プレスリリース 研究 2024 2024.02.05 人はなぜワクチン反対派になるのか ―コロナ禍におけるワクチンツイートの分析― 発表のポイント ◆ コロナ禍で初めてワクチン反対派になった人の特徴を分析し、陰謀論やスピリチュアリティに傾倒している人がワクチン反対派になりやすく、さらに参政党への支持を高めた可能性を示した。 ◆ ワクチン反対派などの特徴を分析した研究は多く存在するが、本研究ではどのようにワクチン反対派に転じるに至ったかを時系列的な分析に基づいて明らかにし、さらにその政治的含意も示した。 ◆ 公衆衛生に対する脅威となりうる反ワクチン的態度の拡散を食い止めるための手がかりが得られ、将来のパンデミックに対して重要な教訓を得た。 パンデミックを経て新たに高い反ワクチン的傾向を持つようになったアカウントの特徴 発表概要 東京大学大学院工学系研究科の鳥海不二夫教授と、同大学未来ビジョン

まずやってみるのはいいけれども限度はあるはず。それはどこだサッカーに興味があるならば、ルールブックを熟読するよりも先にとにかくサッカーをやってみるのがいい、ということに反対する人はあまりいないと思う。 とはいえ全く何も知らないのではゲームが成立しなくなってしまうので、最低限知っておくべきことはあるはずだ。例えば、どうなったら得点になるのかは必須だろう。あとはゴールキーパー以外は手を使ってはいけないとか、範囲を出たらスローインになるとかだろうか。 では「データ分析」における「最低限知らないといけないこと」は何なのだろうか、と考えた内容をまとめた。 前提として、本記事の「データ分析」は「意思決定のための情報＝インテリジェンスを作ること」に絞る。言い換えると、システムに組み込んで意思決定と行動を自動化するような「データ分析」は対象外とする。 インテリジェンスについての説明は「情報」には「データ」

1. データ分析の概要と目的 データ分析とは、大量のデータから有用な情報や知識を抽出するプロセスです。 このプロセスには、データの収集、前処理、探索、モデリング、評価、そして最終的な知識の抽出が含まれます。 データ分析の主な目的は以下の通りです ビジネスの意思決定をサポートする 新しい市場の機会を発見する 顧客の行動や傾向を理解する 製品やサービスの改善 予測や予測モデリングを行う 2. Pythonにおけるデータ分析のライブラリの紹介 Pythonはデータ分析のための多くのライブラリを持っています。 以下はその中でも特に人気のあるライブラリです Pandas: データの前処理や探索的データ分析に使用されるライブラリ NumPy: 数値計算を効率的に行うためのライブラリ Matplotlib & Seaborn: データの可視化に使用されるライブラリ Scikit-learn: 機械学習の

こんにちは。エムスリーデータ分析グループの中島です。 本記事ではマーケティングやデータサイエンスの文脈で重要度が高まっている統計的因果推論への足掛かりをデータ分析グループの業務と結び付けながらご紹介したいと思います。 1. はじめに「A→Bの因果関係がある」とは、Aへ介入する（Aを変化させる）ことよって、要因Bを変化させることができることを意味します。 具体例で考えると、投薬（A）の有無によって病気の治癒率（B）が変化する場合、投薬→治癒率の因果関係があるといえるわけです。 このような因果関係をデータを活用して解き明かそうとするのが統計的因果推論の目的ですが、大別するとさらに次の２つに分類されます。 (1) 因果の方向を既知のものとして因果の大きさを評価(因果推論) (2) 因果の方向の決定・探索(因果探索) これらの基本的な考え方と手法について紹介をしたいと思いますが、その前に重要な概念

以前こんな記事を書いたことがあります。 「社員全員Excel経営」で名高い、ワークマン社のサクセスストーリーを論評したものです。2012年にCIOに就任した土屋哲雄常務のリーダーシップのもと、取引データの完全電子化を皮切りに「全社員がExcelを使いこなして数字とデータで経営する」戦略へと移行し、社内のExcelデータ分析資格を一定以上取得しないと管理職に昇進できないとか、はたまた幹部クラスの企画・経営会議ではデータに基づかない議論や提案は相手にすらされないとか、「Excelを社員全員が使えるようになるだけでもここまで企業カルチャーは変わり得るのか」という事例のオンパレードで、関連記事や書籍を読んでいて舌を巻いたのを覚えています。まさしく「ワークマンのすごいデータ活用」だったのです。 一方、個人的に強く印象を受けたのが土屋常務が様々なところでコメントしていた「我が社には突出したデータサイエ

ビジネスでデータサイエンスを活用するシーンとして、過去データを使って将来を予測するタイプの問題がある。商品販売数や店舗売上高など、折れ線グラフを使って表現するようなデータ（時系列データ）に基づいた時系列分析だ。過去の販売データに基づいて翌月の発注量を決めたり、3年後など中長期の計画を策定したりするのに使う。今回は、この時系列分析に活用しやすい3つのアルゴリズムを見ていこう。 Prophet

naki @naki_mk 私のツール遍歴 新社会人「Excelの機能たくさん覚えて市場価値アップだ！まずはショートカットっと」 2年目「BIツール超便利じゃん…Excelとか必要なくね…ｽｸｼｮ貼ﾘ付ｹ-」 3年目「BIツールだけだと何かと不便…Python覚えるか…」 6年目「誰でも使えるように設計されてるExcelが便利すぎる…」 2022-08-19 09:58:41

ロシアのウクライナ侵攻をめぐり、日本のツイッター上で「ウクライナ政府はネオナチ」という親露反ウクライナの投稿をリツイートしたアカウントの約９割が、過去に反新型コロナウイルスワクチン関連のツイートをリツイートしていたことが、東京大大学院の鳥海不二夫教授の分析で分かった。両者の親和性の高さが浮き彫りとなった。 鳥海氏は１月１日～３月５日にツイッターに投稿された約３０万ツイートを調査。リツイートの傾向を①ロシアの侵攻について言及②戦争に反対③ロシアを批判④「ウクライナ政府はネオナチ」などと主張－の４つに分類し、分析した。 分析によると、「ウクライナ政府はネオナチ」という主張は確認されただけで２２８ツイートあり、１万９０７アカウントで３万３４２回リツイート。１アカウント当たりのリツイート数は２・８で、他の３傾向（１・４～１・７）より多くなっていた。 さらに、４分類された傾向をリツイートしたアカウン

開高健の『食の王様』を読んでいたら、こんな一節に出会った。 　食談も性談も皮一枚の差なのである。性を忘れて食談にふける人も、食を忘れて性談にふける人も、その識閾下にあるものはおなじであるように思われる。一つの根の二つの幹であるかと思われるのである。 （開高健 『食の王様』） 　食欲と性欲。この二つの欲望について「一つの根の二つの幹であるかと思われる」と指摘している。開高健がそう述べる際に参照しているのが、安岡章太郎の『遁走』という戦争小説の、以下の一節だ。 　内還の希望がうすれて行くにつれて加介は、あの色の黒い小柄な看護師の顔を何かにつけて憶い出すようになっていた。眼

Scientific Reportsという論文誌に"Japanese conservative messages propagate to moderate users better than their liberal counterparts on Twitter"という論文が掲載されました． 日本国内の話ですので，折角だから解説したいと思います． 今北産業安倍政権時代の安倍晋三元首相に関する1億2千万件以上の大量ツイートを分析した結果，保守派のツイートの方がリベラル派のツイートよりも穏健な中間層によく届いていることが明らかになりました． もうちょっと詳しく東京大学・豊橋技術科学大学・香港城市大学の国際共同研究グループは、1億2千万件を超える安倍元首相に関するツイート（「安倍」または「アベ」が含まれるツイート）を解析し，保守派のツイートの方がリベラル派のツイートよりも穏健な中間層によく

「#安倍晋三の不起訴処分に抗議します」というツイートが広く拡散しているというニュースがありました． 安倍氏への抗議、ツイッターで拡散　投稿20万件に迫る 「#安倍晋三の不起訴処分に抗議します」16万件超投稿　ネットで抗議次々 - 毎日新聞 しかし，トレンドに乗ったからといって一部のアカウントが多数の拡散をしている可能性があるため，中身をちゃんと見ずに数字だけ示しても意味がないことが良く知られています． そこで，どのくらいのアカウントがどのくらいの拡散を行っているのかを分析してみました． 2020年12月19日6時～25日7時までの「#安倍晋三の不起訴処分に抗議します」が含まれる48,863アカウントによる298,153ツイートを分析してみました．このうち，238，283ツイートがリツイート，すなわち拡散されたツイートです． このうちオリジナルツイートを行ったアカウントは24,955あり，拡

こんにちは。エンジニアの敷地(@shikichee)です。 現在AI受診相談ユビーのプロダクトオーナーをやっています。 自分が入ってから、リピーター数が2ヶ月半で5倍に 今回はエンジニアとして培ったスキルを活かしながら、施策の立案から実行まで行い、2ヶ月半でリピーター数が5倍になった事例を紹介できればと思います。タイトルは若干ふざけすぎですが。笑 ※この記事は Ubie Advent Calendar 2020 の 21 日目の記事です。 0. 突然のチーム移動&課題だらけの環境Ubieに入って3年間、病院向けのプロダクトAI問診ユビーをソフトウェアエンジニアとしてずっと開発してたのですが、今年の10月にAI受診相談ユビーという一般ユーザー向けのサービス開発チームに異動することになりました。 AI受診相談ユビーとは 質問に答えいてくと、参考病名や適切な医療機関が出てくるシンプルなサービスで

【JS/ Python両方OK!】「データ可視化」が歴史から実装まで体系的に学べるStanford講座の独習ノートJavaScriptd3.jsデータ分析データサイエンスcolaboratory CS 448B Visualization (2020 Winter)は、Maneesh Agrawala氏による、Stanford大で行われた、データの可視化に関する体系的な講義です。 スタンフォード大の"CS 448B Visualization (2020 Winter)" がすごい。 データ可視化の体系的講義。どう図表に変換するかの理論、探索的データ分析、ネットワーク分析等の実践と盛り沢山。 スライドに加え、Observable(JavaScript), Colab(Python)どちらでも例を試せる。https://t.co/lGyPElrihg pic.twitter.com/mWZn

CEを用いて「天気の子」の単語を含むツイートを集計したところ、408万強のツイートがありました。 2軸の折れ線グラフにしました。販売数は土日や祝日（お盆など）で急上昇する周期を描きながら緩やかな右肩下がりで少しずつ減少しています。2か月近く販売数を維持しています。対してツイート数は同様のトレンド（右肩下がり）で緩やかに減少していますが、土日や祝日の急上昇はありません。 ツイート数を使って販売数を予測・説明するために回帰分析という、統計解析ではオーソドックスな手法を使います。 方程式を導く回帰分析 回帰分析とは、Y=aX+b　という方程式を導き、説明変数Xによって、目的変数Yの変動をどれくらい説明できるのか？Xが1増えるとYがいくつ増えるか？などを把握できる手法です。Excelでできます。Xを複数用いることもできます。 天気の子のツイートが1増えると映画館の販売数がいくつ増えるのか？その関係

印刷されたコンテンツとデジタルコンテンツ。記事が読まれるときの大きな違いの一つが「タイトルとサムネイル」の重要性です。デジタルでは、ウェブメディアにしてもニュースアプリにしても、最初に読者の目に入るのは、タイトルとサムネイルだけ。それゆえに、記事に興味を持ってもらうためのタイトルの決め方には、多くの編集者・ライターが工夫を重ねていることでしょう。 しかし、本文を参考に記事を選ぶことができないというスマートフォンでの閲読体験のもとでは、タイトルの決め方は、記事の「選ばれ方」だけでなく、記事の「読まれ方」にまで影響を及ぼします。 今回は、毎日1万本以上にのぼる、SmartNewsで表示された記事の閲読データを分析しました。そこで見えてきた、本文まで読まれやすい記事タイトルの特徴をお伝えします。 タイトルと導入部の印象が異なるだけで読者は離脱する SmartNewsでは、記事の一覧を表示する画面

本日はメルマガとnoteの日。noteは単体だと108円ですが年間のマガジンだと3980円なのでかなりお得になります。マガジンがオススメです。w １　30代サラリーマンが最も投資すべきものとは ２　レンタカーにQRコードを貼って集客できる？ ３　地方都市の不動産屋が地域の選挙率を上げるには ４　飲酒による迷惑行為について感じること ５　Google AdWords広告が不承認になったら ６　わたしの愛用するオフィスチェアについて です。まぐまぐ!または、スマホで読む方はnoteでお買い上げいただけます。関係ないですがついでにInstagramもフォローしていただけると喜びます。 昨日、仕事を始めようとしたら飛び込んできた痛ましい殺傷事件。長らく介護して、お別れの覚悟も数年かけてしたつもりの愛犬小雪さんが亡くなっただけでもこれほどのショックなのに、目の前で大好きなお母さんを刺された子供のショ

これが結婚生活の現実なのか…？Googleで「旦那」と検索した時と「嫁」と検索した時の違いの差が悲しいいいい！ みんながそういう検索をしているから変換候補に出てくるのかい？(´;ω;`)

こんにちは、ほけきよです。 pythonでデータを取り扱っているとき「あれ、これどうやるんだっけ？？」 ってなること、ありませんか？僕は10分に1回程度なります。 いや、覚えろと自分でも思うんですが、覚えられないんですよね。100回くらい同じコマンドを調べてたりする。 物覚えが良くないので、ココを見れば絶対大丈夫なようにしておこうと思い、まとめてみました。 jupyterで最初に開くときに読み込むモジュールたち datetime 日付⇔文字列の変換 datetimeの足し算引き算 json dict型⇔json jsonファイルの入出力 datetimeをjsonにする時、エラーが出る pandas ～以外を表すやつ andとor inf弾く リストをdfにサクッと変換 datetimeとして読み込み 読み込み時にcodecのエラーが出る DataFrameのfor文 numpy lins