分から全体を推測するという無謀な試み 
 だからこそ説得的なロジックを造りたい

・危険率 自然言語にはない特殊な概念

・例外的な出来事が起こった
 →それを「まれな出来事が起こった」とせず
 →「仮定(母集団Aである)が誤っていた」という強引が推論をする
 (母集団Bであったと)→この推論(母集団Bであった)が誤りである
 可能性について「危険率」5%と表記する

・危険率5%の高低(1%の方が低い)は判断できるが、
 枠組みそのものの正しさは分からない

・強い仮定を恣意的に導入することで、
 判断が可能となる 先に議論が進む

○「例外的」という判断はどうやってするのか? 恣意的?

・もうひとつ難しいことがある それが棄却域

・棄却域に対応する概念=対立仮説(H1)

・H0 帰無仮説 が誤りであれば、
 H1 対立仮説が正しいと言える そういう風に設定

・H0=サイコロに偏りがない 
 H1=1が出やすい(偏った)サイコロ

・全事象=H0+状態A,B,C・・・ 
 となっているが、あえて

 全事象=H0+状態A H0が正しい/状態A という風に設定

・対立仮説が正しい場合を、棄却域としましょう

・棄却域が何故右側に? 
 カイ二乗の計算式に則って 
 一様から極端に離れた状態になると、カイ二乗値は大きくなる

・棄却域が決まるのは、対立仮説H1があるから。

 H0が誤りであれば、データはこのあたりに来るはず=H1

・H0:一様分布 H1:一様から極端に離れた状態

・希少性(%)だけでなく、分布の場所を決めるのが、対立仮説

・これが、第一のエラー、第二のエラーにつながる

●宿題

・この図式を理解する 教科書を読んで ここまでの筋道を
・11月14日(月)朝までに 

===

■第7回 11月15日

●テスト
・回帰 レグレッション 線形でやるということは前提がある
・データが満たしていなければならない条件 
・手法を使うことが適切なデータであるかどうか(プロット、散布図を見る)
・可否は問わない 

●レポート課題

・単回帰の検定における
  帰無仮説と対立仮説
  検定に用いる統計量tとその理論的背景(数学的定理)
  棄却域の設定
 についてまとめよ (来週まで)

●カイ二乗検定

・ケース1において、仮説Aが誤りであるかは分からない 
 思考実験してもできない
 母集団からの情報からは判断不能である

・部分から全体を知るために、ケース2なら議論ができる

・希少な出来事があって、それは仮説が間違っていたといましょう

・n=総サンプル xij =サンプル  pij=各セルの期待値

・帰無仮説 H0:一様分布 例)年収は異ならない
 対立仮説 H1:極端に離れた状態 例)年収は大きく異なる

・何故右端にくるのか

・統計的検定では、仮説が正しいという前提のもとで、
 確率的には起こり得ないが、
 まれな現象が起きた時、仮説を棄却する

 この判断が誤っている危険率 5%〜1%

・仮説が正しいのにも関わらず、棄却してしまう 
 第一種の誤り Positive False 偽陽性

・極端なケース 中卒0、大卒100 
 だから二乗するとカイ二乗値は大きな値となる
 だからカイ二乗値が右端にくる

・対立仮説が正しい場合(極端な状況)、
 カイ二乗値は大きな値をとる そこを棄却域として設定した

・H0が誤り=H1が正しい にも関わらず棄却しない危険
 第2種の誤り Negative False 偽陰性

・これらの誤りを減らすためにカイ二乗値が大きな値をとる
 (分布の右端)時に、H0を棄却するとしてはどうか。
 これが棄却域を分布の右端に設定する理由である

・検定 このロジックが分かれば、応用できる 
 このロジックはかなり危ういが

・帰無仮説H0が誤りという状態を限定するために、
 対立仮説H1を設定する 

・カイ二乗の落とし穴 サンプル数を増やせば棄却できる 
 カテゴリー(ランク)を調整すると危険率を大きくも小さくもできる
 
 アフターコーディングによって、結果が変わってしまう 
 これがこの手法の原因

・カイ二乗をやってあやしいことをやっていたら疑う

・コード化されたデータによって計算される コードを変えれば結果も変わる
 だから盲目的に使うものではない 先行研究を踏まえてかく

○ここでミニ紙を配布

●検証

・そもそも何を検証したいのか どのような関係があるのか Regression 

・自然社会現象は、非線形であるにも関わらず、線形をなぜ当てはめるのか
  −見て分かりやすいから −昔はPCも無く、線形しか計算できなかったから

・回帰は簡単で、暫定的に使うのはよい

・関数形の当てはめかた データを見て近似的に近いモデル 
 か、理論的に導出する

・重要な操作性

 因果関係は恣意的に選択されている X→Y Y→X 
 両方ありうる モデルの設定も恣意的

・なぜそのモデルを選んだのか 妥当性 
 先行研究でやられているから、手順を基に自身のオリジナリティを主張

・三原則 独立変数は先行 独立と従属は共変 他の変数の統制

●来週

・計算法 R二乗について理解しているという前提で授業する

・単回帰を終わらせて、重回帰に入る

・単回帰 Y=a×1+b
 重回帰 Y=a1×1+a2×2+C 

・重回帰の場合、多重共線性 マルチコ 

===

(第8回は仕事で欠席)

===

■第9回 11月29日

●22日 8回目は欠席

●テスト
・Y=a1x1+a2x2+bなる回帰分析について、統計的検定を行う場合の
 帰無仮説の設定について考察せよ

・都道府県データ 面白い分析をするには? ←クラスター分析

●レポート

・2月7日(火)授業終了時に
・半年間受けて 自分で課題を設定して
・手続きとして使うために知るべき基本的な考え方 
 その考え方についてレポートを書く
・多変量解析に関連して 自分の興味のあるところ?

●たけださんのレポート

・残差変数 他の独立変数の影響を受けているところと受けていないところ

●単回帰 (先週

・Y=ax1+b

●重回帰

・Y=a1x1+a2x2+b

・パラメターの求め方

・説明力を上げることが重要 
 どのような説明変数を加えれば、モデルの説明力を上げることができるか

・説明力を上げる変数 残差が小さくなる変数

・単回帰に比べて、説明力を高める第2の変数x2は?

・Y=cx1+d x2=ex1+f この残差2つの相関が高くなるよう 
 そうすれば説明力が高くなる

・いかに説明力が高い変数を見つけるか これが重回帰のポイント!

 V1とW1の相関が高い場合?、多重共線性が起こる マルチコ

・相関が高いと、多重共線性が起き、決定係数がでかくなる

 X1とX2の相関が高いと、w(残差)が小さくなるから

・多重〜が起こると、回帰分析は使えない

・変数間の相関が高いと、回帰分析ができない(高さの基準は分野ごと)

・その場合は、相関が高いので変数を一つにするか、
 主成分分析をしてそこで得られたパラメターを使う

・モデルの選択 R2 説明力が高くなるようなデータ 
 あるいは 理論から〜のはずだということで選ぶ

 最終的には、自由度調整済み決定係数を使う

・アプリケーションが便利になったので、一挙に計算できる 
 中は分からなくてもよいが、この授業ではやる

・検定は、単回帰と同じ

・レポート 年内 重回帰分析を実際に回して ?

・回帰分析は、線形を前提としている 
 複雑な現象に対して、本当に線形でいいのかという問題

 線形モデルは、5〜10年後にはなくなるかも 

 それでも複雑なものをシンプルにモデル化するという考え方は参考になる

●クラスター分析

・複雑なデータをまとめる

・類似性に基づいて、対象をクラスター(集落)化する

・類似性をいかに計測するか? 

・まずはデータをプロットする データ間の距離を図る

 個体間の距離を測定するために、いくつかの手法がある 群平均法など

・ユークリッド距離と重心 距離の近さを見る

・クラスター分析には、2つの問題がある

・1)手法を変えると結果も変わる

  状況に応じた使い分けが必要 それぞれ長所短所がある

・距離だけでなく、散らばり度合を見る 
 分布に着目する それがマハラノビスの汎距離法

 散らばりも加味して、グループ間の距離を出す 

・多変量解析においては、データの散らばり、分布に着目すること!

○2つめの問題は?

===

■第10回 12月6日

●テスト
・クラスター分析 群内でデータの分布に大きな違いがみられる場合
 ←分散を組み込んで計算

●クラスター分析

・5つの手法を使って、〜という結果がでた その考察
  ← よいレポート例
 
・クラスター分析は、本授業ではMust

・マハラノビスの汎距離 (ユークリッド距離)2を分散で除す

・ある未知の個体が、どのグループに属するか 過去のデータはある
 その際に役立つのが、クラスター分析 および N次元のときは、判別分析

●判別分析

・最初にやるのは、

 1)データをプロットする
 2)線形性の仮定をおく

・どうすれば、2つのグループ(合格、失格)に綺麗にわけられるか

・合格、失格Gの総合点の差が大きいほど、奇麗に分けられる

・計算 

・Total S.S = Exp. S.S. + Residual S.S
       説明できる 残差

・典型的な2つの状況を想定する

・群内変動が小さく、群間変動が大きい → 綺麗に判別できる
 郡内変動が大きく、群間変動が小さい → わけにくい

・ST=SB+SW
 全変動 群間 群内

・相関比

・1)相関比 SB/STが最大
 2)合成変数Zの分散が1
 3)2つのグループの重心の中点を通る
   (という制約条件を加えて計算しやすくする)

・判別分析の不具合点 (クラスター分析の2つ目の問題)

・同じような分散であるという前提 

・等分散の検定を行う → OK → 相関比を使う
           → NG → 無視する か マハラノビスの汎距離を使う

・あまりにひどい分散でなければOK

・線形判別ができるときは、等分散を前提としている

●多変量解析のまとめ

・データ⇔手法 データによって使える手法に違いがある

・数学的定理の前提条件を理解する

・底通する考え方を理解する 線形モデル 最小二乗 
相関比 正規分布 カイ二乗分布 t分布 F分布

●レポート案

・分散が違うにも関わらず、線形判別を使った場合、何が起こるか 


●主成分分析

・来週から、年内は 主成分分析

===

■第11回 12月13日

●テスト
・N次元から1次元を抽出する

●授業のポイント

・多変量解析を理解する上でのポイント

 −基本的なロジックの構成を理解
 −数学的定理とデータをすり合わせる 数学的定理の前提条件を理解する
 
・部分から全体を知る という無理を通すので、
 どこかに危ない橋を渡っている それがどこかを知る

・モデル選択の理由 基準はない

・多変量解析の本質的限界 = 前提の妥当性は問わないこと?

・手法群の背景にある思想や哲学を学ぶ 

・思想や哲学、ロジックを学ぶために、古典的な多変量解析の手法を学ぶ

・古典的=プリミティブなので分かりやすい

・高度化された手法はもう無理 ブラックボックス化

●モデル設定のポイント

・恣意的に設定した関係性の強度を測定する

・データの散らばりから、基準を創出する

 −回帰分析 定量変数 外的基準(目的変数)あり
 −クラスター分析 外的基準なし
 −判別分析 外的基準あり

・手法選択のポイント ↑

●主成分分析

・主成分分析と因子分析の違い

・主成分分析=データ→総合指標 因子分析=潜在変数→データ

  潜在変数 → データ → 総合指標
   (因子分析)   (主成分分析)

・主成分分析が、因子分析の一部になっている理由

 数学的には同じ計算式のため 

・主成分と因子分析 どちらを使うかは最初に決める

・主成分分析を実際にやってみて、レポートを出す

・データ → 総合指標
 
例)2次元 → 1次元

  数学、英語→ 総合点数

・線型関数にあてはめる

・軸を回転させる 90度を保って 直交回転

・分散の合計は、回転前、後は同じになる

・縦軸がゼロに近い(ミニマム)なるよう 
 横軸の分散がマックスに大きくなったとき

 第一成分の分散が最大になるように

・分散の和は常に一定

・Z=ax+by Zが作りたい総合指標 Zの分散が最大になるように

・解けない式を解くためにどうするか? 
 数学的定理を使う ラグランジュの未定乗数法

・漠然としたアイデアを、数学的定理につなげることができれば勝ち


●数量化三類

・分散の散らばりに着目して、パターンを抽出する

 パターンが出ない場合は、寄与率が低くなる 説明率が低い

・データは、定性的、外的基準なし

・パターンがあるときは、対角線上に綺麗にでる 相関関係のよう

・数量化の問題

・分析に使うデータによって解釈が変わる カテゴリーを外したり

・どのカテゴリーを設定するかで、結果が変わる 
どのカテゴリーを選ぶかは、本人次第

●多変量解析

・によって得られる分析結果は、
 与えられたデータが示す規則性のパターンでしかない

・社会の現実を正確に反映したものではない

・サンプリング 調査対象のみならず、質問項目自体もサンプリングしている

・恣意的に、質問項目をサンプリングしているが、この点は議論されていない

・自覚が必要

・多変量解析=次元を縮減

・対象が一緒でも、質問によって出てくる結果が違う!

●最終レポート

・趣旨は、多変量解析について考えること

・例)主成分分析と因子分析の違い 統計的検定の意味とは

・多変量解析のすごさ(できないことを可能にするイノベーション)
 と限界(必然的に付随する)

・考え方、発想を学んでほしい

・まじめにレポートをやれば、良い点

・手法を正確に理解し、そのことが的確に反映された分析を行う
 ことができるかどうかが、本授業の最大のポイント

・次回 (1月17日)因子分析 

===

■第12回 2012年1月17日

●テスト

・テストの点数を規定している要因(IQ)について分析(算出)せよ
 →因子分析でとく

●先週 主成分分析

・データ→総合指標 それらのデータに顕著な?

・ある程度説得的で、その手法で解ける ので、標準的な手法となった

・目的に合致しているか=どういうモデルをたてたのか 
 (主成分分析の場合、線形結合をして、最もバラつきが大きいもの)

●因子分析

・背景に何らかの規定要因があるのでは という仮説

・仮説によって、因子分析と主成分分析のどちらを使うかが決まる

・因子数をいくつに設定するか 原因として想定する変数はいくつか
 「因子を仮定した」という表現が正しい

・因子は一つ、二つと仮定 ← 本来は先行研究に従って考える
 SPSSの固有値等による因子数の決定は、報告書レベル 

 論文は、新規性 先行研究では因子数が1つだったが、
 質的調査を踏まえて本研究では2つに設定 
 その方がモデル適合度が高かった これすなわち新しい発見

・どういう仮説を立てたかが大事
 実際は、色々な手法を試してみて、モデル適合度が高いから使ったというケース

・古典的な多変量解析に共通するアプローチ
 →変量x、y、zの分散、共分散を求める。では計算してみましょう。

 (計算はできないので、俺はあきらめ)

・アプリケーションではなく、人間がしなくてはいけない所が残る
 (Mさんの質問:最終レポートテーマ)

・多変量解析の常套手法
 1)共分散を0に仮定する 2)分散1を仮定する

・筋が通った説明ができるため、因子分析はメジャーは手法になっている。

・ここまでが、因子分析の一番プリミティブな形

 3変量1因子モデル

・これがもっとややこしくなる モデルを拡張すると難しくなる

●因子分析の難しさ

・多変量解析においては、まず仮定をたてて、数字をいれて計算する

・因子分析で出てくるマジックワード「因子の回転」

・外から制約条件をいれて、解を求めようとする

・観測変数が増えて、潜在因子も増える=モデルの拡張

・解くために、様々なテクニックを使う

・3変量1因子モデルまでは何とかとけても、
 3変量2因子、4変量1因子になると解けなくなる

・どのくらいの拡張が許容されるのか どのモデルがOKなのか

 数学的手入りを探せ! Ledermannの限界 Kがある数以下であればOK


●宿題

・本授業にふさわしいと考える最終レポート課題を考える

・社会現象→データ→多変量解析手法→社会現象の解釈

●来週

・拡張した因子分析の難しさと面白さ  

・仕事で欠席予定

===

1月24日、31日は仕事で欠席

===

■第15回 2012年2月7日 

●テスト

・因子分析のモデルにおいて、線形代数の定理(スペクトル分解)を
 用いずに、因子負荷量の近似値を得る方法について

 →最小二乗法を用いる

・この授業で学んだことを踏まえ「多変量解析(計量分析)」とは
 何かという問いに自分の言葉で答えよ

 →「部分から全体を推測する」という無理を通すための
   説得力あるロジックを作ること=計量分析

●今日のテーマ

・知識の理解が壊れている?
・この先どう勉強するか、計量分析を

●これまでの復習

・統計的検定は、ポイントを押さえればOK。
 型が分かっていれば理解できる

 3点が分かれば、検定を実行できる。
 1)帰無仮説 2)統計量tと期待分布 
 3)対立仮説に対応した棄却域の設定

・多変量解析を理解する上でのポイント

 構造を見出す:クラスター分析、因子分析、主成分分析

 どういう手法を使うか モデルの選択は主観

・解くための1パターンテクニックがある 例)共分散=0

●共分散構造分析

・因子分析のモデルで、スペクトル分解はややこしいので、
 最小二乗法を使う。すると大きな利点がある。

 スペクトル分解を使わないことで得られるメリット。

 スペクトル分解は、飽和モデルを想定している。
 全ての因子に矢印が出ているモデル。

 最小二乗法であれば、無理ある条件(矢印が出ていない)でも
 使える。

 →つまりモデル設定の自由度が高まるというメリットがある。
  モデルの拡張ができる。

・因子分析から共分散構造分析へのジャンプ

 −スペクトル分解を使わずに、最小二乗法を使うことで、
  モデル設定の自由度が広がった。

 −そのため、10年前から共分散構造分析が使われている。

 −因子分析はいずれ使わなくなるのでは

・AMOSは学生なら無料で使える 簡単

・AMOSになると、中身は理解できない 

○そうすると、信用するしかない?

・モデルの検定

  評価基準:カイ二乗検定 
   帰無仮説は「パス図で設定したモデルは正しい」
   棄却されなければ、消極的にモデルは支持される。

  適合度:RMR 0に近いほどモデルはデータに適合
  適合度:GFI 0.9以上であれば、モデルはデータに適合(最大1)

●最後に

・これからどう勉強するか
 
 因子分析までは数学的に理解できても、共分散構造分析以降は難しい

・古典的一般線形モデル→最新のデータマイニング

・追体験を通じて初めて理解できる 先人の苦闘

・古典は、プリミティブだからこそ分かりやすく、初学者には価値がある

・理解してソフトを使うか、ソフトに使われるか

・知識社会=人間が知識に負けた社会

 思考を停止するために、方法論にすがる

・社会調査法の現状

 結果が分かっていることの確認にしか使えない
 結果が分かっていないと、良い調査はできない

○結果を分かるためには、仮説(先行研究、経験則)?

・リアルな社会→単純化によるモデル設定と抽象概念の操作的定義→
  データ→多変量解析→分析結果→解釈→社会へのインプリケーション

・ニセ科学は、二分法で断言する。(キッパリ!)
 誠実な科学者は、断言しない。 (モヤモヤ〜)

 計量分析も、ニセ科学に近いのでは

 多変量解析=単純化のための手法

・多変量解析教の信者もいる

 あたかも正しい答えを教えてくれるかのように

・どう勉強するか

 お勧め本「集合知のプログラミング」
 統数研に行く

・計量分析 やるなら徹底的にやるか、やらないか

 ほどほどは難しい 二極化

===

ありがとうございました。

2011年冬学期「歴史情報論」

2011年冬学期は本郷和人先生の「歴史情報論」という授業を取っています。

昨年の学際情報学概論IIで「天皇とメディア」というテーマで、
本郷先生のグループになりました。

 http://learn-well.com/blogsekine/2010/06/ii.html

面白い先生だったので、いつか授業を取ってみたいなと思っていました。

 *本郷和人先生 http://www.iii.u-tokyo.ac.jp/professor.php?id=439

  (来年の大河ドラマ「平清盛」の時代考証をされています)

期待にたがわず面白い授業です!

1時間半の講義なのですが、飽きさせません。

・肩の力を抜いて歴史を楽しんでほしい
・滅びに向かっている学問である「日本中世史」を分かりやすく伝えたい

という意図だそうです。

古文書を読むことを通じて、歴史上の人物が、
スーッと身近な人に感じられるようになります。

東大のEラーニングとしても公開されていますので、
歴史(特に戦国時代)に興味がある方は、ご覧になってみてはいかがでしょうか。

http://iiionline.iii.u-tokyo.ac.jp/

(授業の最後に質問している変なおじさんは、だいたい私です。)

===

授業で印象に残った言葉を残しておきます。


●第1回 10月6日

・天皇家は「王家 King」 韓国では天皇を「日王」と呼んでいる

・日本の歴史は穏やかで、外敵の侵入が少なかったので、
 古文書、古記録がたくさん残っている

・天皇制が続くのは、穏やかな歴史(気候、国土)だから

・史料の復元→史像の解釈→史論の編成→史観の組立

・今の歴史学は「史観」をもっていない

・戦前は「皇国史観」があった

・マルクス主義には、国造りは無理。
 1979 リオタール 「大きな物語(唯物史観)は終わった」

・実情 sein ザイン vs 当為 sollen ゾレン(あるべき)

・人文の核は、哲学 という観点で歴史を読み解けないか
 ホッブス、ルソー、ヘーゲル、マルクスを使って歴史を語れないか


●第2回 10月13日

・歴史史料をどう読むか

・日記に全てを書くか 全て正しいか

・当為が強いのは、公権力が強い時(今の日本)
 実情が強いのは、新興国

・中世は、実情が強く、公権力が弱い
 当知行でないと権利を主張できない

・弱い公権力に、律令制を守れるわけがない


●第3回 10月20日

・荘園は教えるのが難しい

・中世は所有権が未熟 江戸時代になって成立

・「自由」と平等 

・中世日本に自由があったのか liberty, freedom

・日本における自由 網野善彦「無縁」

 権力の秩序とは無縁=自由 例)寺、女性、子ども、遊郭

・ヘーゲル 自由とは所有である
 所有という概念が確立していると自由が生まれる

・今までの日本史は法学を基にしていた


●第4回 10月27日

・自由と「平等」 

・枕草子「にげなきもの」似つかわしくない

 貴族には、ノーブレスオブリージがなかった

・仏教(仏の前では平等)の考え方で「平等」が生まれてもよかった

・真言、天台には、人を救うという考えはない

・「王法と仏法は車の両輪」

・キリスト教でいう「告かい」懺悔 仏教にはない

・親鸞の弟子である法然
 「南無阿弥陀仏」という念仏を唱えることで救済

・法然の説法を聞いた熊谷直実が出家して蓮生となる

・蓮生の日記に「差別」という言葉が出てくる

・法然が浄土にいけば平等という考えを蓮生に植え付けた


●第5回 11月10日

・森蘭丸 織田信長の小姓 

 小姓はエリート、大事に育てずどんどん戦場に出した

・本能寺がなければ、森兄弟は出世していたはず

・森蘭丸の兄 長可の遺言状「武士はもう嫌だ」

 長久手の戦いで戦死 27歳


●第6回 11月17日 (仕事で欠席)


●第7回 12月1日

・毛利元就 兄弟3人仲良く「三本の矢」

・戦国大名は兄弟殺しが常

・「血と家」

・家が大事で、血は大事ではない(家が残れば、血のつながりは関係ない)

・自分が死ぬことで家が繁栄する

・家がつぶれると、浪人(失業者)がでる。だからどんどん養子を入れる

 (このあたりは、老舗企業にも通じる考え方かも)

・「万世一系」に意味があるのかも考えなければならない

・天皇家が一番やばかったのは、信長時代であったかも


●第8回 12月8日

・「平和と武士の目覚め」

・平安時代 警察がない 

 町に死を連想させる風景があった 神社は清らかなる場所

・京都 賀茂川の向こうは「え(けがれ)」の世界 

・男衾三郎の妻と娘は不細工であるとされたが、今の基準では美人かも(外人顔)
 平安美人は、髪が長く、引き目、カギ鼻

・武士は殺し放題 生首を見ていないと気分が悪くなるという武士もいた

・鎌倉時代 人を殺すのが当たり前 通りがかっただけで殺された

・それが「百姓を大事にしろ」という考えが芽生え始めた

・おそらく貴族からこのような考えを武士は学んだ
 (そしておそらく次に出て来る「浄土の教え」から)


●第9回 12月15日

・「統治をする」とは

・古代 律令は努力目標 「律令虚構論」

・私有という概念が成長すると、自由を獲得できる

・私有の前に、公地公民になるとは思えない

・統治をする=民を治める 税金をとるならサービス(安全、清潔)を提供すべき

 そういう考えがいつ芽生えたのか

・天皇は君臨すれど統治せず(税金はとるが、サービスはしなかった)

・王権 サービスを提供した(統治)人を王と呼ぶ 
 戦国大名はサービスするのが当たり前 

・徳大寺実基は「民衆に迷惑をかけてはいけない。迷惑をかけたら仏は喜ばない」

・これは「浄土」の教え 撫民政策

・信長の敵は、浄土宗であった 
 不平等なタテ社会を作ろうとしていた信長vs平等な横社会を目指した浄土宗

・一つになろうとする力 経済と宗教 

・日本では平等よりも平和を選んだのかも
 (不平等ではあるが、戦争はない世界)

・浄土の教え(平等)⇒民に迷惑をかけない(極楽にいけない)
 ⇒統治する(サービスを提供)

●第10回 1月12日

・天皇も「普通の王様」と考えよう

・個性、人格に関して、歴史学はどう捉えるか
 外側の行動が中心 内側の感情までは踏み込まない

・平清盛は、兄弟、家来を殺していない稀有な存在
 おおらか、暖かい

・家康 子連れの未亡人好き のちにロリコンになっていく

・信長 子連れの未亡人好き 子どもに変な名前を付ける
  例:奇妙、茶せん、小なべ、大なべ、ひと

・秀吉 お姫様好き 男(小姓)に興味なし

・朝廷は信長を将軍にしたかった 信長は断った
  自身が皇帝になりたかったのでは。

 信長の時に、天皇家は断絶の危機を迎えた

・秀吉は、貴族のお姫様に興味がなかった
  朝廷、貴族は眼中になかったのかも

 秀吉は「天皇は使える」と考えた 
 家康は「天皇を無視」した


●第11回 1月19日

・人文系の中心 法学部 
  法制史 法を通じて歴史を知る

・史実を外からつかまえるアプローチ
  と中からつかまえるアプローチ

・日本史 世界史との関連で捉えるべき

・リゾーム状(横)とピラミッド状(縦)

 国境を越えていく一向一揆 宗教、経済

・信長の天才性は、日本を一つにしようと思ったこと
  他の戦国大名は、一国一城の主で良しとした

・自由は減るが、平和になっていく(ピラミッドになることで)
 世の中が進むほど、自由が減るのが日本

・自由=所有 by ヘーゲル

・中世は所有権が未成熟であった 保障する権力が必要

・権力↑=自由↑ 所有↑

・リゾーム:平等↑ 平和↓
 ピラミッド(権力):自由(所有)↑ 平和↑

===

ありがとうございました。


2011年冬学期「文化・人間情報学基礎III」


2011年冬学期は、「文化・人間情報学基礎III」(東大大学院学際情報学府)
という授業を受けています。

卒業の為の必須授業なのですが「読む文献と発表が多くて大変」という
噂を聞いていて、履修を躊躇していた授業でした。

多くの院生さん達は、修士1年でこの授業をとるのですが、
私は長期履修で3年間通う予定だったのと、大学院と仕事という二重生活のめどが
ついてからにしようということで、修士2年で取ることにしました。

この授業はとって良かったです!

担当教員は、「メディア論」の水越伸先生と
「学習環境デザイン論」の山内祐平先生です。

今回の授業では、次の5人の人物について、各グループで調べ発表します。

・梅棹忠夫
・J.ブルーナー
・W.ベンヤミン
・水越敏行
・N.J.パイク

彼らの生きざま、業績、研究者・思想家としての位置づけ等、文献を読みこみ、
全体像をわしづかみにするのが狙いだそうです。

最初に誰を担当したいか決め、グループを作ります。

一番人気は、梅棹忠夫でした。

私は、一番人気が無かった(すみません)水越敏行先生を選びました。

グループメンバーは、山内研の山田さん@salily1214 と、河田さんのお二人です。
(この二人と組めたので、とても楽しく発表準備を進めることができました)


自分が発表担当でない時も、他グループの発表を聞き、疑問に思ったことや
先生方から与えられる課題に基づき、次の週までに資料にまとめてきます。

うわさ通り負荷は高かったです。

各授業で印象に残った言葉を残しておきます。

●梅棹忠夫

・他人ごととして議論せず、寄り添って考える視点をもってほしい
 (なぜこの人が探検していたのか)

・俯瞰的に見ることと、内在的に見ること

・この人が、どのくらいのケタの人かを知る。
・桑原武雄、今西錦司、梅棹忠夫は、ボスキャラ、巨人。

・梅棹さんは、文化と言う言葉を嫌っていた。文明論者。
・生態、Ecologyに着目したのがオリジナリティー。
・自然と文化はくっついている。

・現場から発想するのが京大。
・梅棹時代までは上手くいった。弟子を育てられていない。

この授業を通して、梅棹先生の本を30冊ぐらい買ってしまいました。

私もアメリカでの学部時代、文化人類学を専攻していたので、読んでいて
とても楽しかったです。本を読む楽しさを久しぶりに味わいました。

また、この授業がきっかけで「勝手にウメサオタダオ研」を
お手伝いさせて頂くことになりました。

http://katte2umesao.blog.fc2.com/


●J.ブルーナー

・この人がすごいのは、2回の革命「認知革命・社会文化革命」を起こしたこと

・仮想敵は、行動主義と情報処理的心理学
・彼が何を問題していたのかが分からないと、主張も分からない

・ブルーナーは「心」にこだわりがあった

・認知革命で彼が起こしたかったことが起こらなかった。
 「意味」を入れられなかった。だから「文化心理学」を立ち上げた。

・認知科学(三宅なほみ)は、元々教育工学出身。

・認知革命に、情報処理工学、AIが入った。工学系は人数が多い。文系は負ける。
・電子情報通信学>心理学>教育学

・ピアジェは、心理学者と呼ばれることを嫌った。発生的認識論者。


●W.ベンヤミン

・この人はエッセイスト=パンフレティーナ
・ヨーロッパ的な知のあり方

・「複製技術時代における芸術作品」は読むべき

・ベンヤミンは、Critical Pedagogy(批判的教育学)とつながる
 「教育というフレームワークにも批判的になれ!」と学習者に伝えたフレイレ

・ユダヤ人 暴力を身近に感じていた


●水越敏行

・大阪大学人間科学部に属していたことは大きい
 批判的社会学の人と仲がよかった

・現場と良い関係を作っていた

 水越敏行先生の指導を受けると成功すると現場教員は感じていた
 外部コンサル的な活動をしていた

・総合学習、情報教育、失敗したのでは?
 水越敏行先生の仕事は、学校レベルでは上手くいった

・「ゆとり教育」は、1960年代の学歴社会、
 70年代の校内暴力に対応する形で生まれてきた

 当初は読売新聞(現在のゆとり教育反対派)を始めとするマスコミも賛意

・「ゆとり教育」は政策的に矛盾:
 時間がかかる総合学習を導入/学習時間を3割削減

・元々は週休2日制に学校も加入しないといけない
 という労働時間の削減が先に来た

 http://twitter.com/#!/kikkasuye/status/149687357459791872

・現在の学力を測る指標は、OECDのPISA これは思考力や応用力を測るもの
 グローバルには、総合学習的な方向に向かっている

・「ゆとり世代」の学力が低下したという実証データは無い
 応用力がついたという声もある

・実は「総合学習」は実践されていない つまりそれほど影響は無かった

・今の大学生のほうが勉強していると言えるかも

・アカデミックとポリティクスとの関係

 αサイトでミクロな実践が上手くいった それをβサイトに展開していく
 その際に「政策」が必要になる

 日本の研究者は、政策決定に関わらない
 アメリカの研究者はロビー活動を通じて、政策決定に関わる

・βサイトへの展開は「運動論」であると否定されやすい
・制度論に行く前に、政策論が必要

・教育学、経営学は現場に近い

 http://twitter.com/#!/salily1214/status/149688630624006146


水越敏行先生についてせっかく調べたので、Wikipediaを作ろうと
山田さん達が頑張っています。大したもんです。


●N.J.パイク (1月の授業)


せっかく良いメンバーが集まった授業なので、

授業が終わる1月26日(木)には打ち上げも開催する予定です。

楽しみです。