Regional Differences in Affective Expression on Social Media: A Comparative Study of Urban and Rural Twitter Users in Japan

技術的要約：SNSにおける感情表現の地域差

問題提起
既存の文献では、SNSにおける感情表現がトピックによって異なることや、日本における様々な行動（言語使用、旅行、死に関連する事象など）が地域ごとに異なることは確立されているが、感情表現そのものが地域によって異なるのか、またそのような違いが議論されているトピック領域に依存しているのかを検証した研究はこれまで存在しない。具体的には、都市部と地方における感情表現の格差が、あらゆるトピックにおいて一様なのか、あるいは特定の主題に連動しているのかが不明である。本研究は、高関心領域（アニメ）と低関心領域（国政）という2つの明確なトピック領域を用いて、日本の都市部と地方のTwitterユーザー間の感情表現を比較することで、この空白を埋めるものである。

研究手法
本研究では、2015年に収集された日本語のTwitterデータを用い、2段階の分析を行った。

1. 対象者の選定およびデータ収集:

   • 初期スクリーニング: 全国規模の10,000ユーザーのサンプル（2015年1月〜8月）を分析し、全国的な人気にコントラストがあるトピック領域を特定した。「アニメ」が高関心領域として、「国政」が低関心領域として抽出された。
   • 地域比較: 最終的なサンプルは200ユーザーで構成された。すなわち、東京23区（都市部）に拠点を置くユーザー100名と、徳島市（地方）に拠点を置くユーザー100名である。データは2015年6月から9月の間に投稿されたものを用いた。
   • 属性: 年齢および性別は取得できず、制御もされていない。分析は、交絡変数を避けるため、テキスト内容のみに依拠した。

2. トピック領域の特定:

   • ユーザーおよび個々のツイートを分類するために、**フィールド関連語法（field-association-word technique）**を用いた。この手法は、異なる具体性のレベルを持つキーワード（フィールド関連語）を各ドメインに割り当てた、木構造のドメイン階層を利用している。
   • 関心スコア算出: 関連語の出現頻度とそのランキングに基づき、2ヶ月ごとの4つの時間窓において、各ユーザーのドメインをランク付けした。
   • 個々のツイートは、フィールド関連語（例：〈アニメ〉に対する「名探偵コナン」 vs 〈政治〉に対する「自由民主党」）の存在に基づく加重スコアを計算することで、特定のドメインに割り当てられた。

3. 感情表現の抽出:

   • 言語処理: 形態素解析にはJUMANを、係り受け解析にはKNPを用い、修飾・被修飾関係および主語・述語関係を特定した。
   • 感性辞書: 3つの軸（感情、情緒、評価）にわたる61カテゴリを含むカスタム辞書を使用した。表現は、「単一（一つの単語が感性を喚起する）」または「組み合わせ（単語の組み合わせや反転から感性が生じる）」として分類された。
   • スコアリング: ルールベースの検出システムにより、候補となる各表現の頻度（$FREQ$）と強度（$POWER$, 0.0–1.0）を算出した。最も高い合計スコアを持つ表現が、そのツイートの支配的な感情表現として保持された。

4. 統計分析:

   • 強度: 両方のドメインにおいて、グループの中央値をウィルコクソンの順位和検定（東京 vs 徳島、両側検定）を用いて比較した。
   • バランス: 肯定・否定の割合、方言・標準語の使用、一般的なトピックの嗜好、および笑顔の絵文字の使用について、カイ二乗独立性検定を用いて比較した。
   • 効果量: 可能な場合は、事後解析として順位相関係数（$r$）を算出した。カイ二乗検定の効果量については、元のデータセットに分割表のセルカウントが欠落していたため、再構築できなかった。

主な結果

• 感情の強度: アニメおよび政治の両ドメインにおいて、東京のユーザーは徳島のユーザーよりも有意に高い感情表現の強度を示した。
  • アニメ: 東京（$Mdn = 0.253$） vs 徳島（$Mdn = 0.188$）；$p = .00035$, $r = .25$。
  • 政治: 東京（$Mdn = 0.192$） vs 徳島（$Mdn = 0.085$）；$p = .0001$, $r = .28$。
• 肯定的・否定的バランス: 感情のバランスにおける地域差は、ドメイン間で一貫していた。東京のユーザーは、両方のドメインにおいて、比例的に否定的な表現を多く生成し、一方で徳島のユーザーは、両方のドメインにおいて、比例的に肯定的な表現を多く生成していた（両ドメインで $p < .05$）。
• 言語的および行動的コントロール:
  • 方言の使用: 東京のユーザーは、徳島のユーザーよりも標準語を有意に多く使い、方言を有意に少なく使っており、これは従来の社会言語学的な知見を再現している。
  • トピックの嗜好と絵文字: 一般的なトピックの嗜好や笑顔の絵文字の使用における地域差を示唆する先行研究とは異なり、本研究では、全トピックを集計した場合、両地域間に有意な差は見られなかった。
• サブトピック分析:
  • アニメドメインでは、東京のユーザーは恋愛テーマのサブトピック（例：「美少女」アニメ）についてより頻繁に投稿しており、これが肯定的な感情（享受、喜び、満足）の強度の高さと相関していた。
  • 政治ドメインでは、東京のユーザーは論争のある国家政策のサブトピック（原子力発電、税制、安全保障関連法案）についてより頻繁に投稿しており、これが否定的な感情（不満、怒り、批判）の強度の高さと相関していた。
  • 全体的な価数: アニメドメインにおける恋愛サブトピックに関連する正の価数にもかかわらず、全体的な地域パターンは一貫していた。すなわち、東京のユーザーは、論争的な政治サブトピックへの投稿量の多さに起因して、両方のドメインにおいて比例的に否定的な感情を表明していた。

主な貢献

1. トピックと地域の統合: 本研究は、感情表現の地域差とトピック領域を共同で検証した初めての研究であり、都市部と地方の感情的な差異は一様ではなく、議論される特定のサブトピックによって媒介されることを示した。
2. 方法論的厳密さ: 形態素解析、係り受け解析、および61カテゴリの感性辞書を組み合わせた、ルールベースの感性検出手法の詳細な文書化を提供している。
3. 微細な地域的知見: 一般的な指標（絵文字の使用など）には地域差が見られない場合でも、定義されたトピック領域内のコンテンツを分析すると、特定の感情パターンが浮かび上がることを明らかにした。これは、観察された「都市部のネガティブさ」が、一般的なネガティブな性質によるものではなく、都市部のユーザーが関与するサブトピックの種類（例：政治的論争）に関連していることを示唆している。

意義と主張
本論文は、SNSにおける感情の都市部・地方差は、トピックに対して一様に成立するのではなく、トピック領域に連動すると主張している。観察された強度と価数の違いは、根本的なトピックに依存しない地域的な性格特性ではなく、ユーザーがドメイン内で「何を」議論しているか（例：恋愛 vs 政治）という地域的な差異に起因するものである。

著者は、これらの知見が2015年のデータおよび特定の都市・地方のペア（東京 vs 徳島）に特有のものであることを指摘し、控えめな立場を維持している。また、都市部のテクノロジー利用とネガティブな感情との関連性は暫定的なものであり、直接的なストレスメカニズムとして解釈すべきではないとも明記している。本研究は、SNSの感情を単独ではなく、トピックの内容と併せて分析する必要性を強調すると同時に、人口統計学的な代表性の欠如、評価者間信頼性の統計の欠如、およびデータ制約による一部の効果量の再構築不能といった限界についても認めている。