SciREX「ナショナルイノベーションシステムに係る定量データとその分析手法」WSシリーズ第５回 「行間を読むっていろいろと大切」
•Download as PPTX, PDF•
1 like•2,235 views
SciREX「ナショナルイノベーションシステムに係る定量データとその分析手法」ワークショップシリーズ第５回 「行間を読むっていろいろと大切」 (2015年7月26日) の講義資料です。
Recommended
Recommended
More Related Content
What's hot
What's hot (9)
Similar to SciREX「ナショナルイノベーションシステムに係る定量データとその分析手法」WSシリーズ第５回 「行間を読むっていろいろと大切」
Similar to SciREX「ナショナルイノベーションシステムに係る定量データとその分析手法」WSシリーズ第５回 「行間を読むっていろいろと大切」 (11)
More from Yasushi Hara
More from Yasushi Hara (20)
Recently uploaded
Recently uploaded (20)
SciREX「ナショナルイノベーションシステムに係る定量データとその分析手法」WSシリーズ第５回 「行間を読むっていろいろと大切」
- 2. 告知 • GRIPS SciREX センターではインターンを募集中です • ○イノベーションプロセスの解明を進めるためのデータベース設計・構築 • 政策分析・影響評価領域では、科学技術の変遷および政策の変遷を把握し、それらの 情報をマッピングすることで、科学技術およびその政策が新製品や新サービスとして 具現化されるイノベーションにどのような影響を与えたのか定量的に解析することを 目指しています. • 本研究では、(1) JST 研究開発戦略センター研究開発戦略センターがこれまでに実施し てきた科学技術課題の調査, (2) NISTEP 科学技術動向研究センターが実施してきた科学 技術予測調査, (3) 特許および論文書誌情報データベース (PATSTAT, Web of Knowledge, Scopus など), (4) 新製品や新サービスに関わるプレスリリース情報等のデータベース を接合することにより, 個々の科学技術がどのようなアウトプットを生み出したのか, その際, 政策的な資源投入あるいは制度変更がどのような影響を与えたのかを明らか にします. • インターン生には (A) データベースの接合および名寄せ手法の開発・検討, (B) 定例 ミーティングへの参加等の業務に関わって頂きます. • 詳しくはこちら: • http://scirex.grips.ac.jp/center/ja/326 2015/7/25 2
- 3. イノベーションプロセス解析プラットフォーム 構築イメージ 2015/7/25 3 製品情報 特許情報 論文情報 プレスリリース POSデータ IIP 特許 DB Web of Knowledge Scopus JST-CRDS 技術俯瞰 NISTEP デルファイ調査 JST J-DREAM II MEXT 科学技術白書 JSPS KAKEN 政策文章 PATSTAT/USPTO 科学技術 俯瞰プラット フォーム
- 4. WS シリーズの目的 • 目的 • 特許や論文のデータを使うことで解析できる範囲を知るために、まず分析手法を 学ぶ • 手法 • パソコンを用いたハンズオンセミナー方式 (手を動かして覚える！) • 時間: • 土曜日の夕方に90分-120分程度 • 一ヶ月に一回程度 (第一期; 5-6回) • 場所: • 国立 (一橋大学イノベーション研究センター) または • 六本木 (政策研究大学院大学科学技術イノベーション政策研究センター) • 参加希望の方は, ya-hara@grips.ac.jp または @harayasushi (twitter) までご 連絡ください. 2015/7/25 4
- 5. WSシリーズのスケジュール • [2015/1/29] 第0回: 「数字が教えてくれないこと」 @一橋イノベーション研究センター • [2015/3/8] 第1回: 「数字が教えてくれること」 @一橋イノベーション研究センター • 特許や論文データはなぜイノベーション指標として活用されているのだろう • [2015/4/18]第2回: 「巨人の肩の上に立つ」 @GRIPS SciREX センター • 論文データベース (Web of Knowledge, Scopus, Scival etc…) を用いた分析 • [2015/5/14] IRCセミナー @関西学院大学イノベーション研究センター • [2015/5/16] 第3回: 「select() すると幸せになれる理由」 @一橋イノベーション研究センター • IIP データベース/patR データベースを用いた日本特許分析 • [2015/6/27] 第4回: 「科学とイノベーションの関係」@一橋イノベーション研究センター /GRIPS SciREX センター • 組織学会@一橋大学のため第四週におこないます • サイエンスリンケージデータベースを用いた特許/論文の連結分析 • [2015/7/25]第5回: 「行間を読むっていろいろと大切」@一橋イノベーション研究センター /GRIPS SciREX センター • 書誌テキスト分析 (KHcoder) を使って分析できること • [2015/8/8] 第6回 : 「まとめネットワーク分析ソフトウェアの使い方とまとめ」 • 科学とイノベーションのあれこれは書誌情報からどこまでわかるのだろう 2015/7/25 5
- 6. 今日取り上げる内容 1. 第一回のおさらい –90年代後半の小室さんと華原さんをテキスト分 析で察してみる- 2. 研究事例の紹介 -「日本人のノーベル賞受賞が国民の 科学技術に関 する意識に与える影響 －2012 年のノーベル医学生理学賞受賞の影 響－」 3. KHCoder を使ってNISTEP 定点調査の自由記述欄を分析してみようだ 2015/7/25 6
- 8. 共起グラフの例 講演 「創発的破壊が日本を創る」 アンケート調査より （自由回答「勉強になった点」欄から動詞, 名詞, 形容詞を抽出） 講演 「創発的破壊が日本を創る」アンケート調査より （自由回答「コメント」欄から動詞, 名詞, 形容詞を抽出） ・言葉と言葉の結びつきをチェックする 2015/7/25 8
- 9. ケーススタディ: 小室さんと華原さんのトークを分析してみよう • TK MUSIC CRAMP • 1995年から1998年まで放送してた音楽番組 • 1995年度は小室さんが • 1996年度はSMAPの中居くんが • 1997年度は華原さんが司会を担当 • 二人の会話を共起グラフ分析して、二人がどのくらいラブラブ だったのか、どのくらい冷めちゃったのか可視化できるかやっ てみよう • 分析対象 • 1996/3/6 オンエアのトーク • 1998/3/25 オンエアのトーク 2015/7/25 9
- 10. Tomomi Kahala, From 1996 To 1998 • 1996/3 • 1998/3 2015/7/25 10
- 11. 手順1: ホームページを開く •1996/03/06 OA : 華原朋美 2015/7/25 11
- 15. 手順5: データのクリーニングをする • I believe が I beleave になってたので直す • データ処理に不要な文字を消す → テキストファイルとして保存 2015/7/25 15
- 16. 手順6: KHCoder に読み込む 2015/7/25 16
- 21. 抽出語のチェック (1996年) 感動詞 形容詞 うん 65難しい 9 あの 21嬉しい 8 なんか 20高い 4 え 19悪い 3 あ 16楽しい 3 うーん 14欲しい 3 まあ 14厳しい 2 ありがとう 13厚い 2 はい 12小さい 2 ああ 6羨ましい 2 ごめんなさ い 6太い 2 じゃあ 5大きい 2 そうですね 5優しい 2 ほら 4淋しい 2 名詞 自分 38 感じ 28 音楽 19 テレビ 18 本当 10 ビデオ 7 未来 7 カラオケ 6 ウマ 5 チャンネル 5 ドラマ 5 最初 5 エンディング 4 ゲスト 4 テープ 4 ヘリコプター 4 言葉 4 立場 4 コーラス 3 人名 小室 52 朋 31 朋美 14 よね 4 哲哉 4 遠藤 2 中山 2 美穂 2 シン 1 森高 1 渡辺 1 美里 1 2015/7/25 21
- 22. 抽出語のチェック (1998年) 感動詞 列1 形容詞 列2 名詞 列3 人名 列4 うん 34嬉しい 6感じ 19小室 39 あ 27難しい 6テレビ 12朋 35 なんか 15可愛い 4音楽 12華原 10 まあ 15遠い 3自分 11朋美 9 はい 14多い 3久し振り 9美紀 6 ああ 9大きい 3時代 8大介 4 ありがとう 6面白い 3弟子 8舞 4 あの 5優しい 3ギャグ 7原 3 と 4恐い 2調子 7西川 3 なるほど 4欲しい 2番組 7大輔 3 え 3良い 2コーナー 5哲哉 3 ほら 3眩しい 2マネージャー 5 ううん 2可愛らしい 1外国 5 じゃあ 2懐かしい 1最初 5 そうですね 2楽しい 1武器 5 そうね 2強い 1名前 5 ねぇ 2激しい 1ジュース 4 あら 1若い 1センス 4 あれ 1数少ない 1ピアノ 4 うーん 1短い 1社長 4 こんばんは 1遅い 1本当 4 ごめん 1長い 1アルバム 3 ごめんなさい 1美味しい 1オレンジ 3 さぁ 1眠い 1ゲスト 3 じゃ 1淋しい 1ステップ 3 すいません 1 スプレー 3 ねえ 1 ハプニング 3 何だ 1 フランス語 32015/7/25 22
- 23. 結果 • 1996/3/6 OA 版 • 1998/3/25 OA 版 2015/7/25 23 ※. 動詞, 名詞, 形容詞を抽出
- 24. 結果(2) : 頻出語のみに限定 • 1996/3/6 OA版 • 1998/3/25 OA 版 2015/7/25 24※. 動詞, 名詞, 形容詞を抽出
- 25. 共起グラフからわかること • どういう用語がどういう文脈で使われているのか • 会話の「温度」の可視化？ • 1996年: 難しい → 嬉しい → 高い • 1998年: 嬉しい → 難しい → かわいい • 難しいの Centrality (他の用語との結びつき) が高くなっている？ • 小室さんと華原さんの会話を別々に解析したらどうなる？ 2015/7/25 25
- 26. 2.研究事例の紹介 -「日本人のノーベ ル賞受賞が国民の 科学技術に関する 意識に与える影響 －2012 年のノーベ ル医学生理学賞受賞の影響－」 2015/7/25 26
- 27. NISTEP 調査レポート 222 • タイトル • 「日本人のノーベル賞受賞が国民の 科学技術に関する意識に与える影 響 －2012 年のノーベル医学生理学賞受賞の影響－」 • アブストラクト • “2012 年 10 月 8 日、スウェーデンのカロリンスカ研究所は、京都大学 の山中伸弥教授に 2012 年 のノーベル医学生理学賞を授与することを 発表した。本調査は、日本人によるノーベル医学生理 学賞受賞が国民 の科学技術に関連する意識に与えた影響について把握するため、2012 年 11 月、 2013 年 1 月及び 3 月にインターネット調査を実施した。そ の結果、国民、特に女性の科学技術の 話題に対する関心や子どもの研 究者の仕事に対する関心などの高まりが見られた。” 2015/7/25 27
- 28. 調査方法 • 20～69 歳を対象とした一般成人 に関する調査、及び同居してい る子どもがいる 20～59 歳を対 象とした子どもに関する調査に ついて、それぞれ 3 回（2012 年 11 月、2013 年 1 月及び 3 月）、 イ ンターネットを利用したアン ケート調査を実施した。 • なお、子どもに関する調査は、 1 回目の調査の 回答者に対して 2 回目及び 3 回目の対象者とし た追跡調査である。 • 有効回答数 • ①11 月調査 一般成人に関する調 査 855 人（男性 426 人、女性 429 人） 子どもに関する調査 717 人 （男性 434 人、女性 283 人） • ②1 月調査 一般成人に関する調査 840 人（男性 419 人、女性 421 人） 子どもに関する調査 618 人 （男性 385 人、女性 233 人） • ③3 月調査 一般成人に関する調査 840 人（男性 419 人、女性 421 人） 子どもに関する調査 543 人 （男性 344 人、女性 199 人） 2015/7/25 28
- 29. ノーベル賞受賞の認知度 • 30 代～60 代は、3 月調査時点 で概ね 97％の人が山中伸弥教 授のノーベル賞受賞について 知っているのに対し、20 代は 3 回の調査とも概ね 90％で、 他の年代と比べ関心が低 かっ た 2015/7/25 29
- 30. ノーベル賞受賞に対する感想 • 2010 年のノーベル化学賞受賞時と 比べ、「研究内容やその応用に興 味を持った」、「すご い成果だと 思った」といった感想が多く、 ノーベル賞を受賞したことのみな らず、ノーベル 賞受賞の対象と なった研究内容についても、国民 一般にとって非常に関心が高いも ので あったと考えられる。 2015/7/25 30
- 31. ノーベル賞受賞に対する感想 • 性・年代による特徴を視覚的に把 握するためコレスポンデンス分析 iiを行ったところ、男性 は「科学 技術に対する関心が高まった」、 「日本の科学技術の水準の高さが 証明されてう れしく思う」、「研 究内容やその応用に興味を持っ た」といったノーベル賞受賞の研 究成果 に関連する感想を持ちやす いのに対し、女性は「科学技術は すばらしいと感じた」、「自分 の 将来の励みになると感じた」、 「日本人に勇気や自信を与えてく れた」といったノーベル 賞を受賞 したことに関連する感想を持ちや すいものと思われる 2015/7/25 31
- 32. iPS 細胞に関する研究に対する考え • 「早く医療に実用化してほし い」が 3 回の調査とも概ね 80％ で最も高く、実用化に対する 期 待が非常に高い（図 d）。 • 次いで「日本が世界の研究を リードしていってほしい」が概 ね 40％と時間の経過とともに上 昇傾向にある。これは、臨床研 究や実用化で欧米に後れをとる ことなく世界をリードして日 本 の発展に繋げてほしいという思 いが強まってきたことの表れで あろう。 2015/7/25 32
- 33. iPS 細胞に関する研究に対する考え • コレスポンデンス分析によると、 女性は「安全性の確保に向けた 研究を進めてほしい」 や「臨床 応用に向けた倫理的・社会的課 題を早急に解決してほしい」と いった実用化に おける課題に対 する考えを持ちやすいのに対し、 男性は「日本が世界の研究を リードして いってほしい」や 「研究開発資金の拡充が必要」 といった研究の推進における課 題等に対 する考えを持ちやすい ものと思われる 2015/7/25 33
- 34. 自由記述欄からの調査: “子どもたちが理 科や科学に興味を持つために必要なこと” • 子どもたちが理科や科学を好きになったり、興味や関心を持っ たりする ためには、どのようなことが必要かについて、親の考 えを自由記述により把握し、分析を行った。 • KH Coder で形態素に分けた結果を基に、同義の言葉について、 統一を図るためデータの修正をおこなった。また、「特にな し」、「なし」など実質的に自由記述に よる回答が得られな かったデータは分析の対象から除外した。 2015/7/25 34
- 35. 自由記述欄からの調査: “子どもたちが理 科や科学に興味を持つために必要なこと” • 、「実験」（199 回）、「授業」（73 回）、「体験」（68 回）、 「学校」（52 回）、「自然」（40 回）といった子ども たちが理科や科学に興味を持つための手 段に関 連する言葉が多く出現している。 それに次いで、「思う」（159 回）、「持 つ」（112 回）、「増やす」 （34 回）、 「考える」（31 回）といった一般的な動 詞が多く出現していた。 • 変わったところでは、「でんじろう」 （14 回）が比較的多く出現している。こ れはサイエンスプロ デューサーとして科 学実験等の企画・開発や各地でサイエン スショーや実験教室を行うなど子ど もた ちに科学の楽しさを伝える活動をしてい る「でんじろう先生」の愛称で有名な米 村傅治郎氏 を表す言葉である。 2015/7/25 35
- 36. 自由記述欄からの調査: “子どもたちが理 科や科学に興味を持つために必要なこと” • 共起の程度が強い語を線で結んだ 共起ネットワークを作成した。 • これによると、 「実験をする」、 「実験を増やす」といった「実 験」が子どもたちの理科や科学に 興味を持たせるた めに必要と考え ている親が最も多いことがわかる。 また、「自然と触れる機会を与え る（増やす）」、 「実際に体験す ること」、「楽しい学校の授業を 増やす」、「疑問や不思議に思っ たことを自分で 調べる」、「日常 生活、普段の生活の中から」と いった意見も見受けられる。 2015/7/25 36
- 37. References • 早川, 雄司 茶山, 秀一 (2013)日本人のノーベル賞受賞が国民の科 学技術に関する意識に与える影響 －2012年のノーベル医学生理 学賞受賞の影響－, http://hdl.handle.net/11035/2406 2015/7/25 37
- 38. 3. KHCoder を使ってNISTEP 定 点調査の自由記述欄を分析し てみよう 2015/7/25 38
- 39. やりたいこと • NISTEP 定点調査の自由記述欄データを持ってきて, 1. どのようなことばがよく出てくるのかを知りたい 2. どのようなことばと、どのようなことばがつながっ ているのかを知りたい 3. どのようなひとたちが、どのような回答をしている のかを知りたい 2015/7/25 39
- 40. やること 1. KHCoder をインストールする 2. NISTEP定点調査自由記述簡易検索用データベースをダウンロード する 3. KHCoder に定点調査の自由記述データを読み込む 4. データ分析前の処理をする 5. 頻出語の取り出しを行う 6. 共起ネットワークを書く 7. 外部変数を読み込み属性情報を付与する 8. 属性情報ごとの特徴を抽出する 9. 対応分析を行う 2015/7/25 40
- 41. 1. KHCoder をインストールする • KHCoder とは？ • テキスト型データの計量的な内容分析（計量 テキスト分析）もしくはテキストマイニング のためのフリーソフトウェアである。各種の 検索を行えるほか、どんな言葉が多く出現し ていたのかを頻度表から見ることができる。 さらに多変量解析によって、一緒に出現する ことが多い言葉のグループや、同じ言葉を含 む文書のグループを見ることで、データ中に 含まれるコンセプトを探索できる。 • また一部の文書群に注目した場合に、その文 書群に特に多く出現する言葉をリストアップ することで、その文書群の特徴を探索できる。 あるいは分析者が指定した基準によって、文 書の分類を自動的に行うこともできる。 (引用: https://ja.wikipedia.org/wiki/KH_Coder) 2015/7/25 41
- 42. 1. KHCoder をインストールする • http://sourceforge.net/proj ects/khc/ にアクセスする • Download をクリックする 2015/7/25 42
- 43. 1. KHCoder をインストールする • ダウンロードしたファイル (khcoder-2b32h-f.exe) を選択 し, クリックする • Unzip を選択し, ファイルを展 開する 2015/7/25 43
- 44. 1. Khcoder をインストールする • スタートメニューなどに登録して, 起動する 2015/7/25 44
- 45. 1. KHCoder をインストールする • アプリケーションが表示される 2015/7/25 45
- 46. 1. Khcoder をインストールする • Tips: Mackintosh な場合 • 結構めんどくさい • 有償版のインストールパッケー ジが提供されている. • https://khcoder.stores.jp/#!/items /536a53268a561084140001dd 2015/7/25 46
- 47. 2. NISTEP定点調査自由記述簡易検索用 データベースをダウンロードする • NISTEP の Web サイトのうち 「データ・情報基盤」ページ にアクセスする • http://www.nistep.go.jp/researc h/scisip/data-and-information- infrastructure • 「NISTEP 定点調査検索はこち ら」をクリックする 2015/7/25 47
- 48. NISTEP 定点調査 • 内容 • 「科学技術の状況に係る総合的意識調査(以下、NISTEP定点調査)」は、 研究費の使いやすさ、基礎研究の多様性など通常の研究開発統計から は把握しにくい、日本の科学技術 やイノベーションの状況について、 産学官の研究者や有識者への意識調査から明らかにすることを目的に した調査 • 同一の回答者に、毎年、同一のアンケート調査を実施する点である。 回答者には前年度の本人の回答結果を示し、前年度と異なる回答をし た質問については回答の変更理由を、前年度と同じ回答であっても補 足などがある場合には意見等の記入を依頼 2015/7/25 48
- 49. NISTEP定点調査 • 回答者属性 • 大学・公的研究機関グループ (約 1,000 名)とイノベーション 俯瞰グループ(約 500 名)からな る。前者は大学・公的研究機関 長や教員・研究者から構成され、 後者は産業界等の有識者や研究 開発とイノベーションの橋渡し を行っている方から構成 2015/7/25 49
- 50. 2. NISTEP定点調査自由記述簡易検索用 データベースをダウンロードする • NISTEP定点調査自由記述 簡易検索用データベース から, NISTEP定点調査自 由記述簡易検索用データ ベース (Excel形式) をダウ ンロードする • http://www.nistep.go.jp/re search/scisip/nistep-teiten- data 2015/7/25 50
- 51. 2. NISTEP定点調査自由記述簡易検索用 データベースをダウンロードする • ファイルを開く. • デフォルトではマクロが無 効化されているので,「コ ンテンツの有効化」をク リックする 2015/7/25 51
- 52. 2. NISTEP定点調査自由記述簡易検索用 データベースをダウンロードする • とりあえず、デー タを観ておく。 • [自由記述]タブを クリックする. 2015/7/25 52
- 53. 2-2. NISTEP定点調査自由記述簡易検索用 データベース をダウンロードする • 自由記述欄の質問内容 • Q1-9. 大学・公的研究機関において、優秀な博士課程後期学生や若手研 究者の育成や確保を行うために、今後どのような取り組みが必要です か。ご意見をご自由にお書き下さい(必須項目ではありませ ん)。特に 第4期科学技術基本計画の進展や期間中に顕在化してきた課題を踏まえ た記述をお願いします。 • 2011, 2013, 2014 年度に回答を得ている. • どうも自分たちに関係があるっぽい質問内容なので、こいつを 分析してみましょう。 2015/7/25 53
- 54. 2-2. NISTEP定点調査自由記述簡易検索用 データベース をダウンロードする • [検索画面] タブ をクリックする. • B2 の”問番号”か らQ1-9 を選択し, 自由記述検索ボ タンを選択する. 2015/7/25 54
- 55. 3. KHCoder に定点調査の自由記述データ を読み込む • I 列のデータをコピーして, テキストエディタに放り込む 2015/7/25 55
- 56. 3. KHCoder に定点調査の自由記述データ を読み込む • 行の末尾に属性情報が 含まれているので、と りあえず排除してしま う。 • 正規表現 ([^[]*?)$ を 利用して, 末尾の（） と（）内の文字列をテ キストから排除する 2015/7/25 56
- 57. 3. KHCoder に定点調査の自由記述データ を読み込む • 削除できました。 • ファイルを SHIFT-JIS 形式で保存する. 2015/7/25 57
- 58. 3. KHCoder に定点調査の自由記述データ を読み込む • もし • テキストエディタを持っていない • うまく正規表現で処理できなかった 場合には以下のデータをお使いください。 https://www.dropbox.com/s/xfy4cgemhglb724/q19.txt?dl=0 2015/7/25 58
- 59. 3. KHCoder に定点調査の自由記述データ を読み込む • KHCoder を開く • [プロジェクト] –[新規] を選択する 2015/7/25 59
- 60. 3. KHCoder に定点調査の自由記述データ を読み込む • [参照]をクリックして, 分析対 象ファイルを選ぶ • OK をクリックする • ファイルが読み込まれる 2015/7/25 60
- 61. 4. データ分析前の処理をする • [前処理] – [分析対象ファイル のチェック]をクリックする • OKをクリックする 2015/7/25 61
- 62. 4. データ分析前の処理をする • 修正が必要である旨メッセージが表示される • [画面に表示] をクリックして, 問題点をチェックする • “分析対象ファイルの自動修正” より[実行]をクリックする 2015/7/25 62
- 63. 4. データ分析前の処理をする • 問題点が修正される. • [閉じる]をクリックする. 2015/7/25 63
- 64. 4. データ分析前の処理をする • [前処理] – [前処理の実行] を選択する• OKをクリックする 2015/7/25 64
- 65. 4. データ分析前の処理をする • 正常に処理が終了した場合, 以 下のメッセージが表示される. • 集計値が表示される 2015/7/25 65
- 67. 5. 頻出語の取り出しを行う • “抽出語リストの形式” • 頻出150語 • “記入する数値” • 出現回数(TF) • “出力するファイルの形式” • Excel (*.xls) を選択し, OK をクリックする 2015/7/25 67
- 68. 5. 頻出語の取り出しを行う • 自由回答欄の中でよく出て くるタームが抽出される • 研究、若手、博士、就職、課 題、雇用、障害、減少、削減、 ポジション • （だんだんくらくなる） 2015/7/25 68
- 72. 6.共起ネットワークを書く • 博士と学生と課程と企業 が結びついている • なお、現実にはむすびつ いとらんもよう • 課程と経済と支援も結び ついている • なお、現実には（以下略 • 若手と確保と育成も結び ついている • なお現 2015/7/25 72
- 73. 7.外部変数として属性情報を読み込む • 属性情報 • データ年 • 連番 • 問番号 • 所属機関 • 大学 • 研究機関 • 職位 • 性別 • 男性 • 女性 • 大学グループ • 日本国内 での論文シェアで分類 • 5％以上の大学: 第 1 グループ • 1％以上～5％未満の大学: 第 2 グ ループ • 0.5％以 上～１％未満の大学は第 3 グループ • 0.05％以上～0.5％未満の大学は 第 4 グループ 2015/7/25 73
- 75. 7.外部変数として属性情報を読み込む • 別のシートに貼り付け, CSV ファイルとして保存する 2015/7/25 75
- 76. 7.外部変数として属性情報を読み込む • KHCoder を開き, [ツール]-[外部変数と 見出し]-[読み込み]-[CSVファイル]を選 択する 2015/7/25 76 • ファイルを選択し, OK をクリックす る
- 78. 7. 外部変数として属性情報を読み込む • もしうまく読み込めない場合には、以下のデータをお使いくだ さい • https://www.dropbox.com/s/pn834m9il91l6a5/testq19.csv?dl=0 2015/7/25 78
- 79. 7. 外部変数として属性情報を読み込む • 変数リストから[大学G], 値とラベルから[第1G]を 選択し, ▽特徴語から[選 択した値]を選択する 2015/7/25 79
- 81. 8. 属性情報ごとの特徴を抽出する • Hypothesis • たぶん、学長のいうことと、教授のいうことと、助手のいうことは違 うに違いない • たぶん、学部によって考えてることも違うに違いない • たぶん、性別も影響しているに違いない ⇒属性情報と組み合わせて分析することで、グループごとの特徴を明ら かにする 2015/7/25 81
- 82. 8. 属性情報ごとの特徴を抽出する • [共起ネットワーク] を選択し,”共起ネッ トワーク設定” -> “共 起関係の種類” から [語 – 外部変数・見出 し]を選び, ドロップ ダウンメニューから [分野]を選択し, OK をクリックする. 2015/7/25 82
- 83. 分野x共起ネットワーク • 医学部・歯学部・薬学部と理学、 工学は似たような傾向 • 農学はちょっと違う • 保健（その他）は乖離している 2015/7/25 83
- 84. 練習問題 • 何かしらの属性を選び、その情報をもとに共起ネットワークを 書いてみよう！ • 選べる属性 • データ年 • 性別 • 職位 • 大学グループ • 分野 2015/7/25 84
- 85. 性別x共起ネットワーク • 男性とリンク • ポスト、支援、企業 • 女性とリンク • 雇用、障害、ポスドク • 男性および女性とリンク • 進学、教員、育成、就職 2015/7/25 85
- 86. 職位x共起ネットワーク • いずれの職位にも結びついている ターム • 若手、研究、ポスト、必要 • 学長クラスと結びついているター ム • 制度、社会、環境、パス • 助教クラスと結びついているター ム • 機関、少ない、多い 2015/7/25 86
- 87. 大学グループx共起ネットワーク • 日本国内 の論文シェア • 5％以上の大学: 第 1 グループ • 1％以上～5％未満の大学: 第 2 グ ループ • 0.5％以 上～１％未満の大学は第 3 グループ • 0.05％以上～0.5％未満の大学は第 4 グループ 2015/7/25 87
- 88. 9. 対応分析を行う • 抽出語を用いた対応分析を行 い、その結果を二次元の散布 図に示す • 出現パターンの似通った語に はどのようなものがあったの か探ることができる • [ツール]-[抽出語]-[対応分析] を選択する 2015/7/25 88
- 89. 9. 対応分析を行う • “対応分析のオプション” – “分析に仕様するデータ表の 種類”から, [抽出語 x 文章] ラ ジオボタンを選択する 2015/7/25 89
- 90. 9. 対応分析を行う • いくつかのグループ • 博士とか就職とか企業のかたまり • 将来とか安定とか教員とか確保と かポスドクとかのかたまり • 研究とか指導とか環境のかたまり 2015/7/25 90
- 91. 9. 対応分析を行う • “対応分析のオプション” – “分析に仕様するデータ表の 種類”から, [抽出語 x 外部変 数] ラジオボタンを選択し、 大学Gおよび分野をチェック する 2015/7/25 91
- 92. 9. 対応分析を行う • 大学グループごとに重視し ているタームが異なる • 第一グループはポスドクとか 海外 • 第四グループは教育 • 理学は「企業」に近くて、 工学は「ポスドク」に近く て、保健（医・歯・薬学） は「教育」とか「指導」が 近い 2015/7/25 92
- 93. 9. 対応分析を行う • 性別と大学グループと抽出語 の関係をプロットする • やっぱり、L型大学とG型大学 は違うっぽい・・・ 2015/7/25 93
- 95. References • 原作者名：文部科学省 科学技術・学術政策研究所 タイトル：科学技術・学術政策研究所、NISTEP REPORT No. 161、 科学技術の状況に係る総合的意識調査 (NISTEP 定点調査 2014)、2015 年 3 月 2015/7/25 95
- 96. 今日のまとめ • テキスト分析で行間を読むことはできるのかもしれない • やっぱり、データのクリーニングは特許や論文データベースと 同じく重要 • テキスト分析をイノベーション分析でやっているひとは（僕の 周りでは）あまり見当たらないですが、この先流行る分野のは ず！ • たとえば、イノベーションプロセスを解析するためにプレスリリース データをテキストマイニングして、それと特許情報、論文情報を接続 するとか 2015/7/25 96
- 97. References • 樋口 耕一 (2014)『社会調査 のための計量テキスト分析 ―内容分析の継承と発展を 目指して』,ナカニシヤ出版 • KHcoder のTwitter • https://twitter.com/khcoder 2015/7/25 97
- 98. 次回予告 • ネットワーク分析ソフトの使い方 • NetDraw とか Sci2 とか R とか・・・ • まとめ • 第二期の企画会議 • ひとりで喋るのは面倒なので、NISTEPやJSTや他大学の猛者たちを連れ てきて喋ってもらいたいです • そもそも、何をやりましょう • PDW方式？ • もっとわかりやすい方向？ 2015/7/25 98
- 99. Acknowledgement • 文部科学省 SciREX 「政策のための科学」事業 • 政策研究大学院大学 科学技術イノベーション政策研究センター • 一橋大学「政策のための科学」基盤的研究・人材育成拠点事業（領 域開拓拠点）イノベーションマネジメント・政策プログラム（Innovation Management and Policy Program：IMPP） • 独立行政法人科学技術振興機構社会技術研究開発センターによる 「科学技術イノベーション政策のための科学研究開発プログラム」: • 「イノベーションの科学的源泉とその経済効果」 • 「科学技術イノベーション政策の経済成長分析評価プロジェクト」 992015/7/25