いわゆる大人のアレで１巻しか出なかった作品の2巻を自分で作りました。 頑張ったのでなるべくたくさんの人に見てもらえれば…とまとめてみました。

Search, watch, and cook every single Tasty recipe and video ever - all in one place! News, Politics, Culture, Life, Entertainment, and more. Stories that matter to you.

Amazonで１位 (心理学) この記事は、 『人生は、運よりも実力よりも「勘違いさせる力」できまっている』という本 の最初の５章をWeb化したものです。挿絵イラストは(c) ヤギワタルさん 、キャラアイコンは しらたさん の作です。書籍版と若干異なる部分があります(書籍版はモノクロ)。書籍版の 正誤表はこちら 。 本で読む(Amazon) 本で読む(楽天) はじめに １９７４年、カナダで選挙があった。 その選挙を調査したところ、イケメンの政治家は、そうでない政治家の２.５倍もの票を獲得していた。(註1) イケメンたちの圧勝だったのだ。 そりゃそうだろ。 どんな世界だって、美人とイケメンに人気があるのは、当たり前だよ。 いや、ここで重要なのは、「イケメンに投票した理由」なんだ。 調査の対象となった投票者の73％は、「私が彼に投票したのは、彼がイケメンだからではない」と思っていたのだ。 「イ

【読売新聞】　「生涯未婚率」。国の重要課題である少子化問題を語る際に挙げられることが多いこの指数だが、この２０年ほどの間に、男女間で約１０ポイントもの大差がついている。なぜなのか……。結婚をめぐる男女“格差”のナゾを、ニッセイ基礎研

東京医科歯科大学は8月8日、東京医科大学の女子受験生減点問題を伝えるメディアの記事の一部で、誤って同大の写真が掲載されていたとし、「強い憤りを覚える」とのコメントを出した。厳重に抗議し、削除を要請したという。 英字ニュース「Japan Today」、英経済紙「Financial Times」、米誌「Newsweek」がそれぞれ、東京医科大学の女子学生減点問題を伝える記事で、東京医科歯科大学の写真を掲載していたという。 東京医科歯科大学は「ただちに誤用を指摘し、厳重に抗議のうえ削除要請したが、残念ながらまだ修正がなされていないメディアもあり、迅速な対応を望む」とコメント。「このような事態は、本学及び本学関係者の名誉を著しく傷つけるものであり、許されざることであると強い憤りを覚える。マスコミ各社は2度とこのような誤報がないことを強く要望する」と述べている。

何もかも皆懐かしい…… ※ある意味「続きを読む」の先が本番です。 ※この話題からスピンアウトしたハッシュタグまとめが出来ています。＞ゴッドマーズよりも原作に遠い選手権 - Togetter https://togetter.com/li/1254414 ※とだ勝之先生と杜野亜希先生のツイートを追加収録！こうの史代先生のお人柄が伺えるお話です。

制度設計は科学の領分。思い付きレベルの仕様追加はバグの温床。あと、大阪は（市はともかく、地域レベルでは）過去に度々教育行政で失敗してきたので、「またやらかすのかよ…」という不安が募る。 Education Government System Design Fairness Publicness Osaka

政令都市2年連続最下位の大阪市先日、大阪市の吉村洋文市長が、学力テストに具体的な数値目標を設定して、その目標達成度合いに応じて、教員のボーナス支給額や学校に配分する予算額を増減させる考えを表明した。 この数値目標は学校ごとに、前年比で正答率をX%上げるというものになるとも表明されている。 たしかに大阪市の学力テストの成績は2年連続で政令都市の中で最下位であり、市長が抜本的な改革が必要だと焦るのも理解できる。 また、国際学力調査を用いた研究によると、教員の給与を何らかの方法で教育成果と連動させることが、学力の向上に結び付くことも示されている。 しかし、改革は常に良い結果をもたらすわけではなく、そのやり方によっては改悪になることは過去数十年の日本の経験からも明らかであろう。 先に結論を言えば、残念ながら、大阪市が乗り出そうとしている抜本的な改革は間違っている。 給与連動型の人事評価のような外発

残念ながら、この世の中には優秀な医者とそうでない医者がいる。 では、その違いは何なのだろう？ まず始めに断っておくが、性別は関係ない。 男女問わず優秀な医師は優秀だ。 ちなみに出身大学ともあまり関係はないと思っている。東大や京大を出ようとアホな医師はアホであり、カネを積めば入れると言われている私立を出ても優秀な医師は優秀だ。 実は、医師が遭遇する多くの場面において両者にそう大きな違いはない。 診断・治療に対する各種ガイドライン等が（内容の是非はともかくとして）かなり整備されてきており、医療機器の進歩も相まって、大抵の場面においてどんな医者が診察・検査・治療を行っても結果に大きな違いが生じない状況がかなりできあがってきている。 ただ、残念ながらあくまで多くの場面においてであり、すべての場面で違いが出ないわけではない。 むしろ、多くの場面で違いが出ない分、違いが出る場面では如実に優秀さの違いが

データに基づく因果推論がどのように行われるのか、詳しく説明していきます。因果の定義、因果推論に必要な条件、RCTの意義などいろいろまとめていたら、例のごとくすごいボリュームになってしまいました。なお、本記事で使われる用語は、「疫学」の因果推論で使われているものが基本です。同じコンセプトでも分野によって呼び方が違うので、その点はご了承ください。 まずは「因果効果」の定義から データから因果効果を求めるための前提条件 前提①：(Mean) Exchangeability 定義 交絡との関係性 ランダム化という魔法 観察データでの因果推論を可能にするConditional Exchangeability 前提②：Consistency 前提③：Positivity 前提条件のもと、データから平均因果効果を導く Exchangeabilityが成立しているとき（例：ランダム化比較試験） Condi

「仏の女性活躍を支えるのは奴隷のように使われる移民ベビーシッター」説がまことしやかに言われますが(うんざり)、そういう例がゼロとは言い切れないものの(不在の証明が至難という意味で)、多数派ではありません。理由はスレッドに。