RIETI - University Prestige, Performance Evaluation, and Promotion: Estimating the employer learning model using personnel datasets
雇用主学習モデルは雇用主が、従業員の能力についての先験的分布を学歴から形成し、職務のパフォーマンスを観察しながらその分布を更新していくと仮定する。本論文は各従業員の出身大学、職務評価、職能等級に関する豊かな情報を含んだ2つの大規模製造業企業の人事データを用いて、大卒ホワイトカラー労働者についての雇用主学習モデルのパラメータを推定した。推定の結果は雇用主は従業員の能力を素早く学習することを示しており、当初の予測誤差は3年から4年のうちに半減する。企業は名門大学の卒業生を早く出世させるがそれは名門大学の卒業生が一般的に職務上のパフォーマンスがよいためである。 The employer learning model postulates that employers form employees' prior ability distribution from educational crede
データ分析で大切な４つのこと：1. 「当たり前の結果」をたくさん出す事の大切さ - トレジャーデータ（Treasure Data）ブログ
データ分析で大切な４つのこと トレジャーデータはクラウドでデータマネージメントサービスを提供しています。 ここ数年，データの大量な蓄積とそれに対する分散並列処理が可能な環境が成熟してきました。元々はデータの蓄積やバッチの効率化といった分析バックエンド（プラットフォーム）の方にフォーカスがあてられてきましたが，やっとその先のデータ」「分析」というところ，そしてその役割を果たすデータ分析者の重要性が理解されるようになってきているように感じています。 このブームは分析者にとって非常に喜ばしいことでもあると同時に，大きなプレッシャーにもなっているような気がします。 そのプレッシャーの１つに，企画者や経営者・あるいは顧客といった結果を活用する人々（＝意志決定者）の，「これだけ材料（データ）が揃っているのだから多くの課題が解決できるはずだ」という期待に応えないといけないというプレッシャーがあると思いま
【連載第1回】ほとんどの分析はなぜ不毛に終わるのか、失敗の原因を見つめることから始めよう - 日経BigData
ヤフーのビッグデータ戦略を担当する安宅和人チーフストラテジーオフィサーは20年以上分析に関わってきた。ほとんどの分析が同じような理由のために失敗を繰り返しているという。 私はこれまで20年以上にわたり、様々な分析とともに生きてきた。その経験の中から言えることが1つある。それは、この世の中で日々生み出されている分析の大部分が、意味のある意思決定や変化を何も生み出さないということだ。世の中で生み出される分析のほとんどが、結果の視点から見るとダメ分析なのだ。 私自身が仕事を始めたころに行った分析も今振り返ればそうだったし、これまで接してきた事業分析やビッグデータ分析の多くもそうだった。 そこに費やされている労力、才能、コストを考えれば、あまりにも残念なことだ。この連載は失敗の原因を見つめることから始めたい。 では、ほとんどの分析はなぜダメ分析なのか？ 原因は大きく5つある。 （原因１）「何のため
リケジョ２７歳が育休中 に学んだ【「R」によるデータ分析】の記録
ar()関数を使用して、定常時系列分析を行なってみます。 【サンプルデータ】 Rで用意されているデモデータ、UKgasを用いました。 UKgasについては以下の記事も参考にしてみてください。Rで時系列データを操作してみる。Rで時系列データの差分を求める方法 関数diff Rで時系列データ分析：時間依存の表現、コレログラム季節変動のある時系列データをRで周期特性とトレンドに分解する方法 【自己回帰モデルを求める関数ar】 Rには自己回帰モデルを求める関数arがある。 ar(x, aic = TRUE, method= "",order.max = NULL, ...) 引数xは時系列データオブジェクト、aicはモデルを評価する情報量規準AICを用いるか否かを指定する引数で、デフォルトはTRUEになっているので、AIC情報量規準に基づいてモデルの次数が決められる。 引数methodには、自己回
KH Coder: 計量テキスト分析・テキストマイニングのためのフリーソフトウェア
概要と特長 KH Coderとは、計量テキスト分析またはテキストマイニングのための自由ソフトウェアです。 アンケートの自由記述・インタビュー記録・新聞記事など、さまざまなテキストの分析にお使いいただけます。 プログラミング不要、マウス操作で本格的な分析 安心の分析プロセス完全公開、研究利用も多数 New! 機能紹介（スクリーンショット） スクリーンショット集 ［旧ページ：言葉・文書・可視化・他］ KH Coder 3 正式版の新機能 New! 機能追加プラグイン「文錦®」シリーズ New! ダウンロードと使い方 KH Coder 3 正式版ダウンロード (Version 3.02) 使い方を知るためのチュートリアル ヘルプ 質問＆エラー報告用の掲示板 ※投稿にはGitHubへの登録が必要（無料）［旧掲示板］ よくある質問（FAQ） 開発者が語る公式セミナー & サポート：㈱SCREEN A
ＣＯＣ事業名から見る各大学のキーワードは何か？ - 大学アドミニストレーターを目指す大学職員のブログ
以前、このブログで「ＣＯＣ事業を申請する意義について」と題して、ＣＯＣ事業の概要等をご紹介しました。 COC事業を申請する意義について - 大学アドミニストレーターを目指す大学職員のブログ さて本ブログは、読んでいただいている方は大学関係者がほとんどかと思いますが、念のため、ＣＯＣの目的についておさらいすると文科省のＨＰによれば下記のように書かれています。 「地（知）の拠点整備事業（大学COC事業）」は、大学等が自治体と連携し、全学的に地域を志向した教育・研究・地域貢献を進める大学を支援することで、課題解決に資する様々な人材や情報・技術が集まる、地域コミュニティの中核的存在としての大学の機能強化を図ることを目的としています。 この「全学的に地域を志向した教育・研究・地域貢献を進める大学」と聞いて、ふと思ったのは、「どのような内容でＣＯＣ事業を申請しているのか」という事です。 （ＣＯＣに関連
リサーチ・アドミニストレーターと図書館の研究情報資源
昨年（2013年）10月末に開催された第15回図書館総合展にて，「大学における研究戦略の取り組みと図書館データベースの活用」という題で講演の機会をいただいた。この話をいただいたときには，「リサーチ・アドミニストレーターの私に，なぜ図書館総合展での講演依頼が？」と不思議に思ったものだ。大学上層部が図書館職員にデータベースを用いた研究力の分析を依頼することが，最近多くなってきているという背景がある。多くの図書館職員は，依頼を受けても何を分析すればよいのか，上層部のニーズがわからず戸惑うのだという。そこで研究戦略立案にどうデータベースを活用するのかという実例や，研究力分析がどのような背景に，より求められるのかということを知りたいということだった。 ところで読者の皆さんは，リサーチ・アドミニストレーターという言葉，職名をご存知だろうか。文部科学省の事業等でその名を見かけたり，もしくは所属機関にリサ
国公立大学の教育環境に思う 〜情報の可視化により見えてくること〜 - 大学職員の書き散らかしBLOG
大学での教育環境を測定する指標の一つとして、教員一人当たりの学生数が使われることがあります。朝日新聞出版が発行する「大学ランキング」でも、教育環境のランキングとして教員一人当たり学生数が使用されています。(2015版P115) 朝日新聞出版 最新刊行物：別冊・ムック：大学ランキング 2015 24.教育環境ランキング 田中優子（法政大学総長） 網羅的というわけではありませんが、日本の状況と国際的な状況を比較した論文も出ています。 http://k2.sci.u-toyama.ac.jp/career/data/Report_Edu_201001.pdf 「大学における大学生・教員数比率の国際比較」 学生数と教員数の比率を見る限りにおいては、日本の上位校は国際的な標準に照らして（同クラスのランキング順位の他大学と比較して）、ほぼ遜色の無い水準にあるということができる。 学生教員比の場合とは全
「人事を科学する」──ブラック企業問題を解決できるか？
世間の注目度は今のところまだ高くはないようだが、何だか気になる。今年に入って、そう思った話がある。ERP（統合基幹業務システム）パッケージ国内大手のワークスアプリケーションズが発表した、2月26日付のニュースリリースだ。 その内容は、「ワークスアプリケーションズが東京大学と経済産業研究所と手を組み、グローバルで勝てる人材政策のメカニズムを研究する」というものだ。直感的に何だかすごそうである。どんな方法で、そんなことを実現しようとしているのだろうか。 取り組みのキーワードは、ビッグデータ分析だ。「今回の研究は、企業の人事関連データを収集・分析し、人事を科学しようという試みだ」。ワークスアプリケーションズの鈴木竜プロダクト事業本部ゼネラルマネジャーは、こう説明する。 人事ビッグデータ分析の手順はこうだ。 アンケートでなく“生”の人事データを分析 企業から従業員の労働時間や評価、昇進の状況、配属
集めた情報の分析方法（物事の本質を探る方法） - 僭越ながら【1テーマの本を30冊読んで勉強するブログ】
最近仕事であるテーマについて調べ物をしています。 昔は、情報をひたすら集めるだけ集めて、そのまんま放置しがちでした。 それって、ものすごく勿体なくて意味のないことなんですよね。 集めた情報をきちんと分析すること。 集めた情報を分析して得た結論をまとめておくこと。 ...をしておかないと、情報を集めた労力が無駄になってしまう。 先日「集めた情報の分析方法」を勉強しました。 ひたすら情報を集めた後、きちんと分析すると、その情報の本質を見いだすことができる...ということです。 今日の記事では、この「集めた情報の分析方法（＝物事の本質を探る方法）」について紹介したいと思います。 [スポンサード リンク] 集めた情報の分析方法（物事の本質を探る方法） 目に見えているものだけを分析するのではなく、その全体構造/背景を探り、その位置づけを理解する。 情報をとにかく多くのカテゴリに分類していき、物事を理
RIETI - 人口減少下における望ましい移民政策－外国人受け入れの経済分析をふまえての考察－
このノンテクニカルサマリーは、分析結果を踏まえつつ、政策的含意を中心に大胆に記述したもので、DP・PDPの一部分ではありません。分析内容の詳細はDP・PDP本文をお読みください。また、ここに述べられている見解は執筆者個人の責任で発表するものであり、所属する組織および（独）経済産業研究所としての見解を示すものではありません。 社会保障・税財政プログラム (第三期：2011～2015年度) 「人口減少下における望ましい移民政策」プロジェクト 本論文の目的は、移民の受け入れが国内経済に及ぼす影響について、経済成長率、イノベーション、産業構造の高度化、賃金、雇用、失業、社会保障、財政という観点から既存研究のサーベイを行い、世界にも例を見ない少子高齢・人口減少社会を迎える日本にとって望ましい移民政策を探ることである。 サーベイの結果、高度な技術・技能を有し、受入国の標準語でのコミュニケーションが可能
資料シリーズNo.130 「職業相関表―2万人のデータからみた職業の類似性―」：研究成果／JILPT
資料シリーズ No.130 平成26年 3月14日 職業相関表―２万人のデータからみた職業の類似性― 概要 研究の目的 職業を理解するということは、職業選択を迫られる求職者や就職活動中の学生だけではなく、職業紹介担当者や学校の進路指導担当者にとっても等しく重要な課題である。現在、多種多様な媒体を通して職業情報が提供されているが、その多くは個々の職業の、他の職業と区別される独自の仕事内容や作業領域に焦点を当てた情報が中心になっている。職業にはそれぞれ他の職業と区別される独自性とともに、他の職業と共通する面や類似する面がある。職業理解を深めるためには、職業の独自性だけではなく、他の職業との共通性や類似性に関する視点を持つことも重要である。本研究では、既存の個別職業に関する情報を補足・補強するとともに、職業の相互比較を可能にするため、職業横断的な3つの指標について情報を収集し、それを職業データ集
なぜリスク分析のプロは仮説検定を使わないのか（ややマニア向け） - Take a Risk：林岳彦の研究メモ
お久しぶりです。林岳彦です。もうすぐ『愛なき世界』の日、いわゆる（マイブラッディ）バレンタインデーですね。何かと雑音が多いこの世界ですが、いつでも自分の足元を見つめて行きましょう。 さて。 今回は、以下の： そもそもビジネスの現場ではどういう「レベル」の統計学を使うべきなのか - 銀座で働くデータサイエンティストのブログ 統計学的検定に対するある拒絶反応: ニュースの社会科学的な裏側 A/Bテストのガイドライン：仮説検定はいらない（Request for Comments｜ご意見求む） - 廿TT のあたりの皆様の良記事に触発されて「仮説検定」について何か書いてみようと思いました。で、書こうと思えば色々な側面から書ける気もするのですが、今回はちょっと斜めからのアプローチとして、「リスク分析の人の頭のなかで仮説検定はこんな感じに見えている」というところを書いていきたいと思います。 ここで、ひ
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
1000人受講、大阪ガス「ビッグデータ研修」を追体験 - 日本経済新聞
データ分析、即エクセル入力が「ご法度」のわけ 受講者数は1000人超え 大阪ガス「ビッグデータ研修」の要諦 - 日本経済新聞
機械学習によるデータ分析まわりのお話
https://www.mhlw.go.jp/seisakunitsuite/bunya/koyou_roudou/koyou/roudou_report/dl/20141031_01.pdf
データ分析というお仕事のこれまでとこれから(HCMPL2014)
大学の偏差値と退学率・就職率に関する予備的分析:社会科学系学部のケース (伊藤幸雄教授追悼号) | CiNii Research
Strategic use of bibliometrics analysis in Japanese universities