2025年度数理・データサイエンスへの誘い第2回

この講義では、データサイエンスの信頼性についてまず説明し、レポートの提出や不正行為についての注意点をあげました。そして、データサイエンスの基本的な概念としてデータ、情報、知識の違いを解説し、データ解釈の重要性を強調しました。

統計的観点から、得られたデータにはバイアスが含まれ、測定には系統誤差と偶然誤差が存在することを示しました。具体例を挙げながら、異なる誤差のタイプを理解し、それらの制御方法についても言及しました。

誤差コントロールの重要性について、具体的にNHKの世論調査の方法論を紹介し、サンプルサイズの重要性や偏りの影響について解説しました。サンプルサイズの増加が偶然誤差を小さくできることに触れ、系統誤差の認識も必要であると述べました。

データ収集においては、得られたデータのバイアスを理解することが重要であり、サンプリングバイアスや確証バイアスについて具体的な例を交えながら説明しました。特に、特定の属性によるデータ選択が結果に与える影響を考慮する必要があります。

計算的観点については、特定の特徴量選択がデータ分析に大きな影響を与えることを解説しました。見抜きアヒルの定理を用いて特徴抽出の重要性を強調し、主観的な判断が情報生成にどのように影響するかを考察しました。

データ分析における数値化の限界について、単純化することが情報の多様性を失わせるという問題を指摘しました。人間の社会構造の複雑さを数値化することの難しさと、そのために生じる誤解についても言及しました。

測定の残虐性を示すため、具体的な例で実際の人間社会のデータ収集の問題点を扱い、その中での移動や生活における影響を考慮しました。データを使用して他者を計ることが如何に複雑で傲慢な行為であるかを強調しました。

データの偏りについてはエコーチェンバー現象やフィルター バブルのリスクが存在することを指摘し、多様性の重要性を強調しました。他者の意見を受け入れ、異なる視点を持つことがデータ分析の信頼性につながると述べました。