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

ＥＵのロシア産原油輸入停止法制化案、ハンガリー議会
2026.02.25

ワールド

トランプ氏、一般教書演説で「強く繁栄する米国」強調
2026.02.25

ワールド

米政府、インドなどアジア3カ国の太陽光製品に暫定的
2026.02.25

ワールド

国連総会、ウクライナ支持決議を採択　米は「交渉の妨
2026.02.25
ニュース速報一覧
今、あなたにオススメ
MAGAZINE
特集：日本人が知らない AI金融の最前線
特集：日本人が知らない AI金融の最前線
2026年3月 3日号（2/25発売）

フィンテックの進化と普及で、金融はもっと高速に、もっとカジュアルに

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
    アルコールは血糖値を下げる...「脳と血管を守る」医師がすすめる意外な健康習慣
  • 2
    米国の中国依存が低下、台湾からの輸入が上回る
  • 3
    命は長し、働け女たち――88歳「働くばあさん」が説く高齢期の「4つの覚悟」
  • 4
    3頭のクマがスキー客を猛追...ゲレンデで撮影された…
  • 5
    「水道水」が筋トレの成果を左右する...私たちの体に…
  • 6
    カビが植物に感染するメカニズムに新発見、硬い表面…
  • 7
    「極めて危険」──ゼレンスキー、ロシアにおける北朝…
  • 8
    IMF、日本政府に消費減税を避けるよう要請...「財政…
  • 9
    「IKEAも動いた...」ネグレクトされた子猿パンチと「…
  • 10
    武士はロマンで戦ったわけではない...命を懸けた「損…
  • 1
    ｢ヘル・コリア｣から日本へ7万人 ── 大企業の高給より日本の｢100％就職率｣を選ぶ若者たち
  • 2
    アルコールは血糖値を下げる...「脳と血管を守る」医師がすすめる意外な健康習慣
  • 3
    命は長し、働け女たち――88歳「働くばあさん」が説く高齢期の「4つの覚悟」
  • 4
    「水道水」が筋トレの成果を左右する...私たちの体に…
  • 5
    「#ジェームズ・ボンドを忘れろ」――MI6初の女性長官…
  • 6
    カビが植物に感染するメカニズムに新発見、硬い表面…
  • 7
    海外（特に日本）移住したい中国人が増えている理由.…
  • 8
    100万人が死傷、街には戦場帰りの元囚人兵...出口な…
  • 9
    ロシアに蔓延する「戦争疲れ」がプーチンの立場を揺…
  • 10
    米国の中国依存が低下、台湾からの輸入が上回る
  • 1
    【クイズ】致死率50～75%...インドで感染拡大「ニパウイルス」の感染源となる動物は？
  • 2
    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
  • 3
    高市積極財政にアメリカが慌てる理由
  • 4
    台湾侵攻「失敗」の大きすぎる代償
  • 5
    「最恐」恐竜T・レックスの定説を覆す新研究が
  • 6
    セーターが消えた冬 ── 暖かさの主戦場が｢インナー｣…
  • 7
    イースター島の先住民から資源を略奪、島を「生きた…
  • 8
    ｢ヘル・コリア｣から日本へ7万人 ── 大企業の高給より…
  • 9
    中国、パナマ運河の港湾喪失でパナマに報復──トラン…
  • 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