FC2ブログ
TOP > CATEGORY - 考察

ITやモバイル機器、iPhone、手帳や本など。
MENU

デマに対してどのように対抗すべきかを考えてみる

2018082300.png


情報管理LOGの@yoshinonです。
今年の夏、はてなブックマークで多数のブクマを獲得したまとめ記事がありました。

【追記】学校の体育館にエアコンが設置されるも『1回で2500円の電気代がかかるから使用しないでください』とのお達しが教育委員会から届く→デマであると箕面市長が否定 - Togetter
【追記】学校の体育館にエアコンが設置されるも『1回で2500円の電気代がかかるから使用しないでください』とのお達しが教育委員会から届く→デマであると箕面市長が否定 - Togetter



せっかく体育館にエアコンを設置したけど、1回あたり2500円かかるから、使用しないでくれと委員会からお達しがあり使用できないと嘆くという内容でした。

それ以外にもヘイトを交えたデマなどが、溢れかえるほど蔓延していますよね。さすがにウンザリ感が高まります。さて、これは自分とは関係のない対岸の火事として、捉えれば良いという考え方もあるかもしれませんが、デマを放置しておくことによる社会的な損失は大きいと考えています。

そこで、今回はちょっとだけ真面目にデマに対して、どのように対抗すべきかについて考えてみました。


  
【 デマに対してどのように対抗すべきかを考えてみる 】  

 1.デマは、古典的かつ効果的な手法

 2.デマが拡散される背景を考える

 3.デマと対抗するには







checkmark.png 1.デマは、古典的かつ効果的な手法

さて、私たちは「デマ」と読んでいますが、正確には「デマゴギー」を略していっています。
デマを撒き散らかして、先導する人物のことを「デマゴーグ」といいます。ただし、この記事では、あえて2つを分けて書きません。

デマゴーグ - Wikipedia
デマゴーグ - Wikipedia





さて、古くは関東大震災の時に朝鮮の方を虐殺したという「関東大震災朝鮮人虐殺事件」が有名です。

関東大震災朝鮮人虐殺事件 - Wikipedia
関東大震災朝鮮人虐殺事件 - Wikipedia





こういうデマは、震災や人々が不安に駆られるときに起こりがちです。東日本大震災の時には、それこそデマがたくさん出ましたね。

地震の最中、死にかけ釣りツイートで大混乱 - Togetter
地震の最中、死にかけ釣りツイートで大混乱 - Togetter





そして、そういうデマを否定するのに労力を割かれたりしていたのも事実です。




これだけではなく、もはや日常レベルでデマに遭遇することも多いはずです。
あえて、例は出しませんよ。でも、「あれ嘘だったの??」という経験をしたことがある人は、少なくないはずですよね?

過去から現在まで連綿とデマがこれほど続けられるのは、それは

費用対効果が高い から

です。
少ない手間にも関わらず、大きな効果を生むという意味では、相当レバレッジ効果が高いと言えるのです。しかも、リスクが低いのです。
もちろん、バレてしまえば、それ相応のリスクを甘受する必要もありますが、そもそも口コミとして広がってしまえば、その元を探すのは、困難を極めます。

さらにデマは、拡散しやすいセンセーショナルな内容であるのに対し、デマを是正しようとする情報は、情動的な要素に乏しいので、どうしても拡散しない傾向が高いのです。この非対称性が、より一層拍車をかけているということになります。



checkmark.png 2.デマが拡散される背景を考える

デマが拡散されるときの背景を考えていきましょう。

1.不安・ストレスなど強い精神的な圧迫
災害時にデマが拡散しやすい背景として考えられるのが、この要因が大きいです。災害時は、非日常であり、過度なストレスがかかります。災害当事者はもちろんですが、その災害を目撃したり、ニュースで目にした者もストレスを感じています。そういう過度なストレスにさらされいている時というのは、情報の正確性を冷静に見極めることができず、デマが広がる温床になってしまうことが多いです。


2.正確な情報が乏しい(または正確な情報に触れづらい環境にある)
正確な情報に乏しい場合もデマが広がりやすい温床になります。元より正しい情報が、ほぼない状態だった場合は、それを正すべき根拠もないので、それが当然のこととして広まったり、疑うべきのないものとして扱われてしまいます。
例えば学校などで、EM菌の授業を受けてしまった子どもなどは、まさにそういう状態にあるといえますね。

6年生 EM菌の効果に関する授業 - 高千穂町立岩戸小学校
6年生 EM菌の効果に関する授業 - 高千穂町立岩戸小学校





3.不満・願望という感情面の高まり
1のストレスに広義の意味では、含まれるかと思いますが、あえて区別していきます。
社会的にしても政治的であっても、ニュースなどで多く目にする情報というのは、不満の温床になります。例えば、遠くの国の理不尽な政治的な弾圧というのは、世の中に溢れていますが、ニュースにならなければそれらに不満を抱くこともありません。しかし、自分の目の前に置かれたニュースには、感情的に飛びつき安いのです。

そして、そこで生まれた「不満」は、いずれ負の側面をもった「願望」へと変わっていきます。どういうことかというと、一番最初に例に挙げたエアコンの予算の関係のデマツィートの経緯を見てみると、


①猛暑によって学校で熱中症になる事例が頻発
②しかも、猛暑にもかかわらず野外活動をさせていた事例も散見
③学校においてのエアコン設置率が、都市によって大きく違うという報道


という流れがあったと思います。
①、②において、学校に対する不満の感情がエスカレートしていきます。しかも、そのニュースを見ている人達自身も暑いという1における過度のストレス状態である点も重要なところです。
そして、③の報道により、予算によって対応の差があるという件が明らかになったことにより、「予算によってエアコンが稼働(または設置)しないということもあるのではないか?」という疑惑が生じます。そして、負の願望として

「予算によって、エアコンが稼働(設置)しないことがあるであろう」

ということが想起されるのです。
ここまでくれば、ダム決壊まであと少しです。

あとは、件のツィートがとどめを刺したわけですね。これです。

2018082302.png



悪い言い方になってしまいますが、負の願望として、そういうことが学校現場で起こっていてもおかしくはないという強い推測をしてしまったことが、デマツィートを横行させてしまった原因になったと言えます。




checkmark.png 3.デマと対抗するには

まずは、デマ自体についての理解を深めることが重要になります。
まずは、これ。

話題になった上位1%の偽ニュースはおおむね1000〜10万人によって拡散されたのに対し、正しいニュースが1000人以上によって拡散されることはまれな事態だったという。偽ニュースがリツイートされた割合は正しいニュースの1.7倍、1500人が拡散するまでの時間は6分の1だった。

MIT、「Twitterでは嘘は真実よりも速く拡散される」との研究結果を発表 | スラド IT


デマは、正しい(正確な)ニュースの1.7倍も拡散される傾向があるという研究。
先ほどのエアコンの件のリツィートに対し、市長さんが訂正するツィートを載せました。




本日段階でも3800リツィートです。
それに対して、件のツィートは、46000リツィートですからね。10倍以上です。

それでも、やるべきはこの市長のように、正しい(正確な)ニュースを流していくことなのです。拡散率は、デマよりは遥かに劣りますが、それでも無駄な拡散を防ぐことにつながるのです。少なくともそれ以上の拡散をある程度抑止する力には、なるのです。

この図のように少なくともデマを広げる役割を持つフォロワーに向けて抑止力になり得る可能性があるのです。

2018082301.png



この時に、なるべく「正確で」「素早く」情報を届けることが、デマ拡散への最大の抑止力になります。なぜならば、デマ拡散を担うのは、デマを最初に言い出した人ではなく、そのフォロワーにあるのです。したがって、早ければ早いほど、拡散力は弱くなっていきます。また、そういうデマを拡散しようという人は、元々からそういう傾向にある人が多いようです。したがって、何度も様々な人が、正確な情報を提供することによって、その信用力が低いというシグナルをフォロワーに送り届けるというのも大事なポイントなのです。
拡散しきってから、正しい情報を伝えるのは、非常に労力がかかるのです。

2018082303.png


デマに対して、とても地味な対抗手段しかありませんが、しかし最終的に効力を発揮していくことを期待するしかありません。

というわけで、私も地味にですが、こんな感じでやっていますので、良かったらリツイートでもしてくれると助かります。








eyeglass2.png 情報管理LOGの眼
 人は信じたいものしか信じないという事実

デマは、それ自体がキャッチーで人の心を動かしやすい言葉でできています。それとともに、拡散しやすい背景が加わり、一気に拡散していくのです。

ユリウス・カエサルの有名な言葉で

「人間は、自分が信じたいと望むことを喜んで信じるものである。」
(「信じたいものしか信じない」とは言ってないようです)

というものがあります。
これは、なかなか深い洞察のある言葉だと思いますよね。そして、自分自身にも常に言い聞かせなくてはいけない言葉でもあると思うのです。
真実は、意外に面白みがなく、センセーショナルでもないことの方が多いのです。




ティーチングとコーチングは分けて考えた方が良い理由

2018072900.png


情報管理LOGの@yoshinonです。
今回は、久々の教育に関する話題です。

ティーチング?コーチング?

ナニソレ?
と思う人も知るかもしれません。
しかし、このあたりをしっかりと分けて考えることが、あらゆる理解力を向上させる近道なのではないか?と思うのです。

そういうわけで、今回は「ティーチング」と「コーチング」を分ける利点について書いていきます。



  
【 ティーチングとコーチングは分けて考えた方が良い理由 】  

 1.「ティーチング」と「コーチング」の違い

 2.優れた指導者の特徴

 3.「ティーチング」と「コーチング」を分ける利点







checkmark.png 1.「ティーチング」と「コーチング」の違い

これは、実に様々なところで語られていますが、書いておきます。

まず、「ティーチング」は、教えること全般を指します。
指導者が、教育を受ける人に技術や知識などを伝える行為のことですね。
皆さんが、イメージする学校の授業などは、これにあたります(最近の学校は、だいぶ違うらしいぞ?)。
また、企業や組織などで、部下などに様々な仕事を教えることなども、ティーチングに含まれます。どちらかといえば、教える人から教えられる人への一方向の向きになりますね。

2018072901.png



<ティーチングのメリット>
・たくさんの人に一斉に教授できる
・コーチングに比較して、時間がかからない
・教える内容パッケージ化できる





では、「コーチング」では、どうなるかというと、この図のようにコーチングをする人が、コーチングを受ける人に対して「問いかけ」を行うことで、自分の中から気づきを得て、それをコーチングする人に返すというコミュニケーション行為を通した育ちを促す手法です。

2018072902a.png


<コーチングのメリット>
・個性に合わせたり、個別に対応できる
・コーチングを受ける人の可能性を伸ばすことができる
・自発的にモチベーション高めたりできる





checkmark.png 2.優れた指導者の特徴

さて、よくいわれる「優れた指導者」と呼ばれる人の特徴というのは、実は

「ティーチング」と「コーチング」の2つを上手に兼合わせている人なのです。

そもそも、「ティーチング」と「コーチング」って、真逆の発想ですよね?
それを、どうして兼合わせることができるのか?そして、どうして兼合わせている人が、優れた指導者といえるのか?という点について、整理していきたいと思います。

そこで、「ティーチング」と「コーチング」のそれぞれの弱点を洗い出していきたいと思います。

ティーチングの弱点
・教わる人のモチベーションややる気に左右されやすい
・教わる人の個性は、尊重されない
・教わる人それぞれの特性に合わせた対応には向かない
・教える人の知識や能力に大きく左右される



コーチングの弱点
・大勢の人達に教授するには向かない
・時間がかかる
・一つの方向性にもっていくのには向かない
・コーチングされる人にある程度の知識や経験があることが前提になる




ところが、この弱点をカバーできる人達というのが、実際にいるのです。
それが、優れた指導者と呼ばれる人達です。

この人達は、ティーチングすべきポイントとコーチングすべきポイントを上手くミッククスして育て上げています。

例えば、育てたい人に知識や経験が乏しい場合は、まずはティーチングで知識や経験を伸ばしていき、ある程度身についた段階で、個別にフィードバックしてコーチングするというような感じです。
スポーツの強豪チームの監督さんなどは、このタイプが多くなってきている印象です(一昔前のゴリゴリの根性論一本という人は少なくなってきている)。

また、優れた指導者には、会社の上司なども含まれます。
そういう人達もよく観察すると、ティーチングとコーチングを上手く使い分けて、部下の育成を図っている場合が多いのです。教えるべき事は、しっかりと教え、個別のモチベーションを高めながら、各個人が創造的に考えられるように導いていくような上司っていますよね?




checkmark.png 3.「ティーチング」と「コーチング」を分ける利点

もちろん、優れた指導者がたくさん増えることが望ましいです。しかし、実際のところそういう人自体の数が限られている現状を見るに、ティーチングとコーチングを上手く使い分けるには、相当の難易度があると思われます。

そこで、あえて一人のパーソナリティにティーチング的側面とコーチング的側面を求めたりせず、チームとして分けて考えるというようにすると良いのです。

ティーチングが得意な人とコーチングが得意な人というのは、周りを見渡してみるとまあまあいますよね?でも、2つを兼合わせて得意な人というのは、非常に限られます。こんな感じ?

2018072903.png



要するにマネージメントの領域というわけなのですが、2つが得意な人を探すよりも、それぞれが得意な人の特性に合わせて協力させた方が、多くの人に対応できそうということです。

さて、今回なぜこのようなことを書いているのかというと、こんなサービスが出ていたからです。

【算数・中学数学特化型】世界初、人工知能が教えるオンライン家庭教師「Qubena Wiz(キュビナ・ウィズ)」
【算数・中学数学特化型】世界初、人工知能が教えるオンライン家庭教師「Qubena Wiz(キュビナ・ウィズ)」




このオンライン家庭教師は、ティーチング部分をAIに担当させ、コーチング部分を人がやると解釈しました。
※このオンライン家庭教師は、さらにAIが各個人ごとに適切な課題を与えるという最適化をしているところが画期的ではあります。

ティーチングというのは、繰り返しが必要だったり、教える側に根気強さなどが必要だったりします。そういうのやったことがある人分かりますよね??

実は、自分の子どもに逆上がりを教える時にYouTubeを使っていました。自分が教えるよりも何倍もコツを教えるのが上手く、さらにYouTubeなので、何度も繰り返し見ることができるのです。自分的には、何度も繰り返し~というのが、苦手なんですよね。
でも、自分の子どもの「この部分が、課題だな」と気づかせるのは、そうでもないのでかなりの短期間でできるようになりました。

このあたりのことに関しては、古い記事になりますが、これも参考にどうぞ。

ネットと先生が競合する時代。あなたの指導はYouTubeに勝てますか?
ネットと先生が競合する時代。あなたの指導はYouTubeに勝てますか?




この記事は、かなり煽って書いていますが、別にYouTubeに勝たなくても良いのですよね。それぞれの得意とする部分を組み合わせれば良いだけで。
ティーチングをYouTubeやAIに任せて、人間はコーチングに徹するというのもありといえばありなんですよね。




 eyeglass2.png 情報管理LOGの眼
 得意な部分を組み合わせる

今回は、コーチングとティーチングについての記事でしたが、これは他のことにも応用可能ですよね?得意な部分と他の人の得意な部分を組み合わせることで、一人ではなしえなかったり、一人でやっている希少な人材を発掘する必要がなかったりします。
こういうのを世の中のマネージメント層は、日頃からやっていると思うのですが(えっ、やってない??)人同士の組み合わせにこだわる必要もないよなと最近思うのです。




「受け付け」「受付け」「受付」が、盛り上がっていたので一言書いておく

2018072000.png


情報管理LOGの@yoshinonです。
今朝、はてなブックマークのホットエントリを見ていたら、「受け付け」「受付け」「受付」という送り仮名問題についての話題で盛り上がっていました。
特に国語学者でも何でもないのですが、この件について少しだけ書いておこうかと思います。

  
【 「受け付け」「受付け」「受付」が、盛り上がっていたので一言書いておく 】  

 1.「受け付け」「受付け」「受付」は、どのように使い分けるかの話題

 2.文部科学省からの告示から読み解く

 3.他ではどうか見てみる







checkmark.png 1.「受け付け」「受付け」「受付」は、どのように使い分けるかの話題

朝起きたら、はてなブックマークのホットエントリにこのような、まとめ記事が上がっていました。

「受け付け」「受付け」「受付」など言葉の微妙な違いについて、正式な書類はこの法則に則っているという分かりやすい説明が話題に - Togetter
「受け付け」「受付け」「受付」など言葉の微妙な違いについて、正式な書類はこの法則に則っているという分かりやすい説明が話題に - Togetter





まず私の立ち位置から書くと

言語は生き物のようなもので、絶えず変化するものだからガチガチに考えない方が良い

と思っています。
だから、私の言語に対するスタンスは、かなり柔らかめと考えてください。
※だから、最近よく使われる「分かりみがある」という表現も、すんなり受け入れられる派

さて、このまとめの発端のツィートは、このようなものでした。




つまり、このツィートでも書かれていますが、

「私は、受付窓口で申請を受け付け、それを処理する受付けの人です。」

と書かなくてはいけないらしい。
げげっ。




checkmark.png 2.文部科学省からの告示から読み解く

私は、国語学者ではないので、厳密な分け方というのは、そこまで堅くなくても良いのではないかと思っています。
ただし、名詞と動詞は、多少区別すべきかとは思っています。

さて、ちなみにこの送り仮名問題ですが、この根拠となるものが文部科学省から出ています。それが、これです。

送り仮名の付け方:文部科学省
送り仮名の付け方:文部科学省




平成22年に出された内閣告示第二号「送り仮名の付け方」ですね。上記の人は、あとで触れる内閣法制局で出されたものか、いずれかを根拠にしているのではないかと思われます。

まず、重要なのは、この「前書き」です。

前書き
一 この「送り仮名の付け方」は、法令・公用文書・新聞・雑誌・放送など、一般の社会生活において、「常用漢字表」の音訓によつて現代の国語を書き表す場合の送り仮名の付け方のよりどころを示すものである。

二 この「送り仮名の付け方」は、科学・技術・芸術その他の各種専門分野や個々人の表記にまで及ぼそうとするものではない。

三 この「送り仮名の付け方」は、漢字を記号的に用いたり、表に記入したりする場合や、固有名詞を書き表す場合を対象としていない。

送り仮名の付け方:文部科学省

赤字は、@yoshinon付与

ぶっちゃけて書くと、
公文章など公になる文章を書くときは、これに基づいて書いて欲しいな
でも、他はそこまで求めないよ
ということなのです。

さて、これの大事なところは、このあとに続く「通則」なのです。

これも、抜粋してみましょう。

1 活用のある語
通則1 (活用語尾を送る語に関するもの)
通則2 (派生・対応の関係を考慮して、活用語尾の前の部分から送る語に関するもの)
2 活用のない語
通則3 (名詞であつて、送り仮名を付けない語に関するもの)
通則4 (活用のある語から転じた名詞であつて、もとの語の送り仮名の付け方によつて送る語に関するもの)
通則5 (副詞・連体詞・接続詞に関するもの) 複合の語
通則6 (単独の語の送り仮名の付け方による語に関するもの)
通則7 (慣用に従つて送り仮名を付けない語に関するもの)

送り仮名の付け方:文部科学省


さて、ここで注目していただきたいのは、「通則6」と「通則7」です。

例えば、

打ち合わせる

という語は、

打ち合せる・打合せる

どちらの表記でもOKと書いてあります。
さらに、似た用法としては、このような例も表記されています。

申し込み(申込み・申込) 
( )の中の表記でもOKだよと。


つまり、

受け付け

は、

「受け付け」でも「受付け」

でもOKということです。

「受け」の送り仮名は、「け」しかありえないので、省略可ということですね。

ただし、名詞としての「受付」は、区別されます(活用しないから)。このあたりは、通則7に書いてあります。




checkmark.png 3.他ではどうか見てみる

文部科学省からのでも十分だと思いますが、もう少し見ていきましょう。

内閣法制局から平成22年に出ている「法令における漢字使用等について」では、複合語の送り仮名に関して以下のように書いています。

原則として,「送り仮名の付け方」の本文の通則6の「本則」の送り仮名の付け方による。ただし,活用の ない語で読み間違えるおそれのない語については,「送り仮名の付 け方」の本文の通則6の「許容」の送り仮名の付け方により,次の 例に示すように送り仮名を省く。

Taro-◆法令における漢字使用等に

※赤字:@yoshinon

基本は、文部科学省から出ていた「送り仮名の付け方」の通則6に従うよ、でもこれに従ってね。と続いているのです。
そして、やはり名詞としての複合語は、送り仮名をつけないのを原則とするよとなっています。

さらに、平成22年11月30日に内閣訓令第1号として総理大臣名義で出された「公用文における漢字使用等について」においても

公用文における送り仮名の付け方は,原則として,「送り仮名の付け 方」(昭和 48 年内閣告示第2号)の本文の通則1から通則6までの「本 則」・「例外」,通則7及び「付表の語」(1のなお書きを除く。)に よるものとする。 ただし,複合の語(「送り仮名の付け方」の本文の通則7を適用する 語を除く。)のうち,活用のない語であって読み間違えるおそれのない 語については,「送り仮名の付け方」の本文の通則6の「許容」を適用 して送り仮名を省くものとする。

kunrei.pdf


とあり、やはり前述の文部科学省からの「送り仮名の付け方」の通則に従うよと書かれています。


そう考えたときに、前述のツィートで指摘されていた

「受け付け」と「受付け」

に関しては、公文書レベルでも厳密に区別していないことを区別しようとしていることになるのです。

私の考察としては、このあたりなのですが、他にもこのような出典があったよ!
というのが、あれば教えてください。




 eyeglass2.png 情報管理LOGの眼
 ことばは、生き物だよ

よく日本語警察などといって、「日本語の乱れがー」「若者の言葉がなってない」などと言う人がいるのですが、言語学者さんでそういうことを言う人聞いたことがないのですよね。むしろ、「ことばは、生き物のようなもので、絶えず変化するものだから」というようなことをおっしゃる人は、多いのですけどね。
というわけで、もしかしたら10年後には、今日書いたことが全くの間違いみたいに言われる日もあるかもしれません。そういうものだと思っています。




そんなに電気代安いの!?という電化製品を挙げてみる

2018063000.png


情報管理LOGの@yoshinonです。
今朝、はてなブックマークを見ていたら、こんな記事(いやまとめだな)が上がっていました。

扇風機をつけっぱなしで出かけた娘に対し…父『電気代請求すんぞ』娘(テーブルに10円玉叩きつけて)『釣りはいらん!』父『足りるかボケ!』娘『ググれや!』 - Togetter

そんなバカな??と思い、速攻ググってみたら確かに最近の扇風機の電気代安いのですね…(技術の進化すごい)。
というわけで、今回は最近の電化製品の電気代を色々比較してみることにしました。


  
【 そんなに電気代安いの!?という電化製品を挙げてみる 】  

 1.きっかけのツィート

 2.1時間あたりの電気代比較

 3.組み合わせて考えると面白い







checkmark.png 1.きっかけのツィート

上にも書きましたが、今回の記事の元ツィートが、コレでした。




そうなのか?と思って、速攻にググってみたら、こうなりました。
1時間あたりの電気代です。

扇風機(40W)→約0.8円
扇風機(DCモーター) →約0.05円~0.07円


扇風機の40W相当というのは、だいたい「強」ぐらいの風量だと思ってください。10時間回しても、8円ちょっと。確かに10円でおつりが出るわ…。
DCモーターの扇風機に至っては、5日間回し続けても8円ちょっとって(ただし長時間回し続けるものではないので、発火その恐れあり。そんな無茶な使い方は、ダメ)。
DCモーターの扇風機ってこういうの。すごい売れてるね。



あんまり、そういう観点で考えたことなかったな。
そういうわけで、以下に1時間あたりの電気代をまとめてみました。




checkmark.png 2.1時間あたりの電気代比較

1時間あたりの電気代をまとめてみました。機器は、どんどん進化していくので、もしかしたらさらに電気代が安くなっている可能性もあります。冷蔵庫の進化スゴイですからね。


製品電気代
(1時間あたり)
炊飯器(炊く) 約3.6円~4.3円
炊飯器(保温) 約0.4円
電子レンジ 約40円
LEDシーリングライト(14畳) 約0.4円~0.6円
テレビ32型 約1.3円~1.7円
ノートPC 約0.8円
エアコン(冷房) 約1.5円~24円
冷蔵庫(450L台) 約0.7円~1.3円
Wi-Fiルーター 約0.1円~0.4円
洗濯機(ドラム式) 約3.8円
洗濯機(縦型) 約4.6円
PS4 約3円
掃除機 約20円~27円
掃除機(自動)約0.6円~1円





checkmark.png 3.組み合わせて考えると面白い

上でまとめた表ですが、全てを1時間あたりに換算したので、実際はそんなに使わないという場合も多い物もあるはずです。

例えば、圧倒的電気料を誇る電子レンジなんて1時間ずっとつけっぱなしなんてありえないですよね?
ご飯のあたためなんて5分もやれば良い方です。

そうすると、約3.3円になります。

電気炊飯器でずっと保温しておくのと、どちらが経済的かというと、電子レンジでチンの方が経済的だったりするわけです。

ノートPCをつけっぱなしでいるよりも、テレビがつけっぱなしの方が電気代がかかることが分かります。つまり、PCでなんかやっているよりも、テレビでゲーム機を接続して遊んでいる方が、単位時間的には2倍以上電気代がかかることになるのです。

ところが、ノートPCからNASにアクセスしていたり、それがWi-Fiルーター経由だとテレビよりかかったりするあたり面白いですよね。

というわけで、これをつかって奥さんに対してプレゼンをするような野暮なことは、絶対にやめようね!




 eyeglass2.png 情報管理LOGの眼
 家電の進化がすごいね

家を建てたときに、一気に冷蔵庫などの家電製品も買い換えをしたのですが、消費電力がものすごい勢いで下がってきているのですよね。10年前の冷蔵庫を使うぐらいならば、売ってしまって、新しいのに買い換えをした方が良いぐらいです。
あと、ルンバ意外に安いなと思いました。うーん、買うか迷うな。





ルンバの類似品が、半額以下かうむむむ。



Twitterのアンケートと世論調査について~Twitterアンケートは正確性があるか?

2018042100.png


情報管理LOGの@yoshinonです。
よくTwitter上でアンケートしているのを見かけますよね?
でも、アレって正確なのでしょうか?最近、新聞社とかの世論調査と(正確性が)変わらないのでは?みたいなことを言う人がいるみたいなので、他でも書いている人がいますが、情報管理LOGでも取り上げたいと思います。


  
【 Twitterのアンケートと世論調査について 】  

 1.Twitter上のアンケートとは

 2.世論調査(RDD方式)について

 3.Twitterアンケートの無意味さについて

 4.世論調査の問題点について







checkmark.png 1.Twitter上のアンケートとは<

Twitter上で様々なアンケートをよく見かけますよね?
特に最近は、色々と政治的にもセンシティブな話題が多いので、そういう傾向のアンケートを目にすることが増えてきました。

Twitterアンケートってこういうの。
ものすごく無難なのをセレクトしてみました。




しかし、いつもセンシティブな話題に関してのアンケートについては、何だかもやっとした違和感を感じています。自分たちに都合の良い結果が出ていることに自信をもって、(右も左の方々も←こうやって書かないと、ものすごく粘着されるから!!)「大勝利!」とか言っているのを見ると、とても残念な気持ちになってしまうのです。しかも、それをもって、「世論調査は、意味ない!自分たちの結果の方が正しい」という言説を見ていると、そうではないのだけどなと思ってしまうのです。

それはなぜかというと、Twitterアンケートは、内輪で面白おかしく楽しむだけであるならば良いのですが、

基本的には意味が無い

からです。

なぜ、意味が無いのかについては後ほど解説しますが、まずは世論調査(RDD方式)についての基礎知識についての解説をします。




checkmark.png 2.世論調査(RDD方式)について

世論調査ってありますよね?
様々な社会的な傾向を掴むために行われ、よくニュースなどで見るはずです。

ワイドショーなどでよく見る「街の人100人に聞いてみました!」というのは、世論調査でも何でも無く、単なるアンケートと言います。

世論調査というのは、「標本調査」の一種です。
標本調査というのは、

標本調査(ひょうほんちょうさ)とは、母集団をすべて調査対象とする全数調査(悉皆調査)に対して、母集団から標本を抽出して調査し、それから母集団の性質を統計学的に推定する方法

標本調査 - Wikipedia


です。

本当だったら、日本国民全員に調査(全数調査)をすれば、精度の高い結果を得られます。そりゃ、10人しか国民がいなければ、その10人に聞けば、全体の傾向はつかめますよね。でも、日本は1億2000万人ぐらいいるので、その全てに聞いて回るのは、(正確かもしれないけれど)、コストがかかりすぎてしまうし、そんなことを毎回やることは非常に難しいですよね?

でも、選挙に関しては、国民の意思を問うという大事な機能なので、お金をかけて、基本的には、全数調査を実施しているわけです(有権者に対して)。とはいえ、実際は投票率などを見ると、全数とは全くほど遠い状態ではあるわけですけど。

とはいえ、選挙レベルの調査をテレビでも新聞でもやっていたら破産してしまいます。

10人や100人だったら全数調査は可能だけど…

2018042101.png



ものすごいたくさんの人に対しては、難しい。

2018042102.png



そこで、標本調査という手法がとられるわけです。
でも、その調査すべき標本というのが、とても大事なポイントで、そもそもの標本に偏りがあったら、偏った結果が出てしまうのです。

そこで、よく偏った標本の例として引き合いに出されることが多いのが、1936年に行われたアメリカ大統領選挙です。

実際、世論調査において当時最も信頼に足ると思われていた「リテラリー・ダイジェスト」(The Literary Digest)という総合週刊誌は、200万人以上を対象から回収した調査結果を基に共和党のランドン候補が57%の得票を得て当選することを予想していました。 これに対して、前年に世論調査の業界に参入したばかりのジョージ・ギャラップが率いる「アメリカ世論研究所」(the American Institute of Public Opinion)は、わずか3000という少ない対象者からの回答を基にルーズベルト候補が54%の得票を得て当選することを予想したのです。

アメリカ大統領選挙の番狂わせ(前編)~ 標本調査における偏り①|統計学習の指導のために(先生向け)


結果としては、少ない対象者からの回答を元にした「アメリカ世論研究所」の方が、正確に予想を当てました。

これは、リテラシー・ダイジェストが、標本の偏りを見抜けなかったからです。


画像引用:アメリカ大統領選挙の番狂わせ(前編)~ 標本調査における偏り①|統計学習の指導のために(先生向け)

どういうことかというと、このリテラリー・ダイジェストは、自身の読者にアンケートを実施していました。この購読者層自体が、大恐慌時代に雑誌購読を続けることができるという、非常に偏りのある標本になっていたのです(車所有率が高い、年収が高いなど)。

どんなに多くのサンプルを集めても、標本として偏りが生じているならば、それは意味をなさないという好例です。

では、標本調査は完璧に全体の傾向を表すことができるか?
というと、100%正しいとは言えません。

しかし、標本の偏りをできるだけ排除すれば、全体の傾向をできる限り正しく掴むことができるのではないか?というのが、統計学が行っていることです。つまり、全数調査ではないので100%の正確性は担保しないが、許容範囲の誤差であれば問題ないであろうというのが、標本調査の基本の考え方です。

そこで、標本の偏りを排除するために行われるのが、「無作為抽出」というものです。全数に対して、ランダムに選択することによって、標本の偏りを排除しようという試みのことを指します。

やっと、世論調査(RDD方式)に話が戻って来るのですが、そこで調査対象の抽出でよく行われる手法が、層化二段階抽出法というものです。

例えば、NHKでは、このようにやっています。

世論調査の手順 - 調査相手の抽出 | NHK放送文化研究所
世論調査の手順 - 調査相手の抽出 | NHK放送文化研究所




第1段階:調査地点の抽出
全国を「道北(北海道北部)」から「沖縄」までの18ブロックに分け、18のブロックそれぞれで、市区町村を都市規模と産業別就業人口構成比によって並べ替えます(層化)。 各ブロックの人口数の大きさに比例して300地点を系統抽出します。実際の調査では1調査地点を1人の調査員が担当します。
第2段階:調査相手の抽出
該当する調査地点の市区町村の住民基本台帳から、1地点につき12人の調査相手を等間隔で抽出します。 このように統計理論にのっとって調査相手を抽出した場合は、回答結果の誤差範囲を推定することができます。

世論調査の手順 - 調査相手の抽出 | NHK放送文化研究所


層化というのは、例えば「男女」や「年齢」や「職業」などを、回答に影響があると考えられる要素ごとに個別の母集団として扱うことで、回答への影響を小さくするという方法のことです。


画像引用:https://ja.wikipedia.org/wiki/%E6%A8%99%E6%9C%AC%E8%AA%BF%E6%9F%BB#/media/File:Stratified_sampling.PNG

こうすることによって、偶然であっても母数の偏りが生じづらくするようにしているのです。

例えば、貧困に関する世論調査があったときに、無作為抽出法によって偶然

「裕福」「裕福」「裕福」「裕福」「貧困」

みたいな標本になることを、極力防ぐということです。

このように世論調査というのは、かなり丁寧にそういう調査上の偏りが生じないような配慮をしていることがわかるはずです。
とはいえ、正確性や問題が無いかと言われれば実はあるのですが、それは4で説明します。




checkmark.png 3.Twitterアンケートの無意味さについて

さて、翻ってTwitterアンケートについて考えてみます。
Twitterでのアンケートは、まず標本の偏りがあります。なぜ、そのように断言できるのかというと、

母集団の偏りを排除するための仕組みがない

からです。

前述のRDD方式のような、全数に対する無作為抽出法も行われることもなく、層化による層化二段階抽出法も行われていません。まあ、そりゃそうですよね。あったら、逆にコワイ。

Twitterではフォロー&フォロワーとその関連ツィートによってタイムラインが構成されていますよね。そうすると、どうしても似た傾向を持つ者同士が、強い結びつきを獲得していくという傾向があります(嫌いなツィートを流す人をフォローはしないはずです)。
これは、前述のアメリカ大統領選挙において行われたリテラリー・ダイジェストによる調査と変わりがありません。

偏った傾向を持つ母集団に対するアンケートでしかないのです。

それどころか、TwitterやFacebookなどは、アルゴリズムによるタイムラインの編集を行っています。

Never miss important Tweets from people you follow
Never miss important Tweets from people you follow



どのツイートを表示するかは、ツイッター(のアルゴリズム)が決めるのか
どのツイートを表示するかは、ツイッター(のアルゴリズム)が決めるのか



米ツイッター、嫌がらせツイート対策でアルゴリズムの利用拡大
米ツイッター、嫌がらせツイート対策でアルゴリズムの利用拡大




そうすると、興味関心や反応したことがあるアカウントが、さらに優先的に表示されるので、より一層偏った傾向に拍車をかける仕組みになっているというわけです。

さらに言うならば、そもそもTwitterをやっており、さらにそういうアンケートに積極的に答える層というのは、さらに偏った傾向を持つと考えられるのです。

もっと悪意のある捉え方をするならば、Twitterは個人による複数アカウントによるアンケートを排除することはできないので、自分の思い描く回答結果の方に大量回答することも原理的には可能だということです。ちなみにRDD方式は、完全に個人を対象としており、家族が代理で回答するなども認めていません。

したがって、アンケート対象のパイをいくら大きくしても、そもそもの標本自体の偏りを排除できていないアンケートというのは、趣味の範囲を出ないと言わざるを得ません。

Bookmarklet: instantly generate a Card for any web page. | Embedly




checkmark.png 4.世論調査の問題点について

さて、Twitter上でのアンケートには、意味が無いということはお分かりいただけたでしょうか?

それでは、世論調査自体には、問題が無いかと言われれば、全くないわけではありません。以下は、現状の世論調査において、排除し切れていない問題についてです。

1.RDD方式による限界
RDD方式は、電話による調査を実施しています。2016年からは、(調査内容によっては)携帯電話にもかけて実施しています。この電話番号自体は、層化二段階抽出法によって、なるべく無作為性を保つ工夫がされています。

しかし、

知らない番号からかかってきた電話でますか?

たぶん、私は出ないです。
しかも、携帯電話ならば、なおさら出ない可能性が高いです(そもそも我が家には固定電話無い)。そうすると、「知らない電話番号からかかってきても、電話に出てしまうという層」という偏りが生じる可能性が出てきます。さらに、働いている人にとって、なかなか電話に出づらい時間帯(たいていは、朝9:00~夜9:00)というのも、偏りを生じさせる原因になっている可能性があります。

とはいえ、RDD方式は単に集まったデータをそのまま使うのではなく、さらに標本の偏りによって生じたデータも分析段階で均一になるようにしています。ただし、これも標本の数が、少なくなってしまうと正確性が担保できなくなってしまうという問題点が指摘されています。



2.質問の仕方の問題
質問の仕方によって回答が左右されるということが指摘されています。

例えば、極端な例として

「○○という問題点が指摘されています。△△を支持しますか?」

という質問であるならば、△△の支持は極端に減るはずです。

また、

「○○を支持しますか? 支持する、支持しない」

というのと、

「○○を支持しますか? 支持する、支持しない、どちらとも言えない、分からない」

という選択肢が示されるのでは、結果は違ってきますよね?



3.回収率による信頼度の低下
上でも書きましたが、回答数が少なくなると、誤差の範囲が大きくなりがちになってしまいます。通常想定されている誤差は、数%ですが、これが有効回答数が減ってしまうと、誤差がどんどん大きくなり、10%以上になることも考えられます。
残念ながら、RDD方式による有効回答数は、年々低下傾向にあるとされています。そう考えると、誤差の範囲が徐々に大きくなってきている可能性は否定できません。


とはいえ、だからといって、

Twitterでのアンケートの信頼度が上がるというわけでは一切ありません。


また、世論調査の信頼度に関する記事をいくつか読ませていただきましたが、「固定電話しかやっていない」とか、そもそものRDD方式自体の不理解からの記述など、かなり偏った考えで書かれている記事が多かったことも付記しておきます。
そういう記事を信じて、確証バイアスを高めるのは、あまり良いことではありませんね。

世論調査を実施している各社を丁寧に比較し、その中間ぐらいが概ね正しいと考えるのが、比較的穏当な見方なのかもしれないと考えています。



eyeglass2.png 情報管理LOGの眼
 デマは流すのは簡単だけど、否定するのは難しい

Twitterでのアンケートで(マッチポンプ的に)自らの確信を深めるのは、個人の勝手で好きにやってくださいとしか言えませんが、センシティブな問題について、それが結果だと思い込み流布するのは、社会的な影響としては悪だと言わざるを得ません。
さらに一種のデマであるということに無自覚というのが、頭の痛いところです。
こういうデマに関しては、一度流布したものが信用されやすいというデータもあり、それを打ち消すのは、難しいという研究も出てきています。今後、社会問題として考えていかなくてはいけない問題だなと思っています。




このカテゴリーに該当する記事はありません。
SEO
loading
情報管理LOG