2019年12月11日と12日、早稲田大学スーパーグローバル大学創成支援事業実証政治経済学拠点は早稲田大学地域・地域間研究機構とともに、世界銀行コンサルタントのMomar Dieng博士をお迎えし統計セミナーを実施します。初日は主にクイック・カウントと選挙科学調査に焦点を置き、Stataを用いた実習を行います。翌日には、機械学習による選挙予測に焦点を置いたセミナーを開催致します。前日のセミナーにご参加できなかった方も、是非ご参加ください。
【日時】12月11日（水）10:40-14:30 （休憩: 12:10-13:00）、12月12日（木）10:40-14:30 （休憩: 12:10-13:00）
【場所】早稲田キャンパス 3号館8階804教室
【言語】英語
【対象】早稲田大学学部生、大学院生、教職員、一般
【事前申込】必要
セミナー当日のデータ共有のため、参加者は12月9日までに以下のメールアドレスまでお名前、ご所属、セミナー参加日（12月11日 and/or 12月12日）をお送りください。
takashi-wi▲fuji.waseda.jp (▲を@に変換してご使用ください。)
【発表者】Dr. Momar Dieng 世界銀行コンサルタント
12月11日（水）10:40-14:30
【タイトル】Election-Night Forecasting I: Statistical methods in election observation
Part 1 (10:40-12:10): Introduction to the quick count: overall methodology and statistical background
Part 2 (13:00-14:30): Quick count simulation exercise and related data forensics
【要旨】
Parallel Vote Tabulation (PVT), also known as a Quick Count, is an election observation methodology that forecasts election results based on a random, statistically representative sample of polling stations. It is used by political parties, civil society organizations and international election observers for independent verification (or challenge) of election results. This seminar will describe in detail how to plan for and conduct a quick count, including a hands-on simulation of the process with real election data. It will also introduce selected forensic data analysis techniques that can be used to audit the full election results once they are available.
12月12日（木）10:40-14:30
【タイトル】Election-Night Forecasting II: Machine learning methods in social science
Part 1 (10:40-12:10): Introduction to machine learning methods (clustering algorithms)
Part 2 (13:00-14:30): Application to election-night forecasting (simulation exercise)
【要旨】
Artificial intelligence methods are increasingly used in the social sciences to tackle challenging predictive problems. The forecasting of election results is one such area of active research that is fueled by the impact of social media on politics, and the availability of near real-time information on, and from political actors and processes in unprecedented volumes and variety. In this seminar we will first review existing methodologies for pre-election forecasts (including exit polls) and election-night forecasts. We will then focus on election-night forecasting and explain how machine learning can be used to obtain very accurate predictions in record time from results obtained in an uncontrolled, and often non-random way, such as those reported by the news media. This stands in contrast to the random sampling conducted in classical parallel vote tabulations which relies on a predetermined set of polling stations. We will apply different machine learning (clustering) algorithms to real election returns data set and assess the performance of the different approaches by comparing their convergence to the results.
【発表者プロフィール】
Dieng博士は、カリフォルニア大学ディビス校にて数学の博士号を取得し、ハーバード大学ケネディースクールにて公共政策・開発援助を学び、ハーバード大学教育研究科にて国際教育政策の修士号を取得している。リベリアの国連開発計画（UNDP）にて上級政策アドバイザー、ハーバード大学・国際開発センターで研究員、セネガル政府の教育大臣の上級アドバイザーを歴任し、世界銀行のコンサルタントを務める。開発援助や教育政策以外にも、統計の専門知識があり、毎年ハーバード大学で、量的分析の講義を行っている。選挙科学調査や選挙予測も専門とし、2016年にはアリゾナ大学のBartlett Memorial Lecturerに選出された。
【問合せ】takashi-wi▲fuji.waseda.jp (▲を@に変換してご使用ください。)
【共催】早稲田大学地域・地域間研究機構
