「ビッグデータ」という言葉からは、テック企業が保有する膨大な個人情報を思い浮かべるかもしれません。しかし実際には、多くのビッグデータは誰の目にも見えるものです。ただ、それを「データ」とは考えていないだけなのです。
最近映画館に行ったことがあれば、キャストとクルーの名前を役割とともに並べたクレジットのデータセットを目にしたはずです。一本の映画のクレジットだけでは有用とはいえないかもしれませんが、すべての映画のクレジットを集めれば大規模なデータセットになります。Nestaとthe PEC（クリエイティブ産業のための新たな政策・エビデンスセンター）とともに、私たちはこうした非機密のビッグデータセットが、クリエイティブ産業におけるジェンダーの表象にどのように新たな光を当てられるかを探ってきました。
ジェンダーの表象は、従来、労働者への調査によって測定されてきました。しかし、ほとんどの調査はそれほど長期間にわたって実施されてきておらず、新たな調査を開始してから、ジェンダー構成がどのように変化しているかを把握できるまでに数年かかることもあります。また、調査では女性と男性の人数を数えるにとどまることが多く、創作プロセスにおいて各集団がどれほど目立っていたか、あるいは特定の芸術形式においてどのように描かれていたかを明らかにすることはできません。
深く掘り下げる
私たちは最近、クリエイティブ産業における女性に関するメディア報道を調べ、ガーディアン紙の記事を50万本以上用いました。対象は2000年から2018年に掲載された記事で、ブックス、映画、ファッション、ゲームなど、クリエイティブ産業に関連する紙面のものです。
過去5年間で、女性への言及は大きく増加しました。2000年から2013年まで、記事内の性別を示す代名詞（例：「he」や「she」）のうち、女性を指すものは3分の1未満でした。しかしこの傾向は2014年に変わり始め、2018年には女性を指す代名詞の割合が40%に達しました。一方で、英国のクリエイティブ産業の労働者の男女構成は近年ほぼ横ばいが続いており、約37%で推移しています。
また、私たちは代名詞「he」と「she」の後に続く単語も分析し、クリエイティブ労働者に対するメディアの描写を探りました。その結果、男性と比べて、女性が発する特定の音、例えば「laughs（笑い声）」「cries（泣き声）」「giggles（くすくす笑い）」「coos（甘い声）」や、「smiles（微笑み）」「grins（にやり）」「nods（うなずき）」といった非言語的な反応に、より多くの焦点が当てられていることが分かりました。これらの単語は決して頻繁に使われるものではありませんでしたが、使用された場合には、他の単語と比べて男性よりも女性を指す可能性が高いことが分かりました。
対照的に、過去のクリエイティブな業績やリーダーシップに関する単語は、男性を指す頻度がより高いことが分かりました。例えば、「she directed」よりも「he directed」を目にする可能性がはるかに高く、同様に「he performed」「he designed」「he managed」「he founded」といった表現も見られました。この結果は、クリエイティブ産業における長年のジェンダー不均衡と一致しています。
別の研究では、、私たちは英国映画協会（BFI）のデータセットを用いました。このデータセットには、英国で劇場公開された長編映画すべてのクレジットが含まれています。
BFIが出演者やスタッフの名前から性別を推定したところ、スクリーン上の男女構成は第二次世界大戦終結以降、大きく変化していないことが分かりました。また、2017年には、女性はキャスト全体の約30%、クルー全体の34%を占めるにとどまっていました。
このデータセットからは、スクリーン上の登場人物の職業における性別による違いも明らかになりました。例えば2005年以降、（役名のない）スクリーン上の「医師」の役を女性が演じたのは16%にすぎません。これは、英国の医師の46%が女性であるという事実と食い違っています。英国の医師の46%が女性。
クリエイティブにおける公平性
非機密のビッグデータが、クリエイティブ産業におけるジェンダー指標を示しうる可能性を示している研究者は、私たちだけではもちろんありません。Googleの研究者は、Geena Davis Instituteと協力し、顔認識および音声認識技術を用いて、2014年から2016年までの各年において、米国で興行収入の高い実写映画100本のうち、女性が画面上の時間のわずか36%、発話時間の35%しか占めていなかったことを示しました。
ビッグデータの研究は多様性の指標を充実させることができますが、潜在的な偏りの要因は2つあります。第一に、私たちは顔、名前、あるいは一つの代名詞からほぼ常に性別を推定しているため、人の性別を誤って判断する可能性があります。第二に、こうした推定手法は一般に「男性」と「女性」しか検出せず、ノンバイナリーの性自認を持つ人々を除外したり、誤分類したりします。これらの理由から、ビッグデータの手法は調査の代替にはなりません。調査では、人々が自ら性自認を示し、完全に回答を控えることもできるからです。
こうした潜在的な偏りを考慮してもなお、研究者に提供されさえすれば、ジェンダー不均衡に新たな光を当てうる多くのビッグデータ源が存在します。例えば、映画やテレビ番組のスチール写真や字幕へのアクセスがあれば多様性施策の評価に活用でき、より多くの新聞の内容へのアクセスがあれば、クリエイティブ労働者に対するメディア報道についてより広範な研究が可能になるでしょう。
こうした新たな手法の可能性を実現するためには、クリエイティブ組織が非機密データを安全に共有することを奨励・支援する必要があります。そうすることで、研究者が英国のクリエイティブ産業におけるジェンダー平等の測定について、さらに一歩踏み込んだ創造的な取り組みを行えるようになることが期待されます。
