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


著者の性別の判定

　今回、最終的に検証したい仮説が性別に基づくバイアスなので、著者の性別がわかっていないとどうにもなりません。この問題を解決するために彼らが行ったのは、ある意味とても原始的な作業でした。しかし技術的には高度でないにもかかわらず、この類の作業というのがデータ解析を行うときに最も面倒で時間のかかる作業であるケースも非常に多いです。つまり、一定のエラーを含みながらも必要な結果を得られる程度には正確な、形成されたデータを作るという作業です。

gardians09.jpg

名前から性別を判定するワークフロー （Cytoscape 3.3にて作成）


　今回の具体的な作業は上の図のようになります。まず12,000人の著者名を、無償で公開されている男女別の人名リストと比較するスクリプトを実行します。おそらくここではファーストネームの完全一致による単純な判別を行っていると思われます。これにより、11,098人分のデータが男女別に分類され、1,268人が性別不明として残りました。性別不明になる原因は色々と考えられるのですが、そもそも名前がリストにない場合はわかりませんし、名前の英語表記の揺れなども原因になります。例えば、下のスクリーンショットは今回使われた名前のリストからの抜粋ですが、日本人名の「ケンイチ」という名前は、正しく男性名に分類されていますが、表記がKEN'ICHIであるため、KENICHIという表記との単純一致だと取りこぼしてしまいます。このような名前や住所といったものの表記ゆれは厄介な問題で、バラバラにデータベース化された情報を統合する時に様々な問題を引き起こします。

gardians10.png

names.csv. KENという語で検索をかけた例

　さて、この時点で不明の1,268人分のデータの性別を判定するために、今度は以下の人名判定サービスにPerlスクリプト（この場合は、Perlというプログラミング言語で作業工程を記述した小さなプログラムのことです）で送信します:

・genderize.io: Determine the gender of a first name

　このサービスを利用した後の時点で何名ぐらいが性別不明だったかはわかりませんが、なんとか人力で判定、つまり人名辞典やネット検索で人間が一つ一つ判定するのも不可能ではない程度の量にまで不明の数が減っていたので、残りは実際にそういう作業で仕分けされています。「データサイエンス」という言葉の響きとは対極にあるような作業ですが、現実はこんなものです。

　ともあれ、この作業で一定のエラーは含まれているが、それなりに大きい数の男女別著者リストが得られたので、そのファイル(CSV)をAWSのS3というストレージサービスにアップロードしました。ここからはAWS上の計算機での作業になります。

今、あなたにオススメ
ニュース速報

ワールド

アングル：もう賄賂は払わない、アサド政権崩壊で夢と
2025.01.19

ワールド

アングル：政治的権利に目覚めるアフリカの若者、デジ
2025.01.19

ワールド

尹大統領の逮捕状発付、韓国地裁　本格捜査へ
2025.01.19

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
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
    「搭乗券を見せてください」飛行機に侵入した「まさかの密航者」をCAが撮影...追い出すまでの攻防にSNS爆笑
  • 4
    感染症に強い食事法とは？...食物繊維と腸の関係が明…
  • 5
    女性クリエイター「1日に100人と寝る」チャレンジが…
  • 6
    【クイズ】次のうち、和製英語「ではない」のはどれ…
  • 7
    フランス、ドイツ、韓国、イギリス......世界の政治…
  • 8
    失礼すぎる！「1人ディズニー」を楽しむ男性に、女性…
  • 9
    オレンジの閃光が夜空一面を照らす瞬間...ロシア西部…
  • 10
    本当に残念...『イカゲーム』シーズン2に「出てこな…
  • 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
    「拷問に近いことも...」獲得賞金は10億円、最も稼い…
  • 5
    メーガン妃のNetflix新番組「ウィズ･ラブ、メーガン…
  • 6
    轟音に次ぐ轟音...ロシア国内の化学工場を夜間に襲う…
  • 7
    【クイズ】世界で1番マイクロプラスチックを「食べて…
  • 8
    北朝鮮兵が「下品なビデオ」を見ている...ロシア軍参…
  • 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】次のうち、和製英語「ではない」のはどれ…
  • 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
    TBS日曜劇場が描かなかった坑夫生活...東京ドーム1.3…
  • 7
    「涙止まらん...」トリミングの結果、何の動物か分か…
  • 8
    膝が痛くても足腰が弱くても、一生ぐんぐん歩けるよ…
  • 9
    「戦死証明書」を渡され...ロシアで戦死した北朝鮮兵…
  • 10
    「腹の底から笑った！」ママの「アダルト」なクリス…
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