• 研究課題をさがす
  • 研究者をさがす
  • KAKENの使い方
  1. 課題ページに戻る

2019 年度 実施状況報告書

法律の効果について二手先を予測するシステム開発に関する研究

研究課題

研究課題/領域番号 19K22899
研究機関新潟工科大学

研究代表者

中村 誠  新潟工科大学, 工学部, 准教授 (50377438)

研究分担者 的場 隆一  富山高等専門学校, その他部局等, 准教授 (30592323)
萩原 信吾  富山高等専門学校, その他部局等, 准教授 (50635224)
研究期間 (年度) 2019-06-28 – 2022-03-31
キーワードエージェント / シミュレーション / 法的推論
研究実績の概要

法律とは,社会を動かすプログラムである.すなわち,政府が主導する政策によって制定され,社会的,経済的効果をもたらすことが期待される.政策の立案段階において,重要な項目は効果の予測を立てて法案に盛り込まれるが,法律の効果はさまざまな形で現れ,必ずしも当初の予想通りの結果になるとは限らない.
ここで,韓国の雇い止めの問題を例に取り上げる.韓国では2007年,非正規職労働者の雇用条件を是正するため「非正規職保護関連法」が施行された.これにより,有期雇用労働者は,2年を越えて働けば無期契約になったとみなされるようになる.ところが,この法律が原因で2年未満で雇い止めとなった労働者が多数出ることとなった.すなわち,無期雇用者を増やすことが目的のはずの法改正によって,かなりの有期雇用労働者が解雇されてしまうと言う本末転倒な事態に陥ることとなった.この結果,経済格差が広がるという新たな問題が発生してしまった.日本においても,改正労働契約法が施行され,同様の問題が発生しつつあることから注目すべき課題である.
この原因は,政策を決定した段階において,法律施行直後の効果の予測(一手先の予測)ができても,さらにその先の人間の行動を反映した予測(二手先の予測)が事前に出来ないことにある.すなわち,これが実現できれば,それを補うべくより効果的な政策が期待できる.
したがって,本研究の目的は,法律制定後の二手先の予測をするモデルを提案し,数年後に与える社会的,経済的な効果を予測することで政策決定の新展開を図ることである.
今年度においては,マルチエージェントモデルによって雇用者と被雇用者による経済モデルを構築した.エージェントは,実際のGDPデータと改正労働契約法の知識を基にQ学習によって行動を決定する.結果として,現実世界で発生している雇い止めの現象を一部再現することができた.

現在までの達成度 (区分)
現在までの達成度 (区分)

2: おおむね順調に進展している

理由

今年度の目標は,マルチエージェントモデルによるプロトタイプの構築を目指していたが,おおまかに予想通りのものが出来たといえる.ベースとなる雇用者・被雇用者による経済モデルの構築が予想よりも困難であったため,法律に従った推論モデルの構築には至っていない.現状では,推論を終えた結果として行動に移していると考えており,これによる問題は発生していない.

今後の研究の推進方策

大きく分けて2つの方策が考えられる.ひとつは,エージェントによる学習の改善である.学習に使用している状態の表現が粗いため,まだ十分な学習精度が得られていない.モデル全体の粒度を上げることで,より現実的なモデルに近づけていく.
もうひとつは,労働契約法の他にも検証できるように一般化することである.現在のモデルは,労働問題を扱っているが,経済モデルを構築できれば他にも対応が可能となることが期待される.これについて検討する.

次年度使用額が生じた理由

研究分担者の計算機および関連機器を購入するための分担金の一部が余ったため.残額は計算機関連の消耗品に充てる.

  • 研究成果

    (3件)

すべて 2020

すべて 学会発表 (3件) (うち国際学会 3件)

  • [学会発表] An Approach to Modeling the Social and Economic Effects by the Enactment of Laws2020

    • 著者名/発表者名
      Makoto Nakamura, Shingo Hagiwara, Ryuichi Matoba, and Satoshi Tojo
    • 学会等名
      Proceedings of the 25th International Symposium on Artificial Life and Robotics 2020 (AROB 25th 2020), Beppu, Japan
    • 国際学会
  • [学会発表] Extension of Iterated Learning Model Based on Real-World Experiment2020

    • 著者名/発表者名
      Ryuichi Matoba, Tomoki Yonezawa, Shingo Hagiwara, Todd Cooper, and Makoto Nakamura
    • 学会等名
      Proceedings of the 25th International Symposium on Artificial Life and Robotics 2020 (AROB 25th 2020), Beppu, Japan
    • 国際学会
  • [学会発表] Simulation of Employment Environment Using Multi-agent Model2020

    • 著者名/発表者名
      Ryuichi Matoba, Koshi Komai, Takahiro Nanba, Shingo Hagiwara, and Makoto Nakamura
    • 学会等名
      Proceedings of the 25th International Symposium on Artificial Life and Robotics 2020 (AROB 25th 2020), Beppu, Japan
    • 国際学会

URL: 

公開日: 2021-01-27  

サービス概要 検索マニュアル よくある質問 お知らせ 利用規程 科研費による研究の帰属

Powered by NII kakenhi