東日本大震災に おける Twitter の利用傾向の分析

東日本大震災におけるTwitter の利用傾向の分析

宮部 真衣†，荒牧 英治† ，三浦 麻子‡

† 東京大学知の構造化センター‡ 関西学院大学文学部

2Center for Knowledge Structuring, The University of Tokyo.

発表順序

1.研究背景2. 検証仮説3. 対象データセット

a. ツイートの種類b. ツイートの発信地c. 引用関係の定義

4. 分析結果分析 1 ：各地域において， Twitter はどのように利用されたのか？分析 2 ：被災地から発信された情報は，他の地域で拡散されたのか？

5. まとめ

Center for Knowledge Structuring, The University of Tokyo.

研究背景• マイクロブログの普及– Twitter 利用者数： 1491 万人（ 2011 年 7

月）

• 東日本大震災（ 2011 年 3 月 11 日）– Twitter などのマイクロブログが重要な情報イ

ンフラの 1 つとして活用された

3

今回の震災において活用された Twitterの利用傾向を分析し，今後のシステム開発などのための知見を抽出

Center for Knowledge Structuring, The University of Tokyo. 4

関連研究（ 1/2 ）• 人々の感情変化の分析– Cohn ら（ 2004 ）， Back(2010)• 災害・事件：アメリカ同時多発テロ事件（ 2001

年）• 分析対象：ブログ

• デマの発信・拡散についての分類–Mendoza ら（ 2010 ）• 災害・事件：チリ地震（ 2010 年）• 分析対象： Twitter

Center for Knowledge Structuring, The University of Tokyo. 5

関連研究（ 2/2 ）• ツイート発信者の分類や，ツイートで引用された

URL の参照内容に関する分析– Longueville ら (2009)

• 災害・事件：フランスにおける森林火災（ 2009 年）• 分析対象： Twitter

• 伝搬していった情報に関する分析– Vieweg ら（ 2010 ）

• 災害・事件：オクラホマの火事，レッドリバーでの洪水（ 2009 年）

• 分析対象： Twitter– Qu ら（ 2010 ）

• 災害・事件：青海地震（ 2010 年）• 分析対象：オンラインフォーラム（ BBS ）

Center for Knowledge Structuring, The University of Tokyo. 6

目的• 東日本大震災発生後に Twitter へと投稿され

たツイートを分析

• 本研究のポイント–比較的長期間（ 20 日間）のデータを用いる–地域性を考慮した分析を行う

震災発生時の Twitter 利用傾向などを明らかにする

7Center for Knowledge Structuring, The University of Tokyo.

発表順序

1. 研究背景

2.検証仮説3. 対象データセット

a. ツイートの種類b. ツイートの発信地c. 引用関係の定義

4. 分析結果分析 1 ：各地域において， Twitter はどのように利用されたのか？分析 2 ：被災地から発信された情報は，他の地域で拡散されたのか？

5. まとめ

Center for Knowledge Structuring, The University of Tokyo. 8

メディアと情報伝達• マスメディア

– 情報発信者：メディア運営者

一方通行

双方向

• ソーシャルメディア– 情報発信者：各個人

Center for Knowledge Structuring, The University of Tokyo.

検証仮説（ 1/2 ）• 東日本大震災–被害の範囲が広く，マスメディアでも全体を報

じきれない–被害が深刻でないものの，支援が必要な地域を

対応しきれない [1]• マスメディアで対応しきれない被災地の状

況を，ソーシャルメディアにより各個人が発信できる可能性

9[1] 小林啓倫：災害とソーシャルメディア～混乱、そして再生へと導く人々の「つながり」～，毎日コミュニケーションズ(2011).

Center for Knowledge Structuring, The University of Tokyo.

検証仮説（ 2/2 ）1. 情報発信者の状況によって利用方法に違いが

あるのではないか？

2. 被災地から発信された情報は，全国的に広まるのではないか？

10

各地域において， Twitter はどのように利用されたのか？

被災地から発信された情報は，他の地域で拡散されたのか？

RQ1

RQ2

11Center for Knowledge Structuring, The University of Tokyo.

発表順序

1. 研究背景2. 検証仮説

3.対象データセットa. ツイートの種類b. ツイートの発信地c. 引用関係の定義

4. 分析結果分析 1 ：各地域において， Twitter はどのように利用されたのか？分析 2 ：被災地から発信された情報は，他の地域で拡散されたのか？

5. まとめ

Center for Knowledge Structuring, The University of Tokyo.

対象データセット (1/2)• 本研究では，以下の 5種類のデータを利用

– 震災時• 2011 年 3月 11 日から 30 日までのツイート

– 「地震」というキーワードを含むツイートを収集

– 平常時 A• 震災以前（ 2010 年 3月）のツイート

– 平常時 B• 震災発生から約4か月後（ 2011 年 7 月）の，地震以外のトピックに関して収集

したツイート– 「風邪」および関連キーワードを含むツイートを収集

– 平常時 C• 震災発生から約4か月後（ 2011 年 7 月）の，地震以外のトピックに関して収集

したツイート– 「見える」および「聞こえる」を含むツイートを収集

– 平常時 D• 震災発生から約4か月後（ 2011 年 7 月）の，地震以外のトピックに関して収集

したツイート– 症例キーワード（「頭痛」など）を含むツイートを収集

12

Center for Knowledge Structuring, The University of Tokyo.

対象データセット (2/2)データセット 取得期間 ツイート数 収集キーワード 位置情報

震災時 2011 年 3月 1,612,074 「地震」 あり

平常時 A 2010 年 3月

99,765,808 なし なし

平常時 B

2011 年 7月

493,597 「風邪」など

あり平常時 C 1,278,581 「見える」「聞こえる」

平常時 D 4,238,627 症例（「頭痛」など）

13

Center for Knowledge Structuring, The University of Tokyo.

ツイートの種類• 本研究では，以下のツイートを扱う– リツイート（ RT ）

• 他ユーザのツイートを自分のフォロワーに転送する行為 – “RT @ユーザ名”が含まれる

（非公式RT ）※公式RT は全体の 2.6% であったため，今回は非公式RT のみを用いる

– リプライ• 特定のユーザ宛のツイート

– “@ユーザ名”から始まる

14

情報拡散行動

対話行動

35%

3%17%

46%

各ツイートの割合

非公式 RT公式 RTリプライその他

Center for Knowledge Structuring, The University of Tokyo.

ツイートの発信地（ 1/2 ）• 以下の 4 つの地域に分類

– AREA1 ：大災害地域• 宮城県，岩手県，福島県

– AREA2 ：災害地域• AREA1 に隣接した都道府県• 青森県，秋田県，山形県，新潟県，栃木県，茨城県，群馬県

– AREA3 ：間接的災害地域• AREA2 を除いた東京電力管

内の都道府県• 東京都，千葉県，埼玉県，山梨県，神奈川県，静岡県

– AREA4 ：非災害地域• AREA1 ～ 3 以外の都道府県

15

大

小

被害

Center for Knowledge Structuring, The University of Tokyo.

ツイートの発信地（ 2/2 ）

16

• 発信地の特定手順– 位置情報が付与されている場合

• 逆ジオエンコーディングにより都道府県を特定

– 位置情報が付与されていない場合• ユーザのプロフィールから文字列マッチ

ングにより都道府県を抽出

ユーザ数 ユーザ比率 ツイート数1 人当たりのツイート数

AREA1 18,964 人 5.3% 51,791 2.73

AREA2 24,693 人 6.9% 60,097 2.43

AREA3 216,741 人 60.8% 497,831 2.30

AREA4 96,087 人 27.0% 221,961 2.31

Center for Knowledge Structuring, The University of Tokyo.

引用関係の定義• RT 投稿者と RT されたツイートの投稿者（被 RT 者）の扱い

17

本研究では，ツイート内容から取得可能な最古のツイート投稿者を被 RT 者とする

時間 A ○○らしい

B RT @ユーザ A ○○ らしい

C RT @ユーザ B RT @ユーザ A ○○らしい

D RT @ユーザ C RT @ユーザ B RT @ユーザ A ○○ らしい

E RT @ユーザ A ○○ らしい

A

B

C

D EA の RT と見なす

18Center for Knowledge Structuring, The University of Tokyo.

発表順序

1. 研究背景2. 検証仮説3. 対象データセット

a. ツイートの種類b. ツイートの発信地c. 引用関係の定義

4.分析結果分析 1 ：各地域において， Twitter はどのように利用されたのか？分析 2 ：被災地から発信された情報は，他の地域で拡散されたのか？

5. まとめ

Center for Knowledge Structuring, The University of Tokyo.

分析結果の概要• 本発表では，以下の 2 つの調査結果につい

て報告

19

各地域において， Twitter はどのように利用されたのか？（ RQ1 ）

分析 1被災地から発信された情報は，他の地域で拡散されたのか？（ RQ2 ）

分析 2

Center for Knowledge Structuring, The University of Tokyo. 20

分析 1 ：各地域において， Twitter はどのように利用されたのか？

• 震災時の各地域における利用傾向をRT率（情報拡散行動）とリプライ率（対話行動）から分析• 災害時の特徴の確認• 平常時との違いはあるか？• 時間経過に伴い，どのような変化をしている

か？• 被害の大きさによる違いの確認• 各地域での違いはあるか？

Center for Knowledge Structuring, The University of Tokyo.

AREA

1AR

EA2AR

EA3AR

EA4

平常

時A

平常

時B

平常

時C

平常

時D

0%10%20%30%40%50%

25%29%

33%42%

8%16%

8%13%

RT率（情報拡散行動）

RT率とリプライ率

21

震災時は，情報拡散行動が活発化し，対話行動が抑制される

AREA

1AR

EA2AR

EA3AR

EA4

平常

時A

平常

時B

平常

時C

平常

時D

0%10%20%30%40%50%

20%19%17%16%

36%28%

32%

22%

リプライ率（対話行動）

Center for Knowledge Structuring, The University of Tokyo. 22

RT率・リプライ率の時系列変化

地震発生直後は，情報拡散行動（ RT ）が最も活性化し，対話行動（リプライ）が最も抑制

11 14 17 20 23 26 290%

10%

20%

30%

40%

50%

60%

70%

RT率（情報拡散行動）

AREA1AREA2AREA3AREA4

11 14 17 20 23 26 290%

10%

20%

30%

40%

50%

60%

70%

リプライ率（対話行動）

AREA1AREA2AREA3AREA4

Center for Knowledge Structuring, The University of Tokyo. 23

都道府県別の RT率・リプライ率

(a)RT率（情報拡散行動） (b) リプライ率（対話行動）

Center for Knowledge Structuring, The University of Tokyo. 24

RQ1 について

• 平常時と比較して，震災時は情報拡散行動（ RT ）が活発化• RT率とリプライ率には負の相関あり（相関係数： -0.822 ）

各地域において， Twitter はどのように利用されたのか？RQ1

RT率（情報拡散） リプライ率（対話）

AREA1 25.0% 20.0%

AREA2 28.8% 18.7%

AREA3 33.4% 17.2%

AREA4 42.0% 15.8%

大

小

被害

被害の大きかった地域では対話行動が，被害の小さかった地域では情報拡散行動がなされた

Center for Knowledge Structuring, The University of Tokyo. 25

分析2：被災地から発信された情報は，他の地域で拡散されたのか？

• 被災地から発信された情報の拡散傾向を，RT ・被 RT の位置関係から分析• RT における位置関係の確認• 各地域のツイートは，各地域でどれだけ RT され

たか？– 他地域で RT された割合の確認• 各地域の情報は，どれだけ他地域で RT された

か？

Center for Knowledge Structuring, The University of Tokyo.

RT における位置関係（ 1/2 ）

26

A ○○らしい

B RT @ユーザ A ○○ らしい

AREA1

AREA3

被 RT 者と RT 投稿者の位置関係から，各地域のツイートがどの地域で

RT されたかを調査

この場合，

被 RT 者の地域：AREA1 （ユーザ A ）

RT 投稿者の地域：AREA3 （ユーザ B ）

Center for Knowledge Structuring, The University of Tokyo. 27

RT における位置関係（ 2/2 ）

• 本研究では，ツイート移動率（TTR ）を定義– 各地域の発言が，他地域でどれだけRTされたか？

RT 投稿者

AREA1 AREA2 AREA3 AREA4 計

被 RT 者

AREA1 12,470 3,136 26,323 14,989 56,918AREA2 1,430 10,517 19,527 13,160 44,634AREA3 26,239 45,042 527,516 280,054 878,851AREA4 6,047 10,778 99,789 110,062 226,676

計 48,186 69,473 673,155 418,265 1,207,079

𝑇𝑇𝑅=他地域でのRT 数

ある 地域の 被 RT数

例： AREA1 の場合

= 0.7809…• AREA1の被RT数– 56918

• 他地域でのRT数– 3136+26323+14989

= 44448

Center for Knowledge Structuring, The University of Tokyo. 28

TTR 変化率• TTR は地域の大きさの影響を受ける

被引用者の地域 AREA1 AREA2 AREA3 AREA4TTR 変化率 116.5% 88.9% 94.0% 95.6%

地域ごとに，平常時のTTR との違い（ TTR 変化率）を検証

※比較対象として，平常時 D のデータを用いた

AREA1 （大災害地域）は，他地域と比較して TTR 変化率が高い

𝑇𝑇𝑅変化率=震災時のTTR平常時のTTR

Center for Knowledge Structuring, The University of Tokyo. 29

11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 300%

20%

40%

60%

80%

100%

120%

140%

160%

AREA1AREA2AREA3AREA4

TTR 変化率の時系列変化

震災発生から数日間は， AREA1 ， AREA2 ， AREA3 における TTR

変化率が高い

Center for Knowledge Structuring, The University of Tokyo. 30

RQ2 について

• 大災害地域（ AREA1 ）は，平常時と比較してツイート移動率が高い

• 震災発生後数日間は，非災害地域（ AREA4 ）を除いた地域におけるツイート移動率が高い

被災地から発信された情報は，他の地域で拡散されたのか？RQ2

特に被害の大きい地域のツイートについては，他地域で拡散される割合が多い

31Center for Knowledge Structuring, The University of Tokyo.

発表順序

1. 研究背景2. 検証仮説3. 対象データセット

a. ツイートの種類b. ツイートの発信地c. 引用関係の定義

4. 分析結果分析 1 ：各地域において， Twitter はどのように利用されたのか？分析 2 ：被災地から発信された情報は，他の地域で拡散されたのか？

5.まとめ

Center for Knowledge Structuring, The University of Tokyo.

まとめ• 概要– 東日本大震災後のツイート（ 2011 年 3 月 11 日～ 30 日）

の傾向について調査• 分析結果– 地域によって， Twitter での行動傾向が異なる– 特に被害の大きい地域で発信された情報は，他地域へと移動し，拡散される傾向がある

• 今後の課題– 災害時の利用における問題点への対応の検討– 3 月以降の傾向の分析

• 現在，継続してツイートを収集中– ツイート内容を含めた分析

• 重要な情報が拡散されていたか？

32

33Center for Knowledge Structuring, The University of Tokyo.

ご清聴ありがとうございました

連絡先： mai.miyabe@gmail.com

本研究で用いた地震に関するツイートデータは，以下の URL から取得・利用できます．http://mednlp.jp/resource.html