6  まとめ

ヒント書き方ガイド：まとめ

何を書くか： 研究全体の成果を振り返り、限界と今後の発展可能性を述べる章です。

書き方のコツ：

  • 研究成果の要約 は、研究目的に対応する形で箇条書きにします
  • 研究の限界 は弱点ではなく「改善の余地」として前向きに記述します
  • 今後の課題 は、次の研究テーマにつながるような具体的な方向性を示します
  • 謝辞には指導教員・データ提供者への感謝を忘れずに

Quartoの機能：

  • チェックリスト - [ ] で今後の課題を整理できます
  • > 引用文 でブロック引用（重要な結論の強調）ができます

6.1 研究成果の要約

本研究では、東京都内のシェアサイクル利用数を予測するモデルの構築を行い、以下の成果を得た。

  1. データの特性把握： シェアサイクルの利用数は気温・降雨・曜日・時間帯によって大きく変動することを確認した。特に気温との正の相関と、降雨時の利用数減少が顕著であった。

  2. 予測モデルの構築と比較： 線形回帰とLightGBMの2手法でモデルを構築し、LightGBMが全ての評価指標で優れた精度を示した。LightGBMのRMSEは線形回帰と比較して約30%の改善が得られた。

  3. 影響要因の特定： 変数重要度分析により、時間帯（hour）と気温（temperature）が利用数の予測に最も寄与する変数であることを明らかにした。

6.2 研究の限界

本研究には以下の限界がある。

  • 合成データの使用： 本テンプレートでは分析手法の実演を目的として合成データを使用している。実際の研究では、自治体やサービス事業者が公開する実データを用いる必要がある。
  • 空間的要因の未考慮： ステーションの立地（駅からの距離、オフィス街かどうか等）を変数に含めていない。
  • モデルの単純さ： ハイパーパラメータのチューニングを最小限に留めており、より高度な探索手法（ベイズ最適化等）で精度向上の余地がある。

6.3 今後の課題

6.4 謝辞

本研究を進めるにあたり、丁寧なご指導をいただいた竹田恒先生に深く感謝いたします。また、データサイエンスコースの同期の皆さんとの議論は、研究の方向性を考える上で大変参考になりました。