実はここって今はUberEatsが獲ってる人達ですね。UberEatsで宅配をやっている学生に話を聞くと、「急に時間が空いた時にすぐ稼げる」のが価値になっていました。お店のヘルプで入れる人材が常にプールされていて、空いた人が適宜バイトに入る、というシフトの流動化は面白そう。Uberの場合、雨の日とかお昼時は配達で入る収入が増えるようですが、こちらにもそういう仕組が実装されると、時給が可変的に設定できることになりますね。
いくら大きなデータでも、因果関係のないデータを含んでいれば、それは「正確でない数字を過剰に信用している」に過ぎないのです。 →本当にその通り。どの業界にあっても注意しなければならない基本ですね。 教育周りのデータも、怪しい分析が多い。因果どころか、テキトーな読みまで加わって混乱のもとであったりする。 また一方、一人ひとり異なる生徒を前に、いちいちエビデンスなんて待っていられない(例えば「子どもにスマホを持たせてもよいか」のエビデンスが出るのに20年はかかるなど)のが教育の現場でもある。経験で決断していくしかない側面もある。エビエビ言って何か語ったつもりの人も多い。 エビデンスベイスドで判断すべきという方針は揺るがせないにしても、玉石混交の「データ」を仕分けし、「確かに言い切れることを、丁寧に集めて知識としておく」というのが、せめてできることなのかな。
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
処理を実行中です
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