ソーシャルメディアにおける「世論」の特徴と、それを分析するメリットを検討するため、前号では2020年の安倍首相（当時）に関するツイートの分析を例として、「教師あり機械学習」によるセンチメント分析という手法を用いて、安倍首相に対する支持と不支持の態度を推定した。分析の結果、ツイートの8割近くが安倍首相に対するネガティブな態度を表していると分類され、世論調査の内閣支持率との間に、大きな乖離がみられることが明らかになった。そこで、前号で用いたのと同じ、安倍首相に関する500万のツイートについて、ツイートの話題を抽出できるトピックモデル分析という手法を用いて詳細に分析し、Twitter「世論」の特徴と、その有用性について報告する。 トピックモデルの手法は複数存在するが、本号では短文からなる文書の分析に適したギブスサンプリングディリクレ多項ミクスチャーモデル（GSDMM）を用いた。分析の結果、25のトピックが抽出され、全体の28％程度をコロナ関連のトピックが、24％程度を政治疑惑・スキャンダルに関するトピックが構成していた。トピックごとのセンチメントの分布をみると、ほとんどのトピックで安倍首相への否定的意見が大半を占めていたが、外交や「安倍首相への批判と、そうした批判者への批判」からなるトピック、辞任報道への反応では、肯定的意見も2割程度あった。また、政治的疑惑・スキャンダルに関するトピックは短期間の盛り上がりにとどまり、相対的に少数のアカウントが繰り返しツイートをする傾向にあるのに対し、新型コロナ関連のトピックは一定期間持続し、相対的に多くのアカウントが発言に参加していることも示された。 Twitter上の安倍首相への態度の大半を不支持が占めていたが、その内部は政治的疑惑・スキャンダルを中心に、相対的に少ないアカウントが積極的にリツイートを含めた発信を行うトピックと、緊急事態宣言やアベノマスクといった、多様なアカウントが否定的意見を表明したトピックが混在していたことがわかる。 Twitterデータの分析によって、通常の質問紙調査で測定できる「聞かれたから答える」意見とは異なり、人々が関心をもち、意見を表明するほどの熱意を持って抱く「世論」を測定することができる。本研究で用いたような、トピック分析やセンチメント分析などの手法を組み合わせて分析することで、人々の関心や熱意の推移、その多様性や状況による変化を検証することができる。このような点が、Twitterで世論を分析するメリットといえるだろう。 上記のように、Twitterに現れる「世論」は通常の世論調査から把握される「世論」とは質的に異なる。重要なのは、従来の世論調査から把握される世論とツイートの分析から把握される世論の、それぞれの特徴と利点、限界をふまえ、両者を補完的に用いることである。それにより、より多面的に世論を理解することができる。 ＊GSDMM（ギブスサンプリングディリクレ多項ミクスチャーモデル）Gibbs Sampling Dirichlet Multinomial Mixture
https://ror.org/057zh3y96 