Project/Area Number |
20K01895
|
Research Category |
Grant-in-Aid for Scientific Research (C)
|
Allocation Type | Multi-year Fund |
Section | 一般 |
Review Section |
Basic Section 07080:Business administration-related
|
Research Institution | Kanto Gakuin University |
Principal Investigator |
石井 充 関東学院大学, 人間共生学部, 教授 (10350753)
|
Project Period (FY) |
2020-04-01 – 2025-03-31
|
Project Status |
Granted (Fiscal Year 2023)
|
Budget Amount *help |
¥1,820,000 (Direct Cost: ¥1,400,000、Indirect Cost: ¥420,000)
Fiscal Year 2022: ¥520,000 (Direct Cost: ¥400,000、Indirect Cost: ¥120,000)
Fiscal Year 2021: ¥520,000 (Direct Cost: ¥400,000、Indirect Cost: ¥120,000)
Fiscal Year 2020: ¥780,000 (Direct Cost: ¥600,000、Indirect Cost: ¥180,000)
|
Keywords | エージェントシミュレーション / シェア変動 / 同時加入効果 / ネットワーク外部性 / 複数サービス / イジングモデル / オープンソースコミュニティ / Webサービス / エージェントモデル / 数値シミュレーション / シェア分析 / Pottsモデル / SNS / トップシェア交代 / 複数サービスへの同時加入 |
Outline of Research at the Start |
SNSをはじめとしたWebサービスにおいては、ネットワークの外部性の効果により、市場におけるシェアの固定化が生じやすいと言われている。しかしながら、日本において2010年代の前半にトップシェアのSNSが交代するなど、既存研究では的確に説明できない事例が存在する。 ネットワークの外部性を取り込んで、市場におけるシェア変動を定量的に調べる手段として、エージェントモデルが存在する。本研究は、エージェントモデルに、複数のサービスに同時に加入する効果を取り込むことにより、ネットワークの外部性が大きな効果を有する市場においても、シェアの変動が生じ得ることを定量的に示すことを目指すものである。
|
Outline of Annual Research Achievements |
日本のSNS市場におけるシェア変動をエージェントモデルを用いて分析するため、ネットワーク外部性の効果によりシェアが長期間固定されている状況をエージェントモデル内で表現し、その後新規サービスが導入され、かつ複数のサービスが競合しながら、利用者が同時に複数のサービスに加入できる状況下でのシェア変動に関して、これまでの限定的な精度の計算よりも多くの時間をかけて、精度の高い計算を行った。 具体的には、多数のシミュレーションを繰り返してその平均値をとることにより、シミュレーション内に存在する乱数発生に伴う統計誤差を少なくする処理を行う際に、この繰り返し回数をこれまでより1桁増加させ、全体の計算精度の向上を図った。 このようにして得られた結果は、これまでの予備的計算による、計算精度の低い状況下でのものと定性的傾向は同じであり、複数サービスへの同時加入が可能かどうかによって、シェアの変動の生じやすさが全く異なることが判明した。すなわち、複数サービスに同時に加入できる環境下においては、ネットワーク外部性の効果が顕著に弱められ、有用性の高い新規サービスへの移行が生じやすくなることが解明された。 SNSにおけるシェア変動だけでなく、情報が公開されることにより関連分野が活性化され、ネットワーク外部性の効果が大きくなる結果シェアの固定化が発生するオープンソースハードウエアについて、シェア変動や利用者の意識調査を行い、エージェントモデルを用いた解析を行うためのデータを収集した。
|
Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
計算の精度を高める過程においては、特に問題となる事項は存在せず、基本的にはこれまでよりも多くの計算時間を要するのみであった。得られた結果も、それ以前の予備的計算から予測されるものと整合性が取れているものであった。
|
Strategy for Future Research Activity |
現有の機材では、これ以上の精度を得るのは困難である。このため、より高精度を追求するのであれば、何らかの並列計算を行う必要がある。このためには、GPUを用いた並列計算を考慮に入れることになるが、これまでの研究結果から、これ以上の精度を追求しても、本質的結果は変わらない可能性が高く、対費用効果を考慮しつつ、新規に機材の購入を行うかどうかを検討する。 同時に、今年度に得られたオープンソースハードウエアに関するシェア変動データを、これらのエージェントシミュレーションが適切に再現できるかどうかを調査することにより、本研究の手法が、SNSにおけるシェア変動を対象とするだけでなく、ネットワーク外部性が大きな意味を有する環境下で広く適用可能であるかどうかを調査する。
|