ゼミで発表した考えに、思いがけない指摘を受ける。興味のある仕事が、自分に合っているのか迷う。大学生活や進路選びで出会うそんな場面は、研究者の日々にも重なるところがあります。
ハーバード大学で集団の意思決定を研究する宮﨑将さんは、選挙区の分け方や人々の選択をデータで調べています。
何が公平なのかを議論するためにも、まず実際に何が起きているのかを確かめる。その際には、自分の思いと、分析から言えることを分けるよう意識しているといいます。
前編では、ラグビーのデータ分析をきっかけに、宮﨑さんが研究者の道へ進むまでを紹介しました。
後編では、研究者としての宮崎さんの日常に目を向けながら、大学生活や進路選びにも重なる問いを掘り下げます。
自分が本気で取り組んだことに指摘を受けたとき、どう受け止めればいいのか。やりたいことに苦手な勉強が必要だったら、どう向き合うのか。そして、自分に合う仕事だという実感は、どんな経験から生まれるのか。
苦手だった数学に取り組み、研究への適性に迷いながらも、休日にもついデータを触るほど研究に夢中になっていった宮﨑さん。
一般社団法人ユースキャリア教育機構 副代表理事の高瀬信軌と、研究員の井上寛人が、その経験と研究を続ける中で大切にしている考え方を聞きました。
動画版はこちら!▽
宮﨑将さん プロフィール

ハーバード大学公共政策学博士課程に在籍。
政治経済学の分野で、データ分析や数理モデリングを用い、集団の意思決定とその仕組みを研究している。
慶應義塾大学法学部政治学科を卒業後、スタンフォード大学での2年間のプレドクトラル・リサーチフェローとしての研究経験を経て、現在の博士課程へ。
社会をどう良くするか。その前に、何が起きているかを確かめる
高瀬: 政治の研究というと、世の中をどう良くしていくかを考えるイメージもあります。宮﨑さんは、どのような立場で研究しているのでしょうか。
宮﨑: 政治学には、いろいろな分け方がありますが、大きく見ると「どうあるべきか」を考えるものと、「何が起きているか」を分析するものがあります。どちらも政治学ですし、どちらか片方だけではいけません。
僕が研究しているのは後者の、実際に何が起きているかを確かめる「実証」の方です。なるべく自分の価値判断を持ち込まずに、現状を測定することをやっています。
何かを改善しようとしても、現状が分からなければ、何を変えればいいかも分からないですよね。測った結果を公開して、企業の人、市民、政治家などが、仕組みをどう変えるか考えるときに使えるようにする。それが、普段やっていることのイメージです。

高瀬: ご自身も社会の一員である中で、自分の考えが分析に入ることはないのでしょうか。
宮﨑: もちろん、僕たちも全員、政治の当事者です。だからこそ、当事者としての自分と、分析する自分を意識して分けることが大切だと思います。
例えば、お医者さんに診てもらうとき、患者に良くなってほしいという思いとは別に、検査結果は正しく分析してほしいですよね。「あなたは普段の行いがいいから、悪いはずがない」と言われたら、その先の治療につながらず、困ってしまいます。
政治を分析するときも、できるだけ自分の思いを入れずに記述しようと意識しています。完全な客観性は難しいですが、数式や統計を使うと、どんな前提で考えているのかを示すことができます。そこに、このアプローチの面白さがあります。
宮﨑さんは、社会全体の変化について聞かれたときも、自分の研究に基づいて言えることと、確かなことは言えない部分を分けて説明していました。
何を知っていて、どこから先は分からないのか。その境界を曖昧にせず伝える姿勢に、研究者としての誠実さを感じました。
何を調べ実践して、どこまで分かったのか。ビジネスピッチや大学のレポートでも、調べて分かったことと、まだ仮説の段階にあることを分けて伝えると、聞き手や読み手が内容を理解しやすくなります。
選挙区の分け方で、政党の有利・不利が変わる?
選挙区の境界をどこに引くかを決める「区割り」。宮﨑さんは、実際に採用された区割りを、ほかに可能な案と比較する研究にも取り組んでいます。
高瀬: 日本の選挙区割りの研究では、具体的に何を測っているのですか。
宮﨑: 選挙区は、どう分けるかによって結果が変わることがあります。
例えば、ある政党の支持者が多い地域を一つにまとめるのか、複数の選挙区へ分けるのか。同じ投票内容でも、区割りの仕方によって有利・不利が変わり得ます。
ただ、何が公平かを考えるときには、いろいろな基準があります。人口をそろえることなのか、形がまとまっていることなのか。そこには価値判断が関わります。
そうした議論のためにも、まず現状を測る必要があります。僕の研究では、採用された区割りが、ルール上あり得るほかの案の中で、どのような位置にあるのかを調べています。

高瀬: 比較する案は、どのようにつくるのでしょうか。
宮﨑: 法律や審議会が定めたルールに基づいて、コンピューターで区割りをシミュレーションします。可能な組み方はとても多いので、その中から案をサンプリングして比べます。
実際に選ばれた案は、とても珍しいものなのか、それとも、ほかの案と比べても一般的なものなのか。形がどれくらいまとまっているか、市区町村をどれくらい分割しているか、政党の支持者がどう分布しているかなどを測ります。
その結果を踏まえて、何を良いと考えるかは、政策を決める人や、主権者である市民が議論することです。
私たちは、みなさんが「何が公平なのだろう」と考えるための材料として、まず現状を分析しているとも言えます。
この研究をもっと知りたい方へ
宮﨑さんらは、2022年の衆議院小選挙区の区割り改定を対象に、実際に採用された区割りと、コンピューターで生成した多数の代替案を比較する研究を行っています。
法律や審議会が定めたルールに基づき、各都道府県について5,000通りの区割り案をシミュレーションし、実際の区割りが特定の政党にどの程度有利・不利に働いているかを分析しました。
その結果、全体として顕著な党派的偏りは確認されなかった一方、一部の選挙区では与党に有利な偏りが見られました。
以下の図は、実際に採用された区割りが、シミュレーションによる基準と比べて、各小選挙区においてどの程度与党に有利・不利に働いているかを示したものです。

参考図:2022年の衆議院小選挙区割り改定における党派的な偏り
出典:Miyazaki, Yamada & Imai(2025)、ALARM Project公開資料より転載。
【補足文:編集部】
・研究チームによる論文の解説を読む(英語)
・「1票の格差」の改善に向けた研究チームによる関連記事を読む(日本語)
自分の考えを、ほかの人が確かめられる形にする
高瀬: それでも、人間が分析する以上、偏りは入りそうです。どのように気をつけているのですか。

宮﨑: 研究では、論文を学術誌に投稿すると、ほかの研究者が内容を検討する「査読」という過程があります。
「この前提はおかしいのではないか」「このモデルはどうなのか」といった指摘を受けて、修正したり、反論したりしていきます。
大切なのは、誰が言ったかだけでなく、その分析そのものが正しいかを見てもらえることです。
「僕がこう思うから正しい」ではなく、「こういう前提で、こういう分析をしたら、この結果になった」と示す。
そうすることで、ほかの人も分析の進め方や結果を確かめられ、それをもとに建設的に議論することができます。
高瀬: 日常生活でも、意識していることはありますか。
宮﨑: 自分が見ているのは、一つの側面にすぎないと思うことです。
例えば、空き缶も、角度を変えると見える色が違います。

ある角度からでは、何の飲み物か分からないかもしれない。実際の物事には、音や温度のように、画面越しでは伝わらないものもありますよね。
自分だけでは理解しきれないことがあって、見えていない方が本質ということもある。自分の考えを持つことは大切ですが、それが必ず正解だとは限らないと、普段から意識しています。
空き缶の例は、自分とは異なる意見に出会ったときにも役に立ちそうです。
相手には、自分がまだ気づいていない側面が見えているのかもしれない。そんな好奇心を持って、相手がなぜそう考えるのかを聞いてみる。すると意見の違いも、自分の見方を広げる対話のきっかけになるのではないでしょうか。
考えを指摘されても、自分自身を否定されたわけではない
宮﨑: 研究者のいいところだと思うのは、自分の書いた論文が批判されることが前提になっている一方で、それが人格への批判ではない、という考え方があることです。
もちろん、自分の論文には愛着があります。でも、指摘されているのは書いたもので、自分自身を否定されているわけではない。そのように、自分の考えと自分自身を分けて捉えています。
一市民としての自分と、研究者としての自分も、区別して考えるようにしています。

一生懸命準備したビジネスアイデアや、提案したプロジェクトの企画に指摘を受けると、自分まで否定されたように感じることがあるかもしれません。時間をかけて考えたものほど、気持ちを切り離すのは難しいものです。
宮﨑さんは、指摘されている内容と、自分自身を分けて捉えるようにしていると話します。
その姿勢は、友人や後輩に意見を伝えるときにも参考になりそうです。どの部分を、なぜ見直すとよいのか。
それを具体的に伝えることで、相手も次に何を試すか考えやすくなるのではないでしょうか。
苦手な数学も、やりたいことにつながると学ぶ理由ができた
高瀬: ところで、子どもの頃から、勉強や数学が得意だったのでしょうか。
宮﨑: 理科や社会が好きで、本を読むのも好きでしたが、数学はかなり苦手な方でした。身の回りにある、具体的なものについて考える方が好きだったんです。
例えば、微積分だけを勉強していても分かりにくい。でも、物理の速度や加速度と結びつけると、ようやく理解できる。僕はそういうタイプでした。
勉強は、何か面白いことをするための、部活でいう基礎体力のようなものだと考えていました。
スポーツデータのアナリストになりたいと思ったときも、データを扱うには数学が必要だったので、苦労しながら勉強しました。

海外で自分の強みを生かすために、英語を学ぶ
高瀬:数学は、スポーツを分析したいという思いから学んでいたんですね!
英語については、海外に行くことを考えて、以前から勉強していたのでしょうか。
宮﨑: 高校に留学のプログラムがあって、行きたいと思い、中学生の頃から英語を勉強していました。でも、結局そのプログラムには受からなかったので、実際に一人で海外に住んだのは、大学を出てスタンフォードに行ってからだったんです。
英語は大事ですし、中学・高校の先生方に教えていただいたことが土台になっています。ただ、例えばアメリカで活躍する日本人の野球選手は、まず野球の能力があって選ばれていますよね。そこに英語が加わることで、さらに力を発揮しやすくなる。
僕の場合は、データ分析や研究という自分の強みを生かすための、一つのツールとして英語を捉えています。
海外で学んだり働いたりすることを考えると、英語力が気になる人もいるかもしれません。宮﨑さんの話からは、「英語がどれくらいできるか」に加えて、「英語を使って何をしたいか」という視点も見えてきます。
興味のある分野の情報を読んだり、海外で同じ関心を持つ人と話したり。自分の好きなことと結びつけると、英語を学ぶ目的も、少し具体的になるのではないでしょうか。
スポーツを分析するために、苦手な数学に取り組んだ経験にも、同じような姿勢がうかがえます。
「自分がやりたいことには、どんな知識や力が必要だろう」。そう考えてみることが、今の得意・不得意だけでは決められない、学びの選択肢を広げてくれるのかもしれません。
スタンフォードで、休日にもデータを触るようになった
高瀬: スタンフォードでは、どのような経験をしたのですか。
宮﨑:博士課程への進学に向けて研究経験を積む「プレドクトラル・リサーチフェロー」として、2年間を過ごしました。ほかの研究者のプロジェクトを手伝ったり、自分でも研究を進めたりしながら、研究に打ち込む修行期間でした。
研究に集中できて、いろいろなことを試せる環境でした。ただ、最初から自分に向いていると分かっていたわけではありません。「この分野は本当に自分に向いているのか」「スポーツの分析に取り組む方がいいのではないか」と考えることもありました。
でも、やればやるほど楽しくなっていったんです。週末に起きて、料理をして片づけて、「時間があるけど、何をしよう」と思ったら、気づけばデータを触っている。
そのくらい研究が楽しくなって、博士課程に進むことへの自信を持てました。
宮﨑さんは、研究者を目指した後も、実際に取り組む中で自分との相性を確かめていました。
インターンや学外の活動でも、経験する前には分からなかった面白さに出会うことがあるかもしれません。
「もう少しやってみたい」「気づいたら続けていた」。そんな自分の反応に目を向けることも、進路を考える手がかりになりそうです。

試してうまくいかなかったことも、次の研究につながる
井上: いろいろ試すことが好きだったというお話は、研究というお仕事にもつながっていそうですね。
宮﨑: そうかもしれません。研究は、探検のようなところがあります。
大きなテーマはあっても、その中でいろいろ試す。
うまくいかなかった結果も、論文や発表の形になって、ほかの人の研究に活かされることがあります。

試すことが推奨されていて、それが科学全体の知見につながっていく。
自分は、いろいろ試したい、検証してみたいという気持ちがあるので、その性格と合っているのかもしれません。
今、お話ししながら、そう思いました。
宮﨑さんの研究の日々は、疑問を持ち、自分で調べ、ほかの人の意見を聞きながら確かめることの積み重ねでした。
研究が自分に合う仕事だという実感も、そうした時間の中で少しずつ育っていきました。
進路を考えるときには、職業の名前に加えて、その人がどんな一日を過ごしているのかを聞いてみるのもよさそうです。何に悩み、どんな作業を面白いと感じるのか。その対話の中に、自分との共通点が見つかることもあります。
今回のインタビューも、あなたがまだ知らない仕事や生き方に出会う機会になったら幸いです。
自分の中に生まれた関心をきっかけに、関連する情報を調べたり、身近な人に話を聞いたり。その小さな行動が、自分に合う道を少しずつ見つけていく手がかりになるのかもしれません!
記事前半はこちら!▽
※本記事は、インタビューの内容をもとに、構成・表現を編集しています。
動画版はこちら!
参考文献
- Miyazaki, Sho, Kento Yamada, and Kosuke Imai(forthcoming). Estimating the Partisan Bias of Japanese Legislative Redistricting Plans Using a Simulation Algorithm. Political Science Research and Methods.
- Miyazaki, Sho, Kento Yamada, and Kosuke Imai(2024). Estimating the Partisan Bias of Japanese Legislative Redistricting Plans Using a Simulation Algorithm. ALARM Project. 2024年10月18日公開。
- 今井耕介・山田健人・八橋嶺・宮﨑将(2022). 「1票の格差」は最先端のアルゴリズムで改善できる. 日経ビジネス. 2022年9月28日公開。
宮﨑さんの研究についてさらに知りたい方は、宮﨑将さんの研究紹介ページをぜひご覧ください。
インタビューシリーズ!
これまでのユースキャリア「起業家インタビュー」 & 「キャリアインタビュー」もぜひご覧ください!
元Jリーガー 起業への挑戦
学生起業の失敗から、10年後の末路
「未練」「転機」研究者
19歳 フィリピン起業
ユースキャリア教育機構について
学生の方へ
自分自身のキャリアについて、改めて真剣に取り組んでいきたい方へ。
ユースキャリアの活動詳細や、無料説明会はこちら!
社会人の方へ
ユースキャリア教育機構の取り組みや、法人・自治体・学校関係者等の皆様との活動についてはこちら!









