最新記事

ネット

「ネット言論のダークサイド」を計算機で解析する ── データ分析による報道の技術とその再現性 ──

2016年5月10日（火）22時31分
大野圭一朗


解析の結果

　はたして、その結果はうんざりするものでした:


The 10 regular writers who got the most abuse were eight women (four white and four non-white) and two black men. Two of the women and one of the men were gay. And of the eight women in the "top 10", one was Muslim and one Jewish.

And the 10 regular writers who got the least abuse? All men.




定期的に記事を執筆している記者のうち、最も多くの嫌がらせを受けた10人の内訳は、8人が女性で2人が黒人男性だった。そのうち2人の女性と1人の男性はゲイだった。その「トップテン」の８人の女性うち、1人はムスリムで、1人はユダヤ人だった。

そして最も嫌がらせを受けた回数が少なかった10人は、全員男性だった。


　この結果を導き出したのは、計算機によるデータ解析でした。解析結果についても思うところはあるのですが、ここでは技術的な部分についてのみ注目してみます。実はこの記事に合わせて、解析チームの方がこの解析に使った手法についてかなり詳細に書いています:

gardians04.jpg


対象とする読者

　本稿ではこの記事に書いてある手法を、技術者ではない方に向けて解説してみます。ですからプログラマの方などが読まれると冗長に感じられるかと思いますが、そこはご勘弁を。専門家向けの記事と、「データ解析」という言葉が事実上「魔法」と同義語で使われている全く技術に触れない記事はたくさんあるのですが、その中間が埋まっていないように感じていたというのが執筆の動機の一つです。実例の解説は、その「魔法」にかかった靄を取り除き、実際の作業がどのくらい地味なものかを明らかにすることができると思います。

gardians05b.jpg

元の記事では、結果を可視化したものが見られる (© The Guardian)

　なお結果の詳細は、D3.jsを使ったインタラクティブなチャートとして元記事に掲載されていますので是非ご覧になってみてください。「ジャズや競馬[注]の話題に関しては穏やかなコメントが比較的多いが、フェミニズムやパレスチナ問題のコメント欄はかなり荒れる」と言う、どこかで聞いたような話だな...と思わず苦笑してしまうような事実がデータに基づき図表で解説されています。実際の嫌がらせの内容にも触れていますので、読んでいてあまり気持ちのいいものではない部分もありますが、「誰でも自由に発信できる世界」に対して記者の方々が払っているコストの生々しい実態が読めます。
[注]: イギリスの記事ですから、日本の競馬とは雰囲気や意味合いがかなり異なるので、そこは注意して読んでください 。

gardians05.png

仮説検証のための技術

　今回の分析では、複雑な統計解析は行われていません。最終的に得られたデータを可視化して、それを使って仮説が正しいかどうかざっと眺めるような作業になっています。基本的な流れとしては、手元にあるデータに欠けている情報を追加し、複数のデータセットを統合し、フィルタリングし、ブラウザ上で可視化するというものです。これは可視化を伴う分析を行う場合の最も基本的な作業です。ただし今回は比較的大きなデータを使っていますので、一部は商用クラウドサービス上でSpark（後述）を利用しています。ここからは実際に使われたデータやツール、手法について詳しくみていきます。

gardians06.png

可視化を目的にする場合の典型的な作業の流れ。基本的に、大量のデータを人間が把握できる大きさまで「濃縮」する作業と言い換えることができる。

使われた技術

　今回使われたツールは、データ分析を業務として行っている方々にはおなじみのものばかりです。例を挙げると:

・テキスト処理のためのPerlスクリプト
・Amazon Web Service (S3, Redshift, EMR)
・Apache Spark
・PostgreSQL
・D3.js
・HTML5

などです。これらのツールは以下のように分類できます。

・データを蓄積して検索可能にする技術: PostgreSQL, S3, Redshift
・データを加工するプログラム: Perlスクリプト
・大規模なデータを複数の計算機で処理する技術: Spark
・それらを実行するための環境を提供する技術: AWS全般, EMR
・最終的なユーザー（今回のケースでは読者）がデータをわかりやすく見られるようにする技術: D3.js, HTML5

これらが実際にはどう使われたのかは後ほど見ていきます。

今、あなたにオススメ
ニュース速報

ビジネス

物価目標はおおむね達成、追加利上げへ「機熟した」＝
2025.10.20

ワールド

コロンビア大統領は「麻薬組織のリーダー」、トランプ
2025.10.20

ワールド

トランプ氏「大規模」関税続くとインドに警告、ロ産原
2025.10.20

ビジネス

ＫＫＲなど、従業員との成果共有を加速　支援団体が日
2025.10.20
ニュース速報一覧
今、あなたにオススメ
MAGAZINE
特集：日本人と参政党
特集：日本人と参政党
2025年10月21日号（10/15発売）

怒れる日本が生んだ「日本人ファースト」と参政党現象。その源泉にルポと神谷代表インタビューで迫る

メールマガジンのご登録はこちらから。
人気ランキング
  • 1
    1000人以上の女性と関係...英アンドルー王子、「称号返上を表明」も消えない生々しすぎる「罪状」
  • 2
    【クイズ】日本でツキノワグマの出没件数が「最も多い県」はどこ？
  • 3
    本当は「不健康な朝食」だった...専門家が警告する「実は避けるべき」一品とは？
  • 4
    ニッポン停滞の証か...トヨタの賭ける「未来」が関心…
  • 5
    今年、記録的な数の「中国の飲食店」が進出した国
  • 6
    ギザギザした「不思議な形の耳」をした男性...「みん…
  • 7
    自重筋トレの王者「マッスルアップ」とは？...瞬発力…
  • 8
    「認知のゆがみ」とは何なのか...あなたはどのタイプ…
  • 9
    「中国は危険」から「中国かっこいい」へ──ベトナム…
  • 10
    【インタビュー】参政党・神谷代表が「必ず起こる」…
  • 1
    1000人以上の女性と関係...英アンドルー王子、「称号返上を表明」も消えない生々しすぎる「罪状」
  • 2
    お腹の脂肪を減らす「8つのヒント」とは？...食事以外の「2つの隠れた要因」が代謝を狂わせていた
  • 3
    【クイズ】日本でツキノワグマの出没件数が「最も多い県」はどこ？
  • 4
    まるで『トップガン』...わずか10mの至近戦、東シナ…
  • 5
    フィリピンで相次ぐ大地震...日本ではあまり報道され…
  • 6
    中国人が便利な「調理済み食品」を嫌うトホホな理由…
  • 7
    日本で外国人から生まれた子どもが過去最多に──人口…
  • 8
    「心の知能指数（EQ）」とは何か...「EQが高い人」に…
  • 9
    本当は「不健康な朝食」だった...専門家が警告する「…
  • 10
    「欧州最大の企業」がデンマークで生まれたワケ...奇…
  • 1
    かばんの中身を見れば一発でわかる！「認知症になりやすい人」が持ち歩く5つのアイテム
  • 2
    「大谷翔平の唯一の欠点は...」ドジャース・ロバーツ監督が明かすプレーオフ戦略、監督の意外な「日本的な一面」とは？
  • 3
    カミラ王妃のキャサリン妃への「いら立ち」が話題に...「少々、お控えくださって？」
  • 4
    増加する「子どもを外注」する親たち...ネオ・ネグレ…
  • 5
    悲しみで8年間「羽をむしり続けた」オウム...新たな…
  • 6
    1000人以上の女性と関係...英アンドルー王子、「称号…
  • 7
    バフェット指数が異常値──アメリカ株に「数世代で最…
  • 8
    「日本の高齢化率は世界2位」→ダントツの1位は超意外…
  • 9
    お腹の脂肪を減らす「8つのヒント」とは？...食事以…
  • 10
    【クイズ】日本人が唯一「受賞していない」ノーベル…
トランプ2.0記事まとめ
日本再発見 シーズン2
CHALLENGING INNOVATOR
Wonderful Story
MOOK
ニューズウィーク日本版別冊
ニューズウィーク日本版別冊

好評発売中