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

ワールド

アングル：フィリピンの「ごみゼロ」宣言、達成は非正
2025.01.18

ワールド

イスラエル政府、ガザ停戦合意を正式承認　19日発効
2025.01.18

ビジネス

米国株式市場＝反発、トランプ氏就任控え　半導体株が
2025.01.18

ワールド

ロシア・イラン大統領、戦略条約締結　20年協定で防
2025.01.18
ニュース速報一覧
今、あなたにオススメ
MAGAZINE
特集：トランプ新政権ガイド
特集：トランプ新政権ガイド
2025年1月21日号（1/15発売）

１月20日の就任式を目前に「爆弾」を連続投下。トランプ新政権の外交・内政と日本経済への影響は？

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
    「拷問に近いことも...」獲得賞金は10億円、最も稼いでいるプロゲーマーが語る「eスポーツのリアル」
  • 2
    【クイズ】世界で1番マイクロプラスチックを「食べている」のは、どの地域に住む人？
  • 3
    轟音に次ぐ轟音...ロシア国内の化学工場を夜間に襲うウクライナの猛攻シーン　「ATACMSを使用」と情報筋
  • 4
    【クイズ】次のうち、和製英語「ではない」のはどれ…
  • 5
    「搭乗券を見せてください」飛行機に侵入した「まさ…
  • 6
    ティーバッグから有害物質が放出されている...研究者…
  • 7
    ドラマ「海に眠るダイヤモンド」で再注目...軍艦島の…
  • 8
    「ウクライナに残りたい...」捕虜となった北朝鮮兵が…
  • 9
    北朝鮮兵が「下品なビデオ」を見ている...ロシア軍参…
  • 10
    雪の中、服を脱ぎ捨て、丸見えに...ブラジルの歌姫、…
  • 1
    ティーバッグから有害物質が放出されている...研究者が警告【最新研究】
  • 2
    体の筋肉量が落ちにくくなる3つの条件は？...和田秀樹医師に聞く「老けない」最強の食事法
  • 3
    睡眠時間60分の差で、脳の老化速度は2倍！ カギは「最初の90分」...快眠の「7つのコツ」とは？
  • 4
    メーガン妃のNetflix新番組「ウィズ･ラブ、メーガン…
  • 5
    轟音に次ぐ轟音...ロシア国内の化学工場を夜間に襲う…
  • 6
    北朝鮮兵が「下品なビデオ」を見ている...ロシア軍参…
  • 7
    膝が痛くても足腰が弱くても、一生ぐんぐん歩けるよ…
  • 8
    「拷問に近いことも...」獲得賞金は10億円、最も稼い…
  • 9
    ドラマ「海に眠るダイヤモンド」で再注目...軍艦島の…
  • 10
    【クイズ】世界で1番マイクロプラスチックを「食べて…
  • 1
    ティーバッグから有害物質が放出されている...研究者が警告【最新研究】
  • 2
    大腸がんの原因になる食品とは？...がん治療に革命をもたらす可能性も【最新研究】
  • 3
    体の筋肉量が落ちにくくなる3つの条件は？...和田秀樹医師に聞く「老けない」最強の食事法
  • 4
    夜空を切り裂いた「爆発の閃光」...「ロシア北方艦隊…
  • 5
    インスタント食品が招く「静かな健康危機」...研究が…
  • 6
    ロシア軍は戦死した北朝鮮兵の「顔を焼いている」──…
  • 7
    TBS日曜劇場が描かなかった坑夫生活...東京ドーム1.3…
  • 8
    「涙止まらん...」トリミングの結果、何の動物か分か…
  • 9
    膝が痛くても足腰が弱くても、一生ぐんぐん歩けるよ…
  • 10
    「戦死証明書」を渡され...ロシアで戦死した北朝鮮兵…
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