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

中国万科、債権者が社債償還延期を拒否　デフォルトリ
2025.12.14

ワールド

トランプ氏、経済政策が中間選挙勝利につながるか確信
2025.12.14

ビジネス

雇用統計やＣＰＩに注目、年末控えボラティリティー上
2025.12.14

ワールド

米ブラウン大学で銃撃、2人死亡・9人負傷　容疑者逃
2025.12.14
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
    【銘柄】資生堂が巨額赤字に転落...その要因と今後の展望。本当にトンネルは抜けたのか？
  • 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
    デンマーク国防情報局、初めて米国を「安全保障上の脅威」と明記
  • 4
    香港大火災の本当の原因と、世界が目撃した「アジア…
  • 5
    現役・東大院生！ 中国出身の芸人「いぜん」は、なぜ…
  • 6
    「前を閉めてくれ...」F1観戦モデルの「超密着コーデ…
  • 7
    身に覚えのない妊娠？ 10代の少女、みるみる膨らむお…
  • 8
    世界最大の都市ランキング...1位だった「東京」が3位…
  • 9
    南京事件を描いた映画「南京写真館」を皮肉るスラン…
  • 10
    トランプが日中の「喧嘩」に口を挟まないもっともな…
  • 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
    【衛星画像】南西諸島の日米新軍事拠点　中国の進出を睨み建設急ピッチ
  • 4
    デンマーク国防情報局、初めて米国を「安全保障上の…
  • 5
    日本人には「当たり前」？ 外国人が富士山で目にした…
  • 6
    【クイズ】「100名の最も偉大な英国人」に唯一選ばれ…
  • 7
    キャサリン妃を睨む「嫉妬の目」の主はメーガン妃...…
  • 8
    中国軍機の「レーダー照射」は敵対的と、元イタリア…
  • 9
    健康長寿の鍵は「慢性炎症」にある...「免疫の掃除」…
  • 10
    【銘柄】資生堂が巨額赤字に転落...その要因と今後の…
  • 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
    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
  • 4
    「999段の階段」を落下...中国・自動車メーカーがPR…
  • 5
    【銘柄】オリエンタルランドが急落...日中対立が株価…
  • 6
    「髪形がおかしい...」実写版『モアナ』予告編に批判…
  • 7
    日本の「クマ問題」、ドイツの「問題クマ」比較...だ…
  • 8
    膝が痛くても足腰が弱くても、一生ぐんぐん歩けるよ…
  • 9
    インド国産戦闘機に一体何が？　ドバイ航空ショーで…
  • 10
    ポルノ依存症になるメカニズムが判明！　絶対やって…
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