Department of Social Systems and Management Discussion Paper Series No.1294 Twitter 上のメッセージ による 国のイメージ測定 —内容分析とテ キストマイニン グによる分析 (The Measurement of Nation Images Based on Content Analysis and Text-Mining of Twitter Messages) by 石井 健一 (Kenichi ISHII) June 2012 UNIVERSITY OF TSUKUBA Tsukuba, Ibaraki 305-8573 JAPAN Twitter 上のメッセージによる国のイメージ測定 ―内容分析とテキストマイニングによる分析i 石井健一 要約 本報告は、国のイメージの測定に向けて行なったいくつかの試行的な測定結果を報 告するものである。API を通じて収集した Twitter のメッセージを内容分析とテキストマイ ニングで分析し、さらにブログ検索のヒット件数で国と文化キーワードとの距離を計算し た。いくつかの結果は、中国のイメージがきわめて悪いことを示していた。ただし、イン ターネット上のテキストを用いて国のイメージを測定することについて、方法論的な問題 がなお残されていることも確認された。 研究の背景と目的 最近 SNS の利用率が急速に増加している。SNS で最も利用度が高いといわれる Twitter は API を公開しており、メッセージをプログラムから得ることが可能であるii。Twitter は 日本人利用者の場合、身近な友だちとのものが比較的多いとみられ、日本人の本音の会話 に近いものが多く含まれていると予想される(石井 2011a)。本研究は、Twitter のメッセー ジを利用し、日本人の対外イメージを分析することを目的とする。 本報告書は、科学研究費補助金基盤（B)『日中の相互国家イメージと「国家ブランディ ング」の可能性―中国と日本での実証研究』 （代表石井健一)において実施したいくつかの分 析結果を報告するものである。本研究では、Twitter から得られたメッセージに対して二種 類の分析を行なう。一つは評定者が内容を読んでコーディングする内容分析である。もう 一つは、テキストマイニングによる分析である。また、これらとは別にブログの検索数を 用いて国のイメージを測定した結果も報告する。 方法 (1)Twitter メッセージの内容分析 API のプログラムをつくり 2011 年 9 月 14 日から 10 月 27 日にかけて Twitter で「中国」 「台湾」「香港」「韓国」「シンガポール」「マレーシア」「インド」「アメリカ」「イタリア」 「ドイツ」「フランス」「ロシア」を含むメッセージを収集した。 ただし、「中国」は日本の「中国地方」の意味でも使われているので、中国関係のメッセ ージは一名のコーダーがすべてのメッセージをチェックして、国名としての意味以外で使 われている場合はデータから削除した。その結果、分析に用いたメッセージの総件数は、 1 44,024 件である（ただし、一つのメッセージが複数の国のデータに入っている重複も少数 だがある）。 そのうち、3,057 件のメッセージを無作為に抽出し、二人のコーダーで分担して、どうい う側面のメッセージか(経済・技術等、政治・軍事、国民性、その国の道徳、対日感情)をコ ーディングしたうえで、その国の日本に対する総合的な評価を(1)肯定的、(2)否定的、(3) どちらでもないの三段階で評価してもらった(この場合の「肯定的」とは、日本や日本人に とって肯定的という意味である)。ただし、メッセージを読んでその国と全く関係のない話 題の場合はデータから除外したところ(たとえば「フランスパン」についてのメッセージな ど)、国のメッセージとして評価対象となったのは 2,560 件であった。 なお、3,057 件のうち、1,686 件については二名の評定者が独立に評定し、1371 件につい ては、一名の評定者が単独で評価した。二人の評定者の一致度をスピアマンの順位相関係 数で測定したところ r=0.328 (p<.001)であった。二人の評定が一致しない場合は、どちらか の評定をランダムに選んだ。 (2) Twitter メッセージのテキストマイニング 上記の 44,024 件のメッセージを対象として R という統計ソフト上で MeCab というプロ グラムを用いて形態素解析を行い分析した(石田 2008)。 表 1 ブログ検索にもちいたキーワード 日本語 (3) 英語 日本語 英語 1 日本 Japan 13 ブラジル Brazil 2 アメリカ US 14 オーストラリア Australia 3 中国 China 15 音楽 Music 4 韓国 South Korea 16 芸術 Art 5 台湾 Taiwan 17 ファッション Fashion 6 イタリア Italy 18 観光 Tour 7 フランス France 19 グルメ gourmet 8 ドイツ Germany 20 スポーツ Sports 9 イギリス UK 21 歌手 Singer 10 インド India 22 アニメ Animation 11 ロシア Russia 23 映画 Movie 12 インドネシア Indonesia 24 文学 Literature ブログ検索を用いた国のイメージ測定 グーグルには「ブログ検索」というサービスがあり、ブログの中から特定のキーワード をもつブログ数を表示することができるiii。表 1 のキーワードを用いてそれらを二つずつ組 み合わせた場合のヒット件数を測定した。測定は、日本語と英語について別々に行なった。 2 このヒット件数に基づいて、キーワード i とキーワード j の距離行列 Dij を以下のように定 義した(Fi はキーワード j の単独でのヒット件数であり、Fij はキーワード i と j を組み合わ せた時のヒット件数である)。 Dij = Fij/(Fi Fj) なお、表 1 のキーワードは、1-14 が主要国の国名、15-24 が文化関係の単語となってい る。 結果 (1)内容分析による分析結果 評定者によるメッセージの評価の結果は、表 1 のようになった。ここでは、ポジティブ・ ネガティブのいずれにしろ評価のあるメッセージの比率を「関心度」 、評価のあるメッセー ジのうちポジティブなメッセージの比率を「好意度」として各国の値を計算した。 その結果、好意度が最も低いのが中国であり、次いでアメリカ、ロシア、韓国といった 国が低かった。中国については、各種の世論調査の結果にそう結果であるが、アメリカは 一般には最も日本人が高い好意度をもっているとされている国の一つであり、意外な結果 といえる。韓国はネガティブなメッセージが二番目に多いが、ポジティブなメッセージも 多い点が注目される。中国は好意度は最も低いが、関心度は平均くらいであまり高いとは 言えない。 上で定義した「好意度」と内閣府が毎年調査している「外交に関する調査」の「親しみ を感じる」%の値とのスピアマンの順位相関係数を求めたところ、値は 0.04 ときわめて低 かった。この原因としてアメリカに対する評価が「外交に関する調査」ではきわめてよい のに対して、Twitter 上のメッセージでは好意度が中国に次いで低かったことある。 メッセージ内容を(1)経済・技術、(2)政治・軍事、(3)国民性やその国の道徳性に関するも のの三つに分類した結果が表 2 である(これ以外のメッセージは「それ以外」とむなる)。こ こで注目されるのは、韓国に関しては国民性や道徳に関するメッセージがきわめて多いと いうことである。 3 表 2 各国のメッセージの内容分析の結果 ポジティブ ネガティブ 総件数 なメッセー なメッセー (T) ジの件数 ジの件数 (A) (B) ポジティブな 評価のある 外交に関 メッセージの メッセージ する世論 比率（好意 の比率（関 調査「親し 度） 心度） みを感じ A/(A+B) (A+B)/T る」%iv 中国 229 1 27 3.6 12.2 台湾 215 51 1 98.1 24.2 香港 231 24 5 82.8 12.6 韓国 204 27 42 39.1 33.8 62 シンガポール 222 17 5 77.3 9.9 51 マレーシア 227 13 3 81.3 7.0 51 インド 191 11 12 47.8 12.0 41 アメリカ 186 14 50 21.9 34.4 82 イタリア 208 20 7 74.1 13.0 64 ドイツ 258 6 2 75.0 3.1 64 フランス 206 17 8 68.0 12.1 64 ロシア 183 5 14 26.3 10.4 13 表3 26 各国に関するメッセージの内容ジャンル(件数) (1)経済・技術 (2)政治・軍事の (3)国民性、その国の道 等の側面 側面 徳、対日感情の側面 (3)の% 中国 18 28 12 21 台湾 2 52 16 23 香港 3 29 29 48 韓国 6 69 148 66 シンガポール 4 22 7 21 マレーシア 3 16 11 37 インド 10 23 5 13 アメリカ 10 64 22 23 イタリア 17 27 8 15 ドイツ 9 8 5 23 フランス 12 25 6 14 ロシア 4 19 27 54 98 382 296 38 計 4 図 1 メッセージにおける各国の好意度と関心度 5 (2) テキストマイニングによる分析結果 次に Twitter で抽出したメッセージをテキストマイニングで分析した結果を報告する。 本分析では、12 カ国の国名で検索した結果得られた総計 44024 件のメッセージを分析対象 とする。 表 4 テキストマイニングで対象としたメッセージの件数 国 件数 国 件数 中国 3567 インド 3254 台湾 3867 アメリカ 3854 香港 3882 イタリア 3619 韓国 4022 ドイツ 3771 シンガポール 3649 フランス 3718 マレーシア 3599 ロシア 3222 次にこれらの国名がどのような名詞と形容詞と結びつきやすいのかをχ2 値を用いて調 べてみた。なお、まず出現頻度が合計で 10 回以上という条件で少数回しか登場しない単語 は省いた。まずχ2 の大きな単語をとりだし、各単語について最も頻度が多いものをその国 の「特徴語」とした。 名詞 表 5 には、χ2 値と頻度が 10 以上という基準にあう各国のメッセージの特徴語の上位を リストにしたものである。上位に入っているリストをみると、台湾で「義捐金」、韓国で「民 主党」「慰安婦」「竹島」 、ドイツで｢原発」「福島」と言った時事ニュースに関連する単語が いくつか入っていることがわかる。また、中国で「烏龍茶」、韓国で「キムチ」、インドで 「カレー」、イタリアで｢パスタ」、ドイツで「ビール」、フランスで「パン」など有名な食 品名は上位に登場している。 形容詞 表 6 にはχ2 が 3 以上のものを掲載したが名詞に比べてχ2 の値は大きくない。概して特 徴的な形容詞はあまりないと言えそうである。中国の「青い」は、これを含むメッセージ が何回かリツイートされていたためである。また、これらは関係するメッセージの中に出 現したというだけであり、必ずしも当該国を修飾する用語として使われていたわけではな いことにも注意が必要である。 6 表5 中国 米 国 漢 政府 経済 米国 中国人 署名 茶 北京 産経 式 アリ 産 会長 国家 MSN 軍 ババ 烏龍茶 佛 チベット 不動産 技術 省 春 買収 お願い 関心 開発 可能 上 事件 SMAP ロイター 員 パンダ 非常 各国の特徴語（名詞のみ。数値はχ2 値） 5639 3304 2067 2054 1502 1363 1081 1049 997 815 651 651 585 578 521 515 488 477 458 415 391 355 326 316 310 310 300 294 291 285 283 246 230 227 225 213 212 207 台湾 義援金 9391 日本人 8161 7034 一 6456 億 5718 拡散 5463 希望 4894 報道 4774 動画 4523 親日 4087 地震 3981 さ メディア 3908 3674 たち 3527 九 3435 半年 3401 ﾀﾞﾝﾄﾂ 3401 思い 3390 突破 3337 分の 3333 州 3296 比べ 3272 収入 3160 ネット 2927 人達 2750 これ 1869 私 1673 Po 1671 Pon marumaro1476 1439 観光 1411 公式 ちゃん 1240 1083 麻生 1035 素敵 Taiwan 950 901 杯 大学生 798 798 支援 764 制作 Beautiful 763 753 女子 香港 発 海外 円 旅行 中 万 欠航 予約 ジョブズ 今日 月 SIM ツアー 学生 着 映画 空港 日間 年 上海 行 投資 iPhone 格安 版 追悼 氏 ロゴ フリー デザイン 国際 現在 東京 評判 マカオ 出発 行き w 権 7567 5951 5259 3426 2899 2763 2401 2326 2151 2088 2040 2038 1866 1799 1596 1591 1576 1569 1532 1476 1462 1344 1312 1295 1203 1173 1074 984 964 934 856 818 744 698 685 647 635 619 535 韓国 110766 @ 85082 日本 27865 人 7285 韓 3619 ー 2985 者 民主党 2400 1683 笑 1495 ♪ 1449 女性 1309 問題 1182 流 1121 在日 1056 ドラマ 905 兆 826 朝鮮 778 gt 669 T 649 慰安 645 婦 638 竹島 フジテレビ597 577 好き アイドル 527 475 野田 408 神 392 ファン 381 勉強 379 禁止 372 気 お祝い 367 346 抗議 キムチ 345 334 通貨 スワップ 330 ソウル 328 322 北 318 反日 313 発売 310 ウォン 297 外国 7 シンガポール アジア 6685 1387 調達 1128 日経 749 移転 724 航空 701 到着 ホテル 683 483 市場 466 取引 455 先物 418 物流 406 パナソニック 406 本部 394 所 321 カジノ 267 進出 261 早め 245 戦略 232 開催 221 明日 218 平均 205 先 188 広島 180 kotarotamura 162 便 154 あと 147 新卒 143 来年 Record 128 126 機能 バンコク 123 120 枚 セミナー 119 117 政策 115 studySingapore 112 就職 111 友達 109 SGX 108 人材 105 前日 103 削減 100 移住 チャンギ 98 マレーシア ニュース 16376 13813 KL QUOTE 13499 10857 位 6842 タイ ベトナム 3137 2280 企業 1782 参加 1740 インドネシア 961 戦 956 輸出 944 クアラルンプール 742 力 709 チリ 697 選手 672 等 671 r フィリピン 631 593 blog ブルネイ 577 563 シモンチェリ 560 工場 547 雇用 490 加盟 MotoGP 464 424 ＧＰ 405 生産 403 現地 391 仕事 362 事業 トレイン 351 ブルー 345 339 オーストラリア ペルー 332 332 ウォールストリートジャーナル 296 関税 282 お供 272 開始 270 調査 266 崩壊 258 続き 表 5 の続き インド 11106 カレー 3798 世界 3403 F 2475 GP タブレット 2313 973 店 972 何 807 台 594 安 542 率 541 ドル 484 成長 445 sasakitoshinao 415 RNM 363 屋 344 農民 340 自由 遺伝子 322 モンサント311 282 自殺 266 数 264 建築 253 千 すべて 239 239 News 231 社 210 系 206 普及 192 生徒 190 価格 185 必要 181 ワタ 172 音楽 163 種 152 携帯 152 ビザ 150 端末 148 配付 ガンジー 147 145 精神 143 製造 131 mp 129 公開 128 ヶ月 アメリカ 86801 RT 26967 の 15686 こと 13178 ん 11296 TPP 2989 デモ 2851 的 2394 よう 2311 ため 2079 金 1735 手 1487 今 1405 それ 1267 事 1198 基準 1153 そう 1099 もの 1069 Bq 1066 ＴＰＰ 957 時 909 家 828 無料 676 保険 634 購入 623 英語 579 自分 537 政治 532 マン みたい 487 481 男性 461 歳 458 社会 キャプテン457 444 化 431 医療 400 交渉 392 手当 362 話 カダフィ 358 344 代 332 層 326 歴史 315 反対 262 戦争 257 昨日 イタリア 10874 日 スペイン 6262 4540 教育 3951 料理 格下げ 3749 パスタ 3664 1641 電車 ユーロ 1624 ギリシャ 1413 ヨーロッパ1228 1074 国債 1067 銀行 ローマ 969 930 段階 866 危機 760 債務 格付け 709 680 遺産 617 機 614 懸念 561 展 560 意味 Wikipedia 481 437 ピザ 431 ワイン 414 ムーディーズ 395 雨 373 定刻 355 南 277 代表 276 終了 266 波及 251 送料 236 空気 217 ミラノ 190 速報 見通し 189 178 伊 177 不安 気持ち 174 167 悪化 166 物 163 身 159 起源 157 名前 151 名 ドイツ 64726 語 12050 原発 4300 衛星 4160 福島 サッカー 3107 2357 落下 ビール 2098 1564 人工 923 ZDF 876 労働 テレビ 851 813 実態 日本語 673 リーグ 653 616 番組 575 aya 546 製 466 横浜 453 NHK 450 独 445 出場 432 会社 センター 406 ビジネス 343 323 市議 300 人々 298 学校 297 量 293 輸入 292 午前 285 市民 放射能 282 270 字幕 259 香川 252 監督 247 子供 244 チェルノブイリ 238 値 237 犯罪 234 市長 231 地球 221 今度 218 確率 213 放送 211 エネルギー 207 作業 200 城 8 フランス 10136 パン 5112 さん 3106 事故 1785 仏 放射線 1522 1490 パリ 1266 国民 1252 IRSN 1221 性 原子力 1194 1175 欧州 イギリス 1055 1022 東電 ベクレル 956 フランス語872 751 発表 688 水 669 安全 セシウム 636 630 食品 621 放射 602 販売 592 派 587 倍 研究所 562 530 君 488 防護 469 過去 469 いち 460 最大 452 京 448 核 447 S monjukun441 おもらし 441 438 割 428 革命 417 冷却 391 海 350 施設 338 ラ 337 朝 327 俺 ロシア 2367 金髪 2164 東欧 大統領 2159 2055 秘密 2049 ＰＣ 2001 本気 サービス 1886 1844 娘 1571 分 プーチン 1213 北方領土 1139 839 via tubemani 637 625 ｽﾃｷ 565 TNp 565 Wjl 522 nhk 515 首相 499 news 492 健康 466 領 465 mig 425 ヨ 403 政権 400 後 394 汚染 北朝鮮 365 332 ソ連 モスクワ 305 290 雪男 269 宇宙 248 新潟 235 笑顔 220 廃墟 219 除 カラパイア216 205 美女 表 6 各国の形容詞の特徴語（χ2>3） 中国 青い 珍しい 面白い やすい 永い 危ない 上手い 弱い 小さい こわい 激しい 怪しい 148.0 73.8 64.9 58.9 24.6 15.4 14.6 14.1 10.6 5.1 4.7 3.2 インド 327.9 良い 164.3 無い 142.3 悪い 94.2 欲しい 89.5 ほしい 54.3 嬉しい 53.7 酷い 32.1 辛い 16.9 遠い 16.7 ぽい 15.5 痛い 13.9 やばい 10.4 詳しい うらやましい 6.2 極まりない 5.1 4.2 さむい 4.1 さみしい 3.5 寂しい 3.4 仲良い 台湾 かわいい 190.8 134.1 っぽい おいしい 108.1 おかしい 103.2 65.6 ひどい 47.2 うまい ものすごい 21.9 21.7 もの凄い 15.3 宜しい 10.6 速い 8.4 白い 7.7 ずるい 6.1 生々しい 5.5 くい 5.2 情けない 4.9 にくい 3.2 でかい 香港 韓国 23.4 楽しい 甘い かっこいい 13.7 早い 13.2 暑い 黒い 3.6 新しい よろしい かっこよい 3.4 遅い ふさわしい 3.2 深い 懐かしい 涼しい 熱い 軽い 有り難い アメリカ 安い 高い 恐ろしい 忙しい 悔しい イタリア おそい 怖い 若い 親しい 暗い 近い 541.5 379.5 20.5 18.6 4.4 1113.7 168.3 85.2 24.2 22.5 21.6 ドイツ 厳しい 偉い 眠い おもしろい 羨ましい 難しい 赤い めざましい イイ 短い 193.1 190.4 72.7 39.1 28.6 17.8 12.5 7.9 6.1 4.3 4.0 67.8 48.7 37.2 26.1 23.6 23.1 11.3 10.9 7.4 4.7 シンガポール 153.0 低い 130.9 凄い 49.4 明るい 44.4 貧しい 27.4 望ましい 9.0 美味い 8.2 濃い 7.6 温かい 7.1 興味深い 5.7 すい 3.2 ええ めんどくさい 3.1 マレーシア 美味しい 蒸し暑い 美しい 優しい 重い うれしい 難い フランス 8856.9 ない 3192.3 悲しい 3177.3 大きい ひもじい 405.4 356.0 可愛い 160.3 寒い 恥ずかしい 70.1 4.7 暖かい 3.9 古い 3.4 うい ロシア 2938.1 いい 456.8 多い 283.7 よい 171.1 広い 133.2 すごい 素晴らしい 127.6 85.8 少ない 72.6 強い 38.2 長い 24.7 正しい 9.3 カッコイイ 3.7 厚い 266.3 70.0 41.4 20.3 18.1 7.0 3.6 (3) ブログ検索による分析結果 ブログ検索で得られた距離行列を用いて R の計量多次元尺度分析を行なった。2 次元ま での解を求めた結果が表 7 である。 日本語と英語ともに第一軸で「中国」の値が突出して高くなっている。一方、負の値に は日本語・英語ともに文化関係の単語が集まっている(音楽、映画など)。これは、中国を語 るブログがこうした文化関係のことを語らないことを示すものといえる。 第二軸は、日本語では「日本」の値が最も低く、「ファッション」の値が最も高くなって 9 いる。英語では、「イタリア」「インドネシア」の値が低く、 「イギリス」や「音楽」の値が 高くなっている。第二軸の解釈は困難である。 表 7 ブログ検索から得られた結果の多次元尺度分析の結果 日本語 第1軸 英語 第2軸 第1軸 第2軸 日本 0.0 -2.2 0.8 -0.1 アメリカ 0.4 -0.2 0.0 -1.1 中国 2.7 -0.1 7.6 0.0 韓国 0.5 -0.2 -0.3 -0.3 台湾 0.1 0.8 -0.4 0.2 イタリア 0.1 0.0 1.4 -2.6 フランス 0.1 0.0 0.7 -0.2 ドイツ 0.1 0.0 0.9 -1.2 イギリス 0.1 -0.1 3.9 3.7 インド 0.1 -0.1 2.6 -0.6 ロシア 0.0 -0.1 -0.4 -0.8 インドネシア 0.1 -0.1 1.6 -2.6 ブラジル 0.1 -0.2 -0.1 -0.8 オーストラリア 0.1 -0.1 1.3 -0.2 音楽 -1.7 0.0 -0.9 2.0 芸術 0.0 0.1 -0.9 1.7 ファッション 0.1 1.8 -1.3 0.5 観光 0.2 0.2 -2.3 0.4 グルメ 0.2 0.5 -1.3 1.0 スポーツ 0.2 -0.2 -0.6 1.2 歌手 -0.5 0.5 -0.9 -1.0 アニメ -1.1 0.0 -0.9 1.0 映画 -1.9 -0.1 -9.9 -0.3 文学 0.0 -0.1 -0.6 0.1 次にブログ検索で得られた距離行列を用いて、各国と文化に関する単語との距離の和を 計算してみた。その結果が表 8 である。日本語ブログの場合は、ロシア、イタリア、イン ドネシアといった国との距離が短くなっていて、これらの国について Twitter で語る場合は 文化に関する話題が多いことを示唆している。英語ブログの場合は、台湾、韓国、ロシア、 10 ブラジルという順に距離が短くなっている。また、日本語・英語いずれの場合も、中国と の距離が最も遠くなっていて、中国がブログで語られる時は、こうした文化に関するキー ワードが使われない傾向があることを示している。 表 8 文化キーワードとの距離 日本語ブログ 英語ブログ 日本 17.6 27.8 アメリカ 12.3 39.3 中国 22.4 50.4 韓国 10.9 20.7 台湾 6.3 18.1 イタリア 5.1 36.7 フランス 6.3 30.2 ドイツ 6.0 37.2 イギリス 5.1 58.6 インド 5.4 41.5 ロシア 4.4 23.9 インドネシア 5.6 48.7 ブラジル 6.2 23.9 オーストラリア 6.0 35.3 結論 本分析は方法論を含めて試行的なものである。Twitter 上のメッセージを分析した結果は、 以下のような問題点が明らかになった。第一は、すべてのメッセージが当該国に対してポ ジティブまたはネガティブな態度を明確にしているわけではないことである。Twitter のメ ッセージの多くは個人的なやりとりであり、国について論じる内容は必ずしも頻度として は多くはない。したがって、内容分析にせよ、テキストマイニングにせよ、この規模での メッセージの分析から明確に態度の方向性を見出すことは難しいようである。 また、いくつかの Twitter メッセージはリツイートされて複数回データの中に出現してい た。リツイートには短いコメントなどが書き込まれることもあり、リツイートが同一のメ ッセージとは言えないが、このように繰り返して引用されるメッセージの比重が高くなっ てしまうことは否定できない。 ブログ検索の方法はさらに試行的なものである。しかし、ブログという大きな単位でキ ーワードが共起することが二つのキーワードの類似性を必ずしも意味しないかもしれない。 11 今回、分析で得られた結果の多くも解釈が困難であった。また、Google が表示するヒット 件数についてもどのようなアルゴリズムによるものなのかが分からないという問題もある。 ブログ検索による測定は、簡易で便利な方法ではあるが、方法論的な問題が残されている といえよう。 参考文献 石田基広 (2008) R によるテキストマイニング入門、森北出版 石井健一 (2011a) マイクロブログ Twitter における日本人利用者の特徴 Department of Social Systems and Management Discussion Paper Series, no.1277 石井健一 (2011b) Facebook と Twitter の発言における特徴語の比較 Department of Social Systems and Management Discussion Paper Series, no.1279 本調査は平成 23 年度科学研究費補助金基盤（B)『日中の相互国家イメージと「国家ブラ ンディング」の可能性―中国と日本での実証研究』（代表石井健一）による。 ii ただし、全てのメッセージのデータが得られるわけではない。 iii http://www.google.co.jp/blogsearch?hl=ja (日本語) http://www.google.com/blogsearch?hl=en (英語)である。 iv 平成 23 年に実施された内閣府の「外交に関する調査」の「親近感を感じる」(全体)の％。 ただし、イタリア、フランス、ドイツは「ヨーロッパ諸国」、シンガポールとマレーシアは 「東南アジア諸国」に対する親近感の値を用いている。 http://www8.cao.go.jp/survey/h23/h23-gaiko/index.html i 12
© Copyright 2024 Paperzz
