2021 Fiscal Year Research-status Report
都市型産業を育む「知識創造の《場所》」の理論化と計画手法の体系化
| Project/Area Number |
21K04443
|
|---|
| Research Institution | Waseda University |
|---|
Principal Investigator |
山村 崇 早稲田大学, 高等研究所, 准教授(任期付) (20732738)
|
|---|
| Project Period (FY) |
2021-04-01 – 2025-03-31
|
| Keywords | 知識産業 / ナレッジシティ / 場所論 / 産業クラスター |
|---|
| Outline of Annual Research Achievements |
（１）知識産業およびナレッジシティ政策に関して、国内外の文献レビューを行った。その結果から、知識創造的要素を持つ都市型産業の定義の多くは少品種大量消費と垂直統合を特徴とする「近代工業」との対比において定義・意義づけられていることを把握した。また、日本の都市型工業集積の実態に関する文献レビューから、大企業を頂点とする垂直統合の中に強固に組み込まれていることが自立性とイノベーションの障害となっていることを把握した。そのうえで、最終製品を自社で企画して製造販売する創造的性質を備えたものづくり産業を「クラフト的ものづくり産業」と定義し、分析対象として定めた。
（２）東京都台東区のクラフト的ものづくり産業集積に着目して、実態分析を行った。具体的には、GISにクラフト的ものづくり産業事業所のミクロデータを投入して、空間的クラスターの形成実態を把握するとともに、新規参入経営者へのインタビュー調査を実施した。その結果から、①新規参入後、経営が軌道に乗るまでの過程において、経営者が広義の「経営資源」を獲得し活かすことが重要であることを明らかにした。②広義の「経営資源」には、具体的な経営行動に繋がる「直接資源」のほかに、具体的な行動には繋がっていないものの経営に影響を及ぼす要素として認識されている「間接資源」があることを明らかにした。③地域内部における多様な「場」の存在が、経営資源の獲得において重要な役割を果たしていることを確認した。
（３）知識産業の重要な立地決定要素である「場所のイメージ」に着目し、地域スケールでの場所性の拡がりを定量的に表現する手法の開発を進めた。具体的には、ジオタグ付きＳＮＳデータから抽出した「感覚語」ならびに、自然環境・建造環境に関する指標を共通のGISデータベース上に格納し、場所のイメージを予測するモデル構築のためのデータ整備を完了した。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
現在までのところ、研究は当初計画に対して順調に進捗しているが、その理由は以下の通り：
（１）文献レビューに関しては、知識産業およびナレッジシティ政策に関する国内外の主要文献を網羅的にレビューすることで、当該分野における国際的潮流とわが国における課題を掴むとともに、対象とする知識産業の枠組みを獲得することができた。
（２）ケーススタディに着手した東京都台東区においては、経営者コミュニティとの信頼関係を構築したことで、多くの新規参入経営者に対して長時間にわたるインタビュー調査を行う事が可能となり、分析をするために必要となる、十分な量の有効なデータを得て、説得的な仮説を構築することができた。
（３）場所のイメージの予測モデル構築に関しては、あらたにAIを活用した手法を導入し、先行研究に比べて高い予測精度を達成することに見通しが立った。
|
| Strategy for Future Research Activity |
（１）知識産業およびナレッジシティ政策に関連する国内外の最新文献レビューを継続する。周辺分野として、広義の「ものづくり産業」およびその立地地域の計画論にも対象を拡張する。
（２）東京都台東区のクラフト的ものづくり産業集積に関する事例分析を進める。特に、経営資源を獲得する「場」の特性に迫るため、経営資源の獲得が生じた空間に着目して分析を行う。その際、それぞれの空間でいかなる「出来事」が生じたのかについて、具体的案エピソードと関連付けて分析することで、知識創造を下支えする環境を、行為と空間の結びついた《場所》として解明することを試みる。その結果に基づいて、《場所》を介した経営資源の獲得から、経営行動へと繋がる連鎖的プロセスをモデル化して示すことを目指す。
（３）場所のイメージの予測モデル構築を進める。複数のAI手法を比較検討することで予測モデルを精緻化する。その結果に基づいて、東京都区部の場所のイメージを自動的に描出（５００ｍまたは１ｋｍメッシュ）する手法の確立を目指す。
|
| Causes of Carryover |
当初計画では、GIS演算を広範囲に行う為に、中型コンピュータの新規導入を計画していたが、ケーススタディの対象地、イメージ予測モデルの対象地ともに、初年度は狭域に留まったため、現有機器でも能力上十分であると判断して導入を見送ったことから、次年度使用額が生じた。R4年度以降、ケーススタディの対象範囲を拡げていく予定であるので、再度必要なスペックを精査したうえで、改めてGIS演算用コンピュータを導入するために当該予算を使用する計画である。
|
