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

9月の米卸売在庫、0.5％増　ＧＤＰにプラス寄与か
2025.12.12

ワールド

タイ首相、議会解散の方針表明　「国民に権力を返還」
2025.12.12

ワールド

米印首脳が電話会談、関税導入後3回目　二国間関係な
2025.12.12

ワールド

トルコ中銀が150ｂｐ利下げ、政策金利38％　イン
2025.12.12
ニュース速報一覧
今、あなたにオススメ
MAGAZINE
特集：ジョン・レノン暗殺の真実
特集：ジョン・レノン暗殺の真実
2025年12月16日号（12/ 9発売）

45年前、「20世紀のアイコン」に銃弾を浴びせた男が日本人ジャーナリストに刑務所で語った動機とは

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
    人手不足で広がり始めた、非正規から正規雇用へのキャリアアップの道
  • 2
    【クイズ】「100名の最も偉大な英国人」に唯一選ばれなかった「ビートルズ」のメンバーは？
  • 3
    【衛星画像】南西諸島の日米新軍事拠点　中国の進出を睨み建設急ピッチ
  • 4
    中国軍機の「レーダー照射」は敵対的と、元イタリア…
  • 5
    首や手足、胴を切断...ツタンカーメンのミイラ調査開…
  • 6
    受け入れ難い和平案、迫られる軍備拡張──ウクライナ…
  • 7
    「何これ」「気持ち悪い」ソファの下で繁殖する「謎…
  • 8
    ピットブルが乳児を襲う現場を警官が目撃...犠牲にな…
  • 9
    健康長寿の鍵は「慢性炎症」にある...「免疫の掃除」…
  • 10
    「安全装置は全て破壊されていた...」監視役を失った…
  • 1
    日本人には「当たり前」？ 外国人が富士山で目にした「信じられない」光景、海外で大きな話題に
  • 2
    【銘柄】オリエンタルランドが急落...日中対立が株価に与える影響と、サンリオ自社株買いの狙い
  • 3
    日本の「クマ問題」、ドイツの「問題クマ」比較...だから日本では解決が遠い
  • 4
    健康長寿の鍵は「慢性炎症」にある...「免疫の掃除」…
  • 5
    兵士の「戦死」で大儲けする女たち...ロシア社会を揺…
  • 6
    キャサリン妃を睨む「嫉妬の目」の主はメーガン妃...…
  • 7
    中国軍機の「レーダー照射」は敵対的と、元イタリア…
  • 8
    ホテルの部屋に残っていた「嫌すぎる行為」の証拠...…
  • 9
    【クイズ】アルコール依存症の人の割合が「最も高い…
  • 10
    仕事が捗る「充電の選び方」──Anker Primeの充電器、…
  • 1
    東京がニューヨークを上回り「世界最大の経済都市」に...日本からは、もう1都市圏がトップ10入り
  • 2
    一瞬にして「巨大な橋が消えた」...中国・「完成直後」の橋が崩落する瞬間を捉えた「衝撃映像」に広がる疑念
  • 3
    高速で回転しながら「地上に落下」...トルコの軍用輸送機「C-130」謎の墜落を捉えた「衝撃映像」が拡散
  • 4
    日本人には「当たり前」？ 外国人が富士山で目にした…
  • 5
    「999段の階段」を落下...中国・自動車メーカーがPR…
  • 6
    まるで老人...ロシア初の「AIヒト型ロボット」がお披…
  • 7
    「髪形がおかしい...」実写版『モアナ』予告編に批判…
  • 8
    【銘柄】オリエンタルランドが急落...日中対立が株価…
  • 9
    日本の「クマ問題」、ドイツの「問題クマ」比較...だ…
  • 10
    膝が痛くても足腰が弱くても、一生ぐんぐん歩けるよ…
トランプ2.0記事まとめ
Real
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