分析手法

6.4.2.分析方法

①

ツイート数の時系列分析

イベントの反響を把握するため，1 日ごとにツイート数を集計し，ツイート数の日変化 から，イベント開催日と非開催日の比較を行う．また，1時間ごとにツイート数を集計し，

その時間変化をイベント開催日と非開催日で比較する．また，イベント開催地の上野公園 では毎週末にイベントが行われているため，他の週末との比較により，他のイベントとの 反響の違いも把握可能である．

②

ツイート内容の分析

Twitter ユーザの関心対象を把握するため，まず，ツイート内容を MeCab によって形態

素解析し，上野公園に関するツイートに頻出する単語のランキングを作成する．次に，単 語同士の関係性の強さを可視化した共起ネットワーク図を作成する．可視化方法としては 共起ネットワーク図の他にもいくつかの方法があるが，共起ネットワーク図では，単語の 出現数，単語間の関係の強さなどが視覚的に表現されるため，対象期間のツイートの特徴 を直感的に把握することが可能であるためこの方法を選択した．なお，共起ネットワーク 図の作成には，無料で使用可能な樋口（2004）が開発したKH Coderを使用した．KHcoder

では Jaccard 係数に従って共起ネットワークが作成される．出現した全ての単語間に線を

描画した場合，結果の解釈が困難になるため，本研究では，出現数上位20語を用いてJaccard 係数の高い上位 60 の単語間に線を描画した．Jaccard 係数に関しては 5.3.2 で詳述してい る．

また，上記の二つの分析は，ツイートの「投稿者」の関心対象を明らかにするものであ る．本研究では，ツイートの「閲覧者」の関心対象とその反響の大きさを定量的に把握す るため，ツイートの被リツイート数のランキングを作成する．ツイートの内容の示す対象 と被リツイート数を示すことで，イベント内のコンテンツへの反響を定量的に把握可能で あると考えられる．

③

ツイートのポジティブ・ネガティブ分類

投稿者の感情を明らかにするため，ツイートをポジティブツイートとネガティブツイー トに分類する．ツイートの分類に関する研究（Purver & Stuart 2012；関・猪 2015）では機

械学習によって自動分類が試みられている．しかし，今回の分析対象は，自動分類を行わ なければ不可能なほどの膨大なツイート数ではないと予測される．したがって，より高精 度な分類を行うため，3人の作業者により 1 件ずつ文章と添付された画像を確認して分類 した．なお，分類の際には，主に形容詞に着目し，記号や顔文字も分類のための参考情報 とした．例えば「(^O^)」や「♪」が含まれていればポジティブ，「( ́･_･`)」が含まれていれ ばネガティブのように分類した．