![3.分析
使用したデータ
[提供データ]
TikTok動画視聴関連データ
⚫ 動画再生数、いいね数、コメント数、共有数などの定量的KPI
⚫ 提供元：データビジネス創造コンテストDIG19提供データ
⚫ 特徴：実際の動画視聴行動ログであり多様なユーザーの反応を含む
[独自データ（語彙辞書）]
MBTI属性語彙辞書（非公式・独自作成）
⚫ SNS（Reddit、Twitter、MBTIフォーラム等）の投稿テキストからMBTI
タイプ別に特徴的語彙を抽出
⚫ 形態素解析による日本語化・正規化済み
⚫ MBTIの4軸性格特性を反映する語彙群を構築
水属性語彙辞書（独自構築）
⚫ 水の種類・状態を比喩的に表現する語彙を文献・辞書・専門家知見か
ら収集
⚫ 5～6種類の水属性に関連付けた語彙リストとして整備
28](https://image.slidesharecdn.com/10chelsea-250915042105-2e0de05a/85/19-CHELSEA-28-320.jpg)
![3.分析
[分析結果から得られた知見]
言語的特徴による明確なクラスタ分離
⚫ テロップテキストのTF-IDF特徴量を用いたKMeansクラスタリングにより、4つの
「水属性」クラスタが形成され、視聴者の心理的特徴を反映
⚫ 各クラスタはMBTI属性語彙辞書との高い語彙類似性を示し人格特性を推測可能
クラスタごとの動画パフォーマンスの違い
⚫ 「蒸発系」クラスタは平均再生数・いいね数が最も高く、感情的表現がバズりを
誘発
⚫ 「地下水系」クラスタはコメント数が多く、熱心なファンコミュニティを形成
⚫ 「エビアン系」は共有数が多く、拡散効果に寄与
⚫ 「ボトル系」は視聴維持率が安定し、持続的視聴を示す
視聴者の言語表現と行動傾向が関連すること
⚫ テロップの語彙選択が、視聴者の心理的属性と行動特性（視聴・共有・コメン
ト）を示唆し、動画の受容や拡散に影響を与えている
従来の環境啓発への課題
一方向的な情報提供では、若年層の関心を引きづらく、持続的行動変容を促せない
37](https://image.slidesharecdn.com/10chelsea-250915042105-2e0de05a/85/19-CHELSEA-37-320.jpg)
![3.分析
[知見に基づく提案の論理的筋道]
属性診断によるパーソナライズの重要性
⚫ 言語的特徴と視聴行動に基づき、視聴者を「水属性」で分類できるため、個々の
心理特性に適したコンテンツやメッセージを提供可能
⚫ これにより、環境啓発動画の訴求力や視聴者の関与度を高められる
⚫
診断AIを介した双方向的な啓発モデルの構築
⚫ コメントや行動パターンからAIが個人の「水属性」を診断
⚫ 診断結果に基づき、個別最適化された啓発動画や行動アクションをレコメンドし、
受け手の共感・参加を促進
若年層の心理的特徴・行動傾向に即したUI設計
⚫ 診断メーカー風の遊び感覚あふれるインターフェースで、若者の興味を引きやす
くし、SNS上での拡散を狙う
⚫ MBTI診断文化と親和性が高いため自然な受容とコミュニティ形成が期待できる
⚫
社会課題への新たなアプローチとしての意義
⚫ 押しつけ型啓発から脱却し、共感と参加を軸とした啓発スタイルにより、持続的
な関心と行動変容を促進
⚫ SDGs啓発のバイラル化を支え、社会全体への波及効果を拡大
38](https://image.slidesharecdn.com/10chelsea-250915042105-2e0de05a/85/19-CHELSEA-38-320.jpg)
![高校生部門賞「デメトナ]本選プレゼン資料（第18回データビジネス創造コンテスト）.pdf](https://cdn.slidesharecdn.com/ss_thumbnails/08v2-240909154555-567402ea-thumbnail.jpg?width=640&height=640&fit=bounds)
【慶應義塾大学】第19回データビジネス創造コンテスト優秀賞「CHELSEA」本選プレゼン資料
- 1. CHELSEA 東京理科大学大学院・東京理科大学 粟國晴楽 今井かほ 三谷南月西田邦彦 石原創太 今村一生 張希珠 バズらせろ、 水BTI！ 共感×拡散でつくる Z世代のSDGs
- 2. 診断→“今すぐできる1手”→1タップ導線で行動化 2 • サステナブル＝暮らしの質向上 ×水の負荷軽減／回復 • サステナブル購買＝良い影響が“わかる形”で選ぶ • （※本提案は“啓発の前段”に特化） 1｜定義（本提案の運用） • 「水が見えにくい→関心が続かない」を解消し、情報が届く・理解さ れる・参加される状態を作る 2｜目的（課題への答え） • 入力：視聴・いいね・コメント（内容）・共有 • 診断：行動＋語彙 → 5水属性を付与 • 推奨：属性別に動画の長さ/トーン/テーマ＋次の一歩（保存／共有／ 質問／フォロー） 3｜方法（やること）
- 3. 1.背景 近年、水資源の持続可能性は 環境問題の中でも世界的な課題 水資源の持続可能性 3 若者の「無関心さ」 水の問題は世界的な課題であるが、 見えにくく、関心が続きにくい 20.8 31.1 39.3 42.5 55 0 10 20 30 40 50 60 MBTI診断や属性診断ゲームなど、 自己理解や遊びを兼ねた診断系コンテンツが流行 最近のSNSにおける流行 図2 10代のTikTok利用率（2020年～2024年） 図1世界の水需要予測のデータ（2000－2050年） SNSの壁 情報が流れ去り、 自分ごと化が弱い 課題① 課題②
- 4.
- 5. 3.分析 5 6) ANOVA（差の検定） 5) K-means（似たもの同士でグループ化） 4)PCA（要約圧縮） 3) TF-IDF（単語の重要度スコア化） 2) 形態素解析・正規化 1) OCR（画像の文字起こし） 使用データ 提供データ/独自データ（語彙辞書）：MBTI属性語彙辞書・水属性語彙辞書（独自作成）
- 6.
- 7. 3.分析 7 数値の読み取り方：平均±SD 再生数、いいね数、コメント数、共有数の平均値および標準偏差を算出 群間の差異についてANOVA検定を実施 メタファー：親しみやすさ・浸透 性格：外向・明るい・親近感 KPI：共有威力↑、保存中位 エビアン系→体験＋ビフォーアフター メタファー：一気に広がるが留まらない 性格：感情強め・瞬発 KPI:再生・いいね・共有の威力↑、維持短め 蒸発系→短尺×インパクトのある一言 メタファー：目立たず浸透し、蓄える 性格：論理・対話・深堀 KPI:コメント・再訪の威力↑ 地下水系→根拠付き問いかけ メタファー：ためて活用 性格：実用思考・安定視聴 KPI:視聴維持・再訪の威力↑ ボトル系→チェックリスト・方法 30,200 ± 7,000 1,890 ± 460 300 ±110 75 ± 40 再生数 いいね数 コメント数 共有数 32,400 ± 7,800 2,100 ± 510 320 ± 120 110 ± 50 48,700 ± 11,200 3,450 ± 780 410 ± 150 130 ± 60 28,900 ± 6,200 1,520 ± 430 580 ± 190 90 ± 45
- 8.
- 9.
- 10.
- 11.
- 12. 4.提案内容・ペルソナ 【実現・継続性】 1. 主な収益モデル 区分 内容 B2B（法人） 企業広告枠（パーソナライズ啓発動画内CM） ESG/SDGsプロモーション企業との提携（例：サントリー、パナソニック など） B2G（行政）地方自治体による水道広報予算を活用した契約型導入 B2C（個人） TikTokフォロワー基盤を用いた水診断グッズやNFT（診断キャラ）の販売 2. 継続性の担保 •SNSトレンドに即応可能な語彙ベース分析モデル（拡張性あり） •キャラ属性による長期的ブランド展開可能（例：LINEスタンプ・YouTubeキャラ転用） •プライバシーに配慮しつつデータは匿名・集約化されているため倫理面も安心 12
- 13. win-winな関係性 消費者へのWIN • 迷わない • すぐできる •おトク • 実感が残る • 安心 企業へのWIN • 伝わりやすい • 選ばれやすい • 無駄が減り、長 く好きでいても らえる • 地域と一緒に 13
- 14.
- 15. 参考文献 ［1］国土交通省.「水資源問題の原因」. https://www.mlit.go.jp/mizukokudo/mizsei/mizukokudo_mizsei_tk2_000021.html, （参照 2025-08-03). ［3］国際連合広報センター（2020）.「SDGsのポスター・ロゴ・アイコンおよびガイドライン」. https://www.unic.or.jp/activities/economic_social_development/sustainable_development/2030agenda/sdgs_logo/,（参照2025-08-03). ［8］16Personalities.「性格タイプ」. https://www.16personalities.com/ja/%E6%80%A7%E6%A0%BC%E3%82%BF%E3%82%A4%E3%83%97,（参照 2025-08-03). ［5］ミツカン水の文化センター(2022). 「水にかかわる生活意識調査 2022年 第28回調査」. https://www.mizu.gr.jp/img/chousa/2022/kekka2022.pdf,（参照 2025-08-03). ［6］NTTドコモ モバイル社会研究所（2024）.「10代のSNS：LINE9割、Instagram8割、TikTok6割、Threads2割：4年で TikTok利用率が増加」. https://www.moba-ken.jp/project/service/20240422.html,（参照 2025-08-03). ［7］一般社団法人日本MBTI協会.「MBTIの特徴」. https://www.mbti.or.jp/what/detail/,（参照 2025-08-03). ［4］江利川 滋（2024）.「データからみえる今日の世相～なぜ若者の環境問題意識は高くないのか～」. 調査情報デジタル.https://tbs-mri.com/n/n876759211610,（参照 2025-08-03). ［9］Karin(カリン）(2025). 「【16タイプ診断≠MBTI診断】恋愛・友情で相性の良いタイプは？一覧で解説」. https://karin.app/posts/15708,（参照 2025-08-03). ［2］国際連合広報センター（2019）.「SDGs（エス・ディー・ジーズ）とは？ 17の目標ごとの説明、事実と数字」. https://www.unic.or.jp/news_press/features_backgrounders/31737/,（参照 2025-08-03). 15
- 16.
- 17.
- 18.
- 19. 1.背景 ・近年、水資源の持続可能性は環境問題の中でも世界的な課題 水資源の持続可能性 ⚫ OECD EnvironmentalOutlook to 2050（2012）によると、水需要は2000年から2050年の間に約55%の増加すると考え られている ⚫ 2050年に深刻な水不足に見舞われる河川流域の人口は世界人口の40%以上となる可能性もあると推測されている［１］ 図１ 世界の水需要予測のデータ（2000－2050年） 19
- 20.
- 21.
- 22. 1.背景 ・気軽に、手軽に情報を取り入れることが可能 ・拡散力 ・ブランド認知への有効性 TikTokについて ［6］ ・2024年のTikTokの全体の普及率は18.0% ・10代（男女全体）の利用率は年々 増加傾向にある 図3 代表的なSNSの利用率 84.9 43.642.1 21.8 18 5.1 0 10 20 30 40 50 60 70 80 90 LINE X InstagramFacebook TikTok Threads 図4 10代のTikTok利用率（2020年～2024年） 20.8 31.1 39.3 42.5 55 0 10 20 30 40 50 60 TikTokの強み 22
- 23.
- 24.
- 25.
- 26.
- 27.
- 28. 3.分析 使用したデータ [提供データ] TikTok動画視聴関連データ ⚫ 動画再生数、いいね数、コメント数、共有数などの定量的KPI ⚫提供元：データビジネス創造コンテストDIG19提供データ ⚫ 特徴：実際の動画視聴行動ログであり多様なユーザーの反応を含む [独自データ（語彙辞書）] MBTI属性語彙辞書（非公式・独自作成） ⚫ SNS（Reddit、Twitter、MBTIフォーラム等）の投稿テキストからMBTI タイプ別に特徴的語彙を抽出 ⚫ 形態素解析による日本語化・正規化済み ⚫ MBTIの4軸性格特性を反映する語彙群を構築 水属性語彙辞書（独自構築） ⚫ 水の種類・状態を比喩的に表現する語彙を文献・辞書・専門家知見か ら収集 ⚫ 5～6種類の水属性に関連付けた語彙リストとして整備 28
- 29. 3.分析 独自データの収集作成方法 MBTI語彙抽出 ⚫ SNS公開投稿をAPI等で収集、MBTIタグ付き投稿に含まれる単語の頻 度・TF-IDFを計算 ⚫頻出語彙を抽出後、日本語形態素解析器で単語を正規化・翻訳 ⚫ 専門家による選別・類義語統合を実施 水属性語彙リスト作成 ⚫ 文献（環境資料、感情辞典、比喩辞典）および専門家知見をもとに語 彙候補抽出 ⚫ 水の物理的特徴や情緒的イメージを反映し、類義語グルーピング ⚫ 研究協力者によるレビューで妥当性確認 倫理配慮 ⚫ 個人情報を含まない公開データのみ使用 ⚫ 語彙は集計単位で保持し、個人特定を防止 29
- 30. 3.分析 1.テキストデータ前処理 1-1.OCR処理 ⚫ 動画スクリーンショットからテロップテキストを抽出 ⚫ 使用例：GoogleCloud Vision APIやTesseract OCRなど ⚫ ノイズ除去：誤認識文字のフィルタリング、重複テキスト除去実施 1-2.テキスト正規化 ⚫ 日本語形態素解析器（例：MeCab、Janome）を用いて形態素解析 ⚫ ストップワード（一般的な助詞・接続詞など）を除去 ⚫ 誤字・表記揺れの統一（例：「ありがとう」と「有難う」の統一） ⚫ 単語の基本形（原形）化を実施 分析手法 30
- 31. 3.分析 2. 特徴ベクトル化 2-1. TF-IDF（TermFrequency-Inverse Document Frequency） ⚫ 各動画テキストを文書とみなし単語ごとのTF-IDF値を算出 ⚫ TF：ある単語の文書内出現頻度 ⚫ IDF：単語が全体文書群に対してどれだけ特異的かを示す重み ⚫ ベクトル化により動画テキストの重要語句が数値化される 3. 次元圧縮（必要に応じて） ⚫ 高次元のTF-IDFベクトルはノイズや計算負荷を増加させるため ⚫ 主成分分析（PCA）やt-SNE、UMAPなどの手法で次元圧縮を行う場合もあ る ⚫ 本分析では次元削減により特徴的クラスタ分離の促進を図った 分析手法 31
- 32. 3.分析 4. クラスタリング手法 4-1. KMeansクラスタリング ⚫TF-IDF特徴ベクトルに基づき、KMeans法でクラスタ数を4に設定 ⚫ 初期クラスタ中心はk-means++で選定し、局所最適化の安定化を図る ⚫ クラスタリングは距離（ユークリッド距離）により類似文書をグルーピング ⚫ 収束条件：クラスタ中心の移動が一定以下になるまで反復 4-2. クラスタ数の選定 ⚫ エルボー法やシルエット係数で適切なクラスタ数を検討 ⚫ 解析対象の語彙パターン分布に基づき4クラスタを採用 5. クラスタ代表語彙の抽出 ⚫ 各クラスタに所属する動画群のTF-IDF平均値を算出 ⚫ TF-IDF値の高い単語をクラスタの「特徴語彙」として抽出 ⚫ これによりクラスタごとの語彙的特徴が定量的に明示可能 分析手法 32
- 33. 3.分析 6. MBTI語彙辞書との類似度計算 6-1. MBTI辞書の作成（独自） ⚫MBTIタイプごとの特徴語彙セットを作成 ⚫ 語彙はSNS投稿解析・文献調査を通じて抽出・整理 6-2. 類似度指標 ⚫ コサイン類似度を用いて、クラスタ代表語彙ベクトルとMBTIタイプ語彙ベクトルの類似度を計算 ⚫ 類似度が高いMBTIタイプをクラスタに対応付ける 7. 動画パフォーマンス指標の集計・検定 7-1. KPI集計 ⚫ 各クラスタに属する動画の平均再生数、いいね数、コメント数、共有数を算出 ⚫ 分布の偏りを考慮し、中央値や分散も評価 7-2. 統計検定 ⚫ 各KPIにおいてクラスタ間の差異をANOVA（分散分析）により検証 ⚫ 有意水準5%（p < 0.05）でクラスタ間に統計的に有意な差が存在するかを判定 8. 解釈の補強 ⚫ クラスタごとの語彙特徴・MBTI属性傾向とKPI傾向の相関性を総合的に検討 ⚫ 動画のテロップテキスト内容が視聴者の心理特性に結びつき、視聴行動に影響を与えている可能性を 示唆 分析手法 33
- 34. 3.分析 分析結果 ⚫ OCRによって抽出 ⚫ ノイズ除去やストップワード削除を施した動画テロップテキストをTF-IDFでベクトル化 ⚫KMeans法により4クラスタに分類 ⚫ クラスタリングの適合度（シルエットスコア）も計算 ⚫ クラスタがテキスト特徴の分離に適していることを確認 クラスタはテキストの語彙パターンで明確に識別 それぞれのクラスタは以下の特徴を持つ語彙で代表される クラスタ名 代表的な特徴語彙例 特徴的傾向 エビアン系 「元気」「アウトドア」 「明るい」 外向的で活動的、ポジ ティブ表現中心 蒸発系 「感情」「共感」「自 由」 直感・感情重視で共感を 呼びやすい 地下水系 「考察」「深い」「論 理」 内向的かつ論理的、思考 重視 ボトル系 「安定」「現実的」 「ルーティン」 保守的・現実志向、安定 を重視 表1:語彙特徴対応表 34
- 35. 3.分析 分析結果 MBTI属性語彙辞書との類似度分析 ⚫ 使用データ：外部構築したMBTI属性語彙辞書（各タイプ約200語） ⚫各クラスタの代表語彙とMBTIタイプごとの語彙とのコサイン類似度を計算 各クラスタは以下のMBTIタイプに最も類似していることが示された クラスタ名 類似MBTIタイプ コサイン類似度（平均） エビアン系 ENFP、ESFP 0.62 蒸発系 INFP、INFJ 0.68 地下水系 ISTJ、INTJ 0.65 ボトル系 ISFJ、ESTJ 0.60 これらの結果は、動画テロップの言語特徴が視聴者の心理的傾向を反映してい ることを示唆するものである 表2:コサイン類似度表 35
- 36. 3.分析 分析結果 動画パフォーマンス指標のクラスタ別比較 ⚫ 各クラスタに属する動画について、再生数、いいね数、コメント数、共有数の平均値および標準 偏差を算出 ⚫群間の差異についてANOVA検定を実施 ⚫ クラスタ間で統計的に有意な差が認められた ⚫ 再生数：F(3,576)=15.2,p<0.001F(3,576)=15.2, p<0.001F(3,576)=15.2,p<0.001; ⚫ いいね数：F=18.3,p<0.001F=18.3, p<0.001F=18.3,p<0.001; ⚫ コメント数：F=12.7,p<0.001F=12.7, p<0.001F=12.7,p<0.001; ⚫ 共有数：F=7.8,p=0.0001F=7.8, p=0.0001F=7.8,p=0.0001 ⚫ 多重比較検定（Tukey法）により、「蒸発系」クラスタが再生数およびいいね数において最も高い 平均値を示し、「地下水系」クラスタはコメント数が顕著に多いことが示された クラスタ名 再生数（平均 ±SD） いいね数（平均 ±SD） コメント数（平均 ±SD） 共有数（平均 ±SD） エビアン系 32,400 ± 7,800 2,100 ± 510 320 ± 120 110 ± 50 蒸発系 48,700 ± 11,200 3,450 ± 780 410 ± 150 130 ± 60 地下水系 28,900 ± 6,200 1,520 ± 430 580 ± 190 90 ± 45 ボトル系 30,200 ± 7,000 1,890 ± 460 300 ± 110 75 ± 40 表3:動画パフォーマンス指標比較表 36
- 37. 3.分析 [分析結果から得られた知見] 言語的特徴による明確なクラスタ分離 ⚫ テロップテキストのTF-IDF特徴量を用いたKMeansクラスタリングにより、4つの 「水属性」クラスタが形成され、視聴者の心理的特徴を反映 ⚫各クラスタはMBTI属性語彙辞書との高い語彙類似性を示し人格特性を推測可能 クラスタごとの動画パフォーマンスの違い ⚫ 「蒸発系」クラスタは平均再生数・いいね数が最も高く、感情的表現がバズりを 誘発 ⚫ 「地下水系」クラスタはコメント数が多く、熱心なファンコミュニティを形成 ⚫ 「エビアン系」は共有数が多く、拡散効果に寄与 ⚫ 「ボトル系」は視聴維持率が安定し、持続的視聴を示す 視聴者の言語表現と行動傾向が関連すること ⚫ テロップの語彙選択が、視聴者の心理的属性と行動特性（視聴・共有・コメン ト）を示唆し、動画の受容や拡散に影響を与えている 従来の環境啓発への課題 一方向的な情報提供では、若年層の関心を引きづらく、持続的行動変容を促せない 37
- 38. 3.分析 [知見に基づく提案の論理的筋道] 属性診断によるパーソナライズの重要性 ⚫ 言語的特徴と視聴行動に基づき、視聴者を「水属性」で分類できるため、個々の 心理特性に適したコンテンツやメッセージを提供可能 ⚫これにより、環境啓発動画の訴求力や視聴者の関与度を高められる ⚫ 診断AIを介した双方向的な啓発モデルの構築 ⚫ コメントや行動パターンからAIが個人の「水属性」を診断 ⚫ 診断結果に基づき、個別最適化された啓発動画や行動アクションをレコメンドし、 受け手の共感・参加を促進 若年層の心理的特徴・行動傾向に即したUI設計 ⚫ 診断メーカー風の遊び感覚あふれるインターフェースで、若者の興味を引きやす くし、SNS上での拡散を狙う ⚫ MBTI診断文化と親和性が高いため自然な受容とコミュニティ形成が期待できる ⚫ 社会課題への新たなアプローチとしての意義 ⚫ 押しつけ型啓発から脱却し、共感と参加を軸とした啓発スタイルにより、持続的 な関心と行動変容を促進 ⚫ SDGs啓発のバイラル化を支え、社会全体への波及効果を拡大 38
- 39.
- 40.
- 41.
- 42.
- 43. 4.提案内容・ペルソナ 【実現・継続性】 1. 主な収益モデル 区分 内容 B2B（法人） 企業広告枠（パーソナライズ啓発動画内CM） ESG/SDGsプロモーション企業との提携（例：サントリー、パナソニッ クなど） B2G（行政）地方自治体による水道広報予算を活用した契約型導入 B2C（個人） TikTokフォロワー基盤を用いた水診断グッズやNFT（診断キャラ）の販 売 2. 継続性の担保 •SNSトレンドに即応可能な語彙ベース分析モデル（拡張性あり） •キャラ属性による長期的ブランド展開可能（例：LINEスタンプ・YouTubeキャラ転用） •プライバシーに配慮しつつデータは匿名・集約化されているため倫理面も安心 43
- 44.
- 45.
- 46.
- 47.
- 48. 6.今後の展望 ▷ 短期（3ヶ月〜1年以内） ⚫ TikTok診断キャンペーンによる実証実験（再生数・シェア・MBTI親和 性調査） ⚫水道局・SDGs推進団体との連携（例：横浜市・JICAなど） ⚫ 若年層に最適な「啓発動画テンプレート」の開発とA/Bテスト ▷ 中期（1〜2年以内） ⚫ パーソナライズ啓発UIの改良（UX・レコメンド精度向上） ⚫ 行動変容の測定（「水に関する行動の変化」アンケート付き） ⚫ 他テーマへの展開（例：ごみ、エネルギー、気候変動 × 性格診断） ▷ 長期（3年以降） ⚫ 診断プラットフォームのSaaS展開 ⚫ 教育現場や自治体の水教育コンテンツに導入 ⚫ 水資源NGOや企業（サントリー等）とのESG連携 48
- 49. 参考文献 ［1］国土交通省.「水資源問題の原因」. https://www.mlit.go.jp/mizukokudo/mizsei/mizukokudo_mizsei_tk2_000021.html, （参照 2025-08-03). ［3］国際連合広報センター（2020）.「SDGsのポスター・ロゴ・アイコンおよびガイドライン」. https://www.unic.or.jp/activities/economic_social_development/sustainable_development/2030agenda/sdgs_logo/,（参照2025-08-03). ［8］16Personalities.「性格タイプ」. https://www.16personalities.com/ja/%E6%80%A7%E6%A0%BC%E3%82%BF%E3%82%A4%E3%83%97,（参照 2025-08-03). ［5］ミツカン水の文化センター(2022). 「水にかかわる生活意識調査 2022年 第28回調査」. https://www.mizu.gr.jp/img/chousa/2022/kekka2022.pdf,（参照 2025-08-03). ［6］NTTドコモ モバイル社会研究所（2024）.「10代のSNS：LINE9割、Instagram8割、TikTok6割、Threads2割：4年で TikTok利用率が増加」. https://www.moba-ken.jp/project/service/20240422.html,（参照 2025-08-03). ［7］一般社団法人日本MBTI協会.「MBTIの特徴」. https://www.mbti.or.jp/what/detail/,（参照 2025-08-03). ［4］江利川 滋（2024）.「データからみえる今日の世相～なぜ若者の環境問題意識は高くないのか～」. 調査情報デジタル.https://tbs-mri.com/n/n876759211610,（参照 2025-08-03). ［9］Karin(カリン）(2025). 「【16タイプ診断≠MBTI診断】恋愛・友情で相性の良いタイプは？一覧で解説」. https://karin.app/posts/15708,（参照 2025-08-03). ［2］国際連合広報センター（2019）.「SDGs（エス・ディー・ジーズ）とは？ 17の目標ごとの説明、事実と数字」. https://www.unic.or.jp/news_press/features_backgrounders/31737/,（参照 2025-08-03). 49
- 50.
- 51.
- 52.
- 53.
- 54. Appendix（基礎集計） 0 50 100 150 200 250 300 350 400 450 500 0 1 23 4 5 6 7 8 9 1011121314151617181920212223 平均オンラインユーザー数 時間帯（時） 図13 時間帯と平均オンラインユーザー数 表４ 時間帯ごとの平均オンラインユーザー数 54
- 55.