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

米、エヌビディア半導体「Ｈ２００」の中国販売認可を
2025.11.22

ワールド

米国の和平案でウクライナに圧力、欧州は独自の対案検
2025.11.22

ワールド

プーチン氏、米国のウクライナ和平案を受領　「平和実
2025.11.22

ビジネス

ＥＣＢは「良好な位置」、物価動向に警戒は必要＝理事
2025.11.22
ニュース速報一覧
今、あなたにオススメ
MAGAZINE
特集：世界も「老害」戦争
特集：世界も「老害」戦争
2025年11月25日号（11/18発売）

アメリカもヨーロッパも高齢化が進み、未来を担う若者が「犠牲」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
    ポルノ依存症になるメカニズムが判明！　絶対やってはいけない「3つの行動」とは？【国際研究チーム】
  • 2
    膝が痛くても足腰が弱くても、一生ぐんぐん歩けるようになる！筋トレよりもずっと効果的な「たった30秒の体操」〈注目記事〉
  • 3
    中国の新空母「福建」の力は如何ほどか？　空母3隻体制で世界の海洋秩序を塗り替えられる？
  • 4
    AIの浸透で「ブルーカラー」の賃金が上がり、「ホワ…
  • 5
    「週4回が理想です」...老化防止に効くマスターベー…
  • 6
    「髪形がおかしい...」実写版『モアナ』予告編に批判…
  • 7
    ロシアのウクライナ侵攻、「地球規模の被害」を生ん…
  • 8
    【銘柄】イオンの株価が2倍に。かつての優待株はなぜ…
  • 9
    「まじかよ...」母親にヘアカットを頼んだ25歳女性、…
  • 10
    EUがロシアの凍結資産を使わない理由――ウクライナ勝…
  • 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
    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
  • 3
    「999段の階段」を落下...中国・自動車メーカーがPR動画撮影で「大失態」、遺跡を破壊する「衝撃映像」にSNS震撼
  • 4
    「髪形がおかしい...」実写版『モアナ』予告編に批判…
  • 5
    【銘柄】ソニーグループとソニーFG...分離上場で生ま…
  • 6
    【写真・動画】「全身が脳」の生物の神経系とその生態
  • 7
    筋肉の正体は「ホルモン」だった...テストステロン濃…
  • 8
    「まじかよ...」母親にヘアカットを頼んだ25歳女性、…
  • 9
    「ゲームそのまま...」実写版『ゼルダの伝説』の撮影…
  • 10
    一瞬にして「巨大な橋が消えた」...中国・「完成直後…
  • 1
    【クイズ】本州で唯一「クマが生息していない県」はどこ？
  • 2
    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
  • 3
    英国で「パブ離れ」が深刻化、閉店ペースが加速...苦肉の策は「日本では当たり前」の方式だった
  • 4
    一瞬にして「巨大な橋が消えた」...中国・「完成直後…
  • 5
    「不気味すぎる...」カップルの写真に映り込んだ「謎…
  • 6
    【写真・動画】世界最大のクモの巣
  • 7
    高速で回転しながら「地上に落下」...トルコの軍用輸…
  • 8
    【クイズ】クマ被害が相次ぐが...「熊害」の正しい読…
  • 9
    【クイズ】ヒグマの生息数が「世界で最も多い国」は…
  • 10
    「999段の階段」を落下...中国・自動車メーカーがPR…
トランプ2.0記事まとめ
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