5 分で読了
0 views

観光学生における因果的傾向が起業意図の先行要因である

(Causal Propensity as an Antecedent of Entrepreneurial Intentions)

さらに深い洞察を得る

AI戦略の専門知識を身につけ、競争優位性を構築しませんか?

AIBR プレミアム
年間たったの9,800円で
“AIに詳しい人”として
一目置かれる存在に!

プレミア会員になって、山ほどあるAI論文の中から効率よく大事な情報を手に入れ、まわりと圧倒的な差をつけませんか?

詳細を見る
【実践型】
生成AI活用キャンプ
【文部科学省認可】
満足度100%の生成AI講座
3ヶ月後には、
あなたも生成AIマスター!

「学ぶ」だけではなく「使える」ように。
経営者からも圧倒的な人気を誇るBBT大学の講座では、3ヶ月間質問し放題!誰1人置いていかずに寄り添います。

詳細を見る

田中専務

拓海先生、お疲れ様です。最近、若手から「学生の起業意図を高めるにはどうすれば」と言われまして、学術的な裏付けを知りたいのですが、因果的傾向(causal propensity)という言葉が出てきて戸惑っています。これって要するに何を指すのですか。

AIメンター拓海

素晴らしい着眼点ですね!因果的傾向とは、簡単に言えば事業化を考えるときに「原因から計画を立てる」考え方の傾向です。身近な例で言うと、設計図を先に描いてから部品を集めるタイプの思考です。逆に手元の資源から始めてアイデアを作るロジックもありますが、本論文は前者に注目しています。

田中専務

なるほど、設計図先行の考え方ですね。ただ、研究ではどうやって若者の「起業意図」を測っているのでしょうか。実務目線では投資対効果(ROI)や現場で使えるかが重要でして、測り方があいまいだと判断しづらいのです。

AIメンター拓海

大丈夫、手短に整理しますよ。まず要点を三つにまとめます。第一に、この研究は調査尺度を使って「起業意図」を定量化しています。第二に、因果的傾向のほかに教育プログラム学習(program learning)、積極性(proactivity)、創造性(creativity)を並列して分析しています。第三に統計手法としてはSmartPLSによる構造方程式モデル(SEM)を用いて関係性を検証しています。

田中専務

SmartPLSというのは解析ソフトの名前でしょうか。現場担当者に説明するときにも噛み砕いて言いたいので、どう説明すればよいですか。特に我が社の人材育成や教育投資にどう結びつくかを知りたいのです。

AIメンター拓海

はい、SmartPLSは「構造方程式モデリング(Structural Equation Modeling: SEM)」のためのソフトです。例えると企業で言う財務分析ツールのようなもので、複数の要因がどのように結果に結びつくかを一度に見る道具です。経営判断で言えば、どの教育投資が起業意図に効くかを優先順位付けできるようになりますよ。

田中専務

わかりました。ではこの研究の主要な結論は何でしょうか。これって要するに「教育プログラムと積極性、それに因果的な考え方があれば起業したくなる」ということですか。

AIメンター拓海

その理解でほぼ合っています。論文は九つの仮説を立てて検証し、八つが支持されました。結果として、プログラム学習(program learning)、積極性(proactivity)、因果的傾向(causal propensity)が起業意図の前提条件として有意に影響することを示しています。創造性は因果的傾向に関連することが示されましたが、直接の起業意図の決定要因としては一部で弱い結果でした。

田中専務

対象はスペイン南部の観光学部の学生ということですね。国や業種が違う我が社でも参考になりますか。投資対効果を説明するための根拠としてどれくらい使えそうですか。

AIメンター拓海

良い質問です。一般化の注意は必要ですが、示唆は強いです。理由は三つあります。第一に、観光業は多くの小規模起業の舞台であり、起業意図のメカニズムは他の労働集約産業に共通する点が多い。第二に、教育プログラムの効果は学習設計次第で再現可能である。第三に、因果的傾向という心理的特徴に着目すると、社員の思考様式を育成することで新規事業の種を増やせる可能性があるのです。

田中専務

なるほど。要は教育投資で因果的な考え方と積極性を育てれば、起業意図や社内起業の芽が出やすくなると。分かりやすいです。では、我が社がまず取り組むべきことを三つにまとめて教えて頂けますか。

AIメンター拓海

もちろんです。三点に絞ります。第一に、教育プログラムを設計し、因果的思考を明確に練習させること。第二に、小さな実践課題で積極性(proactivity)を引き出す仕組みを作ること。第三に、評価指標を設定して、投資対効果(ROI)を数値で追えるようにすることです。大丈夫、一緒にやれば必ずできますよ。

田中専務

ありがとうございます。自分の言葉でまとめますと、まず教育で「計画から作る思考(因果的傾向)」を鍛え、次に現場での自発的行動を促す場を作り、最後に結果を数字で追って費用対効果を明確にする、という理解でよろしいですね。

AIメンター拓海

その通りです、田中専務。まさに本論文が示した実務的な示唆はそこにあります。現場の小さな実験を回しながら評価する、そんな進め方で問題ありませんよ。

監修者

阪上雅昭(SAKAGAMI Masa-aki)
京都大学 人間・環境学研究科 名誉教授

論文研究シリーズ
前の記事
Algorithm-based diagnostic application for diabetic retinopathy detection
(糖尿病性網膜症検出のためのアルゴリズムベース診断アプリケーション)
次の記事
時空間分離型マスク事前学習による時空間予測
(Spatial-Temporal-Decoupled Masked Pre-training for Spatiotemporal Forecasting)
関連記事
Generative models improve fairness of medical classifiers under distribution shifts
(分布シフト下で医療分類器の公平性を改善する生成モデル)
コラボレーティブ設計プロセスを理解するためのマルチモーダル・フレームワーク
(A Multimodal Framework for Understanding Collaborative Design Processes)
大幾何学的組織化による深層ネットの再構成
(Bigeometric Organization of Deep Nets)
LightGCNet:リソース制約下で動く軽量幾何構成ニューラルネットワーク / LightGCNet: A Lightweight Geometric Constructive Neural Network for Data-Driven Soft sensors
パラメータフリーな外れ値検出によるロバストPCA
(Fast, Parameter free Outlier Identification for Robust PCA)
Attention出力誤差に基づくトークン追放によるLLM向けKVキャッシュ選択
(CAOTE: KV Cache Selection for LLMs via Attention Output Error-Based Token Eviction)
この記事をシェア

有益な情報を同僚や仲間と共有しませんか?

AI技術革新 - 人気記事
ブラックホールと量子機械学習の対応
(Black hole/quantum machine learning correspondence)
生成AI検索における敏感なユーザークエリの分類と分析
(Taxonomy and Analysis of Sensitive User Queries in Generative AI Search System)
DiReDi:AIoTアプリケーションのための蒸留と逆蒸留
(DiReDi: Distillation and Reverse Distillation for AIoT Applications)

PCも苦手だった私が

“AIに詳しい人“
として一目置かれる存在に!
  • AIBRプレミアム
  • 実践型生成AI活用キャンプ
あなたにオススメのカテゴリ
論文研究
さらに深い洞察を得る

AI戦略の専門知識を身につけ、競争優位性を構築しませんか?

AIBR プレミアム
年間たったの9,800円で
“AIに詳しい人”として一目置かれる存在に!

プレミア会員になって、山ほどあるAI論文の中から効率よく大事な情報を手に入れ、まわりと圧倒的な差をつけませんか?

詳細を見る
【実践型】
生成AI活用キャンプ
【文部科学省認可】
満足度100%の生成AI講座
3ヶ月後には、あなたも生成AIマスター!

「学ぶ」だけではなく「使える」ように。
経営者からも圧倒的な人気を誇るBBT大学の講座では、3ヶ月間質問し放題!誰1人置いていかずに寄り添います。

詳細を見る

AI Benchmark Researchをもっと見る

今すぐ購読し、続きを読んで、すべてのアーカイブにアクセスしましょう。

続きを読む