A Study on Social Simulation Based on Non-Big Data Dependent Modeling Methods

2023 Fiscal Year Final Research Report

• Project/Area Number: 20H01571
• Research Category: Grant-in-Aid for Scientific Research (B)
• Allocation Type: Single-year Grants
• Section: 一般
• Review Section: Basic Section 08010:Sociology-related
• Research Institution: Yamaguchi University
• Principal Investigator: Ishino Yoko 山口大学, 大学院技術経営研究科, 教授 (90373266)
• Co-Investigator(Kenkyū-buntansha): 高橋 真吾 早稲田大学, 理工学術院, 教授 (20216724)
• Project Period (FY): 2020-04-01 – 2024-03-31
• Keywords: 社会シミュレーション / ゲーミング

Outline of Final Research Achievements

This study aimed to construct an appropriate agent-based simulation (ABS) model without using big data. First, focusing on "urban renewal," we developed an ABS to model residents’ movement in a city, and then produced a gaming simulation (GS) to allow participants to experience the sense of the moving simulation. By linking ABS and GS results, it is possible to enhance the participants' acceptance of the urban renewal policies. Next, we verified that the combination of ABS and causal inference increases the accuracy of ABS in the COVID-19 case study. Additionally, it is shown that incorporating machine learning into causal inference can handle more complex problems in the case of marketing.

Free Research Field

社会シミュレーション

Academic Significance and Societal Importance of the Research Achievements

本研究では，ビッグデータとはいえない量のデータをもとにABSのモデリングを行っても，別の手法と組み合わせることでモデルの信用性を担保することができることを示した．まず，ABMとGSを組み合わせるGAMのアプローチを採用したが，ゲーミングを行うことで，ABSの正当性，妥当性検証，キャリブレーションを可能にした．この手法は，実際の「まちづくり」のステークホルダーに向けて，施策の理解や納得を得るのに用いることが可能であるうえ，別の社会的な問題にも応用できる．また，ABSと因果推論との組み合わせはABSの精度を高める効果があるが，更に機械学習と組み合わせることで，適用可能性が広がることが期待できる．