ビッグデータ統計は、中立や客観性を保証せず、しばしば偏りを生む

他のわかりやすい例もあげてみよう。性別というのは基本属性のひとつだが、カナダでは生まれた時の性別（男と女のふたつの選択肢）と現在の性別（男女以外の複数の選択肢が用意されている）を訊ねることが多い。データ取得時あるいは分類時において、男女の2つに分けるか、それともそれ以上の分類を考慮するかでデータの取り方や解釈は変わってくる可能性がある。

性別に限らず、属性や行動や嗜好は研究者がどれだけ対象について幅広い知識を持っているかによって想定できる内容が異なるし、後述するように研究チームの構成によっても変わってくる。たとえばチーム全員が国立大学を卒業した男性で実家が富裕層であった場合は偏ったものになる可能性がある。実家が富裕層で国立大学を卒業した男性がいけないということではなく、同質の集団では対象について持ちうる知識や価値観の幅と多様性が乏しくなるということである。

「なぜリベラルの声は中間層に届かないのか？」（2021年10月5日）および記事の元となった論文では、「安倍支持」を「保守」、「反安倍」を「リベラル」として分類していた。私を含めてこの分類に違和感を抱いた人がいた。分類は解析の結果として出てくるが、抽象度が高くなると分類の解釈に幅が出てくる。幅があるということは偏りが入り込む余地があることになる。抽象度を低めてよりデータそのものに近い「安倍支持」と「反安倍」に分けておくと幅は狭められる。社会に関わることでは抽象度の高い言葉（保守やリベラルなど）を使うと、解釈の幅が広がるだけでなく、政治的な意味合いが強くなったり、意味合いが変化したり、意図があいまいになったりしがちなので注意が必要だ。

・研究チームの構成の問題

研究チームの構成がAIの偏りを生むことが指摘されている。コロンビア大学で約400人のAIエンジニアに学習用のデータやインセンティブなどの条件を変えてアルゴリズムを作らせる実験が行われた。その結果、アルゴリズムの予測精度にもっとも影響が大きかったのは学習用データの正確さだったが、チームの構成特に人種と性別が影響していることもわかった。同質のチームよりも多様性のあるチームの精度が高かった。ひとつの調査結果だけで研究チームの構成が結果に影響を及ぼすと言い切れるわけではない。しかし、その可能性には留意する必要があるだろう。

日本の計算社会学者の方を全て存じあげているわけではないが、私が目にする日本の記事や論文の執筆者のほとんどは日本人かつ男性だった。データ分析がその人物の価値観や社会的環境に影響を受けることは少なからずある。多様なメンバーがいた方が、特定の価値観や社会的環境による偏りを避けることができる。

統計調査の設計や解釈でも同じ問題は起こる。たとえば『ネットは社会を分断しない』（角川新書、2019年10月10日）という本では10万人のアンケート調査をもとにネットが社会を分断していないことを説明している。この本ではネットの影響を直接の影響に限定しており、まとめサイトなどのミドルメディを介して既存の大手メディアに取り上げられるフェイクニュース・パイプラインについては触れていない。意図的に外す理由は見当たらないし、外した理由の説明もないのでこの調査のメンバーにはミドルメディアやフェイクニュース・パイプラインについて知っている人がいなかったのであろう。アンケート調査の設計の時点から漏れているので、ミドルメディアやフェイクニュース・パイプラインの影響については考慮されない分析が行われている。

・思い込み、事実、仮説、解釈の問題

事実と思い込みの境目は曖昧で難しい。特定の新聞のニュースをよく見ているなら信用していると考えるのは当たり前だと思うかもしれないが、実は信頼していないメディアでも利用することがわかっている。

SNS上のつながりに関する思い込みもある。たとえばSNSで高頻度にやりとりをしているならば親密だと考えて、頻度を親密度の尺度にすることもある。親密なほど相手のために費す時間が増え、頻度もあがるというと、もっともらしく聞こえるが、この基準だと職場の同僚が兄弟や親よりもはるかに親密な存在になってしまう人は多い（Big Data: Opportunities for Computational and Social Sciences）。

人間の感情や嗜好と、SNSデータで計測できる項目の間を結びつける際には思い込みが入り込みやすい。たとえば、「いいね！は同意や共感のあらわれ」、「リツイートは賛意」である想定することがあるが、そうとは限らない。「コロナ時代のソーシャルメディアの動向と課題 科学技術に関する調査プロジェクト報告書」の中の「データから見るデマ拡散の構造」では「興味深かったから」真偽とは無関係に拡散したものが32.7%あったことがわかっており、エンターテインメントとしての拡散もあったとしている。もちろん、共感や賛意を示すこともあるだろう。つまり、いいね！やリツイートの意図の解釈には幅があるため、分析者が想定する文脈に合わせて解釈できる余地があり、思い込みが入り込みやすい。

解釈においても同様に思い込みから飛躍した結論を導いてしまう危険性がある。また、最後にあげる研究サプライチェーンの問題もあるので、じゅうぶんに注意が必要である。