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

小売販売2月は0.2％減、2カ月ぶりマイナス　ガソ
2026.03.31

ワールド

ホルムズ海峡付近でタンカー被弾・炎上、クウェート船
2026.03.31

ワールド

中東紛争、アフリカ経済への打撃は限定的か＝アフリカ
2026.03.31

ビジネス

豪中銀、将来の金利「予測困難」　中東紛争巡る不確実
2026.03.31
ニュース速報一覧
今、あなたにオススメ
MAGAZINE
特集：日本企業に迫る サステナビリティ新基準
特集：日本企業に迫る サステナビリティ新基準
2026年4月 7日号（3/31発売）

国際基準の情報開示や多様な認証制度──本当の「持続可能性」が問われる時代へ

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
    「根底にあるのは怒り」...日本の「3Dプリンター住宅」企業が救う、ウクライナの未来
  • 2
    「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？
  • 3
    アリサ・リュウの自由、アイリーン・グーの重圧
  • 4
    ロシア経済を支える重要な港、ウクライナのものと思…
  • 5
    攻撃開始日も知っていた?──イラン戦争を巡る巨額取引…
  • 6
    なぜイスラエルは対イラン戦争を支持するのか...「イ…
  • 7
    初の女性カンタベリー大主教が就任...ウィリアム皇太…
  • 8
    ビートルズ解散後の波乱...「70年代のポール・マッカ…
  • 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
    ヘンリー・メーガン夫妻の豪州訪問に3万6000人超の反…
  • 1
    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
  • 2
    「根底にあるのは怒り」...日本の「3Dプリンター住宅」企業が救う、ウクライナの未来
  • 3
    「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？
  • 4
    三笠宮彬子さまも出席...「銀河の夢か、現実逃避か」…
  • 5
    中国の公衆衛生レベルはアメリカ並み...「ほぼ国民皆…
  • 6
    記憶を定着させるのに年齢は関係ない...記憶の定着度…
  • 7
    中国最大の海運会社COSCOがペルシャ湾輸送を再開──緊…
  • 8
    映画『8番出口』はアメリカでどう受け止められた？..…
  • 9
    ロシア経済を支える重要な港、ウクライナのものと思…
  • 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