Exploring ESC Winners with Nested Diagrams

あなたは、指紋やアリバイの代わりにデータのパターンを手がかりに謎を解く探偵だと想像してください。これが、**形式概念分析（Formal Concept Analysis: FCA）**の世界です。これは、乱雑な情報を整理された論理的な構造へと整える数学の一分野です。FCAを、単に名前でファイルを分類するだけでなく、共通点に基づいてどのファイルが一緒に分類されるべきかを自動的に判断する、スーパーパワーを備えたファイリングキャビネットだと考えてください。もし、曲のリストと国のリストがあったとしたら、FCAは「ねえ、国Aの曲はすべて、この特定の音楽的特徴を共有しているよ」とか、「ビートが速い曲が出るたびに、特定の近隣グループから票を得ているよ」といったことを教えてくれます。

今日私たちが探求する論文は、この数学的なファイリングシステムを用いて、ユーロビジョン・ソング・コンテスト（毎年開催される大規模な音楽競技会であり、国々が互いに投票し合うもの）を調査しています。ユーロビジョンには「投票ブロック」の評判があることは誰もが知っています。つまり、曲の質に関わらず、隣接国や文化的に類似した国々が互いに高いスコアを与え合う傾向があるということです。しかし、音楽そのものが役割を果たしているとしたらどうでしょうか？ 特定のタイプの曲は、特定の投票同盟がある場合にのみ勝利するのでしょうか？ 著者たちは、これら二つの世界、すなわち政治的・文化的理由による投票と、実際の音符やテンポを解きほぐすための新しいデジタルツールを構築しました。彼らは、投票のされ方が、曲の響きと密かに結びついているのかどうかを知りたいと考えています。

音楽の探偵ツール：ConceptFlow

著者である Anurag Sharma、Marcel Nöhre、および Gerd Stumme は、ConceptFlow という新しいソフトウェアツールを作成しました。これは「入れ子構造の図生成器」と考えることができます。ロシアのマトリョーシカ人形を想像してみてください。ただし、木製の人形ではなく、それぞれのドールが関係性のマップになっています。外側のドールは一つの大きな全体像（例えば投票パターン）を表し、その外側のドールの一つひとつのパーツの中に、異なる全体像（例えば音楽的特徴）を表す、より詳細な内側のドールが存在しています。

このツールは、人気のあるプログラミング言語である Python で動作するように構築されており、他の科学者が自分の研究に簡単に組み込めるよう、標準的なルール（「scikit-learn」インターフェース）に従っています。ConceptFlow の主な役割は、あらゆるエントリーに多種多様な情報が含まれる巨大で複雑なデータリストを受け取り、それを外側スケールと内側スケールの二つの層に分解することです。

50人の勝者のケース

ツールをテストするために、チームは 1975年から2025年までのユーロビジョン・ソング・コンテストの勝者を調査しました。2020年はコンテストが中止されたため、その年はスキップし、分析対象となる50曲の優勝曲を残しました。

彼らは各優勝曲について、二種類の情報を収集しました。

1. 投票による支持（外側スケール）： 彼らは、各勝者が自身と結びつきを持つ国々からどれほどの支持を得たかを調べました。これらの結びつきを、地域的（隣接国）、文化的（共有された歴史や言語）、歴史的（過去のつながり）、政治的（同盟）の4つのカテゴリーに分類しました。もし勝者が特定のグループの国々から平均で少なくとも 8ポイント を得ていた場合、それを「強い結びつき」としてマークしました。
2. 音楽的特徴（内側スケール）： 彼らは曲のテンポ（ビートの速さ）とキー（曲が明るい／メジャーか、悲しい／マイナーか）を調べました。速度については、テンポが 100 BPM（1分間あたりの拍数）以上、および 150 BPM 以上の曲という単純なカテゴリーに分けました。

入れ子構造の図の魔法

通常、投票パターンと音楽的特徴の両方のマップを同時に描こうとすると、読み取り不可能な、絡まり合ったクモの巣のようになってしまいます。ConceptFlow は、この問題を「入れ子状の線図」を用いることで解決します。

大きな樹形図（外側の図）を想像してください。そこでは各枝が投票支持のタイプを表しています。次に、その樹の葉の一つひとつの中に、音楽的特徴を示す、小さく同一のマップ（内側の図）がある様子を想像してください。ソフトウェアは、実際の勝者が存在するスポットに、その小さなマップを埋めていきます。もし、あるスポットが空（中抜き）であれば、それはその投票支持と音楽的特徴の組み合わせが、データの中で一度も起こらなかったことを意味します。

著者たちは、生のデータをこれら二つの層へと変換するために「概念的スケーリング」と呼ばれる手法を用いました。そして、入れ子構造のマップ内のどのスポットを埋めるべきかを判断するために、数学的なトリックを用いました。彼らは単に絵を描いたのではなく、「満たされたノード（実在する勝者）」と「満たされていないノード（欠落している組み合わせ）」を計算したのです。

図が明らかにしたこと

最終的な図を見たとき、投票と音楽がどのように結びついているかを示す、興味深いパターンがいくつか浮かび上がりました。

• 速い曲には文化的な友人が必要： 非常に速い（少なくとも 150 BPM）すべての優勝曲は、強い文化的サポートを持っていました。図の中には、「文化的サポートがない速い曲」として埋められたスポットは存在しませんでした。これは、このデータセットにおいて、もし曲が超高速であれば、勝利するためには文化的なつながりが必要であるように見えることを示唆しています。
• 悲しい曲には最低限の速度がある： 地域的または文化的な支持を得た勝者の中で、すべての「悲しい」またはマイナーキーの曲は、少なくとも 100 BPM のテンポを持っていました。図は、「地域的または文化的サポートを持つ、遅くて悲しい曲」は存在しないことを示していました。その組み合わせのスポットは空でした。
• 究極のコンボ： すべての種類のサポートを伴って初めて現れる特定の組み合わせがありました。もし勝者が、マイナーキーであり、速いテンポ（少なくとも 150 BPM）を持ち、かつ文化的サポートを持っていた場合、その曲は政治的および歴史的なサポートも持っていました。図は、この特定の音楽的ミックスが、追加の政治的および歴史的な後ろ盾なしには決して起こらないことを示していました。

なぜこれが重要なのか（そして何ではないのか）

著者たちは、これが人々がなぜそのように投票するのかという理由を完全に解明した研究ではない、と慎重に述べています。むしろ、これは彼らの新しいツールである ConceptFlow が何ができるかを示すデモンストレーションです。彼らは、入れ子構造の図を用いることで、スプレッドシートでは見つけることが難しい隠れたルールや繋がりを見ることができるのだと主張しています。

この図は、特定の音楽的組み合わせが可能であり、どこが投票のルールによって阻まれているのかを正確に示す「スポットライト」として機能します。例えば、地域的なサポートだけで「遅くて悲しい曲」が勝つことはできない、といったことを浮き彫りにします。

将来的に、チームは ConceptFlow にさらなる機能を追加したいと考えています。例えば、図が明らかにする「ルール（含意）」を自動的にリストアップする機能などです。これにより、ユーザーは特定のスポットをクリックして、なぜその組み合わせが欠落しているのかを正確に確認できるようになります。現時点では、彼らは投票パターンの数学と楽曲構造の芸術との間の架け橋を築くことに成功しており、複雑なシステムを理解するための最善の方法は、時として、一連の入れ子になった数学的な人形を通して見ることであると証明しています。