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

中国政府系ファンドＣＩＣ、24年純利益は前年比30
2025.12.09

ビジネス

独ティッセンクルップ、26年は大幅赤字の見通し　鉄
2025.12.09

ビジネス

ドイツ輸出、10月は米・中向け大幅減　対ＥＵ増加で
2025.12.09

ビジネス

グーグル、ＡＩ学習でのコンテンツ利用巡りＥＵが独禁
2025.12.09
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
    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
  • 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
    キャサリン妃を睨む「嫉妬の目」の主はメーガン妃...かつて偶然、撮影されていた「緊張の瞬間」
  • 4
    ホテルの部屋に残っていた「嫌すぎる行為」の証拠...…
  • 5
    健康長寿の鍵は「慢性炎症」にある...「免疫の掃除」…
  • 6
    兵士の「戦死」で大儲けする女たち...ロシア社会を揺…
  • 7
    人生の忙しさの9割はムダ...ひろゆきが語る「休む勇…
  • 8
    中国の著名エコノミストが警告、過度の景気刺激が「…
  • 9
    日本人には「当たり前」？ 外国人が富士山で目にした…
  • 10
    「1匹いたら数千匹近くに...」飲もうとしたコップの…
  • 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
    ホテルの部屋に残っていた「嫌すぎる行為」の証拠...…
  • 7
    キャサリン妃を睨む「嫉妬の目」の主はメーガン妃...…
  • 8
    戦争中に青年期を過ごした世代の男性は、終戦時56％…
  • 9
    人生の忙しさの9割はムダ...ひろゆきが語る「休む勇…
  • 10
    イスラエル軍幹部が人生を賭けた内部告発...沈黙させ…
  • 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