共同研究だいすき

2025年9月7日 日本心理学会第89回大会公募シンポジウム 「研究における協同の役割」 共同研究だいすき 山田祐樹 （九州大学 基幹教育院）

お前は誰ですか？

お前は誰ですか？ ネットで「山田祐樹」でスク レイピングした画像の平均顔 多分ほとんどが，裕貴の方

お前は誰ですか？ ネットで「山田祐樹」でスク レイピングした画像の平均顔 専門は認知心理学です 多分ほとんどが，裕貴の方

お前は誰ですか？ ネットで「山田祐樹」でスク レイピングした画像の平均顔 専門は認知心理学です メイントピック 査読論文数 感情 26 出版・オープンサイエンス 26 知覚 21 身体化認知 15 注意・意識 12 コミュニケーション 9 空間定位 8 顔認知 5 ストレス 5 嗅覚 5 不正行為 5 意思決定 5 公衆衛生 5 パーソナリティ 4 読書 3 研究評価 2 その他 7 だいたい ここらへん が守備範囲 多分ほとんどが，裕貴の方

お前は誰ですか？ ネットで「山田祐樹」でスク レイピングした画像の平均顔 専門は認知心理学です メイントピック 査読論文数 感情 26 出版・オープンサイエンス 26 知覚 21 身体化認知 15 注意・意識 12 コミュニケーション 9 空間定位 8 顔認知 5 ストレス 5 嗅覚 5 不正行為 5 意思決定 5 公衆衛生 5 パーソナリティ 4 読書 3 研究評価 2 その他 7 だいたい ここらへん が守備範囲 多分ほとんどが，裕貴の方 犬が好きです。 犬の動画ばっかり見てます。 異世界または令嬢系の漫画を24時間待っ たら次の話を無料で読めるサイトで巡回 読みするのも好きです。

なぜ共同研究がだいすきなのか

なぜ共同研究がだいすきなのか ・実は，べつに好きとかではありません。

なぜ共同研究がだいすきなのか ・実は，べつに好きとかではありません。 ・院生の頃，同世代の優秀な方々がファースト論文を積み重ねて パワーCVメイキングをしていたとき，能力とスキル不足もありセカ ンド論文ばっかりな自分の業績を恥じつつ紹介するときに強がって 「き，共同研究が好きなんだゆ・・・」と言っていたのが起源

なぜ共同研究がだいすきなのか ・実は，べつに好きとかではありません。 出版慣行が とか研究評価 が とかの話は今回スルー ⋯ ⋯ ・院生の頃，同世代の優秀な方々がファースト論文を積み重ねて パワーCVメイキングをしていたとき，能力とスキル不足もありセカ ンド論文ばっかりな自分の業績を恥じつつ紹介するときに強がって 「き，共同研究が好きなんだゆ・・・」と言っていたのが起源

なぜ共同研究がだいすきなのか ・実は，べつに好きとかではありません。 出版慣行が とか研究評価 が とかの話は今回スルー ・院生の頃，同世代の優秀な方々がファースト論文を積み重ねて パワーCVメイキングをしていたとき，能力とスキル不足もありセカ ンド論文ばっかりな自分の業績を恥じつつ紹介するときに強がって 「き，共同研究が好きなんだゆ・・・」と言っていたのが起源 ⋯ ⋯ ・あるときから，「まあ，恥じなくてもいいのかな」と思うように なって，人目を憚らぬ共同研究活動が加速

なぜ共同研究がだいすきなのか ・実は，べつに好きとかではありません。 出版慣行が とか研究評価 が とかの話は今回スルー ・院生の頃，同世代の優秀な方々がファースト論文を積み重ねて パワーCVメイキングをしていたとき，能力とスキル不足もありセカ ンド論文ばっかりな自分の業績を恥じつつ紹介するときに強がって 「き，共同研究が好きなんだゆ・・・」と言っていたのが起源 ・あるときから，「まあ，恥じなくてもいいのかな」と思うように なって，人目を憚らぬ共同研究活動が加速 ⋯ ⋯ ・むしろ「共著王に，おれはなる」と思うように

なぜ共同研究がだいすきなのか ・実は，べつに好きとかではありません。 出版慣行が とか研究評価 が とかの話は今回スルー ・院生の頃，同世代の優秀な方々がファースト論文を積み重ねて パワーCVメイキングをしていたとき，能力とスキル不足もありセカ ンド論文ばっかりな自分の業績を恥じつつ紹介するときに強がって 「き，共同研究が好きなんだゆ・・・」と言っていたのが起源 ・あるときから，「まあ，恥じなくてもいいのかな」と思うように なって，人目を憚らぬ共同研究活動が加速 ・むしろ「共著王に，おれはなる」と思うように ⋯ ⋯ ・ビッグチームに手を出す

パブリッシュ

パブリッシュ ・研究者における屈指の魂魄浄化イベント

パブリッシュ ・研究者における屈指の魂魄浄化イベント ・SNSでは出版やったねポストが乱舞

パブリッシュ ・研究者における屈指の魂魄浄化イベント ・SNSでは出版やったねポストが乱舞 ←”our paper”とか”thrilled to”とかで 検索すると本当に大量に出土

パブリッシュ ・研究者における屈指の魂魄浄化イベント ・SNSでは出版やったねポストが乱舞 ←”our paper”とか”thrilled to”とかで 検索すると本当に大量に出土 ・なぜ嬉しいかと言うと，やはり自分の名前が クレジットされた学術記録が新たに生まれるこ との喜び？つまり著者権が重要なはず (個人差・諸説あるとは思います)

私の出版やったねポスト

私の出版やったねポスト

私の出版やったねポスト

私の出版やったねポスト

私の出版やったねポスト 著者欄えぐい

私の出版やったねポスト 著者欄えぐい これがビッグチーム です。

ビッグチーム 「草の根の共同ネットワークが資源を持ち寄った大規模研究」(Coles et al., 2022↓) GETTY 「分散している比較的多数の共同研究者を巻き込む手法」(Forscher et al., 2022) Tamarins are one of more than 40 primate species that researchers can study through the ManyPrimates collaboration. Build up big-team science Nicholas A. Coles, J. Kiley Hamlin, Lauren L. Sullivan, Timothy H. Parker & Drew Altschul Researchers are creating grass-roots collaborative networks to tackle difficult questions in primate studies and more, but they need funding and other support. A re some of science’s biggest questions simply unanswerable without redefining how research is done? This is the question that motivated the researchers who would later establish the ManyBabies Consortium: a grass-roots network of some 450 collaborators from more than 200 institutions who pool resources to complete massive studies on infant development (see, for example, ref. 1). Human infants are perhaps the most powerful learning machines on the planet — and understanding how that learning occurs could inform artificial intelligence, public policy, education and more. Yet a full understanding of infant learning seemed difficult (if not impossible) under the current research model. Consider the question of what captures infants’ attention. Surely the probability that an infant will pay attention to, say, a rabbit, depends on presentation (for example, by a mother or a stranger), the child’s previous experiences with mammals, what else is present alongside the rabbit, and much more. Unpacking this effectively would require dozens of experimental conditions and hundreds of infant participants. But most research projects are run by individual principal investigators and a shifting population of PhD students, meaning that data-collection efforts typically recruit fewer than 25 infants for each condition being tested2. But what if researchers worked interdependently and distributed work across many laboratories? Such consortia might be Nature | Vol 601 | 27 January 2022 | 505 © 2022 Springer Nature Limited. All rights reserved. fi Coles, N. A. et al. (2022). Build up big-team science. Nature, 601(7894), 505–507 Forscher, P. S. et al. (2022). The bene ts, barriers, and risks of big-team science. Perspectives on Psychological Science, 17456916221082970.

ビッグチーム 論文の平均著者数が増えてきている 医学系雑誌の著者数の変化 (Baethge, 2008) Baethge, C. (2008). Publish together or perish. Deutsches Arzteblatt International, 105(20), 380–383.

ビッグチーム 論文の平均著者数が増えてきている

ビッグチーム 論文の平均著者数が増えてきている ScopusでJapan縛りで ”cognition”でヒット した論文の 平均著者数の推移 →認知系でもいっしょ

ビッグチーム 論文の平均著者数が増えてきている ScopusでJapan縛りで ”cognition”でヒット した論文の 平均著者数の推移 →認知系でもいっしょ ・ここではひとまずAPA Style 7thの「著者が多いとき」の 数である「20人」をビッグチームの最小ラインとして採用

ビッグチーム Open Science Collaboration. (2015). Estimating the reproducibility of psychological science. Science, 349(6251), aac4716.

ビッグチーム おそらく心理学での最初の顕著な例は， Open Science Collaboration (2015)の270人 Open Science Collaboration. (2015). Estimating the reproducibility of psychological science. Science, 349(6251), aac4716.

ビッグチーム おそらく心理学での最初の顕著な例は， Open Science Collaboration (2015)の270人 Open Science Collaboration. (2015). Estimating the reproducibility of psychological science. Science, 349(6251), aac4716.

ビッグチーム おそらく心理学での最初の顕著な例は， Open Science Collaboration (2015)の270人 これが出て， 「あ，そんなバチクソ多くて もいいんだ」とみんなが思った 感は確実にある Open Science Collaboration. (2015). Estimating the reproducibility of psychological science. Science, 349(6251), aac4716.

私の論文著者数の推移

私の論文著者数の推移 ⋯ 平均著者数: 35.7人 最大著者数: 552人 単著率: 3.1%

私の論文著者数の推移 おそらく業界最多記録 ⋯ 平均著者数: 35.7人 最大著者数: 552人 単著率: 3.1%

私の論文著者数の推移 たぶんふえてる おそらく業界最多記録 ⋯ 平均著者数: 35.7人 最大著者数: 552人 単著率: 3.1%

私の論文著者数の推移 たぶんふえてる 2020年以降に何か起きてる おそらく業界最多記録 ⋯ 平均著者数: 35.7人 最大著者数: 552人 単著率: 3.1%

私の論文著者数の推移 n = 31 n = 132

私の論文著者数の推移 ビッグと非ビッグで別々に分析。コロナあたりでビッグバン。 n = 31 n = 132

私の論文著者数の推移 ビッグと非ビッグで別々に分析。コロナあたりでビッグバン。 非ビッグ(< 20)はこれ増えてるのか？ n = 31 n = 132

私の論文著者数の推移

私の論文著者数の推移 非ビッグを負の二項回帰 (対数リンク，HC1) で推定したところ， 著者数は年とともに3.5%ずつ有意に増加 (p < .0001)

私の論文著者数の推移 非ビッグを負の二項回帰 (対数リンク，HC1) で推定したところ， 著者数は年とともに3.5%ずつ有意に増加 (p < .0001) 微増ではあるがやっぱりふえてる

私の論文著者数の推移

私の論文著者数の推移 まあそれはそうとして，今回注目するのはビッグの方

私の論文著者数の推移 まあそれはそうとして，今回注目するのはビッグの方 なぜ急に増えた？ 何が行われた？ その結果何が起きた？ それで何かわかった？

従来の(おっきめ)共同研究

従来の(おっきめ)共同研究 研究シンジケート方式 ラボ間でほぼ水平に研究策定。基本的にアレンジャーラボが主導する。資金や実験なども ほぼここが担う。ミドル級の基盤とかに多い。参加ラボからPIだけが出てくるアドバイザ リーパートナー型も多い。

従来の(おっきめ)共同研究 研究シンジケート方式 ラボ間でほぼ水平に研究策定。基本的にアレンジャーラボが主導する。資金や実験なども ほぼここが担う。ミドル級の基盤とかに多い。参加ラボからPIだけが出てくるアドバイザ リーパートナー型も多い。 ラボA アレンジャーラボ PI 学生・ポスドク 実験・データ収集等 PI 学生・ポスドク ラボB PI 学生・ポスドク ラボC PI 学生・ポスドク

従来の(おっきめ)共同研究 研究シンジケート方式 ラボ間でほぼ水平に研究策定。基本的にアレンジャーラボが主導する。資金や実験なども ほぼここが担う。ミドル級の基盤とかに多い。参加ラボからPIだけが出てくるアドバイザ リーパートナー型も多い。 ラボA アレンジャーラボ PI 学生・ポスドク 実験・データ収集等 PI 学生・ポスドク ラボB PI 学生・ポスドク ラボC PI 学生・ポスドク 交流が密で阿吽の呼吸が生まれやすく，プロジェクトを制御しやすい。迅速な策定と立ち 上げコストの低さもメリット。しかしアレンジャーに過度に依存する，成員の成長が乏し い，プロトコルや権限関係が不透明がち，オーサーシップが微妙など課題もちらほら。

従来の(おっきめ)共同研究 キャンパス内に小屋をおっ建てて揮発成分分析 杉無垢材 木目調ビニールクロス GC-MSで分析した結果，無垢材の部屋の セスキテルペン揮発量が年中多かった (清水ほか, 2017) 箱キャン 清水邦義ほか (2017). スギ材を内装材として使用した室内空間における揮発性成分の分析およびその季節変動. 木材学会誌, 63(3), 126‒130.

従来の(おっきめ)共同研究 キャンパス内に小屋をおっ建てて揮発成分分析 杉無垢材 木目調ビニールクロス GC-MSで分析した結果，無垢材の部屋の セスキテルペン揮発量が年中多かった (清水ほか, 2017) 箱キャン 山田初の著者20人超え 清水邦義ほか (2017). スギ材を内装材として使用した室内空間における揮発性成分の分析およびその季節変動. 木材学会誌, 63(3), 126‒130.

従来の(おっきめ)共同研究 キャンパス内に小屋をおっ建てて揮発成分分析 杉無垢材 木目調ビニールクロス GC-MSで分析した結果，無垢材の部屋の セスキテルペン揮発量が年中多かった (清水ほか, 2017) 箱キャン 山田初の著者20人超え でもビッグチームとは異なる。 アドバイザリ型シンジケート 清水邦義ほか (2017). スギ材を内装材として使用した室内空間における揮発性成分の分析およびその季節変動. 木材学会誌, 63(3), 126‒130.

p値論争
Benjamin et al. (2017)

comment

Redefine statistical significance

・72人。有名人多数。

We propose to change the default P-value threshold for statistical significance from 0.05 to 0.005 for claims of
new discoveries.

Daniel J. Benjamin, James O. Berger, Magnus Johannesson, Brian A. Nosek, E.-J. Wagenmakers,
Richard Berk, Kenneth A. Bollen, Björn Brembs, Lawrence Brown, Colin Camerer, David Cesarini,
Christopher D. Chambers, Merlise Clyde, Thomas D. Cook, Paul De Boeck, Zoltan Dienes, Anna Dreber,
Kenny Easwaran, Charles Efferson, Ernst Fehr, Fiona Fidler, Andy P. Field, Malcolm Forster,
Edward I. George, Richard Gonzalez, Steven Goodman, Edwin Green, Donald P. Green, Anthony Greenwald,
Jarrod D. Hadfield, Larry V. Hedges, Leonhard Held, Teck Hua Ho, Herbert Hoijtink, Daniel J. Hruschka,
Kosuke Imai, Guido Imbens, John P. A. Ioannidis, Minjeong Jeon, James Holland Jones, Michael Kirchler,
David Laibson, John List, Roderick Little, Arthur Lupia, Edouard Machery, Scott E. Maxwell,
Michael McCarthy, Don Moore, Stephen L. Morgan, Marcus Munafó, Shinichi Nakagawa,
Brendan Nyhan, Timothy H. Parker, Luis Pericchi, Marco Perugini, Jeff Rouder, Judith Rousseau,
Victoria Savalei, Felix D. Schönbrodt, Thomas Sellke, Betsy Sinclair, Dustin Tingley, Trisha Van Zandt,
Simine Vazire, Duncan J. Watts, Christopher Winship, Robert L. Wolpert, Yu Xie, Cristobal Young,
Jonathan Zinman and Valen E. Johnson

T

fi

fi

he lack of reproducibility of scientific
studies has caused growing concern
over the credibility of claims of new
discoveries based on ‘statistically significant’
findings. There has been much progress
toward documenting and addressing
several causes of this lack of reproducibility
(for example, multiple testing, P-hacking,
publication bias and under-powered
studies). However, we believe that a leading
cause of non-reproducibility has not yet
been adequately addressed: statistical
standards of evidence for claiming new
discoveries in many fields of science are
simply too low. Associating statistically
significant findings with P!< 0.05 results
in a high rate of false positives even in the
absence of other experimental, procedural
and reporting problems.
For fields where the threshold for
defining statistical significance for new
discoveries is P!< 0.05, we propose a change

not address the appropriate threshold for
confirmatory or contradictory replications
of existing claims. We also do not advocate
changes to discovery thresholds in fields
that have already adopted more stringent
standards (for example, genomics
and high-energy physics research; see the
‘Potential objections’ section below).
We also restrict our recommendation
to studies that conduct null hypothesis
significance tests. We have diverse views
about how best to improve reproducibility,
and many of us believe that other ways of
summarizing the data, such as Bayes factors
or other posterior summaries based on
clearly articulated model assumptions, are
preferable to P!values. However, changing the
P!value threshold is simple, aligns with the
training undertaken by many researchers,
and might quickly achieve broad acceptance.

Strength of evidence from P!values

・有意水準を.005にしようぜ
という提案。
・これで偽陽性を抑えられるぜ
という理由

probabilities. By Bayes’ rule, this ratio may
be written as:
Pr(H1 xobs )
Pr(H0 xobs )
f (xobs H1) Pr(H1)
=
×
f (xobs H0 ) Pr(H0 )
≡BF × (prior odds)

(1)

where BF is the Bayes factor that represents
the evidence from the data, and the prior
odds can be informed by researchers’ beliefs,
scientific consensus, and validated evidence
from similar research questions in the same
field. Multiple-hypothesis testing, P-hacking
and publication bias all reduce the credibility
of evidence. Some of these practices reduce
the prior odds of H1 relative to H0 by
changing the population of hypothesis tests
that are reported. Prediction markets3 and
analyses of replication results4 both suggest

Benjamin, D. J. et al. (2018). Rede ne statistical
signi cance. Nature Human Behaviour, 2(1), 6–10.

p値論争 Lakens et al. (2018) comment Justify your alpha In response to recommendations to redefine statistical significance to P ≤ 0.005, we propose that researchers should transparently report and justify all choices they make when designing a study, including the alpha level. Daniel Lakens, Federico G. Adolfi, Casper J. Albers, Farid Anvari, Matthew A. J. Apps, Shlomo E. Argamon, Thom Baguley, Raymond B. Becker, Stephen D. Benning, Daniel E. Bradford, Erin M. Buchanan, Aaron R. Caldwell, Ben Van Calster, Rickard Carlsson, Sau-Chin Chen, Bryan Chung, Lincoln J. Colling, Gary S. Collins, Zander Crook, Emily S. Cross, Sameera Daniels, Henrik Danielsson, Lisa DeBruine, Daniel J. Dunleavy, Brian D. Earp, Michele I. Feist, Jason D. Ferrell, James G. Field, Nicholas W. Fox, Amanda Friesen, Caio Gomes, Monica Gonzalez-Marquez, James A. Grange, Andrew P. Grieve, Robert Guggenberger, James Grist, Anne-Laura van Harmelen, Fred Hasselman, Kevin D. Hochard, Mark R. Hoffarth, Nicholas P. Holmes, Michael Ingre, Peder M. Isager, Hanna K. Isotalus, Christer Johansson, Konrad Juszczyk, David A. Kenny, Ahmed A. Khalil, Barbara Konat, Junpeng Lao, Erik Gahner Larsen, Gerine M. A. Lodder, Jiří Lukavský, Christopher R. Madan, David Manheim, Stephen R. Martin, Andrea E. Martin, Deborah G. Mayo, Randy J. McCarthy, Kevin McConway, Colin McFarland, Amanda Q. X. Nio, Gustav Nilsonne, Cilene Lino de Oliveira, Jean-Jacques Orban de Xivry, Sam Parsons, Gerit Pfuhl, Kimberly A. Quinn, John J. Sakon, S. Adil Saribay, Iris K. Schneider, Manojkumar Selvaraju, Zsuzsika Sjoerds, Samuel G. Smith, Tim Smits, Jeffrey R. Spies, Vishnu Sreekumar, Crystal N. Steltenpohl, Neil Stenhouse, Wojciech Świątkowski, Miguel A. Vadillo, Marcel A. L. M. Van Assen, Matt N. Williams, Samantha E. Williams, Donald R. Williams, Tal Yarkoni, Ignazio Ziano and Rolf A. Zwaan B enjamin et al.1 proposed changing the conventional “statistical significance” threshold (that is, the alpha level) from P ≤ 0.05 to P ≤ 0.005 for all novel claims with relatively low prior odds. They provided two arguments for why lowering the significance threshold would “immediately improve the reproducibility of scientific research”. First, a P value near 0.05 provides weak evidence for the alternative hypothesis. Second, under certain assumptions, an alpha level of 0.05 leads to high false positive report probabilities (FPRPs2; the probability that a significant finding is a false positive). We share their concerns regarding the apparent non-replicability of many scientific studies, and agree that a universal alpha of 0.05 is undesirable. However, redefining “statistical significance” to a lower, but null hypothesis significance testing justify their choice for an alpha level before collecting the data, instead of adopting a new uniform standard. P ≤ 0.005 does not improve replicability Benjamin et al.1 claimed that the expected proportion of replicable studies should be considerably higher for studies observing P ≤ 0.005 than for studies observing 0.005 < P ≤ 0.05, due to a lower FPRP. Theoretically, replicability is related to the FPRP, and lower alpha levels will reduce false positive results in the literature. However, in practice, the impact of lowering alpha levels depends on several unknowns, such as the prior odds that the examined hypotheses are true, the statistical power of studies and the (change in) behaviour of researchers in response to any modified standards. only “suggestive” of such a conclusion, and there is considerable variation in replication rates across P values (see Fig. 1). Importantly, lower replication rates for P values just below 0.05 are likely confounded by P-hacking (the practice of flexibly analysing data until the P value passes the “significance” threshold). Thus, the differences in replication rates between studies with 0.005 < P ≤ 0.05 compared with those with P ≤ 0.005 may not be entirely due to the level of evidence. Further analyses are needed to explain the low (49%) replication rate of studies with P ≤ 0.005, before this alpha level is recommended as a new significance threshold for novel discoveries across scientific disciplines. Weak justifications for α = 0.005 We agree with Benjamin et al. that single ・88人。 ・有意水準を.005にするとむし ろ害。 ・そもそも固定の水準を使う正 当性がないから実験前に有意水 準を正当化するか，有意とかも う言わんといて Lakens, D. et al. (2018). Justify your alpha. Nature Human Behaviour, 2(3), 168–171.

p値論争 CONCEPTUAL ANALYSIS published: 15 May 2018 doi: 10.3389/fpsyg.2018.00699 Manipulating the Alpha Level Cannot Cure Significance Testing 1 Edited by: Laura Badenes-Ribera, Universitat de València, Spain Reviewed by: Thomas J. Faulkenberry, Tarleton State University, United States Rink Hoekstra, University of Groningen, Netherlands *Correspondence: David Trafimow [email protected] Valentin Amrhein [email protected] Fernando Marmolejo-Ramos [email protected] Specialty section: This article was submitted to Quantitative Psychology and Measurement, a section of the journal Frontiers in Psychology Received: 22 January 2018 Accepted: 23 April 2018 Published: 15 May 2018 Citation: Trafimow D, Amrhein V, Areshenkoff CN, Barrera-Causil CJ, Beh EJ, Bilgiç YK, Bono R, Bradley MT, Briggs WM, Cepeda-Freyre HA, Chaigneau SE, Ciocca DR, Correa JC, Cousineau D, de Boer MR, Dhar SS, Dolgov I, Gómez-Benito J, Grendar M, Grice JW, Guerrero-Gimenez ME, Gutiérrez A, Huedo-Medina TB, Jaffe K, Janyan A, Karimnezhad A, Korner-Nievergelt F, Kosugi K, Lachmair M, Ledesma RD, Limongi R, Liuzza MT, Lombardo R, fi fi fi Marks MJ, Meinlschmidt G, Nalborczyk L, 2,3 4 ・54人。山田も連名。 5 David Trafimow *, Valentin Amrhein *, Corson N. Areshenkoff , Carlos J. Barrera-Causil , Eric J. Beh 6 , Yusuf K. Bilgiç 7 , Roser Bono 8,9 , Michael T. Bradley 10 , William M. Briggs 11 , Héctor A. Cepeda-Freyre 12 , Sergio E. Chaigneau 13 , Daniel R. Ciocca 14 , Juan C. Correa 15 , Denis Cousineau 16 , Michiel R. de Boer 17 , Subhra S. Dhar 18 , Igor Dolgov 1 , Juana Gómez-Benito 8,9 , Marian Grendar 19,20 , James W. Grice 21 , Martin E. Guerrero-Gimenez 14 , Andrés Gutiérrez 22 , Tania B. Huedo-Medina 23 , Klaus Jaffe 24 , Armina Janyan 25,26 , Ali Karimnezhad 27 , Fränzi Korner-Nievergelt 3,28 , Koji Kosugi 29 , Martin Lachmair 30 , Rubén D. Ledesma 31,32 , Roberto Limongi 33,34 , Marco T. Liuzza 35 , Rosaria Lombardo 36 , Michael J. Marks 1 , Gunther Meinlschmidt 37,38,39 , Ladislas Nalborczyk 40,41 , Hung T. Nguyen 42 , Raydonal Ospina 43 , Jose D. Perezgonzalez 44 , Roland Pfister 45 , Juan J. Rahona 30 , David A. Rodríguez-Medina 46 , Xavier Romão 47 , Susana Ruiz-Fernández 30,48,49 , Isabel Suarez 50 , Marion Tegethoff 51 , Mauricio Tejo 52 , Rens van de Schoot 53,54 , Ivan I. Vankov 25 , Santiago Velasco-Forero 55 , Tonghui Wang 56 , Yuki Yamada 57 , Felipe C. M. Zoppino 14 and Fernando Marmolejo-Ramos 58* 1 Tra mow et al. (2018) Department of Psychology, New Mexico State University, Las Cruces, NM, United States, 2 Zoological Institute, University of Basel, Basel, Switzerland, 3 Swiss Ornithological Institute, Sempach, Switzerland, 4 Centre for Neuroscience Studies, Queens University, Kingston, ON, Canada, 5 Faculty of Applied and Exact Sciences, Metropolitan Technological Institute, Medellín, Colombia, 6 School of Mathematical and Physical Sciences, University of Newcastle, Callaghan, NSW, Australia, 7 Department of Mathematics, State University of New York at Geneseo, Geneseo, NY, United States, 8 Quantitative Psychology Unit, Faculty of Psychology, University of Barcelona, Barcelona, Spain, 9 Institut de Neurociències, University of Barcelona, Barcelona, Spain, 10 Department of Psychology, Faculty of Arts, University of New Brunswick, Saint John, NB, Canada, Independent Researcher, New York, NY, United States, 12 School of Psychology, Benemérita Universidad Autónoma de Puebla, Puebla, Mexico, 13 Center for Social and Cognitive Neuroscience, School of Psychology, Universidad Adolfo Ibáñez, Santiago, Chile, 14 Oncology Laboratory, Instituto de Medicina y Biologia Experimental de Cuyo, CCT CONICET Mendoza, Mendoza, Argentina, 15 School of Statistics, Faculty of Sciences, ・有意水準がどうとかじゃなく て，帰無仮説有意性検定をもう やめようぜ。 ・ベイズとかもいいなあ。 11 National University of Colombia, Medellín, Colombia, 16 School of Psychology, University of Ottawa, Ottawa, ON, Canada, 17 Department of Health Sciences, Vrije Universiteit Amsterdam and Amsterdam Public Health Research Institute, Amsterdam, Netherlands, 18 Department of Mathematics and Statistics, Indian Institute of Technology, Kanpur, India, 19 Biomedical Center Martin, Jessenius Faculty of Medicine, Comenius University, Martin, Slovakia, 20 Institute of Measurement Science, Slovak Academy of Sciences, Bratislava, Slovakia, 21 Department of Psychology, Oklahoma ・これが山田初の50人超え State University, Stillwater, OK, United States, 22 Faculty of Statistics, Saint Thomas University, Bogotá, Colombia, 23 Department of Allied Health Sciences, College of Health, Agriculture, and Natural Resources, University of Connecticut, Storrs, CT, United States, 24 Departamento de Biología de Organismos, Universidad Simón Bolívar, Caracas, Venezuela, 25 Department of Cognitive Science and Psychology, New Bulgarian University, Sofia, Bulgaria, 26 National Research Tomsk State University, Tomsk, Russia, 27 Department of Biochemistry, Microbiology, and Immunology, University of Ottawa, Ottawa, ON, Canada, 28 Oikostat GmbH, Ettiswil, Switzerland, 29 School of Human Sciences, Senshu University, Kawasaki, Japan, 30 Multimodal Interaction Lab, Leibniz-Institut für Wissensmedien, Tübingen, Germany, 31 Consejo Nacional de Investigaciones Científicas y Técnicas, Mar del Plata, Argentina, 32 Facultad de Psicología, Universidad Nacional de Mar del Plata, Mar del Plata, Argentina, 33 Pontificia Universidad Católica de Valparaíso, Valparaíso, Chile, 34 Vicerrectoría de Investigación y Desarrollo, Universidad Tecnológica de Chile INACAP, Santiago, Chile, 35 Department of Medical and Surgical Sciences, “Magna Graecia” University of Catanzaro, Catanzaro, Italy, 36 Economics Department, University of Campania “Luigi Vanvitelli”, Capua, Italy, 37 Department of Psychosomatic Medicine, University Hospital Basel and University of Basel, Basel, Switzerland, 38 Division of Clinical Psychology and Cognitive Behavioral Therapy, International Psychoanalytic University, Berlin, Germany, 39 Division of Clinical Psychology and Epidemiology, Department of Psychology, University of Basel, Basel, Switzerland, 40 Université Grenoble Alpes, Centre National de la Recherche Scientifique, LPNC, Grenoble, France, 41 Department of Experimental Clinical and Health Psychology, Ghent University, Ghent, Belgium, 42 Department of Mathematical Sciences, New Mexico State University, Las Cruces, NM, United States, 43 Computational Statistics Laboratory (CAST), Department of Statistics, Universidade Federal de Pernambuco, Recife, Brazil, 44 Business School, Massey University, Albany, New Zealand, 45 Department of Psychology III, University of Würzburg, Würzburg, Germany, 46 School of Psychology, National Autonomous University of Mexico, Mexico City, Mexico, 47 CONSTRUCT-LESE, Faculty of Engineering, University of Porto, Porto, Portugal, 48 FOM Hochschule für Oekonomie und Management, Essen, Germany, 49 LEAD Graduate School & Research Network, University of Tübingen, Tübingen, Germany, 50 Department of Psychology, Universidad del Norte, Barranquilla, Colombia, 51 Division of Clinical Psychology and Psychiatry, Department of Psychology, University of Basel, Basel, Switzerland, 52 Facultad de Ciencias Naturales y Exactas, Universidad de Playa Ancha, Valparaíso, Chile, 53 Department of Methods and Statistics, Faculty of Social and Tra mow, D. et al. (2018). Manipulating the alpha level cannot cure signi cance testing. Frontiers in Psychology, 9, 699.

COMMENT EVOLUTION Cooperation and conflict from ants and chimps to us p.308 HISTORY To fight denial, study Galileo and Arendt p.309 PUBLISHING As well as ORCID ID and English, list authors in their own script p.311 ILLUSTRATION BY DAVID PARKINS p値論争 CHEMISTRY Three more unsung women — of astatine discovery p.311 Amrhein et al. (2019) ・854人が署名。山田も署名。 ◯スギッチさんも署名。 (著者ではない) ・科学的仮説を統計的有意性で 検討するのをやめよう。 ・みんな有意の使い方間違って るし。 Retire statistical significance Valentin Amrhein, Sander Greenland, Blake McShane and more than 800 signatories call for an end to hyped claims and the dismissal of possibly crucial effects. W hen was the last time you heard a seminar speaker claim there was ‘no difference’ between two groups because the difference was ‘statistically non-significant’? If your experience matches ours, there’s a good chance that this happened at the last talk you attended. We hope that at least someone in the audience was perplexed if, as frequently happens, a plot or table showed that there actually was a difference. How do statistics so often lead scientists to deny differences that those not educated in statistics can plainly see? For several generations, researchers have been warned that a statistically non-significant result does not ‘prove’ the null hypothesis (the hypothesis that there is no difference between groups or no effect of a treatment on some measured outcome)1. Nor do statistically significant results ‘prove’ some other hypothesis. Such misconceptions have famously warped the fi © 2019 Springer Nature Limited. All rights reserved. ・ベイズファクターでも二分法 である限り問題あるんで，もう 二分法自体をやめよ。ね？ literature with overstated claims and, less famously, led to claims of conflicts between studies where none exists. We have some proposals to keep scientists from falling prey to these misconceptions. PERVASIVE PROBLEM Let’s be clear about what must stop: we should never conclude there is ‘no difference’ or ‘no association’ just because a P value is larger than a threshold such as 0.05 2 1 M A RC H 2 0 1 9 | VO L 5 6 7 | NAT U R E | 3 0 5 Amrhein, V. et al. (2019). Scientists rise up against statistical signi cance. Nature, 567(7748), 305–307.

これはビッグチームだったのだろうか？

これはビッグチームだったのだろうか？ ・たぶんちがう。ビッグチームサイエンスでは分散した資源の統合がポイント

これはビッグチームだったのだろうか？ ・たぶんちがう。ビッグチームサイエンスでは分散した資源の統合がポイント ・ここで起きていたのは研究や議論というよりも，一定範囲でのコンセンサス の形成と署名

これはビッグチームだったのだろうか？ ・たぶんちがう。ビッグチームサイエンスでは分散した資源の統合がポイント ・ここで起きていたのは研究や議論というよりも，一定範囲でのコンセンサス の形成と署名 ・つまりマルチシグナトリー型オピニオン

これはビッグチームだったのだろうか？ ・たぶんちがう。ビッグチームサイエンスでは分散した資源の統合がポイント ・ここで起きていたのは研究や議論というよりも，一定範囲でのコンセンサス の形成と署名 ・つまりマルチシグナトリー型オピニオン

これはビッグチームだったのだろうか？ ・たぶんちがう。ビッグチームサイエンスでは分散した資源の統合がポイント ・ここで起きていたのは研究や議論というよりも，一定範囲でのコンセンサス の形成と署名 ・つまりマルチシグナトリー型オピニオン ビッグチームを「人数」で定義することの困難

そして，コロナが来た

当初ラボの皆が私も含め うろたえて超高速で 色々してました

当初ラボの皆が私も含め うろたえて超高速で 色々してました そこで，コロナ関係の 活動記録を取ってました

COVIDiSTRESS

COVIDiSTRESS ・約40の国と地域から200名程度が参加

COVIDiSTRESS ・約40の国と地域から200名程度が参加

COVIDiSTRESS ・約40の国と地域から200名程度が参加 ・コロナ禍特化型の自発的草の根プロジェクト

COVIDiSTRESS

COVIDiSTRESS アンドレアスのFB書き込みに 対し1日で100人以上が反応

COVIDiSTRESS アンドレアスのFB書き込みに 対し1日で100人以上が反応

COVIDiSTRESS アンドレアスのFB書き込みに 対し1日で100人以上が反応 →メールベースで基礎作り

COVIDiSTRESS アンドレアスのFB書き込みに 対し1日で100人以上が反応 →メールベースで基礎作り →Slackベースで研究進行

COVIDiSTRESS アンドレアスのFB書き込みに 対し1日で100人以上が反応 →メールベースで基礎作り →Slackベースで研究進行 →その中で山田はデータペー パーの主導を担当

健康被害がでそうなレベルで大変でした(人生で一番無理した) www.nature.com/scientificdata COVIDiSTRESS Global Survey DATA DESCRIPTOR dataset on psychological and behavioural consequences of the COVID-19 outbreak OPEN Yuki Yamada 1 ✉, Dominik-Borna Ćepulić 2, Tao Coll-Martín3, Stéphane Debove4, Guillaume Gautreau 5, Hyemin Han 6, Jesper Rasmussen 7, Thao P. Tran 8, Giovanni A. Travaglino9, COVIDiSTRESS Global Survey Consortium* & Andreas Lieberoth7 ✉ This N = 173,426 social science dataset was collected through the collaborative COVIDiSTRESS Global Survey – an open science effort to improve understanding of the human experiences of the 2020 COVID-19 pandemic between 30th March and 30th May, 2020. The dataset allows a cross-cultural study of psychological and behavioural responses to the Coronavirus pandemic and associated government measures like cancellation of public functions and stay at home orders implemented in many countries. The dataset contains demographic background variables as well as measures of Asian Disease Problem, perceived stress (PSS-10), availability of social provisions (SPS-10), trust in various authorities, trust in governmental measures to contain the virus (OECD trust), personality traits (BFF-15), information behaviours, agreement with the level of government intervention, and compliance with preventive measures, along with a rich pool of exploratory variables and written experiences. A global consortium from 39 countries and regions worked together to build and translate a survey with variables of shared interests, and recruited participants in 47 languages and dialects. Raw plus cleaned data and dynamic visualizations are available. Background & Summary In 2020, a new coronavirus pandemic spread across countries worldwide. This resulted not only in a global health crisis, but also in severe economic and socio-psychological consequences. To control the spread of the coronavirus, governments imposed a range of measures, including the closure of schools, workplaces, shopping areas and public amenities, forced isolation, virus-testing, and limits to civil liberties. Inevitably, these changes generated a variety of psychological responses in individuals, which in turn shaped the level of compliance with preventive measures. In fact, extant research on the factors that shape willingness to comply with public health efforts aimed at preventing or slowing the spread of epidemics has highlighted the importance of psychological and social factors1,2—for instance shared trust in state or health authorities3,4—in driving compliance with guidelines and restrictions. The implications of these complex factors to compliance with preventive measures imposed by different governments must be analysed in detail after the crisis. Indeed, the psychological and societal effects are likely to be more pronounced, more widespread, and longer-lasting than the purely somatic effects of the infection5. To contribute to the understanding of the intersection between pandemic-related physical and behavioural issues, the present document describes a large-scale dataset collected through the collaborative COVIDiSTRESS global survey. The COVIDiSTRESS data collection efforts ran from 30th March to 30th May, 2020 by collaborators from 39 countries and regions with survey forms available in 47 languages and dialects. In total, 173,426 participants were recruited from 179 countries on six continents. fi Yamada, Y. et al. (2021). COVIDiSTRESS Global Survey dataset on psychological and behavioural consequences of the COVID-19 outbreak. Scienti c Data, 8(1), 3.

• https://doi.org/10.1038/s41597-020-00784-9

健康被害がでそうなレベルで大変でした(人生で一番無理した) www.nature.com/scientificdata COVIDiSTRESS Global Survey DATA DESCRIPTOR dataset on psychological and behavioural consequences of the COVID-19 outbreak OPEN Yuki Yamada 1 ✉, Dominik-Borna Ćepulić 2, Tao Coll-Martín3, Stéphane Debove4, Guillaume Gautreau 5, Hyemin Han 6, Jesper Rasmussen 7, Thao P. Tran 8, Giovanni A. Travaglino9, COVIDiSTRESS Global Survey Consortium* & Andreas Lieberoth7 ✉ This N = 173,426 social science dataset was collected through the collaborative COVIDiSTRESS Global Survey – an open science effort to improve understanding of the human experiences of the 2020 COVID-19 pandemic between 30th March and 30th May, 2020. The dataset allows a cross-cultural study of psychological and behavioural responses to the Coronavirus pandemic and associated government measures like cancellation of public functions and stay at home orders implemented in many countries. The dataset contains demographic background variables as well as measures of Asian Disease Problem, perceived stress (PSS-10), availability of social provisions (SPS-10), trust in various authorities, trust in governmental measures to contain the virus (OECD trust), personality traits (BFF-15), information behaviours, agreement with the level of government intervention, and compliance with preventive measures, along with a rich pool of exploratory variables and written experiences. A global consortium from 39 countries and regions worked together to build and translate a survey with variables of shared interests, and recruited participants in 47 languages and dialects. Raw plus cleaned data and dynamic visualizations are available. 当時ストレスまみれだった私が ゲーム内で暮らしてた部屋 Background & Summary In 2020, a new coronavirus pandemic spread across countries worldwide. This resulted not only in a global health crisis, but also in severe economic and socio-psychological consequences. To control the spread of the coronavirus, governments imposed a range of measures, including the closure of schools, workplaces, shopping areas and public amenities, forced isolation, virus-testing, and limits to civil liberties. Inevitably, these changes generated a variety of psychological responses in individuals, which in turn shaped the level of compliance with preventive measures. In fact, extant research on the factors that shape willingness to comply with public health efforts aimed at preventing or slowing the spread of epidemics has highlighted the importance of psychological and social factors1,2—for instance shared trust in state or health authorities3,4—in driving compliance with guidelines and restrictions. The implications of these complex factors to compliance with preventive measures imposed by different governments must be analysed in detail after the crisis. Indeed, the psychological and societal effects are likely to be more pronounced, more widespread, and longer-lasting than the purely somatic effects of the infection5. To contribute to the understanding of the intersection between pandemic-related physical and behavioural issues, the present document describes a large-scale dataset collected through the collaborative COVIDiSTRESS global survey. The COVIDiSTRESS data collection efforts ran from 30th March to 30th May, 2020 by collaborators from 39 countries and regions with survey forms available in 47 languages and dialects. In total, 173,426 participants were recruited from 179 countries on six continents. fi Yamada, Y. et al. (2021). COVIDiSTRESS Global Survey dataset on psychological and behavioural consequences of the COVID-19 outbreak. Scienti c Data, 8(1), 3.

• https://doi.org/10.1038/s41597-020-00784-9

健康被害がでそうなレベルで大変でした(人生で一番無理した) www.nature.com/scientificdata COVIDiSTRESS Global Survey DATA DESCRIPTOR dataset on psychological and behavioural consequences of the COVID-19 outbreak OPEN Yuki Yamada 1 ✉, Dominik-Borna Ćepulić 2, Tao Coll-Martín3, Stéphane Debove4, Guillaume Gautreau 5, Hyemin Han 6, Jesper Rasmussen 7, Thao P. Tran 8, Giovanni A. Travaglino9, COVIDiSTRESS Global Survey Consortium* & Andreas Lieberoth7 ✉ This N = 173,426 social science dataset was collected through the collaborative COVIDiSTRESS Global Survey – an open science effort to improve understanding of the human experiences of the 2020 COVID-19 pandemic between 30th March and 30th May, 2020. The dataset allows a cross-cultural study of psychological and behavioural responses to the Coronavirus pandemic and associated government measures like cancellation of public functions and stay at home orders implemented in many countries. The dataset contains demographic background variables as well as measures of Asian Disease Problem, perceived stress (PSS-10), availability of social provisions (SPS-10), trust in various authorities, trust in governmental measures to contain the virus (OECD trust), personality traits (BFF-15), information behaviours, agreement with the level of government intervention, and compliance with preventive measures, along with a rich pool of exploratory variables and written experiences. A global consortium from 39 countries and regions worked together to build and translate a survey with variables of shared interests, and recruited participants in 47 languages and dialects. Raw plus cleaned data and dynamic visualizations are available. 著者129人 当時ストレスまみれだった私が ゲーム内で暮らしてた部屋 Background & Summary In 2020, a new coronavirus pandemic spread across countries worldwide. This resulted not only in a global health crisis, but also in severe economic and socio-psychological consequences. To control the spread of the coronavirus, governments imposed a range of measures, including the closure of schools, workplaces, shopping areas and public amenities, forced isolation, virus-testing, and limits to civil liberties. Inevitably, these changes generated a variety of psychological responses in individuals, which in turn shaped the level of compliance with preventive measures. In fact, extant research on the factors that shape willingness to comply with public health efforts aimed at preventing or slowing the spread of epidemics has highlighted the importance of psychological and social factors1,2—for instance shared trust in state or health authorities3,4—in driving compliance with guidelines and restrictions. The implications of these complex factors to compliance with preventive measures imposed by different governments must be analysed in detail after the crisis. Indeed, the psychological and societal effects are likely to be more pronounced, more widespread, and longer-lasting than the purely somatic effects of the infection5. To contribute to the understanding of the intersection between pandemic-related physical and behavioural issues, the present document describes a large-scale dataset collected through the collaborative COVIDiSTRESS global survey. The COVIDiSTRESS data collection efforts ran from 30th March to 30th May, 2020 by collaborators from 39 countries and regions with survey forms available in 47 languages and dialects. In total, 173,426 participants were recruited from 179 countries on six continents. fi Yamada, Y. et al. (2021). COVIDiSTRESS Global Survey dataset on psychological and behavioural consequences of the COVID-19 outbreak. Scienti c Data, 8(1), 3.

• https://doi.org/10.1038/s41597-020-00784-9

健康被害がでそうなレベルで大変でした(人生で一番無理した) www.nature.com/scientificdata COVIDiSTRESS Global Survey DATA DESCRIPTOR dataset on psychological and behavioural consequences of the COVID-19 outbreak OPEN Yuki Yamada 1 ✉, Dominik-Borna Ćepulić 2, Tao Coll-Martín3, Stéphane Debove4, Guillaume Gautreau 5, Hyemin Han 6, Jesper Rasmussen 7, Thao P. Tran 8, Giovanni A. Travaglino9, COVIDiSTRESS Global Survey Consortium* & Andreas Lieberoth7 ✉ This N = 173,426 social science dataset was collected through the collaborative COVIDiSTRESS Global Survey – an open science effort to improve understanding of the human experiences of the 2020 COVID-19 pandemic between 30th March and 30th May, 2020. The dataset allows a cross-cultural study of psychological and behavioural responses to the Coronavirus pandemic and associated government measures like cancellation of public functions and stay at home orders implemented in many countries. The dataset contains demographic background variables as well as measures of Asian Disease Problem, perceived stress (PSS-10), availability of social provisions (SPS-10), trust in various authorities, trust in governmental measures to contain the virus (OECD trust), personality traits (BFF-15), information behaviours, agreement with the level of government intervention, and compliance with preventive measures, along with a rich pool of exploratory variables and written experiences. A global consortium from 39 countries and regions worked together to build and translate a survey with variables of shared interests, and recruited participants in 47 languages and dialects. Raw plus cleaned data and dynamic visualizations are available. 著者129人 山田初のリード 当時ストレスまみれだった私が ゲーム内で暮らしてた部屋 Background & Summary In 2020, a new coronavirus pandemic spread across countries worldwide. This resulted not only in a global health crisis, but also in severe economic and socio-psychological consequences. To control the spread of the coronavirus, governments imposed a range of measures, including the closure of schools, workplaces, shopping areas and public amenities, forced isolation, virus-testing, and limits to civil liberties. Inevitably, these changes generated a variety of psychological responses in individuals, which in turn shaped the level of compliance with preventive measures. In fact, extant research on the factors that shape willingness to comply with public health efforts aimed at preventing or slowing the spread of epidemics has highlighted the importance of psychological and social factors1,2—for instance shared trust in state or health authorities3,4—in driving compliance with guidelines and restrictions. The implications of these complex factors to compliance with preventive measures imposed by different governments must be analysed in detail after the crisis. Indeed, the psychological and societal effects are likely to be more pronounced, more widespread, and longer-lasting than the purely somatic effects of the infection5. To contribute to the understanding of the intersection between pandemic-related physical and behavioural issues, the present document describes a large-scale dataset collected through the collaborative COVIDiSTRESS global survey. The COVIDiSTRESS data collection efforts ran from 30th March to 30th May, 2020 by collaborators from 39 countries and regions with survey forms available in 47 languages and dialects. In total, 173,426 participants were recruited from 179 countries on six continents. fi Yamada, Y. et al. (2021). COVIDiSTRESS Global Survey dataset on psychological and behavioural consequences of the COVID-19 outbreak. Scienti c Data, 8(1), 3.

• https://doi.org/10.1038/s41597-020-00784-9

健康被害がでそうなレベルで大変でした(人生で一番無理した) www.nature.com/scientificdata COVIDiSTRESS Global Survey DATA DESCRIPTOR dataset on psychological and behavioural consequences of the COVID-19 outbreak OPEN Yuki Yamada 1 ✉, Dominik-Borna Ćepulić 2, Tao Coll-Martín3, Stéphane Debove4, Guillaume Gautreau 5, Hyemin Han 6, Jesper Rasmussen 7, Thao P. Tran 8, Giovanni A. Travaglino9, COVIDiSTRESS Global Survey Consortium* & Andreas Lieberoth7 ✉ This N = 173,426 social science dataset was collected through the collaborative COVIDiSTRESS Global Survey – an open science effort to improve understanding of the human experiences of the 2020 COVID-19 pandemic between 30th March and 30th May, 2020. The dataset allows a cross-cultural study of psychological and behavioural responses to the Coronavirus pandemic and associated government measures like cancellation of public functions and stay at home orders implemented in many countries. The dataset contains demographic background variables as well as measures of Asian Disease Problem, perceived stress (PSS-10), availability of social provisions (SPS-10), trust in various authorities, trust in governmental measures to contain the virus (OECD trust), personality traits (BFF-15), information behaviours, agreement with the level of government intervention, and compliance with preventive measures, along with a rich pool of exploratory variables and written experiences. A global consortium from 39 countries and regions worked together to build and translate a survey with variables of shared interests, and recruited participants in 47 languages and dialects. Raw plus cleaned data and dynamic visualizations are available. 著者129人 山田初のリード 当時ストレスまみれだった私が ゲーム内で暮らしてた部屋 山田初の100人超え Background & Summary In 2020, a new coronavirus pandemic spread across countries worldwide. This resulted not only in a global health crisis, but also in severe economic and socio-psychological consequences. To control the spread of the coronavirus, governments imposed a range of measures, including the closure of schools, workplaces, shopping areas and public amenities, forced isolation, virus-testing, and limits to civil liberties. Inevitably, these changes generated a variety of psychological responses in individuals, which in turn shaped the level of compliance with preventive measures. In fact, extant research on the factors that shape willingness to comply with public health efforts aimed at preventing or slowing the spread of epidemics has highlighted the importance of psychological and social factors1,2—for instance shared trust in state or health authorities3,4—in driving compliance with guidelines and restrictions. The implications of these complex factors to compliance with preventive measures imposed by different governments must be analysed in detail after the crisis. Indeed, the psychological and societal effects are likely to be more pronounced, more widespread, and longer-lasting than the purely somatic effects of the infection5. To contribute to the understanding of the intersection between pandemic-related physical and behavioural issues, the present document describes a large-scale dataset collected through the collaborative COVIDiSTRESS global survey. The COVIDiSTRESS data collection efforts ran from 30th March to 30th May, 2020 by collaborators from 39 countries and regions with survey forms available in 47 languages and dialects. In total, 173,426 participants were recruited from 179 countries on six continents. fi Yamada, Y. et al. (2021). COVIDiSTRESS Global Survey dataset on psychological and behavioural consequences of the COVID-19 outbreak. Scienti c Data, 8(1), 3.

• https://doi.org/10.1038/s41597-020-00784-9

健康被害がでそうなレベルで大変でした(人生で一番無理した) www.nature.com/scientificdata COVIDiSTRESS Global Survey DATA DESCRIPTOR dataset on psychological and behavioural consequences of the COVID-19 outbreak OPEN Yuki Yamada 1 ✉, Dominik-Borna Ćepulić 2, Tao Coll-Martín3, Stéphane Debove4, Guillaume Gautreau 5, Hyemin Han 6, Jesper Rasmussen 7, Thao P. Tran 8, Giovanni A. Travaglino9, COVIDiSTRESS Global Survey Consortium* & Andreas Lieberoth7 ✉ This N = 173,426 social science dataset was collected through the collaborative COVIDiSTRESS Global Survey – an open science effort to improve understanding of the human experiences of the 2020 COVID-19 pandemic between 30th March and 30th May, 2020. The dataset allows a cross-cultural study of psychological and behavioural responses to the Coronavirus pandemic and associated government measures like cancellation of public functions and stay at home orders implemented in many countries. The dataset contains demographic background variables as well as measures of Asian Disease Problem, perceived stress (PSS-10), availability of social provisions (SPS-10), trust in various authorities, trust in governmental measures to contain the virus (OECD trust), personality traits (BFF-15), information behaviours, agreement with the level of government intervention, and compliance with preventive measures, along with a rich pool of exploratory variables and written experiences. A global consortium from 39 countries and regions worked together to build and translate a survey with variables of shared interests, and recruited participants in 47 languages and dialects. Raw plus cleaned data and dynamic visualizations are available. 著者129人 山田初のリード 当時ストレスまみれだった私が ゲーム内で暮らしてた部屋 山田初の100人超え Background & Summary In 2020, a new coronavirus pandemic spread across countries worldwide. This resulted not only in a global health crisis, but also in severe economic and socio-psychological consequences. To control the spread of the coronavirus, governments imposed a range of measures, including the closure of schools, workplaces, shopping areas and public amenities, forced isolation, virus-testing, and limits to civil liberties. Inevitably, these changes generated a variety of psychological responses in individuals, which in turn shaped the level of compliance with preventive measures. In fact, extant research on the factors that shape willingness to comply with public health efforts aimed at preventing or slowing the spread of epidemics has highlighted the importance of psychological and social factors1,2—for instance shared trust in state or health authorities3,4—in driving compliance with guidelines and restrictions. The implications of these complex factors to compliance with preventive measures imposed by different governments must be analysed in detail after the crisis. Indeed, the psychological and societal effects are likely to be more pronounced, more widespread, and longer-lasting than the purely somatic effects of the infection5. To contribute to the understanding of the intersection between pandemic-related physical and behavioural issues, the present document describes a large-scale dataset collected through the collaborative COVIDiSTRESS global survey. The COVIDiSTRESS data collection efforts ran from 30th March to 30th May, 2020 by collaborators from 39 countries and regions with survey forms available in 47 languages and dialects. In total, 173,426 participants were recruited from 179 countries on six continents. 山田初のコンソーシアムオーサーシップ fi Yamada, Y. et al. (2021). COVIDiSTRESS Global Survey dataset on psychological and behavioural consequences of the COVID-19 outbreak. Scienti c Data, 8(1), 3.

• https://doi.org/10.1038/s41597-020-00784-9

名指しで仕事を振らないと何一つ進まない でも誰が何ができるか全くわからない 全成員の挙動を常に見て，交流も取る必要

研究者間に時差がありすぎて，作業依頼に気づくのが12時間後とか 普通にあり，全体の作業が進まない

研究者間に時差がありすぎて，作業依頼に気づくのが12時間後とか 普通にあり，全体の作業が進まない ↑最初に全員の作業時間帯をシェアし，同じタスクチーム内では時間 帯をあえてずらして組織するといいかもしれない

COVIDiSTRESS

COVIDiSTRESS ・研究が24時間稼働していた

COVIDiSTRESS ・研究が24時間稼働していた ・プロジェクト管理，翻訳，データ収集，クリーニング，バリデー ション，データアプリ開発，論文書き，金集め，各国メディアを 使った宣伝，などなどが同時並行で，自然にできた専門チームで行 われていた

COVIDiSTRESS ・研究が24時間稼働していた ・プロジェクト管理，翻訳，データ収集，クリーニング，バリデー ション，データアプリ開発，論文書き，金集め，各国メディアを 使った宣伝，などなどが同時並行で，自然にできた専門チームで行 われていた ・Zoomしながらコードや本文を書き，進捗は全てOSFに登録し， プレレジし，プレプリントを出し，オープンアクセス出版。オープン サイエンスの極致

COVIDiSTRESS ・研究が24時間稼働していた ・プロジェクト管理，翻訳，データ収集，クリーニング，バリデー ション，データアプリ開発，論文書き，金集め，各国メディアを 使った宣伝，などなどが同時並行で，自然にできた専門チームで行 われていた ・Zoomしながらコードや本文を書き，進捗は全てOSFに登録し， プレレジし，プレプリントを出し，オープンアクセス出版。オープン サイエンスの極致 ・人見知りでもここまではいけた

同様のSlack/E-mailベースのプロジェクト乱立 Van Bavel, J. J. et al. (2022). National identity predicts public health support during a global pandemic. Nature Communications, 13(1), 517. Parsons, S. et al. (2022). A community-sourced glossary of open scholarship terms. Nature Human Behaviour, 6, 312-318. Coles, N. A. et al. (2022). A multi-lab test of the facial feedback hypothesis by The Many Smiles Collaboration. Nature Human Behaviour, 6(12), 1731–1742.

同様のSlack/E-mailベースのプロジェクト乱立 Van Bavelのやつ Van Bavel, J. J. et al. (2022). National identity predicts public health support during a global pandemic. Nature Communications, 13(1), 517. Parsons, S. et al. (2022). A community-sourced glossary of open scholarship terms. Nature Human Behaviour, 6, 312-318. Coles, N. A. et al. (2022). A multi-lab test of the facial feedback hypothesis by The Many Smiles Collaboration. Nature Human Behaviour, 6(12), 1731–1742.

同様のSlack/E-mailベースのプロジェクト乱立 Van Bavelのやつ FORRT Van Bavel, J. J. et al. (2022). National identity predicts public health support during a global pandemic. Nature Communications, 13(1), 517. Parsons, S. et al. (2022). A community-sourced glossary of open scholarship terms. Nature Human Behaviour, 6, 312-318. Coles, N. A. et al. (2022). A multi-lab test of the facial feedback hypothesis by The Many Smiles Collaboration. Nature Human Behaviour, 6(12), 1731–1742.

同様のSlack/E-mailベースのプロジェクト乱立 Van Bavelのやつ FORRT ManySmiles Van Bavel, J. J. et al. (2022). National identity predicts public health support during a global pandemic. Nature Communications, 13(1), 517. Parsons, S. et al. (2022). A community-sourced glossary of open scholarship terms. Nature Human Behaviour, 6, 312-318. Coles, N. A. et al. (2022). A multi-lab test of the facial feedback hypothesis by The Many Smiles Collaboration. Nature Human Behaviour, 6(12), 1731–1742.

同様のSlack/E-mailベースのプロジェクト乱立 Van Bavelのやつ FORRT ManySmiles チームA 統計 プレイヤープール (Slack/E-mail) リード チーム プレイヤー チームB データ収集 チームC 翻訳 山田 Van Bavel, J. J. et al. (2022). National identity predicts public health support during a global pandemic. Nature Communications, 13(1), 517. Parsons, S. et al. (2022). A community-sourced glossary of open scholarship terms. Nature Human Behaviour, 6, 312-318. Coles, N. A. et al. (2022). A multi-lab test of the facial feedback hypothesis by The Many Smiles Collaboration. Nature Human Behaviour, 6(12), 1731–1742.

同様のSlack/E-mailベースのプロジェクト乱立 Van Bavelのやつ FORRT タスクごとにチーム化する フラッシュチーム方式 で稼働 リード チーム プレイヤー ManySmiles チームA 統計 プレイヤープール (Slack/E-mail) チームB データ収集 チームC 翻訳 山田 Van Bavel, J. J. et al. (2022). National identity predicts public health support during a global pandemic. Nature Communications, 13(1), 517. Parsons, S. et al. (2022). A community-sourced glossary of open scholarship terms. Nature Human Behaviour, 6, 312-318. Coles, N. A. et al. (2022). A multi-lab test of the facial feedback hypothesis by The Many Smiles Collaboration. Nature Human Behaviour, 6(12), 1731–1742.

もう一つのやり方

もう一つのやり方 ハブ・アンド・スポーク方式 リードチームがサブチーム (主に国) と直接やり取り。サブチーム同士は基本 的に無交流。同じ課題をマルチカントリーで行うタイプの研究だとほぼこれ。 サブチーム内の統治を任せられる。比較的チーム数の調整をしやすい。 国A 国B 国C 国D リード チーム 国E 国F 国G 国H

もう一つのやり方 ハブ・アンド・スポーク方式 リードチームがサブチーム (主に国) と直接やり取り。サブチーム同士は基本 的に無交流。同じ課題をマルチカントリーで行うタイプの研究だとほぼこれ。 サブチーム内の統治を任せられる。比較的チーム数の調整をしやすい。 国A 国B 国C 国D リード チーム 国E 国F 国G 国H ・サブチーム内の人事や分担は チームリーダーが決める

もう一つのやり方 ハブ・アンド・スポーク方式 リードチームがサブチーム (主に国) と直接やり取り。サブチーム同士は基本 的に無交流。同じ課題をマルチカントリーで行うタイプの研究だとほぼこれ。 サブチーム内の統治を任せられる。比較的チーム数の調整をしやすい。 国A 国B 国C 国D リード チーム 国E 国F 国G 国H ・サブチーム内の人事や分担は チームリーダーが決める ・チームリーダー等の貢献に応 じたTier型オーサーシップ

もう一つのやり方 ハブ・アンド・スポーク方式 リードチームがサブチーム (主に国) と直接やり取り。サブチーム同士は基本 的に無交流。同じ課題をマルチカントリーで行うタイプの研究だとほぼこれ。 サブチーム内の統治を任せられる。比較的チーム数の調整をしやすい。 国A 国B 国C 国D 国F リード チーム 国E 国G ・サブチーム内の人事や分担は チームリーダーが決める ・チームリーダー等の貢献に応 じたTier型オーサーシップ 国H Kai Ruggeri とのやつ系 Ruggeri, K. et al.(2022). The globalizability of temporal discounting. Nature Human Behaviour, 6, 1386–1397.

さらに思い切ったやり方

さらに思い切ったやり方 研究者クラウドソーシング リードチームが不特定多数の研究者を集める。タスクがシンプルであるほどや りやすい。荒らしやスパイ(ライバル研究者への秘密漏洩)も現れる(現れた)。 でも構造は最もシンプル。

さらに思い切ったやり方 研究者クラウドソーシング リードチームが不特定多数の研究者を集める。タスクがシンプルであるほどや りやすい。荒らしやスパイ(ライバル研究者への秘密漏洩)も現れる(現れた)。 でも構造は最もシンプル。 ワーカーさん リード チーム 山田

さらに思い切ったやり方 研究者クラウドソーシング リードチームが不特定多数の研究者を集める。タスクがシンプルであるほどや りやすい。荒らしやスパイ(ライバル研究者への秘密漏洩)も現れる(現れた)。 でも構造は最もシンプル。 ワーカーさん リード チーム 山田 Many analysts系 Breznau, N. et al. (2022). Observing many researchers using the same data and hypothesis reveals a hidden universe of uncertainty. PNAS, 119(44), e2203150119.

さらに思い切ったやり方 研究者クラウドソーシング リードチームが不特定多数の研究者を集める。タスクがシンプルであるほどや りやすい。荒らしやスパイ(ライバル研究者への秘密漏洩)も現れる(現れた)。 でも構造は最もシンプル。 ワーカーさん リード チーム 山田 Many analysts系 学会にこういう機能とかイベントがあったらきっと面白そうかもしれない多分おそらく Breznau, N. et al. (2022). Observing many researchers using the same data and hypothesis reveals a hidden universe of uncertainty. PNAS, 119(44), e2203150119.

学会じゃないけどうまくいってる例 Psychological Science Accelerator

学会じゃないけどうまくいってる例 Psychological Science Accelerator ・80数カ国・4000人以上の有志でマルチラボ。日本は8名・・・ ・並行して10個くらいのプロジェクトが進められている。

学会じゃないけどうまくいってる例 Psychological Science Accelerator

学会じゃないけどうまくいってる例 Psychological Science Accelerator ・かっちりした組織でやっている （Director選挙を定期的に行う，倫理関係，資金関係，プロジェクト 管理関係など様々な委員会も存在している）

学会じゃないけどうまくいってる例 Psychological Science Accelerator ・かっちりした組織でやっている （Director選挙を定期的に行う，倫理関係，資金関係，プロジェクト 管理関係など様々な委員会も存在している） ・見つけるのも登録するのも簡単

学会じゃないけどうまくいってる例 Psychological Science Accelerator ・かっちりした組織でやっている （Director選挙を定期的に行う，倫理関係，資金関係，プロジェクト 管理関係など様々な委員会も存在している） ・見つけるのも登録するのも簡単 ・進捗管理も抜群（各PJの定例報告，個人のアカウント管理）

学会じゃないけどうまくいってる例 Psychological Science Accelerator ・かっちりした組織でやっている （Director選挙を定期的に行う，倫理関係，資金関係，プロジェクト 管理関係など様々な委員会も存在している） ・見つけるのも登録するのも簡単 ・進捗管理も抜群（各PJの定例報告，個人のアカウント管理） 形式としては，これまでのいろんな タイプをPSAが管理・支援する PSA リード チーム

ビッグチームがワークしたら Wuchty, S. et al. (2007). The increasing dominance of teams in production of knowledge. Science, 316(5827), 1036–1039. Wu, L. et al. (2019). Large teams develop and small teams disrupt science and technology. Nature, 566(7744), 378–382. Lin, Y. et al. (2025). Team size and its negative impact on the disruption index. Journal of Informetrics, 19(3), 101678.

ビッグチームがワークしたら 昨今のこれ系のお話のおさらい Wuchty, S. et al. (2007). The increasing dominance of teams in production of knowledge. Science, 316(5827), 1036–1039. Wu, L. et al. (2019). Large teams develop and small teams disrupt science and technology. Nature, 566(7744), 378–382. Lin, Y. et al. (2025). Team size and its negative impact on the disruption index. Journal of Informetrics, 19(3), 101678.

ビッグチームがワークしたら 昨今のこれ系のお話のおさらい ・チームサイズが大きくなると被引用アップ (Wuchty et al., 2007) Wuchty, S. et al. (2007). The increasing dominance of teams in production of knowledge. Science, 316(5827), 1036–1039. Wu, L. et al. (2019). Large teams develop and small teams disrupt science and technology. Nature, 566(7744), 378–382. Lin, Y. et al. (2025). Team size and its negative impact on the disruption index. Journal of Informetrics, 19(3), 101678.

ビッグチームがワークしたら 昨今のこれ系のお話のおさらい ・チームサイズが大きくなると被引用アップ (Wuchty et al., 2007) ・小チームは破壊的，大チーム (少なくとも <100) は発展的 (Wu et al., 2019) Wuchty, S. et al. (2007). The increasing dominance of teams in production of knowledge. Science, 316(5827), 1036–1039. Wu, L. et al. (2019). Large teams develop and small teams disrupt science and technology. Nature, 566(7744), 378–382. Lin, Y. et al. (2025). Team size and its negative impact on the disruption index. Journal of Informetrics, 19(3), 101678.

ビッグチームがワークしたら 昨今のこれ系のお話のおさらい ・チームサイズが大きくなると被引用アップ (Wuchty et al., 2007) ・小チームは破壊的，大チーム (少なくとも <100) は発展的 (Wu et al., 2019) ・小チームの破壊性効果は10年オーダーじゃないと見えない (Lin et al., 2025 →Sleeping Beauty Wuchty, S. et al. (2007). The increasing dominance of teams in production of knowledge. Science, 316(5827), 1036–1039. Wu, L. et al. (2019). Large teams develop and small teams disrupt science and technology. Nature, 566(7744), 378–382. Lin, Y. et al. (2025). Team size and its negative impact on the disruption index. Journal of Informetrics, 19(3), 101678.

ビッグチームがワークしたら 昨今のこれ系のお話のおさらい ・チームサイズが大きくなると被引用アップ (Wuchty et al., 2007) ・小チームは破壊的，大チーム (少なくとも <100) は発展的 (Wu et al., 2019) ・小チームの破壊性効果は10年オーダーじゃないと見えない (Lin et al., 2025 →Sleeping Beauty 破壊性 (%ile) 被引用数中央値 小チームは長期的にひっくり返す発見， 大チームは被引用数に即時性あり。 チームサイズ Wuchty, S. et al. (2007). The increasing dominance of teams in production of knowledge. Science, 316(5827), 1036–1039. Wu, L. et al. (2019). Large teams develop and small teams disrupt science and technology. Nature, 566(7744), 378–382. Lin, Y. et al. (2025). Team size and its negative impact on the disruption index. Journal of Informetrics, 19(3), 101678.

ビッグチームがワークしたら 昨今のこれ系のお話のおさらい ・チームサイズが大きくなると被引用アップ (Wuchty et al., 2007) ・小チームは破壊的，大チーム (少なくとも <100) は発展的 (Wu et al., 2019) ・小チームの破壊性効果は10年オーダーじゃないと見えない (Lin et al., 2025 →Sleeping Beauty 破壊性 (%ile) 被引用数中央値 チームサイズ 小チームは長期的にひっくり返す発見， 大チームは被引用数に即時性あり。 じゃあ，200とか500とかのリアル ビッグチームは？ → まだ10年経ってないものばかりなので いつか研究がほしい Wuchty, S. et al. (2007). The increasing dominance of teams in production of knowledge. Science, 316(5827), 1036–1039. Wu, L. et al. (2019). Large teams develop and small teams disrupt science and technology. Nature, 566(7744), 378–382. Lin, Y. et al. (2025). Team size and its negative impact on the disruption index. Journal of Informetrics, 19(3), 101678.

ビッグチームがワークしたら タレント過剰効果 Swaab, R. I. et al. (2014). The too-much-talent effect: Team interdependence determines when more talent is too much or not enough. Psychological Science, 25(8), 1581–1591.

ビッグチームがワークしたら タレント過剰効果 ・タレントばっかし集めすぎるとチームパフォーマンス下がる (Swaab et al., 2014) Swaab, R. I. et al. (2014). The too-much-talent effect: Team interdependence determines when more talent is too much or not enough. Psychological Science, 25(8), 1581–1591.

ビッグチームがワークしたら タレント過剰効果 ・タレントばっかし集めすぎるとチームパフォーマンス下がる (Swaab et al., 2014) ※ただしスポーツの話。しかも野球ならタレント集めでOK！ Swaab, R. I. et al. (2014). The too-much-talent effect: Team interdependence determines when more talent is too much or not enough. Psychological Science, 25(8), 1581–1591.

ビッグチームがワークしたら タレント過剰効果 ・タレントばっかし集めすぎるとチームパフォーマンス下がる (Swaab et al., 2014) ※ただしスポーツの話。しかも野球ならタレント集めでOK！ ← これだと弱いという話 https://www.youtube.com/watch?v=VZMhWfBNu50 Swaab, R. I. et al. (2014). The too-much-talent effect: Team interdependence determines when more talent is too much or not enough. Psychological Science, 25(8), 1581–1591.

• https://www.youtube.com/watch?v=VZMhWfBNu50

ビッグチームがワークしたら タレント過剰効果 ・タレントばっかし集めすぎるとチームパフォーマンス下がる (Swaab et al., 2014) ※ただしスポーツの話。しかも野球ならタレント集めでOK！ ← これだと弱いという話 https://www.youtube.com/watch?v=VZMhWfBNu50 ・Swaabたちは相互依存性で説明していた。それなら研究にも使えるし， 本当に相互依存性だけが理由か？という疑問もわく Swaab, R. I. et al. (2014). The too-much-talent effect: Team interdependence determines when more talent is too much or not enough. Psychological Science, 25(8), 1581–1591.

• https://www.youtube.com/watch?v=VZMhWfBNu50

ビッグチームがワークしたら 多様性効果 fi AlShebli, B. K. et al. (2018). The preeminence of ethnic diversity in scienti c collaboration. Nature Communications, 9(1), 5163.

ビッグチームがワークしたら 多様性効果 ・共同研究で人種，ジェンダー，年齢，ディシプリンの多様性が低いほど 研究のインパクトが下がる (AlShebli et al., 2018) fi AlShebli, B. K. et al. (2018). The preeminence of ethnic diversity in scienti c collaboration. Nature Communications, 9(1), 5163.

ビッグチームがワークしたら 多様性効果 ・共同研究で人種，ジェンダー，年齢，ディシプリンの多様性が低いほど 研究のインパクトが下がる (AlShebli et al., 2018) fi AlShebli, B. K. et al. (2018). The preeminence of ethnic diversity in scienti c collaboration. Nature Communications, 9(1), 5163.

ビッグチームがワークしたら 多様性効果 ・共同研究で人種，ジェンダー，年齢，ディシプリンの多様性が低いほど 研究のインパクトが下がる (AlShebli et al., 2018) ・タレント過剰状態も，ある単一指標での「タレント」を詰め込む点では 多様性の低い状態だと考えられる。関係するかも？ fi AlShebli, B. K. et al. (2018). The preeminence of ethnic diversity in scienti c collaboration. Nature Communications, 9(1), 5163.

ビッグチームがワークしたら つまりこう

ビッグチームがワークしたら つまりこう タレント増により多様性が下がり，あるピーク以降パフォが下がる。

ビッグチームがワークしたら つまりこう タレント増により多様性が下がり，あるピーク以降パフォが下がる。 タレント寄与 T∈[0,1] タレント率 (T)

ビッグチームがワークしたら つまりこう タレント増により多様性が下がり，あるピーク以降パフォが下がる。 タレント寄与 T∈[0,1] ＋ タレント率 (T)

ビッグチームがワークしたら つまりこう タレント増により多様性が下がり，あるピーク以降パフォが下がる。 ＋ タレント率 (T) 多様性寄与 タレント寄与 T∈[0,1] タレント率 (T)

ビッグチームがワークしたら つまりこう タレント増により多様性が下がり，あるピーク以降パフォが下がる。 ＋ タレント率 (T) 多様性寄与 タレント寄与 T∈[0,1] タレント率 (T)

ビッグチームがワークしたら つまりこう チームパフォーマンス タレント増により多様性が下がり，あるピーク以降パフォが下がる。 ＋ タレント率 (T) 多様性寄与 タレント寄与 T∈[0,1] タレント率 (T) タレント率 (T)

ビッグチームがワークしたら つまりこう チームパフォーマンス タレント増により多様性が下がり，あるピーク以降パフォが下がる。 ＋ タレント率 (T) 多様性寄与 タレント寄与 T∈[0,1] タレント率 (T) タレント率 (T) ・従来の研究シンジケート等ではタレント集めてもメリットはないかもしれない

ビッグチームがワークしたら つまりこう チームパフォーマンス タレント増により多様性が下がり，あるピーク以降パフォが下がる。 ＋ タレント率 (T) 多様性寄与 タレント寄与 T∈[0,1] タレント率 (T) タレント率 (T) ・従来の研究シンジケート等ではタレント集めてもメリットはないかもしれない ・N>200のビッグチームでも基本的には同様だろうが，フラッシュチームなどの タスクの単純化・専門化や作業手順書による標準化で速度とインパクトはでやす い。そもそもタレントが200人も集まらないので自然と多様性は上がる。

まとめ

まとめ ・ビッグチームは，楽しいし，インパクトの出方も良い。

まとめ ・ビッグチームは，楽しいし，インパクトの出方も良い。 ・ただ，破壊的なことをじっくり考えるならやっぱり少人数でマニアッ クにやろう。

まとめ ・ビッグチームは，楽しいし，インパクトの出方も良い。 ・ただ，破壊的なことをじっくり考えるならやっぱり少人数でマニアッ クにやろう。 今後１：ビッグチームがワークできるための方法や知見がもっと洗練さ れてほしい

まとめ ・ビッグチームは，楽しいし，インパクトの出方も良い。 ・ただ，破壊的なことをじっくり考えるならやっぱり少人数でマニアッ クにやろう。 今後１：ビッグチームがワークできるための方法や知見がもっと洗練さ れてほしい

まとめ ・ビッグチームは，楽しいし，インパクトの出方も良い。 ・ただ，破壊的なことをじっくり考えるならやっぱり少人数でマニアッ クにやろう。 今後１：ビッグチームがワークできるための方法や知見がもっと洗練さ れてほしい

まとめ ・ビッグチームは，楽しいし，インパクトの出方も良い。 ・ただ，破壊的なことをじっくり考えるならやっぱり少人数でマニアッ クにやろう。 今後１：ビッグチームがワークできるための方法や知見がもっと洗練さ れてほしい 今後２：ビッグチームでマルチバースなデータ取りをすると，高一般性， 高スループットでかつ破壊的なことができるかも

まとめ ・ビッグチームは，楽しいし，インパクトの出方も良い。 ・ただ，破壊的なことをじっくり考えるならやっぱり少人数でマニアッ クにやろう。 今後１：ビッグチームがワークできるための方法や知見がもっと洗練さ れてほしい 今後２：ビッグチームでマルチバースなデータ取りをすると，高一般性， 高スループットでかつ破壊的なことができるかも 基盤Sとかに分担者200人で出してみましょうか？ (5年2億で通ったら1人20万円/年)