| Project/Area Number |
22K20159
|
|---|
| Research Category |
Grant-in-Aid for Research Activity Start-up
|
| Allocation Type | Multi-year Fund |
|---|
| Review Section |
0107:Economics, business administration, and related fields
|
|---|
| Research Institution | Yokohama National University |
|---|
Principal Investigator |
Matsui Akira 横浜国立大学, 大学院国際社会科学研究院, 講師 (60962884)
|
|---|
| Project Period (FY) |
2022-08-31 – 2025-03-31
|
| Project Status |
Completed (Fiscal Year 2024)
|
| Budget Amount *help |
¥2,600,000 (Direct Cost: ¥2,000,000、Indirect Cost: ¥600,000)
Fiscal Year 2023: ¥1,430,000 (Direct Cost: ¥1,100,000、Indirect Cost: ¥330,000)
Fiscal Year 2022: ¥1,170,000 (Direct Cost: ¥900,000、Indirect Cost: ¥270,000)
|
|---|
| Keywords | テスト / 科学の科学 / サイエンオブサイエンス / 科学政策 / 研究政策 / 科学者学 |
|---|
| Outline of Research at the Start |
インターネットが一般家庭に普及して20年以上経つが、日本の研究職公募の約7割は未だに郵送での応募を要求する郵送限定公募である。もし、インターネットを利用した簡便でコストの低い電子公募の方が、多様で優秀な応募者を集めやすいことが明らかになれば、今後の科学政策や公的機関のDX(デジタルトランスフォーメーション)化に大きな含意をもたらす。そこで本研究は「公募の応募方法の違いで採用される研究者のパフォーマンスに差があるか」を明らかにする。本研究では公募情報と研究者の所属情報を統合し、因果推論と機械学習の手法を組み合わせて２つの応募種類で採用される研究者の差異の分析する
|
| Outline of Final Research Achievements |
In this study, we constructed a large-scale database on Japanese scientists and analyzed the relationship between the application method (postal-only or electronic) and their performance after they join the institution they applied. We leveraged Generative-AI such as ChatGPT to improve our preprocessing the dataset we collected. In addition, toward our main research goal, we also obtain the secondary outcomes, which are presented peer-reviewed conferences or journals.
|
| Academic Significance and Societal Importance of the Research Achievements |
本研究は、日本の研究者公募における応募方法の違いが採用後のパフォーマンスに与える影響を実証的に解明し、サイエンス・オブ・サイエンス(Science of Science)分野に新たな知見を提供する。本研究で構築する大規模かつ詳細な研究者データベースは、日本の科学者学研究全体の発展に大きく貢献することが期待される。社会的意義としては、本研究の成果が、今後の科学技術政策や公的機関における研究者採用戦略に対してエビデンスを与える点にある。例えば、より効果的かつ効率的な公募・採用プロセスの設計や、研究者の潜在能力を最大限に引き出すための制度的支援のあり方について、データに基づいた議論を可能にする。
|
