情報の勉強高校 情報Ⅰ

第4章 情報通信ネットワークとデータの活用

データの種類と尺度しゃくど(量的・質的、名義・順序・間隔・比例)とデータの形式

データには、数で測るもの(量的データりょうてきでーた)と分類するもの(質的データしつてきでーた)があり、さらに4つの尺度に分かれます。尺度によって、意味のある計算が違います。表・CSV・JSON などのデータの形式と合わせて、図で確かめましょう。

説明

1. データには「数で測るもの」と「分類するもの」がある

部活の調査で、1人ずつ記録を取りました。通学時間や起床時刻のように数で測る値と、学年・部活のように分類や順番を表す値があります。前者を量的データ、後者を質的データ(カテゴリデータとも呼ぶ)といいます。

注意したいのは出席番号です。数字で書いてあっても、人を区別する名前のようなものなので質的データです。見た目が数字かどうかではなく、何を表しているかで決めます。表の1行(1人分)をレコード、1列(1つの項目)をフィールドと呼ぶこともあります。

質的データ(分類・順番)量的データ(数で測る)出席番号学年部活起床時刻通学時間(分)71年陸上6:3025122年吹奏楽6:104033年美術7:058211年なし6:45151行が1人分(レコード)、1列が1つの項目(フィールド)※ 出席番号は数字でも「人を区別する名前」なので質的データ

2. 質的データ:名義尺度めいぎしゃくどと順序尺度

値の性質で、データを4つの尺度(ものさしの種類)に分けます。質的データは2つです。部活や血液型のように、区別するだけで順番がないものが名義尺度です。

満足度の5段階や学年のように、順番に意味があるものが順序尺度です。ただし「1と2の差」と「4と5の差」が同じ大きさとは限りません。順位の1位と2位の差が、2位と3位の差と同じとは限らないのと同じです。

名義尺度:区別するだけ(順番はない)陸上吹奏楽美術サッカー例:部活、血液型、出身の都道府県、出席番号、郵便番号順序尺度:順番に意味がある(間の幅は同じとは限らない)1 不満23 普通45 満足例:満足度(5段階)、学年、順位、成績の評定(A・B・C)

3. 量的データ:間隔尺度と比例尺度

量的データも2つに分けます。気温(℃)のように差には意味があるけれど、0 が「何もない」を表さないものが間隔尺度です。0℃ でも温度はあるので、「20℃ は 10℃ の2倍暑い」とは言えません。西暦や時刻も同じです。

通学時間・身長・金額のように、0 が「ない」を表し、何倍かが言えるものが比例尺度(比尺度とも呼ぶ)です。20分は10分の2倍です。

間隔尺度:差に意味がある。0 は「ない」ではない-10-5051015202530℃0℃ でも温度はある10℃ と 20℃:差は 10℃(意味がある)でも「20℃ は 10℃ の2倍暑い」とは言えない比例尺度:差も比(何倍)も意味がある。0 は「ない」0510152025303540分10分20分 = 10分の2倍間隔尺度の例:気温(℃)、西暦、起床時刻 比例尺度の例:通学時間、身長、金額、人数

0 が「ない」なら比例尺度、0 にも中身があるなら間隔尺度。

4. 尺度を見分ける

迷ったら、図の順に質問していきます。まず「数で測る値で、差(どれだけ違うか)に意味があるか」。いいえなら質的データで、順番に意味があれば順序尺度、なければ名義尺度です。

はいなら量的データで、「0 が『ない』を表し、何倍と言えるか」で比例尺度か間隔尺度かを決めます。

数で測る値?(差に意味がある)いいえはい順番に意味がある?0 が「ない」で、何倍と言える?いいえはいいいえはい名義尺度順序尺度間隔尺度比例尺度質的データ量的データ

5. 尺度によって、できる計算が違う

尺度を区別するのは、意味のある計算・分析が尺度で決まるからです。名義尺度は数えることしかできず、代表値だいひょうちは最頻値さいひんちです。順序尺度は大小が比べられるので中央値ちゅうおうちも使えます。間隔尺度は差に意味があるので平均値も使えます。比例尺度だけが「何倍」まで言えます。

出席番号の平均や、部活に番号を付けてその平均を出しても、意味がありません。アンケートの5段階の平均はよく使われますが、段階の幅が同じとみなしている、と分かって使いましょう。

数える・最頻値大小・中央値差・平均値比(何倍)名義○×××順序○○△×間隔○○○×比例○○○○○ 意味がある × 意味がない △ 段階の幅が同じとみなせるときだけ例:出席番号の平均(名義)、「20℃ は 10℃ の2倍」(間隔)は意味がない

尺度に合わない計算をすると、数は出ても意味のない結果になる。

6. 構造化こうぞうかデータと非構造化データひこうぞうかでーた

表のように、行と列の形が決まっていて、すぐに集計できるデータを構造化データといいます。アンケートの自由記述、SNS の投稿、写真・動画・音声のように決まった形がないデータを非構造化データといいます。

非構造化データは量がとても多く、そのままでは集計しにくいので、文章から言葉を取り出して数える(テキストマイニング)などの方法で分析します。また、日ごとの来室者数のように時間の順に記録したデータを時系列データじけいれつでーた、ある時点でたくさんの人や地域を記録したデータをクロスセクションデータ(横断面データ)と呼んで区別することもあります。

構造化データ日付天気来室者5/7晴345/8雨515/9晴29行と列の形が決まっている表計算ソフトウェア・データベース非構造化データ自由記述の文章写真・動画音声決まった形がない → そのままでは集計しにくい

7. データの形式:CSV・JSON など

データをファイルにして受けわたすときの書き方をデータの形式(ファイル形式)といいます。表のデータでよく使うのが CSV(Comma-Separated Values)で、1行が1件、値をカンマで区切った文字だけのファイルです。1行目に見出し(項目名)を書くことが多く、表計算ソフトウェアやプログラムで読み込めます。区切りがタブなら TSV です。値の中にカンマや改行を含めたいときは、その値を " で囲む決まりもありますが、このページでは、カンマや改行を含まない CSV を扱います。

JSON は「項目名: 値」の組(キー・バリュー形式)で書く形式で、Web API でよく使われます。XML は <学年>1</学年> のようにタグで囲む形式です。文字だけのファイルは、文字コード(UTF-8 など)が合わないと文字化けもじばけするので注意します。

同じデータを3つの形式で表(表計算ソフトウェアで開いた見た目)番号学年部活通学時間71陸上25122吹奏楽4033美術8CSV番号,学年,部活,通学時間7,1,陸上,2512,2,吹奏楽,403,3,美術,81行目が見出し(項目名)値はカンマ(,)で区切る。1行が1件JSON[  {"番号": 7, "学年": 1,   "部活": "陸上",   "通学時間": 25},  {"番号": 12, "学年": 2,   …},  …]「項目名: 値」の組(キー・バリュー)
CSV は文字だけなので、どのソフトウェアでも読み書きしやすい形式です。

ひとことで言うとデータは4つの尺度に分かれ、尺度で意味のある計算が決まる。

例題

例題1 尺度を見分ける

保健室の来室記録に、次の項目があります。それぞれの尺度を答えましょう。
(a) 来室した時刻(9:40 など) (b) 体温(℃) (c) 来室の理由(けが・体調不良・相談) (d) 保健室にいた時間(分) (e) 痛みの強さ(1 弱い〜5 強い)

例題2 CSV を表として読む

次の CSV ファイルを表計算ソフトウェアで開きました。
日付,来室者,貸出冊数
11/4,34,21
11/5,51,30
11/6,,18
11/7,29,16
(1) データは何件(何行)ですか。(2) 11/6 の来室者の欄はどうなっていますか。

練習

1
アンケートの「好きな教科(国語・数学・英語…)」は、どの尺度ですか。
2
1日の最低気温(℃)は、どの尺度ですか。
3
クラスの出席番号の平均を計算しても意味がありません。その理由として最も適当なものはどれですか。
4
見出しの行を1行目にした CSV ファイルが、全部で 31 行ありました(値の中に改行は含まれないものとします)。データは何件ですか。
5
非構造化データの例として最も適当なものはどれですか。

さわってみよう

CSV を書きかえて、表と JSON を見る

上の CSV の文字を書きかえると、下の表がすぐに変わります。まず「表で見る」と「JSON で見る」を切りかえて、同じデータの書き方の違いを見ましょう。次に、どこかの行のカンマを1つ消してみましょう。表はどうなるでしょうか。2行目の「25」だけを消して 7,1,陸上,,4 にすると、表と JSON はどうなるか予想してから試しましょう。

カンマの数が見出しと違う行は、値が別の列にずれてしまいます(色の付いた行)。CSV は「1行1件・カンマで区切る」という決まりを守ることで、多くのソフトウェアで表として受けわたしできます。ただし、文字コードや列の読み込み設定も合わせる必要があります(「001」が「1」として読まれることもあります)。空の欄は「値がない」として残ります。

やってみよう(共通テスト形式)

このサイトで作った問題です(過去の試験問題ではありません)。

生徒会の G さんは、文化祭のアンケートを集計するため、回答を次の CSV ファイルに保存した。

回答番号,学年,来場した時刻,滞在時間(分),満足度,感想
1,2,10:15,90,4,劇がおもしろかった
2,1,13:40,45,5,模擬店のメニューを増やしてほしい
3,3,9:30,180,3,
…(全部で 412 件)

満足度は「1 とても不満・2 不満・3 ふつう・4 満足・5 とても満足」から選ぶ形式で、感想は自由に書く形式である。

問1
「満足度」と「滞在時間(分)」の尺度の組合せとして正しいものを選べ。
問2
「来場した時刻」の扱いとして適当でないものを選べ。
問3
このファイルで、データ(回答)1件に当たるものはどれか。
問4
G さんは「感想」の列も分析したいと考えた。この列についての説明として最も適当なものを選べ。

この単元が出た過去問の解説

ちょっと寄り道:豆知識・こぼれ話

試験に出るとはかぎりませんが、知っていると情報がもっと面白くなる話です。

4つの尺度を考えたのは心理学者

名義尺度・順序尺度・間隔尺度・比例尺度という4つの分け方は、アメリカの心理学者スタンリー・スティーブンスが、1946年に科学雑誌「サイエンス」に書いた論文で示したものです。音の大きさの感じ方のように、人の感覚を数で測ろうとしたとき、「その数でどんな計算をしてよいのか」が問題になったのがきっかけでした。彼は、尺度ごとに使ってよい計算(数える・順に並べる・差を取る・比を取る)が違うと整理しました。この単元の「尺度によって、できる計算が違う」は、この考え方そのものです。

参考:S. S. Stevens, “On the Theory of Scales of Measurement”, Science, 103 (1946)

セルシウス温度は、はじめ上下が逆だった

セ氏温度(℃)は、スウェーデンの天文学者アンデルス・セルシウスが1742年に発表した目盛りが元です。ところが彼の目盛りは、水が沸とうする温度を 0 度、凍る温度を 100 度とする、今とは逆向きのものでした。数年のうちに上下が入れかえられ、今の形になりました。このように、0 度の位置は人が決めた約束にすぎません。だから「20℃は10℃の2倍あたたかい」とは言えず、セ氏温度は比が使えない間隔尺度になるのです。

参考:ウプサラ大学「Anders Celsius and the Celsius temperature scale」

CSV の一般的な書き方が RFC にまとめられたのは2005年

CSV は、とても古くから表のデータの受けわたしに使われてきた形式です。でも、多くのソフトに共通する一般的な書き方が RFC 4180 という文書にまとめられたのは、意外に新しく2005年です(それより前にも、個人や会社による説明はありました)。しかもこの文書は「正式な規格」ではなく、「多くのソフトが使っている形の説明」という位置づけです。例えば、値の中にコンマがあるときは値全体を " で囲み、値の中の " は "" と2つ重ねて書く、などが決められています。ソフトによって細かい扱いが違うことがあるのは、もともと決まりがゆるかったなごりです。

参考:RFC 4180「Common Format and MIME Type for Comma-Separated Values (CSV) Files」(2005)

わからなかったら、ここへもどる

あわせて読む

次はこれ

先生・おうちの方へ

つまずきやすい所:①数字で書かれた番号(出席番号・郵便番号)を量的データとしてしまう。②間隔尺度と比例尺度の区別(「0 が『ない』を表すか」で判断させる)。③尺度を覚えることが目的になり、「なぜ区別するのか(できる計算が違う)」が抜ける。

順序尺度の平均について:リッカート尺度(5段階評価など)の平均値は実際の調査で広く使われていますが、段階の間隔が等しいとみなす前提があります。このページでは「△(段階の幅が同じとみなせるときだけ)」としました。共通テストで尺度を問うときは、名義・順序・間隔・比例の典型的な区別が問われています。

呼び方:比例尺度は「比尺度」、質的データは「カテゴリデータ」「定性的データ」、量的データは「数量データ」「定量的データ」とも呼ばれます。半構造化データ(JSON・XML のように項目名で構造を持つが表の形ではないもの)を分けて扱う教材もあります。

共通テストとのつながり:第4問で、データの尺度水準の判定が問われています。このページの問題・データ・場面はすべてこのサイトで作ったものです。

学習指導要領:情報Ⅰ (4)ア(ウ) / 参考:高等学校学習指導要領(平成30年告示)解説 情報編 情報Ⅰ (4)ア(ウ)(データの形式、尺度水準、質的データと量的データ)、文部科学省「高等学校情報科『情報Ⅰ』教員研修用教材」第4章 学習20〜22(ファイル形式、JSON・XML、尺度水準)、RFC 4180(CSV の書式)