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

透析・手術用の品目、「安定供給図る体制立ち上げた」
2026.03.29

ワールド

トランプ氏、ＮＡＴＯへの関与に否定的発言　集団防衛
2026.03.29

ワールド

北朝鮮が固体燃料エンジンの地上燃焼実験、金総書記が
2026.03.29

ワールド

ウクライナ大統領がＵＡＥ・カタール訪問、防衛協力で
2026.03.29
ニュース速報一覧
今、あなたにオススメ
MAGAZINE
特集：BTS再始動
特集：BTS再始動
2026年3月31日号（3/24発売）

3年9カ月の空白を経て完全体でカムバック。世界が注目する「BTS2.0」の幕開け

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
    「水に流す」日本と「記憶する」韓国...気候と地理が育んだ「国民意識の違い」とは？
  • 2
    記憶を定着させるのに年齢は関係ない...記憶の定着度を決める重要な要素とは？
  • 3
    オランウータンに「15分間ロックオン」された女性のSNS動画が拡散、動物園で一体何が？
  • 4
    映画『8番出口』はアメリカでどう受け止められた？..…
  • 5
    ロシア経済を支える重要な港、ウクライナのものと思…
  • 6
    ヘンリー・メーガン夫妻の豪州訪問に3万6000人超の反…
  • 7
    中国最大の海運会社COSCOがペルシャ湾輸送を再開──緊…
  • 8
    ヒドラのように生き延びる...イランを支配する「革命…
  • 9
    ビートルズ解散後の波乱...「70年代のポール・マッカ…
  • 10
    ウィリアム皇太子が軍服姿で部隊訪問...「前線任務」…
  • 1
    【銘柄】「三菱商事」の株価に高まる期待...ホルムズ海峡封鎖と資源価格高騰が業績を押し上げ
  • 2
    ヘンリー・メーガン夫妻の豪州訪問に3万6000人超の反対署名...「歓迎してない」の声広がる
  • 3
    レストラン店内で配膳ロボットが「制御不能」に...店員も「なすすべなし」の暴走モード
  • 4
    三笠宮彬子さまも出席...「銀河の夢か、現実逃避か」…
  • 5
    「水に流す」日本と「記憶する」韓国...気候と地理が…
  • 6
    中国の公衆衛生レベルはアメリカ並み...「ほぼ国民皆…
  • 7
    イランは空爆により核・ミサイル製造能力を「喪失」…
  • 8
    中国最大の海運会社COSCOがペルシャ湾輸送を再開──緊…
  • 9
    記憶を定着させるのに年齢は関係ない...記憶の定着度…
  • 10
    作者が「投げ出した」？　『チェンソーマン』の最終…
  • 1
    温暖化で増えた？　サンマやサケ減少の裏で激増する「安価で栄養価の高い魚」の正体
  • 2
    ロシア政府、痛恨のミス...プーチンの「健康不安説」を裏付けるような動画を公式に投稿してしまう
  • 3
    メーガン妃、娘リリベット王女との新ショット公開...撮影はパパ
  • 4
    「ノーと言えるスペイン」の背景に国防意識...次期ス…
  • 5
    キャサリン皇太子妃、ナイジェリア大統領夫妻出迎え…
  • 6
    数時間以内に死に至ることも...若者の間で集団感染が…
  • 7
    「日本より、自分の国（フランス）を心配すれば？」…
  • 8
    日本の若者「韓国就職」憧れと現実のギャップ ── ビ…
  • 9
    米軍も防ぎきれないイランのドローン攻撃──イラン製…
  • 10
    縫いぐるみが相棒、孤独なサル「パンチくん」がバズ…
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