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

英、米との貿易協議に期待　合意近いとビジネス貿易相
2025.04.04

ワールド

トランプ氏、マスク氏は「素晴らしい」と擁護　いずれ
2025.04.04

ワールド

韓国憲法裁、尹大統領の罷免決定　直ちに失職
2025.04.04

ビジネス

先駆的な手法を一般化する使命感あり、必ず最後までや
2025.04.04
ニュース速報一覧
今、あなたにオススメ
MAGAZINE
特集：引きこもるアメリカ
特集：引きこもるアメリカ
2025年4月 8日号（4/ 1発売）

トランプ外交で見捨てられ、ロシアの攻撃リスクにさらされるヨーロッパは日本にとって他人事なのか？

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
    「最後の1杯」は何時までならOKか？...コーヒーと睡眠の「正しい関係」【最新研究】
  • 2
    【クイズ】日本の輸出品で2番目に多いものは何？
  • 3
    アメリカで「最古の銃」発見...いったい誰が何のために持ち込んだ？
  • 4
    中居正広は何をしたのか？　真相を知るためにできる…
  • 5
    5万年以上も前の人類最古の「物語の絵」...何が描か…
  • 6
    得意げに発表した相互関税はトランプのオウンゴール…
  • 7
    「ネイティブ並み」は目指す必要なし？　グローバル…
  • 8
    【クイズ】世界で最も「レアアースの埋蔵量」が多い…
  • 9
    アメリカから言論の自由が消える...トランプ「思想狩…
  • 10
    テスラが陥った深刻な販売不振...積極プロモも空振り…
  • 1
    【クイズ】世界で最も「レアアースの埋蔵量」が多い国はどこ？
  • 2
    自らの醜悪さを晒すだけ...ジブリ風AIイラストに「大はしゃぎ」する人に共通する点とは？
  • 3
    中居正広は何をしたのか？　真相を知るためにできる唯一の方法
  • 4
    ロシア空軍基地へのドローン攻撃で、ウクライナが「…
  • 5
    ガムから有害物質が体内に取り込まれている...研究者…
  • 6
    8日の予定が286日間に...「長すぎた宇宙旅行」から2…
  • 7
    磯遊びでは「注意が必要」...6歳の少年が「思わぬ生…
  • 8
    あまりにも似てる...『インディ・ジョーンズ』の舞台…
  • 9
    突然の痛風、原因は「贅沢」とは無縁の生活だった...…
  • 10
    なぜ「猛毒の魚」を大量に...アメリカ先住民がトゲの…
  • 1
    中国戦闘機が「ほぼ垂直に墜落」する衝撃の瞬間...大爆発する機体の「背後」に映っていたのは？
  • 2
    「さようなら、テスラ...」オーナーが次々に「売り飛ばす」理由とは？
  • 3
    「一夜にして死の川に」 ザンビアで、中国所有の鉱山ダムから有毒の水が流出...惨状伝える映像
  • 4
    テスラ失墜...再販価値暴落、下取り拒否...もはやス…
  • 5
    「今まで食べた中で1番おいしいステーキ...」ドジャ…
  • 6
    市販薬が一部の「がんの転移」を防ぐ可能性【最新研…
  • 7
    テスラ販売急減の衝撃...国別に見た「最も苦戦してい…
  • 8
    「テスラ時代」の崩壊...欧州でシェア壊滅、アジアで…
  • 9
    テスラの没落が止まらない...株価は暴落、業績も行き…
  • 10
    【クイズ】世界で最も「レアアースの埋蔵量」が多い…
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