Examining the Appraisers' Role in Redlining through Historical Appraisal Narratives
本研究は、自然言語処理と地理情報システムを活用することで、1930年代のHOLC（連邦住宅局）による査定記述における主観的な人種的偏見がいかにレッドライニングを制度化し、かつてのレッドライン指定地域において、現代の不動産査定にも存続する永続的な経済的格差と富の不平等を創出したかを実証するものである。
原論文は CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) でライセンスされています。 これは以下の論文のAI生成解説です。著者が執筆または承認したものではありません。技術的な正確性については原論文を参照してください。 免責事項の全文を読む
過去の消えないインク
ある都市の中で、新しいコーヒーショップや公園ができて活気づいている地域がある一方で、ほんの数マイル先では、空き地や住宅価値の下落に苦しみ、時代に取り残されたままのように見える地域がある。なぜこのような違いが生まれるのかを解明しようとしているところだと想像してみてください。それは単なる不運なのでしょうか？それとも、街路そのものに刻み込まれた隠された歴史があるのでしょうか？この問いは、歴史、経済学、そしてコンピュータ科学の交差点に位置しています。これを理解するには、3つのことを知る必要があります。まず、1930年代に行われた**レッドライニング（Redlining）**です。これは、銀行が地図上に線を引き、住宅の質ではなく、そこに誰が住んでいるかに基づいて、特定の地域をローンに対して「リスクが高い」とマークした慣行です。次に、**鑑定（Appraisals）**です。これは、専門家が住宅や地域の価値を決定するために作成する公式の報告書です。そして、**自然言語処理（NLP）**です。これは、コンピュータが人間のテキストを読み取り、理解し、人間が見落としがちな言葉のパターンを見つけ出す人工知能の一種です。なぜこれが重要なのでしょうか？それは、私たちの住宅価値の決め方が、今日の私たちの富の形成につながっているからです。もし、かつて住宅価値を決めるためのルールが偏見を持って書かれていたとしたら、その偏見は今もシステムの中に潜み、誰が豊かになり、誰が取り残されるかを静かに形作っている可能性があるのです。
探偵の仕事：隠された言葉の解明
この研究において、リンダ・ルーバートという研究者は、デジタル探偵として、1930年代の何千もの埃をかぶった古い文書の中から手がかりを探しています。彼女は、ある特定の疑問を調査しています。鑑定士が地域を説明するために使った言葉が、実際に今日見られる不公平な経済格差を生み出す一助となったのだろうか、という問いです。
1930年代当時、ホーム・オーナーズ・ローン・コーポレーション（HOLC）と呼ばれる政府機関が、地域をA（最高、"グリーン"ゾーン）からD（最低、"レッド"ゾーン）まで格付けするために鑑定士を派遣していました。これらの格付けは、誰が住宅ローンを組めるか、あるいは組めないかを決定しました。しかし、鑑定士は単にアルファベットの等級を与えるだけではありませんでした。彼らは、なぜそうなのかを説明する「物語」を書かなければなりませんでした。彼らは「有害な影響（Detrimental Influences）」というセクションがあるフォームを記入し、その地域に何が問題であると考えているかを列挙しました。
ルーバートは、これら7,000件以上の古いフォームを集めました。彼女はそれらを一つひとつ読むことはできなかったため、RoBERTa（一種のAI）と呼ばれる非常にスマートなコンピュータプログラムを使用して、彼女の代わりに読ませました。RoBERTaを、何千冊もの本を一瞬でスキャンし、「ねえ、この500冊の本には『人種』という言葉がたくさん出てくるし、あの200冊の本では『古い建物』について繰り返し語られているよ」と教えてくれるロボット司書だと考えてください。
コンピュータは、鑑定士のコメントを「人種と階級の懸念」、「工業への近接性」、「老朽化したインフラ」、「環境上の危険」といったカテゴリーに分類しました。そして、ルーバートはこれらの古い言葉を、現在のそれらの地域がどのようになっているかと比較しました。彼女は各地域に対して「レッドライニング・レジリエンス・スコア（RRS）」を作成しました。これは、所得、教育、および住宅価値の観点から、その地域が現在どの程度うまく機能しているかを測定する成績表のようなものです。
手がかりが明らかにしたこと
結果は驚くべきものでした。研究の結果、1930年代に鑑定士が書いた言葉は、現在も地域の状況と結びついていることが判明しました。
第一に、「格付け」自体が重要です。当時「D（レッド）」と格付けされた地域は、現在も「A（グリーン）」と格付けされた地域よりも状況が悪いままです。しかし、ここにひねりがあります。鑑定士が書いた「言葉」も極めて重要でしたが、最も低い格付けほどの影響力はありませんでした。
コンピュータが「有害な影響」のセクションを調べたところ、人種と階級に関する否定的な表現（例えば「黒人の流入」や「不調和な人種グループ」など）や、工業への近接性（工場の近くであること）について記述された地域は、現在、非常に低いレジリエンス・スコアを示すことがわかりました。実際、「工業への近接性」について書かれたことによる負の影響は、「B」の格付けを受けた際のペナルティとほぼ同等の重大さでした。ただし、「D」の格付けによるペナルティは、それらの特定の言葉によるペナルティよりも依然として約2.7倍大きかったのです。
この研究は、鑑定士が単に地域を記述していたのではなく、罠を築いていたことを示唆しています。彼らは、主観的な人種や階級に対する感情を、公式の政府のルールへと変えるために言葉を用いたのです。例えば、もし鑑定士がその地域に「望ましくない要素」があると書けば、そのフレーズはローンを拒否する理由となりました。数十年にわたるこの資金不足により、それらの地域は屋根を修理したり新しい学校を建設したりすることができず、それが今日見られる貧困へとつながったのです。
また、この研究は、これが単に公式の格付けによるものなのか、それとも鑑定士が語った「物語」こそが真の元凶なのかについても調査しました。答えは複雑です。格付けはルールを設定しましたが、鑑定士の言葉はそのルールを支える「足場」を提供しました。格付けを考慮せずに言葉だけを見た場合、否定的な言葉は富の低さを強く予測しました。しかし、同じ分析の中で公式の格付けを含めた場合、いくつかのカテゴリーにおいて、言葉による独立した効果は大幅に小さくなりました。これは、偏見が最終的なアルファベットの格付けの中にあっただけでなく、それを正当化するための言語そのものに組み込まれていたことを示唆していますが、長期的な結果を決定づける上で最も大きな重みを持っていたのは、格付けそのものでした。
総括
この論文は、レッドライニングが今日の不平等の「唯一の」理由であると主張しているわけではありませんが、1930年代に鑑定士が地域についてどのように書いたかが、それらの不平等を固定化させるのに役立ったことを証明しています。それは、もし教師が生徒の成績表に「この生徒は背景のせいで賢くない」というメモを書き、その後90年間、あらゆる教師がその古いメモのせいで、その生徒に学ぶ機会を与えることを拒み続けた場合のようなものです。
この研究は、古い地図上の「赤い線」は単なる線ではなく、偏ったインクで書かれた物語であったことを示しています。そして不幸にも、それらの物語は今も私たちの都市の中に響き渡り、一部の地域が成長する一方で、他の地域が発展することを阻んでいるのです。この研究は、これらの問題を解決するためには、単に数字を見るだけでなく、コミュニティを記述するために私たちが使う言葉を理解しなければならないことを示唆しています。なぜなら、それらの言葉には、私たちの未来を形作る力があるからです。
自分の分野の論文に埋もれていませんか？
研究キーワードに一致する最新の論文のダイジェストを毎日受け取りましょう——技術要約付き、あなたの言語で。