水産振興ONLINE
639号
2023年3月

コロナ禍が水産物中央卸売市場にもたらした影響の考察
～伝統的な社会調査と新たなデータサイエンスの視点から～

大石 太郎（東京海洋大学 学術研究院 海洋政策文化学部門 准教授）

5. おわりに

本稿では、伝統的なアンケート調査と新たなデータサイエンスに基づく研究の紹介を通して、コロナ禍の水産物中央卸売市場への影響について明らかになっていることを示し、対策や政策について論じた。それらの結果から、アンケート調査が現場の実態把握に必要な豊富なデータの提供に役立つ一方、二次データやビッグデータにAIを応用した分析では将来予測や経済ショックの定量的把握を高精度で行える可能性が広がっており、それらを併用することで水産物中央卸売市場の発展に向けた知見を増やせることが示唆された。

こうした新旧アプローチの棲み分けは、水産物の安定供給において重要な役割を担う中央卸売市場のさらなる発展に向けた今後の分析においても保持されると考えられる。例えば、コロナ禍や豊洲移転によって、どのような買出人が来場しなくなったのか、どうすればそうした買出人に戻ってきてもらえるのかといった今回紹介したアンケート調査では明らかにされなかった問題を今後明らかにしていくためには、コロナ禍や豊洲移転以前の買出人の行動を記録したログデータが残されていない限りは、過去に取引のあった仲卸業者への聞き取りをもとに追跡する社会調査が必要になるだろう。研究者が目的を持って行う伝統的な社会調査から得られる一次データは、他者による調査や自動蓄積されたデータからは得られないオリジナルデータとなりうる意味で今後も重要である。

他方、二次データやビッグデータ、AIを応用した分析は、今後も一層重要性を増していくと予想される。コンピュータの記憶容量が許す限りデータは増え続け、データが増えるほどAIが学習し高精度で予測できる余地が増すからである。本稿で示した結果についても、訓練期間や評価期間における予測精度が必ずしも十分とは言えないものの、データやモデルのさらなる改善によって対象魚種の拡大や精度の向上を図ることが可能である。単に量が多いだけでなく、魚種、産地、天然/養殖、旬の季節など多くの特徴変数を持ち、鮮度の観点からリアルタイムな情報伝達が重要視される水産物のデータは、AI分析を活用するうえで魅力的な研究対象であり続けるだろう。

伝統的な社会調査と新たなデータサイエンスは、将来の水産振興に向けた大きな可能性を秘めている。そのポテンシャルを引き出す一助となれるよう、筆者も精進したい。

付記

本稿は、東京海洋大学学長裁量経費、海洋研究手法のパラダイムシフトおよびJSPS科研費 (21H04738) の支援を受けて実施された研究内容の一部を含んでいます。

参考文献

  • 1. 阿高麦穂 (2020)「仲卸業者等への聞き取り内容」（未公表資料）．
  • 2 Baker, R. (2017) “Big Data: A Survey Research Perspective,” In Total Survey Error in Practice, edited by P. P. Biemer, E. de Leeuw, S. Eckman, B. Edwards, F. Kreuter, L. E. Lyberg, N. C. Tucker, B. T. West, 47-69.
  • 3. Beyer, M. A. and D. Laney (2012) “The Importance of ‘Big Data’: A Definition,” Gartner Report, G00235055. Stamford, CT: Gartner.
  • 4. Callegaro M. and Y. Yang (2018) “The role of surveys in the era of ‘Big Data’,” In Palgrave handbook of survey research, edited by D. L. Vannette and J. A. Krosnick, 175-192.
  • 5. 土橋酉紀・砂川富正・鈴木基 (2020)「日本と世界における新型コロナウイルス感染症の流行」『日本内科学会雑誌』109(11): 2270-2275.
  • 6. Gladju, J., B. S. Kamalam, A. Kanagaraj (2022) "Applications of data mining and machine learning framework in aquaculture and fisheries: A review," Smart Agricultural Technology, 2:1-15.
  • 7. Gray, E., W. Jennings, S. Farrall and C. Hay (2015) “Small Big Data: Using multiple data-sets to explore unfolding social and economic change,” Big Data and Society, 2 (1): 1-6.
  • 8. 木立真直 (2020)「コロナ禍による食品流通の変容と展望 —パラダイム・シフトの妥当性について—」『農業と経済』86(11): 60-68.
  • 9. 草刈仁 (2020)「新型コロナウイルス感染症が家計消費に及ぼす影響」『農業と経済』86(11): 85-93.
  • 10. 婁小波 (2022)「新型コロナウイルス感染症への水産物卸売市場の対応とその公共性 —東京都中央卸売市場豊洲市場を事例として—」『フードシステム研究』29(3): 95-108.
  • 11. 婁小波・中原尚知・大石太郎 (2021a)『豊洲市場における買出人の仕入れ実態調査報告書』一般財団法人東京水産振興会, 1-151.
  • 12. 婁小波・中原尚知・大石太郎 (2021b)『豊洲市場における仲卸業者へのアンケート調査報告書』一般財団法人東京水産振興会, 1-116.
  • 13. 大石太郎 (2022a)「小売型ビジネス有効（八田大輔・大石太郎[分担執筆]‟アンケートにみる豊洲市場の現在地：買出人アンケート③ 客足減、消極的仕入れに”）」『水産経済新聞』2022.6.24.
  • 14. 大石太郎 (2022b)「信頼関係強化の意義増す（八田大輔・大石太郎[分担執筆]‟アンケートにみる豊洲市場の現在地：仲卸業者アンケート③ 来店頻度減も関係に変化”）」『水産経済新聞』2022.8.4.
  • 15. 佐藤博樹・池田謙一・石田浩 (2000)『社会調査の公開データ —2次分析への招待—』、東京大学出版会.
  • 16. 田頭昂己・竹縄知之・杉野弘明・大石太郎 (2023)「水産物の市場価格の予測に向けた機械学習モデル構築の試み —大阪府中央卸売市場データに対する応用例—」『アグリバイオ』7(1): 52-56.
  • 17. 上田遥 (2021)「緊急事態下における中央卸売市場と公共性」『フードシステム研究』28(3): 160-171.
  • 18. 上田遥・新山陽子(2020)「中央卸売市場はいかに新型コロナ感染症に対応したか —地域に根差した社会インフラとしての使命—」『農業と経済』86(8): 106-116.
  • 19. 上田遥・新山陽子・大住あづさ (2021)「新型コロナ感染拡大下の外出自粛行動が及ぼすフードシステムへの影響とその対応 —京都を事例として—」『フードシステム研究』28(3): 111-127.
  • 20. Whitaker, S. D. (2018) “Big Data versus a survey,” The Quarterly Review of Economics and Finance, 67: 285-296.