  |
はてなキーワード: 博士とは
BBCラジオインタビュー：キャス博士に訊く、キャス・レビューついて。
https://www.jegma.jp/entry/CassReview-BBC
女性司会者：英国の18歳未満を対象としたジェンダー・アイデンティティ・医療サービスに関する報告書（レビュー）によると、医学的介入に関する調査不足と著しく弱いエビデンスに失望させられているといいます。小児科医ヒラリー・キャスの報告書は、こうも語っています。専門家たちは、彼女がジェンダーに関する議論の有毒性と呼ぶもののために、自分たちの意見をオープンに議論することを恐れてきた、と。
男性インタビュアー：待ちに待った、子どものジェンダー医療に関するキャスの報告書の結論は、医学界に響き渡るシンプルで手厳しい一文を含んでいます。ほとんどの若者にとって、医学的な治療法はジェンダーに関連した苦痛に対処する最良の方法ではないと、ヒラリー・キャス博士は述べているのです。
インタビュアー：思春期ブロッカーが安全に使用できるという証拠はありますか？
キャス博士：いいえ、今のところ、使用しても絶対に安全だという十分な証拠はありません。
思春期ブロッカーは、思春期が早すぎるという全く別の症状の子供や、ある種の癌を患う大人にも使われています。しかし、これは思春期を抑制するという新しい使用法です。ブロッカーが脳の発達に長期的にどのような影響を与えるかは分かっていません、というのも思春期には脳の発達が急速に進むからです。
また、ブロッカーがジェンダーや性心理の発達の軌跡を変えてしまうかどうかも分かっていないのです。
インタビュアー：医学の世界では、未知のものが一つの分野で大量に使用されるというのは標準的なことなのでしょうか？
キャス博士：研究チームは臨床試験から始めましたが、臨床試験結果が出る前に日常的な処方に移行し、さらに幅広い若年層に処方するようになった時点で、エビデンスから逸脱しました。
https://anond.hatelabo.jp/20230303222812
作者の名前は、当時の大学の同級生が村上春樹の話題をしていたので知った、というところである。
当時自分はほとんど読書をしなかったので、その名前と後年目にした有名なネットミームとしてのコピペだけを知っていた。
最近徐々に読書をするようになって、そういえばとその名前を思い出して読んでみたというのがきっかけである。
最初に読んだ作品は『世界の終りとハードボイルド・ワンダーランド』次に「ノルウェイの森」だった。
自分は割とミーハーな方なので、奇をてらうことはせず、ネット上で名作とされているっぽい作品と大ヒットした作品を読んでみたというわけである。
すごく不思議な話だったという感想である。前半で語られていた世界観や設定が、物語後半ではほぼ伏線として働いていないと思った。
ただ、自分の読み方が浅いかもしれないという点はある。一方ですごく読みやすくフェティッシュな描写や何気ない心理描写が単純に面白かった。
特に、主人公の住んでいる部屋の細かい描写、物語終盤で主人公がレストランで食事をするシーン、女性のために簡単な料理をする描写はどれもシンプルで色彩豊かに感じられた。
物語前半から中盤くらいにかけてはとにかく暗くじめじめした陰湿な描写が続いていて、まさに後半の描写との対比で描かれており、カタルシスを得られるような構成になっていると思った。
主要キャラである博士の娘は、あまりにも都合の良すぎるキャラではないかと思った。
ある意味こちらの方が世界の終り〜よりも辛く陰湿な話であり、ただ時折差し込まれる季節感豊かな風景描写が美しいと思った。
色んな人物が出てくるのだが、そのどれもから刹那的な儚さめいたものやある種の危うさのようなものを感じさせた。特に伏線を張ったり回収したりするような構成でないのもそう思わせる要素なのだろうか。
主人公が贔屓目に見てもクズなのに謎なほど女性にモテており頻繁に性行為に及ぶので、この作品こそが下品なコピペで描写されている元ネタなのかなと思った。
もし大学生の頃にこの作品を読んでいたら色々な意味で影響を受けたかもしれないが、今となっては色々と枯れ果てているので、まあこんなものかな、といった感じだった。若いうちの激烈さを伴う読書体験の貴重さというのは、こういった点にあるのかもしれない。
これはおそらく3つの中で最も簡単な方法だ。現在のChatGPTは、基本的に、テキストを入力できる孤立した箱の中に座っている人間のようなものだ。初期のアンホブリング改良では、個々の孤立したツールの使い方をモデルに教えていましたが、マルチモーダルモデルでは、近いうちにこれを一挙にできるようになると期待しています。
つまり、Zoomでの通話に参加したり、オンラインで調べ物をしたり、メッセージや電子メールを送ったり、共有されたドキュメントを読んだり、アプリや開発ツールを使ったりといったことだ。(もちろん、より長いホライゾン・ループでモデルがこれを最大限に活用するためには、テスト時間のコンピューティングをアンロックする必要がある。)
最終的には、ドロップイン・リモートワーカーのようなものができると期待している。エージェントは、あなたの会社に入社し、新しい人間の雇用のようにオンボードされ、Slackであなたや同僚にメッセージを送り、あなたのソフトウェアを使用し、プルリクエストを行い、大きなプロジェクトがあれば、人間が独立してプロジェクトを完了するために数週間留守にするのと同等のことができる。これを実現するためには、GPT-4よりもいくらか優れたベースモデルが必要だろうが、おそらくそれほどでもないだろう。
https://situational-awareness.ai/wp-content/uploads/2024/06/devin.gif
Devinは、完全に自動化されたソフトウェア・エンジニアを作るために、モデル上の「エージェンシー・オーバーハング」／「テストタイム・コンピューティング・オーバハング」を解除する初期のプロトタイプだ。Devinが実際にどの程度機能するかはわからないし、このデモは、適切なチャットボット→エージェントのアンホブリングがもたらすものに比べれば、まだ非常に限定的なものだが、近々登場するもののティーザーとしては役に立つだろう。
ところで、私は、アンホブリングの中心性が、商業的応用という点で、少々興味深い「ソニックブーム」効果につながると期待している。現在とドロップイン・リモートワーカーの中間モデルは、ワークフローを変更し、統合して経済的価値を引き出すためのインフラを構築するために、膨大な手間を必要とする。ドロップイン・リモートワーカーは、統合が劇的に簡単になる。つまり、リモートでできるすべての仕事を自動化するために、ドロップインするだけでいいのだ。つまり、ドロップイン・リモートワーカーが多くの仕事を自動化できるようになる頃には、中間モデルはまだ完全に活用され統合されていないため、生み出される経済価値のジャンプはやや不連続になる可能性がある。
https://situational-awareness.ai/wp-content/uploads/2024/06/overview_ooms_gpt2togpt4.png
https://situational-awareness.ai/wp-content/uploads/2024/06/overview_ooms_2023to2027.png
数字をまとめると、GPT-4に続く4年間で、2027年末までにGPT-2からGPT-4規模のジャンプが再び起こると（おおよそ）予想される。
GPT-4のトレーニングに3ヶ月かかったとしよう。2027年には、一流のAIラボはGPT-4レベルのモデルを1分で訓練できるようになるだろう。OOMの効果的なコンピュート・スケールアップは劇的なものになるだろう。
それは我々をどこへ連れて行くのだろうか？
https://situational-awareness.ai/wp-content/uploads/2024/06/overview_counting_the_ooms.png
GPT-2からGPT-4までで、私たちは～未就学児から～賢い高校生になった。とんでもないジャンプだ。もしこれが、私たちが今一度カバーする知能の差だとしたら、それは私たちをどこに連れて行くのだろうか？私たちは、それが私たちをとてもとても遠くに連れていっても驚かないはずだ。おそらく、ある分野の博士や最高の専門家を凌駕するようなモデルまで到達するだろう。
(このことを考える1つの良い方法は、現在のAIの進歩の傾向は、子供の成長のおよそ3倍のペースで進んでいるということだ。あなたの3倍速の子どもは高校を卒業したばかりだが、いつの間にかあなたの仕事を奪っていくだろう！)
続き I.GPT-4からAGIへ：OOMを数える(10) https://anond.hatelabo.jp/20240605211837
コンピュートへの大規模な投資が注目される一方で、アルゴリズムの進歩も同様に重要な進歩の原動力であると思われる（そして、これまで劇的に過小評価されてきた）。
アルゴリズムの進歩がどれほど大きな意味を持つかを理解するために、MATHベンチマーク（高校生の競技用数学）において、わずか2年間で～50%の精度を達成するために必要な価格が下がったことを示す次の図を考えてみてください。(比較のために、数学が特に好きではないコンピュータサイエンスの博士課程の学生が40%のスコアを出したので、これはすでにかなり良いことです)。推論効率は2年足らずで3OOMs-1,000倍近く向上した。
https://situational-awareness.ai/wp-content/uploads/2024/06/math_inference_cost-1024x819.png
これは推論効率だけの数字だが（公開データから推論するのが難しいトレーニング効率の向上と一致するかどうかはわからない）、アルゴリズムの進歩は非常に大きく、また実際に起こっている。
この記事では、アルゴリズムの進歩を2種類に分けて説明します。まず、「パラダイム内」でのアルゴリズムの改良を取り上げることにしま す。例えば、より優れたアルゴリズムによって、同じパフォーマンスを達成しながら、トレーニングの計算量を10倍減らすことができるかもしれません。その結果、有効計算量は10倍（1OOM）になります。(後ほど「アンホブリング」を取り上げますが、これはベースモデルの能力を解き放つ「パラダイム拡張/アプリケーション拡張」的なアルゴリズムの進歩と考えることができます)。
一歩下がって長期的な傾向を見ると、私たちはかなり一貫した割合で新しいアルゴリズムの改良を発見しているようです。しかし、長期的なトレンドラインは予測可能であり、グラフ上の直線である。トレンドラインを信じよう。
アルゴリズム研究がほとんど公開されており、10年前にさかのぼるデータがある）ImageNetでは、2012年から2021年までの9年間で、計算効率が一貫して約0.5OOM/年向上しています。
アルゴリズムの進歩を測定することができます。同じ性能のモデルを訓練するために必要な計算量は、2012年と比較して2021年にはどれくらい少なくなっているのでしょうか？その結果、アルゴリズムの効率は年間0.5 OOMs/年程度向上していることがわかります。出典Erdil and Besiroglu 2022.
これは非常に大きなことです。つまり、4年後には、～100倍少ない計算量で同じ性能を達成できるということです（同時に、同じ計算量ではるかに高い性能も達成できます！）。
残念ながら、研究室はこれに関する内部データを公表していないため、過去4年間のフロンティアLLMのアルゴリズムの進歩を測定することは難しい。EpochAIは、言語モデリングに関するImageNetの結果を再現した新しい研究を行っており、2012年から2023年までのLLMのアルゴリズム効率のトレンドは、同様に～0.5OOM/年であると推定しています。(しかし、これはエラーバーが広く、また、主要なラボがアルゴリズム効率の公表を停止しているため、最近の上昇を捕捉していません）。
https://situational-awareness.ai/wp-content/uploads/2024/06/llm_efficiency_epoch-1-1024x711.png
Epoch AIによる言語モデリングにおけるアルゴリズム効率の推定。この試算によると、私たちは8年間で～4OOMの効率向上を達成したことになります。
より直接的に過去4年間を見ると、GPT-2からGPT-3は基本的に単純なスケールアップでした（論文によると）が、GPT-3以降、公に知られ、公に干渉可能な多くの利益がありました：
最近リリースされたGemini 1.5 Flashは、"GPT-3.75レベル "とGPT-4レベルの間の性能を提供する一方で、オリジナルのGPT-4よりも85倍/57倍（入力/出力）安い（驚異的な利益！）。
公開されている情報を総合すると、GPT-2からGPT-4へのジャンプには、1-2 OOMのアルゴリズム効率向上が含まれていたことになります。
https://situational-awareness.ai/wp-content/uploads/2024/06/stacked_compute_algos-1024x866.png
GPT-4に続く4年間はこの傾向が続くと予想され、2027年までに平均0.5OOMs/年の計算効率、つまりGPT-4と比較して～2OOMsの向上が見込まれます。計算効率の向上は、低空飛行の果実を摘み取るようになるにつれて難しくなる一方、新たなアルゴリズムの改良を見出すためのAIラボの資金と人材への投資は急速に増加しています。 (少なくとも、公開されている推論コストの効率化は、まったく減速していないようだ)。ハイエンドでは、より根本的な、トランスフォーマーのようなブレークスルーが起こり、さらに大きな利益が得られる可能性さえある。
これらをまとめると、2027年末までには（GPT-4と比較して）1～3OOMのアルゴリズム効率向上が期待できることになります。
続き I.GPT-4からAGIへ：OOMを数える(6) https://anond.hatelabo.jp/20240605205754
過去10年間のディープラーニングの進歩のペースは、まさに驚異的だった。ほんの10年前、ディープラーニング・システムが単純な画像を識別することは革命的だった。今日、我々は斬新でこれまで以上に難しいテストを考え出そうとし続けているが、新しいベンチマークはどれもすぐにクラックされてしまう。以前は広く使われているベンチマークをクラックするのに数十年かかっていたが、今ではほんの数カ月に感じられる。
https://situational-awareness.ai/wp-content/uploads/2024/06/owid-test-scores-1024x723.png
ディープラーニング・システムは、多くの領域で急速に人間レベルに達し、あるいはそれを超えつつある。グラフィック データで見る我々の世界
私たちは文字通りベンチマークを使い果たしている。 逸話として、友人のダンとコリンが数年前、2020年にMMLUというベンチマークを作った。彼らは、高校生や大学生が受ける最も難しい試験に匹敵するような、時の試練に耐えるベンチマークを最終的に作りたいと考えていた。GPT-4やGeminiのようなモデルで〜90％だ。
より広く言えば、GPT-4は標準的な高校や大学の適性試験をほとんど解いている。(GPT-3.5からGPT-4までの1年間でさえ、人間の成績の中央値を大きく下回るところから、人間の成績の上位に入るところまで、しばしば到達した)
https://situational-awareness.ai/wp-content/uploads/2024/06/gpt4_exams-780x1024.png
GPT-4の標準テストのスコア。また、GPT-3.5からGPT-4への移行で、これらのテストにおける人間のパーセンタイルが大きく跳ね上がり、しばしば人間の中央値よりかなり下から人間の最上位まで到達していることにも注目してほしい。(これはGPT-3.5であり、GPT-4の1年も前にリリースされたかなり新しいモデルである。)
https://situational-awareness.ai/wp-content/uploads/2024/06/math2022-1024x273.png
灰色：2021年8月に行われた、MATHベンチマーク（高校数学コンテストの難解な数学問題）の2022年6月のパフォーマンスに関する専門家の予測。赤い星：2022年6月までの実際の最先端のパフォーマンス。ML研究者の中央値はさらに悲観的だった。
MATHベンチマーク（高校の数学コンテストで出題された難しい数学の問題集）を考えてみよう。このベンチマークが2021年に発表されたとき、最高のモデルは問題の5％しか正解できなかった。そして元の論文にはこう記されている：「さらに、このままスケーリングの傾向が続けば、単純に予算とモデルのパラメータ数を増やすだけでは、強力な数学的推論を達成することは現実的ではないことがわかった。数学的な問題解決をより牽引するためには、より広範な研究コミュニティによる新たなアルゴリズムの進歩が必要になるだろう」、つまり、MATHを解くためには根本的な新しいブレークスルーが必要だ、そう彼らは考えたのだ。ML研究者の調査では、今後数年間の進歩はごくわずかだと予測されていた。しかし、わずか1年以内（2022年半ばまで）に、最高のモデルの精度は5％から50％に向上した。
毎年毎年、懐疑論者たちは「ディープラーニングではXはできない」と主張し、すぐにその間違いが証明されてきた。過去10年間のAIから学んだ教訓があるとすれば、ディープラーニングに賭けてはいけないということだ。
現在、最も難しい未解決のベンチマークは、博士号レベルの生物学、化学、物理学の問題を集めたGPQAのようなテストである。問題の多くは私にはちんぷんかんぷんで、他の科学分野の博士でさえ、Googleで30分以上かけてやっとランダムな偶然を上回るスコアを出している。クロード3オーパスは現在60％程度であり、それに対してインドメインの博士たちは80％程度である。
https://situational-awareness.ai/wp-content/uploads/2024/06/gpqa_examples-768x1120.png
続き I.GPT-4からAGIへ：OOMを数える (4) https://anond.hatelabo.jp/20240605205024
んーしかし、二つのシナリオが同時進行することでとっちらかって、人間ドラマの量が増える。
因縁があるような恐竜も出ず、先々でイベントのようなアクションシーンにいろんな恐竜が添えられる。流石にCGはよくバイクや車とのチェイスシーンは好きでしたよ。その前の人の飛び降りとか視界外の移動に超反応で別ルートから追走するのは嫌い。
合流したらご丁寧に全員の正面が映る画を作り、ノルマのように順繰りに危機に陥るのは正しく失笑した。いい感じにオールスターでございと出来ている。
メイン目標も遺伝子操作されたイナゴを何とかしろというぼんやりとしたミッションとなっており、ここでも恐竜は添え物。メインディッシュではないのが悲しい。イナゴには恐竜のDNAの研究結果が反映されてる？だからなに？
OPを除けばゆったりと恐竜を眺めることもなく生態を利用するでもなく。危険装置として働いている。そういえばほぼ銃を持った敵が出なかったのでそういう一般的な敵の代替程度の扱いだろう。
恐竜的仕草・恐さについても鼻先だけ映して匂いを嗅いだりうなり声を出したりのオマージュが多用され辟易とする。お前らそれしかできんのかい。その場面に持っていくために視覚・聴覚・嗅覚がガバガバな恐竜が出来上がり2020年代にもなって行動が生き物らしくない恐竜を見せられる。見た目はリアルになる一方でこんな生き物にされて恐竜ファンは嬉しいのか？ケツァルコアトルスとかもノルマ的にいるだけ参戦だしよぉ。飛行機襲って破壊するとかぶっとんだ舞台装置だよ。
とにかく白人ばかりになってしまった主要メンバーたちを助ける善人はバランスを取るためにか黒人である。
密輸上等常習犯なのに女の子の受け渡しを見て良心が疼き母親のために危険も飛行機も投げ打って行動を共にする女性も黒人。一緒に密輸した恐竜の子供に思うところはないのか？コイツはなぜかそこそこ恐竜の知識がありながら恐竜への思いいれや因縁などはなにもない。人身売買に関与したのが初めてなの？加入までの流れは非常に人間至上主義的で、ご都合主義にしても「恐竜がいる世界」もなにもかも活かせていない真っ黒のクソの塊。
中国系科学者も良心の呵責に耐え切れず改心し主人公たちに協力する。
義務のように各場面によい黒人を帯同させてるのはうんざり。全体のバランスをとるにはコレぐらい必要かもしれないが、新味方キャラという視点では固まりすぎている。せめてこんな長期シリーズの決算でやるなよな。
じゃあ面白くなかったのか？と聞かれると、悔しいかなそこそこ面白かった。映像のよさは七難隠すし、なによりやはり人間のキャラクターがよい。昔のキャラもちゃんと活きていて懐かしさを覚えるし若々しいキャラも若いなりのアクション含めまた見れるのは嬉しい。
とかく同窓会としてよく出来ている。
その分なおさら強調されるのは恐竜映画としてどうなのよ？という点。ダメダメだよね。
大学院を卒業し、今の会社に就職して6年。気がつくと30歳になっていた。
この6年間で自分の部署に年下が入社することはなく (年上の中途採用はあった)、いわゆる万年ルーキーという状態になっている。
給料も労働環境もそこそこ良いし、気楽だと思っていたが、つい最近自分の年齢に自覚が出てきて、30歳なのに万年ルーキー状態で精神的にまったく成長できていないのではと焦り始めてきた。
正直新人気分がまだ抜けていない (コロナで入社2、3年目くらいからリモートワークになった影響もあるかも)。やばい (気がする)。どうしたらいいんだろう。
悪い職場ではないとし後輩入ってきてくれ～～～と思う気持ちもあるが、自分より6～8歳年下の新卒がいきなり入ってきてちゃんと相手できるだろうか不安でもある。
博士卒とか自分より2、3個年下に転職してきてもらうのがちょうどいいのかなあああ。
助けて～～～～～～～～～～～～～～～～～～
文系のことは知らんけど、自分のいた研究室は毎日来るのが当たり前の情報系だったので、そことは大いに違うな。
個人的感覚だと、研究室が課している出席のルールを満たしていてこれはちょっとあり得ない。
過去、卒論をそんな理由で失敗していた学生なら見たことはある。
一つ下の学年の自分から見てもヤバいと思うような発表内容で、回覧に出されていた卒論もほとんど何も書いてない感じのだった。
後で聞いた話だと、その発表をした学生はほとんど研究室に来ていなかったらしい。
...まあ、こういう状況で「これでは修士に値しない」はわかるけれど、それなりに研究室に来ているのにそれをもらうのははっきり言ってブラック研究室。
実際に見たことはないんだけれど、自分のいた学部にかつて卒論発表会で自分の学生にパワハラを始める人がいたらしくて、
その研究室に行くとヤバいってことが知られているところがあったな。
今でいうAIのような流行りもののテーマを扱っている研究室だったので、憧れだけで研究室を選んで地獄を見る場所だったらしい。
文系大学院の常識は知らんけど、自分の感覚だと修了率50%は相当ヤバいと思う。
この研究室で論文を書く場合って、指導教官はauthorに入りますか？
ゼミで指導をしたと言えば言えるのかもしれないけれど、文系の研究室はえらく気が長いんですね。
月1程度(1回1.5時間ほど)以外は研究について話すのNGなんですよね。
研究を進めるうえで研究室で特殊な機械を借りたり、先生の人脈を使ったりしてますか？
自分の感覚だと、その程度の相談時間で、研究室のリソースも使わないとなると、指導教官をauthorに入れていいのか怪しいレベルだと思うんだけど。
ちなみに、自分のいたところは毎日指導教官とテーマについて話してました。
論文を書くときは構想から相談して、添削もしてもらってました。
「増田君が言いたいことはこういうことでしょ」と先生が書き直したことも時々あったので、ぶっちぎりでauthor感があった。
これが1カ月に1回。ほんとに研究室の進捗がslowなんだな。
そして、シン・仮面ライダーのメイキング(NHK制作のドキュメンタリー見てくれ)よりもひどい世界だ。
早いフィードバックで何度も回すのが自分の周りだと普通なので。
もちろん、先生に毎回確認するのは気が引けるので博士などの人が先生に質問をするときに一緒に居たりして、一緒に先生の話を聞いて意図を組んで、その人と壁打ちをすることが大半だと思うけど。それでもって、その博士の人もauthorに含まれる。話しているうちに博士の人のアイディアが入ることもあるし。
は別に正直でいいと思うんだけれど、先生の知り合いでその分野に明るい人を紹介してもらって共同研究できないんだろうかとかは考える。
④ヒステリックになっていると言われる
「先生方は現状をどのようにお考えなのですか」の回答はそんなに問題があるとは思えない。
「お考えですか」だからね。
大学としてこの修了率は普通のことなのか、普通じゃないのか？みたいなところからだな。普通のことだったら、それ以上の会話はないよ。
普通じゃなかったら改善案についての話になるけれど、普通のことだったら改善などないからね。
正直、元増田のお気持ち表明以上の意味がある質問には見えない。
修了率が高い研究室に移れないかを考えてもいいとは思うけれど。
⑤計画性がないと言われる
ここまで読んでいて思うのは先生には学生を育てる動機づけがないってことかな。
先生の問題というよりも、大学やその業界の問題のような気がしてならない。
うちの分野だと自身の研究成果はさておき、育てた学生(特に博士)の数や研究も評価の対象になるので、下を育てることにそれなりの動機付けがある。
多分、指導能力がない(学生を育ててない)人はテニュアトラックに乗れないんじゃないかなと。
あと、先のところでも書いたけれど、もしかして、元増田の通っている大学院は別に修了しない学生が多くても構わないって思ってない？
自分のいたところはその分野の人材を育てるという意味合いもそれなりにあったのか、修了率はかなり高めだったと思う。中途で消えた人は見たことない。
でも、修了率50%でなんとも思わないというのは研究室どころか、その専攻科がそれを良しとしているとしか思えない。
え？先生って定形勤務なの？てっきり裁量労働なのかと思ってた。
働きたかったら何時間でも働いていいけれど、働きたくなかったら別に何もしないでもokみたいな。
ふんわり定時みたいなのがあったほうが自分も学生も働きやすいからそういうのをやっているだけかと思ってた。
でも、この書類もGW直後に見てもらうのだと間に合わなかったんだろうかとも思ったりする。
先生にだって休みの日を休みの日として過ごす時間は必要だと思うので。
家族サービス中にちらちらとメールチェックをするのはokですか？ngですか？
ちょっと研究室にいた時間と自宅にいた時間がかぶってて、なんかおかしいので時間帯はわからんけど、
理系だと追い込みの時期に研究室に住んでいるみたいな人は普通にいる。
ま、事実上研究室に住んでいるような人生を研究に捧げた先生なんかもいるらしいしね。
学位論文書いてた時は研究室から徒歩数分のソバ屋で年越しそば喰って、正月も研究室にいたけれど...
研究に費やす時間についてはこんなものだと思う。修了できなかったら死ぬみたいな気持ちでやってたのは事実で、文字通り命を削って学生してた。
親はモラトリアム楽しんで遊びに行っていると思っていたようで、恥ずかしいからと親戚の集まりに来ないように仕向けられてた。
労働基準法で守られているし、学位を取れなかったら死ぬみたいな謎な緊張感もないしね。
でも、指導教官の対応はなんかおかしいと思う。そもそも、学生を育てようとか卒業させようとかいう意思を全く感じない。
でも、それは個人の問題というよりもシステムの問題なのかもしれないとも思う。
もし、増田の分野が人を育てることを重視していないなら、それは業界の問題であって個人の問題ではないし、
そこは手厚い育成を求める人たちが行ってはいけない分野なんだと思う。
法テラス？
普通に考えると、この手のトラブルは弁護士に話す案件かなーと思った。他の人の状況や客観的な証言を集めたかったら探偵も使うのかもしれないけど。
あと博士ポジションがいたと思うんだが、そして警官のお姉さんの名前を思い出せない、、、
慶応義塾長の伊藤公平氏が「国立大の学費を年１５０万円に」と提言し、大学関係者に波紋を呼んでいる。この提言に対し、国立大学協会の『国立大学の授業料のあり方について』(平成5年)から、「国立大学の授業料は、本来、受益者である国が費用を負担すべきものである」という主張を引用し、同氏に批判的なツイートが流れてきた。
ttps://x.com/MaihaiStyle/status/1791449766070808602
ttps://x.com/gomaaaaaoil/status/1791269984351797652
ttps://x.com/kmoooooog/status/1780813111601373203
そもそも、「大学教育・研究には外部経済性がある」というならともかく、「その受益者が国である」とまで言い切ってしまっていいのかは疑問であるが（学問の自由とも矛盾しうるのでは？）、百歩譲ってその主張を認めた場合、国立大のみならず私大の授業料も受益者である国が負担すべきという話になるのではないかという疑問を感じた。しかし、そこは天下の国立大学協会、なぜ「私大の授業料も国が負担すべき」とはいわないのか、その理由をしっかり説明している。
P.3（※太字は引用者による。以下同。Claude AIでPDFのスクリーンショットをテキストデータに変換したので誤字あり）
国が直接責任を負っている高等教育の存在理由については、私立大学との対比で教育面と研究面の両面から見る必要がある。
教育面については、専門分野別の入学者数をみると、国立大学は自然科学系および教育系を中心に、一方私立大学は人文社会系が中心になっている。大学入学者を地域別にみると、私立大学は関東・近畿の大都市圏に入学者全体の64%を抱えているのに対し、国立大学はほぼ全国均等に入学者を受け入れている。地域別分布のみならず出身家庭の収入別からみても、国立大学は依然として教育の機会均等に寄与している。
研究面については、まず研究者養成にしめる役割について、ついで研究実績についても述べる。研究者養成を大学院への平成4年度入学状況でみると、国立大学の修士課程への入学者が私立に比して約2倍であり、博士課程では2.6倍に達している。大学院生の分野別分布をみると、人文社会系では国立の約2倍の学生が私立に入学しているが、施設・設備に経費のかかる理系では一部の私立大学を除けば、国立大学が主要な役割を果たしている。
この事実は研究実績に反映している。これまでに行われたいくつかの調査によると、理系分野では一部の私立大学を除くと、論文数のみならず、論文の総引用数でも国立大学は私立大学を凌駕している。ただしこの場合、国立大学には理系研究者の絶対数が多い点も勘案すべきであろう。
さらに国際的義務として推進が求められている先端的重要基礎研究の多くが、主として国立大学と大学共同利用機関で進められているという現状がある。
なるほど。要するに国立大学は一般に私大より優れているのだから、国立大学に「選択と集中」をせよ、ということですね。国立大学に見劣りするのだから、私大の授業料も国が負担すべき、とは主張しないのも納得。
30年前の国立大学の先生方は「選択と集中」がお好きだったんですね。
実に面白い( )。
