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

ビジネス

アングル：欧州で若者向け住宅購入の新ビジネス、価格
2026.03.07

ワールド

焦点：道半ばの中国「社会保険改革」、企業にも個人に
2026.03.07

ワールド

昨年の関税合意実施を米と確認、日本が不利にならない
2026.03.07

ビジネス

米国株式市場＝続落、ダウ453ドル安　原油高と雇用
2026.03.07
ニュース速報一覧
今、あなたにオススメ
MAGAZINE
特集：トランプのイラン攻撃
特集：トランプのイラン攻撃
2026年3月10日号（3/ 3発売）

核開発の断念を迫るトランプ政権が攻撃を開始。イランとアメリカの本格戦争は始まるのか？

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
    中国はイランを見捨てた？　イランの「同盟国」だったはずの中国が、不気味なまでに静かな理由
  • 2
    日本の保護者は自分と同じ「大卒」の教員に敬意を示さない
  • 3
    【長期戦はイラン有利】米側の体制転覆シナリオに暗雲...専門家「イランの反撃はこれから」「報道と実態にズレ」
  • 4
    10歳少女がライオンに激しく襲われる...中国の動物園…
  • 5
    日本の若者「韓国就職」憧れと現実のギャップ ── ビ…
  • 6
    「みんな一斉に手を挙げて...」中国の航空会社のフラ…
  • 7
    「巨大な水柱に飲み込まれる...」米海軍がインド洋で…
  • 8
    サファリ中の女性に悲劇...ライオンに「くわえ去られ…
  • 9
    「毎日が人生最後の日」だと思って酒を飲む...84歳医…
  • 10
    【WBC】侍ジャパン、大谷翔平人気が引き起こした球場…
  • 1
    日本の若者「韓国就職」憧れと現実のギャップ ── ビザの壁､会社都合の解雇､帰国後も続く苦境
  • 2
    縫いぐるみが相棒、孤独なサル「パンチくん」がバズった理由
  • 3
    BTS復活...でも、韓国エンタメが「苦境」に陥っている
  • 4
    イラン猛反撃、同士討ちまで起きる防空戦はいつまで…
  • 5
    「毎日が人生最後の日」だと思って酒を飲む...84歳医…
  • 6
    見事なカンフーを見せた中国ヒト型ロボットのからく…
  • 7
    サファリ中の女性に悲劇...ライオンに「くわえ去られ…
  • 8
    少子化に悩む韓国で出生率回復...昨年過去最大の伸び…
  • 9
    「死体を運んでる...」Google Earthで表示される「不…
  • 10
    「若い連中は私を知らない」...大ヒット映画音楽の作…
  • 1
    ウクライナ戦闘機「F-16」がロシア軍「シャヘド」を空中爆破...地上から撮影の「レア映像」を公開
  • 2
    台湾侵攻「失敗」の大きすぎる代償
  • 3
    「最恐」恐竜T・レックスの定説を覆す新研究が
  • 4
    イースター島の先住民から資源を略奪、島を「生きた…
  • 5
    見事なカンフーを見せた中国ヒト型ロボットのからく…
  • 6
    アルコールは血糖値を下げる...「脳と血管を守る」医…
  • 7
    ｢ヘル・コリア｣から日本へ7万人 ── 大企業の高給より…
  • 8
    中国、パナマ運河の港湾喪失でパナマに報復──トラン…
  • 9
    命は長し、働け女たち――88歳「働くばあさん」が説く…
  • 10
    「罠に嵌められた」と主張するが...欧州で次々と摘発…
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