【会員からの投稿】 平和構築研究ワークショップ（12月10日）、選挙予測統計セミナー（12月11日、12日）のご案内
日本国際政治学会 会員の皆様
学会会員の長辻貴之と申します。
この度、セネガルからMomar Dieng博士を早稲田大学に招聘し招聘期間中、12月10日に平和構築に焦点を置いた研究ワークショップ、12月11日と12日に選挙予測に焦点をおいた統計セミナーを開催致します。
以下の詳細説明をご覧頂けますと幸いです。
皆様のご参加をお待ち申し上げます。
早稲田大学 政治学研究科 博士後期課程
長辻貴之
[Momar Dieng博士 紹介文]
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所得し、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た。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。
早稲田大学・青山学院大学共同ワークショップ
◆開催日：2019年12月10日（火）
◆開催時間： 13:00 – 16:35
◆開催場所：早稲田キャンパス 7号館 311教室
「早稲田キャンパス アクセスマップ」
https://www.waseda.jp/top/access/waseda-campus
◆使用言語：英語（同時通訳無し）
◆対象: 学生・教職員・一般
◆事前申込： 不要
平和構築研究におけるイノベーションとSDGsをテーマにしたシンポジウムになります。
詳細は以下のURLをご覧ください。
https://www.waseda.jp/inst/oris/news/2019/11/19/3095/
[プログラム]
オープニングセッション
開会の辞: 大門毅（早稲田大学 国際教養学部 教授, ORIS/国際戦略研究所 所長）
セッション1 紛争後社会における包括的参加と制度形成の趨勢：アフリカの経験から
司会: 安井清峰（早稲田大学 地域・地域間研究機構 研究員）
モデレーター: 田中（坂部）有佳子（青山学院大学 国際政治経済学部 助教）
報告1: “UN Electoral Assistance for the First Post-conflict Elections in Liberia”
辰巳知行（JICA 国際協力専門員 選挙管理）
報告2: “Liberia’s 2011 Presidential Election: Voting for Peace”
Momar Dieng（Consultant at the World Bank）
報告3: “Unforgettable Violent Events and the 2017 Elections in Liberia”
田中（坂部）有佳子、長辻貴之（早稲田大学大学院 博士後期課程）、
淺野塁（早稲田大学大学院 博士後期課程）
発表者へのコメント／報告者とフロアにおける議論
コーヒーブレイク
セッション2 SDGs16におけるイノベーション: アジアの経験から
司会・モデレーター: 川口智恵（東洋大学グローバル・イノベーション学研究センター客員研究員）
報告1: “The Possibility of Science, Technology and Innovation for Africa’s Development”
若林基治 （JICA アフリカ部 次長）
報告2: “Cities as Mediation Space: Through the Conflicts Surrounding Urban Heritage Conservation”
柏原沙織（東京大学大学院 特任研究員）
報告3: “Technology for Our Future Generation: The Challenge of the Japanese Technology Company Toward Goal 11 and 14”
三輪芳和（株式会社ピリカ 研究員）
報告者への質疑応答とフロアにおける議論
閉会の辞: 田中（坂部）有佳子
SGUセミナー(量的分析手法): Election-Night Forecasting I: Statistical Methods in Election Observation
◆報告者：Dr. Momar Dieng
◆開催日：2019年12月11日（水）
◆開催時間： 10:40 – 14:30 (休憩: 12:10-13:00)
◆開催場所：早稲田キャンパス 3号館 804教室
◆使用言語：英語（同時通訳無し）
◆対象: 学生・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。)
【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.
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
詳細は以下のURLをご覧ください。
https://www.waseda.jp/inst/oris/news/2019/11/22/3121/
SGUセミナー(量的分析手法): Election-Night Forecasting II: Machine Learning Methods in Social Science
◆報告者：Dr. Momar Dieng
◆開催日：2019年12月12日（木）
◆開催時間： 10:40 – 14:30 (休憩: 12:10-13:00)
◆開催場所：早稲田キャンパス 3号館 804教室
◆使用言語：英語（同時通訳無し）
◆対象: 学生・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。)
【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.
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)
詳細は以下のURLをご覧ください。
https://www.waseda.jp/inst/oris/news/2019/11/22/3121/