"社会的な世論トレンドを素早く把握する方法！ニュース・コミュニティデータ分析講座" • ニュースデータには、最新の事件、経済の変化、政治動向、自然災害などの重要な情報が含まれており、企業や個人がこうした変化を迅速に把握するために活用できます。オンラインコミュニティデータは、さまざまなテーマに関する利用者の意見や情報を含むテキストデータであり、社会的・文化的なインサイトを提供します。 • ニュースやコミュニティデータ、テキスト分析、テキストネットワーク分析の手法を用いることで、市場分析、政策立案および意思決定、世論の反応分析、トレンド分析、教育・研究、危機対応および災害管理など、さまざまな目的に活用できます。

本教育は、NetMinerを利用してソーシャルメディアデータを収集・モデリング・分析する方法を学ぶためのコースです。NetMinerのソーシャルデータ収集ツール（SNS Data Collector）を活用してYouTubeのデータを収集・構成する方法、ソーシャルメディアデータの種類と構造に関する理解とモデリング、影響力・トピック・トレンドなどのソーシャルメディア分析方法について、理論・事例・実習を中心に進めます。

本課程では、論文データを直接収集し、前処理を行ったうえで、ソーシャルネットワーク分析を通じて研究動向を把握する方法について学びます。文献情報収集ツール（Biblio Data Collector）を用いたデータ収集、「論文」と「著者'」が結び付いた2モード関係を「著者」と「著者」が結び付いた1モードネットワークへ変換する方法、さらに抄録などの非定型テキストデータからの単語抽出、キーワードネットワークの分析および可視化方法について、実習を中心に学習します。

購入者-商品、利用者-コンテンツ、単語-文献のように、現実のデータの大半は'2-モード'の関係であるにもかかわらず、一般的な1-モード分析手法を無理に適用し、指標の歪みやデータ変換の限界に直面していませんか？ 2-モードネットワークの基本原理から、データ変換（Conversion）および直接分析（Direct/Bipartite）のアプローチ、さらにNetMinerを活用した利用者プロファイリングと関連分析の実習まで、明快な解決策をご提示します。 データ変換や指標算出に迷う時間を減らし、テキスト・書誌・SNSデータを網羅する卓越した2-モードネットワーク分析力で、研究と実務のインサイトをさらに一段階引き上げてみませんか。

本講座は、ビッグデータ分析に適したプログラミング言語であるPythonを活用し、ウェブやSNSなどのソーシャルビッグデータを自ら収集・加工・分析してみる教育課程です。Pythonプログラミングの実習を「やってみる」形式で進めるため、プログラミング経験のない人文・社会科学分野の研究者でも簡単に学習できます。本講座を受講すれば、Pythonの習得、データ収集、ビッグデータ分析のすべてが可能になります。

本講座では、NetMinerのテキストネットワーク分析機能を活用し、ニュース記事、Twitter、演説文などの非構造化テキストデータを分析する方法を扱います。非構造化テキストデータからの単語抽出、トピックの発掘、単語ネットワークの構築および可視化、主要キーワードの選定に至るまで、テキストネットワーク分析の全過程に関する理論的基礎を身につけることができます。また、NetMinerを用いて、ニュース記事やTwitterの実データに分析手法を適用する実習も行います。

• SNAで重要な研究対象となってきたネットワーク内の役割（Role）と地位（Position）を分析する方法論を紹介し、NetMinerを用いた実習を通じてその原理を理解するとともに、活用事例を学べる内容で構成されています。 • 本教育課程を通じて、さまざまな側面から仲介（Brokerage）役割を測定し、ネットワーク内の行為者の役割と地位を関係パターンから判断するとともに、役割グループ間の関係によってネットワーク全体を要約することで、複雑なネットワークを構成する中核的な構造を発見できます。

本コースでは、ネットワークデータの分析結果を統計的にどのように解釈し、統計量の有意性をどのように検定できるかについて学習します。伝統的な統計手法であるクロス集計分析、分散分析、相関分析、回帰分析などを行う際には、ネットワークデータやネットワーク指標が持つ特性が有意性検定に及ぼす影響を理解し、適切な方法を用いる必要があります。本コースは、変数間の関連性分析、ネットワーク指標の有意性検定、複数のネットワーク間の関連性分析など、研究者が頻繁に直面する分析テーマごとの事例と、NetMinerを用いた実習で構成されています。

ネットワーク内でオブジェクト同士が密に結び付いているグループを、凝集グループと呼びます。つながりが多く見られる凝集したグループを見つけ出すさまざまな方法の中から、頻繁に活用されているクリーク、k-コア、コンポーネント、コミュニティなどの分析手法について、詳しく深く学びます。この教育課程を通じて、ネットワークデータから中核となるグループを見つけたり、密接に結び付いたクラスターを発見したりしてみましょう。

ネットワークデータ分析で最も基本的に試みるのが、ネットワーク特性の分析です。ノードとリンクの頻度から始め、接続線数の分布特性、密度、最短距離、凝集係数など、ネットワークの構造的特徴を説明するさまざまな指標の原理と意味について詳しく扱います。ネットワーク構造を数値的に測定できれば、他のネットワークとの比較が可能になります。この教育課程を通じて、皆さんのネットワークデータが持つ特性をさまざまな側面から定義してみましょう。

ネットワーク上に現れる特定のノードの重要度を、ネットワーク中心性といいます。これを測定するさまざまな方法がありますが、その中でも代表的かつ汎用的に活用されている7つの中心性指標について詳しく学び、実際のデータを通じて分析する内容で構成されています。教育課程を通じて、さまざまなネットワークデータに適した中心性指標を選択し、適用してみましょう。

ネットワークデータを視覚的に確認し、構造を探索し、分析結果を効果的に表現するためには、さまざまな可視化方法を理解し、適用できる必要があります。NetMinerは、ネットワークデータや分析結果を効果的に表現できる機能を提供しています。この教育課程を通じて、皆さんのネットワーク分析結果を美しく表現し、要点を効果的に伝えてみましょう。