河野 航汰

もともと政治学という学問に関心を持って大学に入学したのですが、さまざまな社会科学の研究方法の中から、数学をたくさん使って政治学を研究する数理政治学や、プログラミングをして分析をする計量政治学に強い関心をもち、それらの方法論をとっている先生のゼミに入り、勉強をしてきました。進学も考えていましたが、自分が習得したデータ分析の技術はアカデミア以外にもいろいろと生かす道があるのではないかと思い就職活動を始めました。以下に、データ分析の経験を記入します。 [データ分析の経験] 使用している言語は主にＲ言語ですが、Pythonもある程度は扱えます。 計量政治学の中でも国際関係論にまつわる分野の研究に関心を持ち、論文で行われているデータ分析のレプリケーションを行うことを通してデータ分析の経験を積んできました。 具体的には、データハンドリング、データの可視化、多変量解析、因果推論、機械学習による予測・分類、などを実装した経験があります。扱ったデータに関しては、構造化データが多いですが、地理空間データ、ネットワークデータ、テキストデータなどの非構造化データを扱った経験もあります。 最も多く実装することが多い分析モデルは、回帰分析モデルになります。シンプルな回帰分析だけでなく、交互作用モデルや、固定効果モデルや、ラグを除いたモデルや、因果推論のモデルなど実践的なモデルもしっかりと実装した経験があります。 この中でも特に、統計的因果推論は力を入れて学習してきました。自主ゼミを開き、他大学の学生と統計的因果推論の理論からしっかりとやるような勉強会をしました。重回帰分析での因果推論はもちろん、傾向スコアを用いた分析、操作変数法、回帰不連続デザイン、DIDなどを扱うことができます。 [機械学習の経験] データ分析に比べると割合は少ないですが、機械学習の実装を行うこともあります。 学術的なものとしては、ある属性の有権者が実際に投票に行くかを予測するタスク（教師あり学習）や小選挙区制の導入が政治家の選挙公約での安全保障への言及を増加させるのかを確率的トピックモデルを用いて明らかにするタスク、ネットワークのコミュニティ検知のタスク（教師なし学習）に取り組んだことがあります。 学術的なもの以外では、現在所属しているゼミで、商品推薦システムにかかわるＫａｇｇｌｅのタスクにチームで取り組んでいます。