何十年もの間、調査研究の主要な定番手段の一つは固定電話でした。電話で研究参加者を募り、調査することを基盤とした学問分野と数百万ドル規模の産業が存在します。人々が誰に投票するのか、どんな商品を買うのか、そして健康や医療についてどのような考えを持つのかを測る方法です。
しかし今日、固定電話を持つ人は減っており、携帯電話への自動発信を禁じる法律があるため、携帯電話はこうした調査に簡単には使えません。固定電話を持つ人は、白人、高齢者、地方在住者に偏っているため、彼らを調査しても全人口を代表する標本にはなりません。しかし、固定電話調査では捉えられない人々を見つけられる場所があります。Twitterです。
私たちのチームは、ワクチン拒否を研究する公衆衛生研究者、計算ツールを開発するコンピューター科学者、システム統合の専門家で構成され、 ツイートをリアルタイムで分析する手法に取り組んでいます。ワクチンに対する考え方を分析し、Twitterを社会科学研究ツールとして活用して、はるかに大きな人口を正確かつリアルタイムに捉える方法を見いだす計画です。
Twitter上の人々について、何が分かっているのでしょうか？
「待ってください。Twitterを使った研究はすでに行われているのでは？」と思うかもしれません。確かにそうですが、現時点でTwitter研究の大半には 重大な限界があります。
コンピューター科学の専門知識を持たない研究者にとって、ツイートの収集や分類、定量化は難しい場合があります。特に社会科学者には、人々を人口統計上の属性やその他の特徴によって分類できることが必要です。
しかし、Twitter上の人々について、そうした情報を把握するのは必ずしも簡単ではありません。現時点では、人々が毎日発信する情報のすべてを分析する有効な方法がありません。私たちの研究チームは、まさにその方法の開発に取り組んでいます。将来的には、他の研究者も同じ手法を使って、ソーシャルメディア上で社会科学の問いを研究できるようにすることが狙いです。
世論調査は健康分野に何をもたらせるのでしょうか？
エイズ流行の初期を思い起こしてください。感染経路についての誤解を研究者が把握し、正すこと、あるいは危険な行動を取っている集団を特定し、その集団に合わせたメッセージを届けることが、予防活動にとっていかに重要だったかを考えてみてください。
研究者が態度、信念、行動について尋ねる相手の多くが地方在住の高齢白人で、都市部の若者やマイノリティが十分に含まれていなかったとしたら、どれほど偏った全体像になっていたかを想像してください。
政策立案者や公衆衛生当局者は意思決定に正確なデータを必要とし、危機において研究者は誤るわけにはいきません。だからこそ、現在の調査にある空白をTwitterで埋める方法を見つけようとしています。
代表性のある標本を得る
今日では、調査を正確に行うには、十分な人数を対象にする必要があると分かっています。また、男性と女性、あるいはアフリカ系アメリカ人と白人アメリカ人のように、研究への参加頻度が低い傾向にある集団も十分に代表される必要があります。そうした人々の態度、信念、行動は、従来の研究では過少に反映されているからです。
1920年代から1930年代にかけての社会調査の初期には、研究者はたいてい街頭で見つけた人に話を聞くか、電話を持つ人、自動車を所有する人、雑誌を購読する人など、住所を簡単に入手できる相手に調査票を郵送していました。こうした標本は、主に白人で裕福なアメリカ人の考えを示す指標としては優れていることが多かった一方、国全体の実情を把握するには著しく不正確でした。
しかし第二次世界大戦の数年前、ギャラップ、ハリス、ローパーなどの世論調査員が、サンプリングと呼ばれる新しい手法を使い始めました。調査参加者を慎重に選ぶことで、少人数への聞き取りから、統計的確率に基づく推定を用いて、全国の人々を正確に代表する見解を導き出せるようになりました。
初期の世論調査と同じく、現在の調査方法も、意見や態度を測定するために人口を代表する標本を作る点では十分ではありません。ソーシャルメディアを活用する私たちのアプローチは、この標本抽出の問題を大きく改善すると考えています。
調査は人々がいる場所へ、つまりオンラインへ向かう必要がある
若者やマイノリティは、Twitterのようなソーシャルメディアの利用が最も盛んな人々です。また、あらゆる年齢、人種、社会経済的階層の集団が、ソーシャルメディアを積極的に利用するようになっています。彼らが生み出す豊富な情報を、既存の社会調査にある空白を埋めるために活用できます。しかしまず、その方法を見いだす必要があります。
Twitterを使って世論をリアルタイムで把握する手法を開発するため、私たちのチームは、2009-2010年のH1N1（豚インフルエンザ）パンデミック時のツイートなど、ワクチン接種に関連する数百万件のツイートを集め、ワクチンに対する態度に関する研究など、パンデミック中に収集された過去の調査データと比較します。
次に、H1N1に関する既存の調査回答数千件とこれらのツイートを比較し、調査で実証されたパターンに似たパターンをTwitterデータから見分けられるまで分析します。
位置情報、言語認識アルゴリズム、集団の態度や語りに関する既存の知識を用いて、Twitterのデータと調査回答を照合します。その際、オンライン上で十分に代表されている人口統計上の集団に特に注目します。照合できれば、将来はより迅速で低コストなTwitterを直接利用して、求める情報を得られるようになります。
私たちは、「調査から分かっているのは、例えば豚インフルエンザのパンデミック中、ヒスパニック系の親はアフリカ系アメリカ人や白人の親よりワクチンをはるかに強く懸念していた一方、子どもにワクチンを接種させた割合はずっと高かったということです」と言える段階を目指しています。そしてアルゴリズム、言語認識ソフトウェア、その他の分析ツールを使い、Twitter上で同じ集団に同じ態度が見られるかを検出します。
こうした研究は既存の調査データを補完し、調査で過少に代表されがちな集団についての知識の空白を埋め、より大きな人口にも一般化できる可能性があります。こうした比較をすべて終えれば、今後は集団のアイデンティティや意見形成に関する同じ原則を、リアルタイムで変化するTwitterデータに適用できるでしょう。
このデータは何に役立つのでしょうか？
公衆衛生上の事態が進行しているとき、調査データよりはるかに遅く、費用もかかる分析と同じように、こうしたデータを統計的に収集・分析できます。これにより、公衆衛生当局者は、状況に応じてメッセージをどこに、どのように届けるべきかを把握できます。私たちはワクチン接種に関する態度や行動から始めますが、このツールは他のあらゆる健康問題にも同じように使えます。
公衆衛生研究者、そして研究に資金を提供することの多い納税者にとって、これは現在よりはるかに迅速かつ低コストで得られる信頼性の高いデータを意味します。さらに、現在のTwitterの人口構成を踏まえると、接触が難しい若者や人種・民族的マイノリティに関する情報も得られます。
この記事はもともと The Conversationに掲載されました。 元の記事をお読みください。掲載は、世界経済フォーラムが見解を支持していることを意味しません。
アジェンダの最新情報を得るには、 週刊ニュースレターに登録してください。
著者：Karen Hilyardはジョージア大学の健康コミュニケーション担当助教です。David Broniatowskiはジョージ・ワシントン大学工学・応用科学部の助教です。Mark Dredzeはジョンズ・ホプキンズ大学コンピューターサイエンス学部の助教です。
画像：Twitterのシンボルの前で携帯電話を持つ男性たちのシルエット。REUTERS。
