| スピーカー |
トランスクリプト |
| レ氏 |
皆さんこんにちは。私の名前はTuan Leです。今日はJMP Proを使った分析についてプレゼンテーションをします。 |
| |
COVID-19 に関するツイートの感情。 |
| |
ご存知の通り、COVID-19パンデミックは、私たちのほとんどにとって、この1年間で最も混乱を招いた出来事です。幸いなことに、科学者たちは比較的迅速にワクチンを開発しました。そして今、この危機を解決するための課題は、ワクチンの普及です。 |
| |
ワクチンの入手可能性とアクセス性に加え、ワクチンの採用は人々の認識に大きく左右されます。 |
| |
おそらく誰もがワクチンについて独自の意見を持っており、私たちの周りの他の人の意見を得るのはかなり簡単です。 |
| |
しかし、私たちの社会的なサークルにおけるワクチンに対する認識は、必ずしも一般大衆の意見を代表するものではないかもしれません。そこでこの分析が役立ちます。Twitterを使って |
| |
2020年12月から2021年4月までのデータに基づき、世界中の6万件のツイートのサンプルを分析し、洞察を抽出しました。 |
| |
JMPを用いて、オンライン版の章の中で最も人気のあるワクチン、いくつかのトピック、そして懸念事項を特定しました。また、この分析にはJMP 16に搭載された新しい感情分析ツールも導入しました。 |
| |
そこで、主な分析を始める前に、サンプルを最初に理解するために概要を調べました。 |
| |
データには、ユーザー名、ツイート数、ツイートのハッシュタグ、フォロワー数など、いくつかの主要な変数があります。 |
| |
リツイート???とツイート内容そのもの。ツイートの量は |
| |
3月に急増しました。フォロワー数が最も多いアカウントは、インドのNDTVなどのニュースメディアで、次いで著名人やインフルエンサーのアカウントが続きます。このテンプルのツイートはユニークであり、リツイートはサンプルから除外されています。 |
| |
この分析に主に使用しているツールは、「分析」メニューの下にあるテキストエクスプローラーファイルです。これはツイートエクスプローラーのダイアログです。 |
| |
ツイートの内容自体を詳しく見ていく前に、まずハッシュタグについて見てみましょう。ハッシュタグは、ユーザーがツイートに付けたトピックを示します。ツイートには、複数のトピックを表す複数のハッシュタグが含まれる場合があります。 |
| |
テキストエクスプローラーオプションで |
| |
ハッシュタグを分析する際にはステミングは必要ないので、ステミングは行いません。トークン化の方法は、基本的な単語のみです。 |
| |
分析を進めると、これらのツイートが COVID-19 に関連していることがすでにわかっているため、COVID-19 などの単語やそのバリエーションは分析から除外されます。これは、情報価値が追加されないためです。 |
| |
すぐにわかるように、トップのキーワードには最も人気のあるワクチンの名前が含まれています。モデルナ、ファイザー、 |
| |
スプートニク、アストラゼネカ。ご覧のとおり、それぞれのワクチンの種類は複数の用語やハッシュタグで呼ばれることがあります。 |
| |
さて、最も人気のあるワクチンが分かったので、ハッシュタグを詳しく見てみましょう。 |
| |
ワクチンの種類と国名を残しても、この先は特に意味をなさないからです。これらの単語は目立ちすぎるので、ストップワード辞書に追加します。 |
| |
他の用語やトピックを圧倒してしまうので |
| |
これらの単語をストップワード辞書に追加した後、ワードクラウドを表示するビジュアルアプリを使用します。これを見ると、最も目立つ単語は「ワクチン接種を受ける」「ワクチンは効く」「ワクチンは命を救う」であることがわかります。これにより、次のような初期的な見解が得られます。 |
| |
このトピックには肯定的な感情があるようです。 |
| |
では、さらに進んでツイート自体を探索してみましょう。同様のワークフローを実行します。今回は、ツイートの内容の結合オプションとしてstemを使用します。これは、同じ語源を持つ単語を結合するためです。これにより、データの次元数を削減できます。 |
| |
トークン化の方法では、句読点、スペース、タブなどの組み込み式と記号を使用してドキュメントを解析できるように、正規表現を使用します。 |
| |
このステップの後、COVID 19に関連するストップワードと、前回の分析でハッシュタグを付けたワクチンの名前を追加すると、 |
| |
これらのツイートで最も頻繁に使われている用語をまとめました。ご覧のとおり、最も多く使われている用語は「副作用」です。これは、人々がワクチンに対して抱いている非常に大きな懸念を反映しています。 |
| |
これは驚くべきことではありません。ワクチンは比較的新しいため、かなり早く登場したからです。私自身も経験があります。 |
| |
夏にベトナムで友人や家族と話していたときに、このことにとても共感できました。 |
| |
誰もワクチン反対派ではなく、皆ワクチンを接種してCOVID-19を終わらせたいと望んでいるが、皆とても心配していて、消極的だ。 |
| |
特定の種類のワクチンを早期に接種することに反対する人たちもいます。皆、より実績のあるモデルナ社やファイザー社のワクチンを待ちたがります。そして、血栓症に関するニュース…血栓症に関する報告は、彼らを非常に不安にさせています。 |
| |
その後、ツイートのクラスターに対して潜在クラス分析を実施し、 |
| |
このクラスタリングにより、ツイートの内容はいくつかのトピックに分類できることがわかります。 |
| |
ワクチンの配備に関する議論。ワクチン接種を受けた人々の個人的な体験談や、彼らがどう感じているかなどについて。ワクチンに対する人々の懸念について、あるいは各国のパンデミックの状況についてツイートするなど。 |
| |
最後に、JMP Pro 16では、テキストエクスプローラーの三角形のメニューからアクセスできる新しい機能が追加されました。それは感情分析です。このツールは、各単語に感情スコアを割り当て、 |
| |
修飾語には否定語と強意語が含まれます。否定語には「no」「not」が含まれ、強意語には「very」「really」などがあります。例えば、 |
| |
たとえば、世界では、「幸せ」という単語に、肯定的な感情スコア 60 が割り当てられているとします。 |
| |
プログラムは、単語の前に「no」または「not」という単語が見つかった場合、代わりにマイナス60のスコアを割り当てます。ユーザーは、このグリッドから手動で用語を選択し、辞書に追加して、その用語に感情スコアを割り当てることもできます。 |
| |
このツールは、デフォルトの辞書が非常に包括的であるため非常に便利ですが、分析のコンテキストに応じて、各単語の感情スコアをカスタマイズする必要がある場合があります。 |
| |
このサンプルで分析を行った結果、 |
| |
JMPは7,300点を獲得した |
| |
ツイート。その中には、 |
| |
1. |
| |
また、すべてのツイートを全体的に見るのではなく、より具体的なものに焦点を絞ることもできます。例えば、 |
| |
特定の種類のワクチンに関連するツイートだけを表示できます。例えば、モデルナ社に関連するツイートだけを見ることができます。そうすると、 |
| |
1. ファイザーもほぼ同じです。他の種類のワクチンも…私が調べたワクチンはすべて |
| |
ネットではポジティブなツイートがネガティブなツイートを上回っていますが、その比率はモデルナ社とファイザー社で最も高くなっています。他の企業のツイートでは比率は低いですが、全体的には… |
| |
一般的に、どのような種類のワクチンを取り上げているかに関わらず、人々はワクチン全般に対して概ね肯定的な感情を抱いていると結論付けることができます。さて、 |
| |
結論は、 |
| |
我々は、 |
| |
JMP Pro のテキスト エクスプローラー ツールは非常に強力ですが、使い方も非常に簡単なので、これを使用してテキスト分析を実行し、任意のテキスト サンプルからこれらの洞察を抽出することができます。 |
| |
COVID-19ワクチンに関するツイートに関してここで得られた結果は、最終的に私たちの全体的な予想を裏付けるものでした。 |
| |
ワクチンの副作用に対する大きな懸念があり、ワクチン接種をためらう人がいる可能性があることを強調したいと思います。 |
| |
そして、人々の信頼とワクチン接種への意欲を得るためには、より良いコミュニケーション戦略と透明性をもって、この懸念にもっと積極的に取り組む必要がある。 |
| |
JMP Proを用いたCOVID-19ツイートの感情分析についてのプレゼンテーションは以上です。ありがとうございました。 |
