SLoT マップ：スナップショット・位置・

テキストによる印象の集合知と街歩きマップ

東京大学大学院農学生命科学研究科

大森 宏

SLoTマップとは

• SLoT (Snapshot-Location-Text)データ： 1. スナップショット（写真）．

2. それを撮った位置（緯度・経度）．

3. その時感じたことや撮影理由などのコメントのテキスト文．

３つの情報を１つのセットにしたデータ．

• SLoT マップ：ある対象に対する多くのSLoTデータの情報を統合して作成されるマップ（図）．

集合知（Collective Intelligence）とは

• 多くの人の予想や意見を総合して統計的結論を引き出すこと．

• 株式市場，先物市場，競馬オッズ．

• 情報技術の進展により適用分野の拡大．

• Google 検索（ページランク）．

• アマゾン推薦システム（協調フィルタリング）．

写真投影法

• 写真による環境世界の投影的分析法

野田正彰．漂白される子供たち．情報センター出版局．1988

調査対象者にカメラを与え、何らかの教示を与えて写真を撮らせる．その写真から個人と外界との関わりを分析する．

• 既往研究 奥敬一・深町加津枝.写真投影法による箕面国定公園利用者の風景認識

に関する研究，ランドスケープ研究, 58(5), 173-176, 1995．

古賀誉章ら．キャプション評価法による市民参加型景観調査，日本建築学会計画系論文集, 517, 79-84, 1999．

岡本卓也ら．写真投影法による所属大学の社会的アイデンティティの測定，行動計量学, 36(1), 1-14, 2009．

大森宏ら．集合知を利用した景観調査解析法の開発，ランドスケープ研究オンライン論文集，3, 39-42，2010．

集合知景観調査の低コスト化・容易化

• 多くの人が写真機能つき携帯電話やスマートフォン，デジカメを所有．

ー＞いつでも、どこでも手軽に写真が撮れる． ー＞スナップショットという用語で手軽さを表現． • ネット環境の充実（GPS，電子メール，アップロード）． ー＞簡便な撮影位置情報の取得（GPS，電子地図）．

ー＞低コスト・短時間でのデータ収集，容易なデータ整理．

• フリーの統計ソフト（Rなど）． • フリーのテキストマイニングツール（MeCabなど）． ー＞データ解析の簡便化．

SLoTマップの作成方法 • SLoTデータの収集． • スナップショット間の視覚的類似度の集合知計測． • スナップショットの分類（MDS，クラスター分析）． • 撮影場所の分類（クラスター分析）． • コメント文の形態素解析． ー＞形態素×コメント行列．

• スナップショットと場所のグループカテゴリーを加えた拡大行列の作成．

• 拡大行列の対応分析にグループ勢力圏を記入したマップの作成．

ー＞グループに特徴的な単語の抽出．

ー＞グループごとの主要な印象と典型的な景観の抽出，グループごとのイメージ文の作成．

SLoTデータの収集 • 調査対象地域の選定（本郷界隈）． • 調査員集団の確保（東京大学農学部3年生）．

• 調査内容の指示（本郷界隈の「気に入った景観」を２，３箇所探す）．

• 対象地域でのスナップショットを自由に撮影． • 撮影位置情報の取得（GPS，地番，ウェブ上電子

地図）．

• コメント（その時感じたことや撮影理由など）の記録．

• 電子メールと添付ファイル（写メール）での収集． • 2010年と2011年の学生実験（6月）での実施．

SLoT データ例

GPS（Location）：

http://docomo.ne.jp/cp/map.cgi?lat=%2B35.42.56.152&lon=%2B139.45.33.908&geo=wgs84&x-acc=2&alt=49

コメント（Text）：

本郷キャンパスが台地にあるということがわかるとともに、住宅地っぽい感じが良い。

2010年：12名の学生から26件 2011年：18名の学生から43件 計67件のSLoT データを収集

スナップショットの集合知分類

• スナップショット（写真）間類似度は写真の物理特性からは困難．

• すぐれた情報処理能力をもつ人間の目を利用．

• 類似写真のグルーピング試験．

• 個人の主観的な視覚的類似度を重ね合わせ，集団全体での類似度を推定（集合知）．

• 被験者への写真セットの提示 → ウェブサイトでの実施．

グルーピング試験

• 提示された写真セットに対し，「似ている」と思われるものを同じグループにまとめ，全体を３つ以上のグループに分ける．

• 「似ている」の基準は被験者個人が自由に決める．

• ある集団での２つの写真間の類似度は，２つの写真を似ていると感じた割合で測る．

スナップショット（写真）間集合知類似度行列

g1 g2 g3 …Pic1 1 0 0 …Pic2 1 0 0 …Pic3 0 1 0 …Pic4 1 0 0 …Pic5 0 1 0 …

： ： ： ：

学生のグルーピング行列 Gi 　

Pic1 Pic2 Pic3 Pic4 Pic5 …Pic1 1 1 0 1 0 …Pic2 1 1 0 1 0 …Pic3 0 0 1 0 1 …Pic4 1 1 0 1 0 …Pic5 0 0 1 0 1 …

： ： ： ： ： ：

学生の画像類似度行列 Gi Gi'

　Pic1 Pic2 Pic3 Pic4 Pic5 …

Pic1 30 4 7 18 6 …Pic2 4 30 14 4 13 …Pic3 7 14 30 6 7 …Pic4 18 4 6 30 5 …Pic5 6 13 7 5 30 …

： ： ： ： ： ：

集団の画像類似度行列 ∑Gi Gi'

多次元尺度法(MDS) による写真の配置．

クラスター分析による写真の分類．

MDS とクラスター分析と景観パターン

７つの景観パターンの抽出，各グループの中心座標に近い写真をとりあえず代表写真にした．

景観パターン（見た目グループ）のタイトル

道 街路 町並み道路 小道 道路と木 現代の町並み 奥に行く道 道路86 18 18 14 12 11 9 8

神社、寺 神社 神社仏閣 古い 神社.境内 史跡 建物 神16 14 12 6 6 6 5 5

建物 民家 家、ビル 家屋 古い家 生活空間 古民家 家25 25 9 9 8 8 8 7

池 水 庭園 庭 水辺 自然がメイン 不忍池 自然31 23 13 11 11 10 6 6

木 緑 街路 路地 自然 植物 道 民家10 9 8 7 7 6 5 5

美術館 緑 自然 自然がメイン 木 その他 庭園 庭12 11 9 8 7 7 5 5

建物 斜め ビル 高層ビル 建物ばかり ビル、マンション 現代の町並み マンション 10 4 4 4 4 4 4 4

G7

G1

G2

G3

G4

G5

G6

各グループ内の写真に使用されたタイトルを多い順に表示 最もよく用いられているタイトルを見た目グループのタイトルとした。

見た目グループ、道（G1）とその仮代表

各グループのMDS４次元座標の平均座標に近い順に表示。 平均に最も近い写真を仮の代表とした。

見た目グループ、神社（G2）、家（G３）とその仮代表

見た目グループ、水（G4）、木（G5）とその仮代表

見た目グループ、美術館（G6）、ビル（G7）とその仮代表

撮影地点分布と場所グループ

本郷通り（P1）

千駄木地区（P2）

不忍池周辺（P3）

駒込地区（P4）

池之端地区（P5）

形態素解析 (RMeCab)

名詞 名詞 助詞 名詞 助詞

"本郷" "キャンパス" "が" "台地" "に"

動詞 助詞 名詞 助詞 動詞

"ある" "という" "こと" "が" "わかる"

助詞 記号 名詞 名詞 形容詞

"とともに" "、" "住宅" "地" "っぽい"

名詞 助詞 形容詞 記号

"感じ" "が" "良い" "。"

> txt <- "本郷キャンパスが台地にあるということがわかるとともに、住宅地っぽい感じが良い。"

> res <- RMeCabC(txt)

> unlist(res)

> library(RMeCab)

形態素解析の下準備 • 特殊な固有名詞の辞書登録，「法真寺」，「スカ

イツリー」など． • 名詞，形容詞，動詞の抽出 -> 743 形態素．

• 具体的意味の無い形態素の除去，「これ」，「あたる」 など．

• 同義形態素の統合，「よい」，「いい」，「良い」など．

-> 615 形態素． • 131 の関連語： 写真の具体的情報を表現，「本

郷」，「池」，「下町」など． • 61 の印象語：主観的な印象を表現，「癒す」，「レ

トロ」，「親しみ」など．

形態素×コメント行列と拡大行列

コメント文 コメント1 コメント2 コメント3 コメント4 コメント5所属 G1 G2 G1 G1 G2

形態素1 1 0 0 0 0 1 0形態素2 0 0 1 0 0 1 0形態素3 0 1 0 0 1 0 2形態素4 2 0 1 0 0 3 0形態素5 0 0 0 0 1 0 1形態素6 0 0 0 1 0 1 0

G1 G2

コメント列 カテゴリー列

67件のコメントデータ、615形態素 形態素×コメント行列（615×67）：どの形態素がどのコメントに何回使用されたかを示す行列． コメントごとの平均使用形態素数：約15 形態素×コメント行列のスパース性（非零要素は2.6％） 7つの見た目グループでコメントをまとめ、コメントカテゴリー列を生成． コメントカテゴリー列内の非零要素は20.5％に増加．

拡大行列(615×74)：形態素×コメント行列にコメントカテゴリー列を加えたもの

拡大行列（ 6形態素、5コメント、2グループ）

拡大行列の効果

拡大行列と勢力圏

• 7つの見た目グループ： G1, …, G7．

• 5つの場所グループ： P1, …, P5．

• 形態素×コメント行列： 615×67．

• 拡大行列： 615×79．

• グループ勢力圏：グループ座標からメンバーまでのユークリッド距離の平均の２倍程度，見た目グループは第１ー第４の４次元で半径1.5，場所グループは第１ー第２の２次元で半径2．

拡大行列の対応分析(SLoT マップ)，第１－第２成分

拡大行列の対応分析(SLoT マップ)， 第３ー第４成分

見た目グループ勢力圏内形態素 道（G1） 神社（G2） 家（G3） 美術館（G6） ビル（G7）

親しみ 和風 懐かしい 貴重 レトロ マッチ 象徴新鮮 気持ちよい 賑やか 和やか 目立つ 穏やか 高級ユニーク 映える 風情 斬新 気に入る うっそうささやか 涼しげ 高級 くつろげる 良い 厳か賑わう 息づく 古びる 憩い 新しい 荘厳喧騒 安らぎ 面白み なじむ 珍しい 切ないオシャレ 興味深い 劣悪 迫力 落ち着く閑静 馴染み 悪い 柔らかい気に入る シンプル 美しいおもしろい 神聖 癒す静か 神秘 調和

心地よい アクセント台地 鳥居 境目 池 心字池 井戸 生き返る 教会 下町平地 散歩 布団 巨大 雪見灯篭 夕暮れ 坂道 色彩 マンション見通せる 木陰 池之端 不忍池 庭園 アパート 昔 美術館 高層農学部 門 木造 蓮池 古河 大木 桜 庭 タワー対比 寺 タワー 弁財天 神仏 つた 谷中 石垣 路地国道 法真寺 下町 自然 吹上 街路 レンガ 低木 上野散策 ゆかり 浅野 ほとり 吹上浜 樹齢 キャンパス 根津 池之端下り坂 史跡 昭和 水面 茶屋 生活 住宅 植木高台 境内 先人 蓮 六義園 白山 弥生小道 桜木 貧乏 小川 石組み 瓦表通り 参拝 裏手 スワン 蓬莱島 境界狭い 本殿 薄暗い 見晴らし つつじ 西片散歩道 霊園 語り継ぐ 参道 スカイツリー 銭湯岩崎 ビル 高層 ボート 木々 迷路坂道 町並み マンション ジョギング 入り組む大通り 並木道 商店 アヒル イチョウ桜 本堂 住宅 恩賜 井戸水レンガ 公園 冷たい並木 石畳 街角

水（G4） 木（G5）

印象語

関連語

見た目グループの代表景観

G1（道）

G2（神社）

G3（家）

G4（水）

G5（木） G7（ビル） G6（美術館）

変更前

変更前

見た目グループの主要イメージに合う景観に変更

場所グループ勢力圏内形態素 千駄木（P2） 駒込（P4）

趣 安らぎ 穏やか 落ち着く 風情 美しい 目立つ 気に入る

ユニーク 和風 マッチ 癒す 懐かしい 癒す 不思議 古い

切ない 気持ちよい 新しい オシャレ 迫力 象徴 賑やか

珍しい 映える 落ち着く 閑静 柔らかい 厳か 良い

レトロ 馴染み 親しみ 良い くつろげる 荘厳 高級

おもしろい 静か 静か 落ち着く 魅力 珍しい

きれい 新鮮 貴重 調和 喧騒 おもしろい

良い きれい 和やか アクセント 賑わう 新しい

古い 気に入る おもしろい シンプル ささやか 古びる

気に入る レトロ 憩い 神聖 懐かしい 面白み

静か 珍しい なじむ 神秘 風情 劣悪

涼しげ 古い 気に入る 心地よい 静か 悪い

息づく 美しい 斬新 きれい うっそう

正門 白山 史跡 教会 上野 恩賜 木々 路地 下町 語り継ぐ

並木 道路 コントラスト 色彩 アジサイ 公園 庭園 大木 キャンパス 道

町並み 坂道 昔 緑 都会 不忍池 巨大 アパート 井戸 本郷

イチョウ 桜 木造 夕暮れ 庭園 ボート 池 つた 平地 都会

対比 神社 境内 根津 散歩道 本郷 石畳 住宅 見通せる コントラスト

国道 赤門 桜木 本郷 緑 坂道 心字池 井戸水 マンション 緑

散策 弥生 参拝 農学部 岩崎 スワン 雪見灯篭 街角 境目

植木 東大 本殿 谷中 大通り 弁財天 古河 生き返る 東大

台地 レンガ 住宅 東大 スカイツリー 池 神仏 冷たい 浅野

ビル 井戸 アジサイ 下り坂 下町 吹上 昔 弥生

道 キャンパス スカイツリー 高台 巨大 吹上浜 商店 タワー

街路 緑 正門 蓮池 マンション 茶屋 生活 高層

樹齢 生活 神社 昔 高層 六義園 庭 布団

本郷 鳥居 昔 自然 石組み 小道 池之端

瓦 散歩 霊園 ほとり 蓬莱島 表通り 上野

境界 木陰 木造 水面 つつじ 狭い 昭和

西片 門 見晴らし 蓮 コントラスト 大通り 先人

銭湯 法真寺 参道 レンガ 緑 石垣 貧乏

迷路 寺 小川 アヒル 並木道 低木 裏手

入り組む ゆかり 木々 ジョギング 本堂 美術館 薄暗い

関連語

池之端（P5）本郷通り（P1） 不忍池（P3）

印象語

本郷通り地区（P1）

本郷通り地区（P1）のイメージ文例と代表景観

趣 安らぎ

ユニーク 和風切ない 気持ちよい

珍しい 映えるレトロ 馴染み

おもしろい

きれい良い

古い気に入る

静か

涼しげ息づく

正門 白山 史跡並木 道路 コントラスト

町並み 坂道 昔

イチョウ 桜 木造対比 神社 境内

国道 赤門 桜木散策 弥生 参拝

植木 東大 本殿台地 レンガ 住宅

ビル 井戸

道 キャンパス街路 緑

樹齢 生活本郷 鳥居

瓦 散歩

境界 木陰西片 門

銭湯 法真寺迷路 寺

入り組む ゆかり

本郷通り（P1）

「東大」「正門」前の「イチョウ」「並木」は「散歩」すると「気持ちよい」。

「法真寺」の「境内」は「和風」で「趣」があり「安らぐ」。

場所グループのコメントで特徴的に使用された言葉を用いて、イメージ文を作成し、そのイメージ文に合った写真を選ぶ。

千駄木地区（P2）

千駄木地区（P2）のイメージ文例と代表景観

千駄木（P2）穏やか

マッチ新しい

落ち着く親しみ

静か

新鮮きれい

気に入るレトロ

珍しい

古い美しい

教会色彩

緑

夕暮れ根津

本郷農学部

谷中東大

アジサイ

スカイツリー正門

神社昔

霊園

木造見晴らし

参道小川

木々

「根津」「神社」の「小川」を歩くと「穏やか」な気分になり「落ち着く」。

「夕暮れ」の「見晴らし」のよい「霊園」から「スカイツリー」が見えて「美しい」。

不忍池周辺（P3）

不忍池周辺（P3）のイメージ文例と代表景観

落ち着く 風情

癒す 懐かしい

オシャレ

閑静

良い

静か

貴重

和やか

おもしろい

憩い

なじむ

気に入る

斬新

上野 恩賜

アジサイ 公園

都会 不忍池

庭園 ボート

散歩道 本郷

緑 坂道

岩崎 スワン

大通り 弁財天

スカイツリー 池

下り坂 下町

高台 巨大

蓮池 マンション

昔 高層

自然

ほとり

水面

蓮

レンガ

アヒル

ジョギング

不忍池（P3）

「上野」「恩賜」「公園」の「蓮池」は「貴重」な「自然」で，「不忍池」の「ほとり」で「スワン」「ボート」を眺めると「落ち着い」た感じがして「癒さ」れる。

「岩崎」「庭園」の「レンガ」の壁ぞいの「坂道」は「閑静」な「散歩道」で「風情」がある。

駒込地区（P4）

駒込地区（P4）のイメージ文例と代表景観

駒込（P4）美しい

癒す迫力

柔らかいくつろげる

落ち着く

調和アクセント

シンプル神聖

神秘

心地よいきれい

木々庭園

巨大

池石畳

心字池雪見灯篭

古河神仏

吹上

吹上浜茶屋

六義園石組み

蓬莱島

つつじコントラスト

緑並木道

本堂

「古河」「庭園」の「雪見灯籠」は「迫力」があり，「心字池」と「緑」の「コントラスト」が「美しい」

池之端地区（P5）

池之端地区（P5）のイメージ文例と代表景観

目立つ 気に入る

不思議 古い

象徴 賑やか

厳か 良い

荘厳 高級

魅力 珍しい

喧騒 おもしろい

賑わう 新しい

ささやか 古びる

懐かしい 面白み

風情 劣悪

静か 悪い

うっそう

路地 下町 語り継ぐ

大木 キャンパス 道

アパート 井戸 本郷

つた 平地 都会

住宅 見通せる コントラスト

井戸水 マンション 緑

街角 境目

生き返る 東大

冷たい 浅野

昔 弥生

商店 タワー

生活 高層

庭 布団

小道 池之端

表通り 上野

狭い 昭和

大通り 先人

石垣 貧乏

低木 裏手

美術館 薄暗い

池之端（P5）

「賑わう」「大通り」から「高層」「マンション」が「見通せる」。

「裏手」の「狭い」「路地」では「古びた」「薄暗い」「アパート」があり「生活」を感じさせ「懐かしい」。

見た目グループの主要な印象と場所グループのイメージ文および対応する景観

「夕暮れ」の「見晴らし」のよい「霊園」から「スカイツリー」が見えて「美しい」。

「賑わう」「大通り」には「高層」「マンション」がある。

「東大」「正門」前の「イチョウ」「並木」は「散歩」すると「気持ちよい」。

「法真寺」の「境内」は「和風」で「趣」があり「安らぐ」。

「古河」「庭園」の「雪見灯籠」は「迫力」があり，「心字池」と「緑」の「コントラスト」が「美しい」。

「根津」「神社」の「小川」を歩くと「穏やか」な気分になり「落ち着く」。

「裏手」の「狭い」「路地」では「古びた」「薄暗い」「アパート」があり「生活」を感じさせ「懐かしい」。

「上野」「恩賜」「公園」の「蓮池」は「貴重」な「自然」で，「不忍池」の「ほとり」で「スワン」「ボート」を眺めると「落ち着い」た感じがして「癒さ」れる。

「岩崎」「庭園」の「レンガ」の壁ぞいの「坂道」は「閑静」な「散歩道」で「風情」がある。

ビル：高級、高層

道：親しみ

家：懐かしい

神社：和風、気持ち良い

木：レトロ

美術館：荘厳

池：和やか、くつろげる

見た目グループの主要な印象を与える写真を代表とした．

抽出された単語を組みあせてイメージ文を作成し，そのイメージに合った写真を選んだ．

SAT マップ：スナップショット・属性・テキストによる印象の集合知

SATマップとは

• SAT (Snapshot-Attribute-Text)：

1. スナップショット（写真）．

2. それを撮った人の属性．

3. その時感じたことや撮影理由などのコメントのテキスト文．

３つの情報を１つのセットにしたデータ．

• SAT マップ：ある対象に対する多くのSATデータの情報を統合して作成されるマップ（図）．

• SLoT（Snapshot-Location-Text）マップと類似したもの．

SATデータの収集 • 調査対象の選定（川越市の東京国際大学キャンパ

ス）． • 異なる属性を持った調査員集団（男女学生）．

• 調査内容の指示（キャンパスの「気に入った景観」を２，３箇所探す）．

• 対象のスナップショットを自由に撮影． • コメント（その時感じたことや撮影理由など）の記録． • 電子メールと添付ファイルでの収集． • 2009年度「統計学の基礎」の夏休みの宿題で実施． （提出者は成績が５点アップすると提示）

SATデータ例

属性：男

コメント：たくさんの国旗（第１キャンパス）。国際大学ということで様々な国の人達が通っているので。国旗をこんなにたくさん掲げている大学はそうないと思ったから。

属性：女 コメント：静かで落ち着いている21・22号館

裏（第２キャンパス）。キャンパスの中の方だと学生が多くて賑やかだけど、ここは逆にとても静か。木や植物が沢山あって、落ち着いている。このため、夏場は紫陽花とかもあって涼しげな感じ。

男子学生29名から31件，女子学生36名から42件，不明6名から7件，計80件のSATデータ（コメントがあったのは，男子28名の29件，女子33名の37件，不明6名の7件の計73件）．

スナップショットのMDS配置と分類

ウォード法によるクラスター

•馬蹄形配置－＞景観パターンは１次元． •建物（G2），道（G3），木（G1）の3つの見た目グループ．

•男女で撮るスナップショットには大きな違いは無い．

G1 G2 G3 計男子 10 16 5 31女子 14 17 11 42計 24 33 16 73

χ2 = 1.32, p = 0.517, n.s. キャンパスの「気に入った景観」の全体像

形態素の便宜的な分類

• 学生生活に関連：48形態素．

• 人間関係に関連：12形態素．

• 自然に関連：33形態素．

• 場所に関連：24形態素．

• 大学の建造物に関連：29形態素．

• 気持ちに関連：42形態素．

AO入試 活動 思い入れ 駄菓子 福祉 意気込むお昼 喫煙 授業 昼 雰囲気 引き締めるご飯 休憩 秋霞祭 朝 勉強 学ぶオープンキャンパス 教務 新た 登校 放課後 楽しむストレス 憩い 成長 入学 毎日 見慣れるスポーツ 携帯 生活 入学式 明日 通うバスケット 国際大学 生徒 悩み 目標 飽きる学生 思い出 掃除 部活 がんばる 遊ぶ

学生生活に関連

おしゃべり 出会い 親子 人達 友情 しゃべるバリアフリー 触れ合い 人間 賑やか 友達 出会う

人間関係に関連

ツリー 花壇 芝生 蝶 並木 緑トトロ 季節 春 鳥 蜂 咲く稲穂 桜 植物 田んぼ 木 生い茂る夏 枝 巣 日陰 木々夏場 紫陽花 蜘蛛 日当たり 木の下花 自然 虫 猫 木陰

自然に関連

スタジオ 帰り道 場所 中庭 都市 日本駅 広場 大学 通り 東京 日本庭園街 坂 第１キャンパス 通学路 東京国際大学 入り口学校 小道 第２キャンパス 的場 道 敷地

場所に関連

アネックス 旗 校門 施設 石碑 凸凹キャンパス 教室 購買 出店 倉庫 噴水クエストセンター 掲示板 高層 食堂 駐輪場 門コート 公衆電話 号館 図書館 東門 裏門ベンチ 校舎 国旗 正門 棟

大学の建造物に関連

お気に入り ビックリ 好き 涼しげ 懐かしい ひかれるちっぽけ 圧倒 思い出 綺麗 楽しい 育めるのどか 穏やか 思い入れ すごい 気持ちいい 映えるシャープ 感動 象徴 めずらしい 思い出深い 気に入るシンプル 気持ち 人気 よい 情けない 目立つシンボル 貴重 大切 カッコイイ 美しい 落ち着くバランス 厳か 有益 可愛い 涼しい 和む

気持ちに関連

使用形態素数の男女差

平均：10.8（男子），15（女子）． U検定：p = 0.014，女子の方が文が長い．

使用形態素の男女差

全体 学生生活 人間関係 自然 場所 大学 気持ち

p = 0.019 p = 0.004 p = 0.692 p = 0.103 p = 0.225 p = 0.390

男子 女子

使用形態素のグループ間差

全体 学生生活 人間関係 自然 場所 大学 気持ち

p = 0.009 p = 0.076 p = 0.000 p = 0.690 p = 0.000 p = 0.432

G1（木） G2（建物） G3（道）

見た目グループと属性を入れた拡大行列

• ３つの見た目グループ，G1，G2，G３．

• 男女の属性，male，female．

• それらの組み合わせのサブグループ，mg1，mg2，mg3，fg1，fg2，fg3．

• 形態素×コメント行列（357×73）．

• 拡大行列（357×84）．

• サブグループの勢力圏：サブグループ座標からメンバーまでのユークリッド距離の平均（３次元）

0.72，これの２倍程度．

SATマップ（第１ー第２）

SATマップ（第１ー第３）

G1（木）の男女差

学生生活 部活 休憩 学生人間関係 人間 賑やか自然 ツリー 枝 日当たり 木 咲く 木陰

自然 桜 夏場所 都市 中庭 的場 第２キャンパス 場所大学 校舎気持ち 象徴 ひかれる 映える 気持ち良い よい 目立つ

学生生活 生徒 新た 成長 活動 学生 ストレス悩み 生活

人間関係 出会い 触れ合い 友情 おしゃべり しゃべる 出会う友達 賑やか

自然 木々 春 並木 自然 日陰 桜木の下 夏 木 緑 トトロ 季節

場所 通り 小道 帰り道 入り口 坂 日本庭園広場 場所

大学 石碑 号館 裏門 教室気持ち 大切 ちっぽけ 情けない 育める 涼しい 目立つ

G1（木、男子）

G1（木、女子）

G2（建物）の男女差

学生生活 入学式 スポーツ 国際大学 勉強 毎日人間関係 人達自然 生い茂る場所 東京国際大学 大学 第１キャンパス 的場大学 施設 旗 噴水 校門 図書館 高層気持ち 圧倒 貴重 お気に入り シンボル よい

学生生活 授業 思い入れ 目標 意気込む 憩い 昼秋霞祭 引き締める AO入試 福祉 学ぶ 教務オープンキャンパス通う 放課後 入学 勉強 雰囲気毎日 思い出

人間関係 バリアフリー自然 鳥 巣場所 東京 道 第１キャンパス 学校大学 東門 駐輪場 凸凹 クエストセンター 出店 国旗

掲示板 キャンパス 正門 図書館 門気持ち 思い入れ 感動 ビックリ カッコイイ 厳か 有益

気に入る すごい 懐かしい 好き 思い出深い 綺麗思い出

G2（建物、男子）

G2（建物、女子）

G3（道）の男女差

学生生活 見慣れる 喫煙人間関係自然 稲穂 季節 田んぼ 木場所 広場 第２キャンパス場所大学 食堂 裏門気持ち 目立つ

学生生活 朝 明日 バスケット 遊ぶ ご飯 お昼登校 がんばる 入学 掃除 思い出 放課後

人間関係 親子自然 紫陽花 植物 夏場 芝生 田んぼ 猫場所 スタジオ 敷地 学校 道 日本庭園 駅

通学路大学 棟 コート ベンチ 門 倉庫 キャンパス気持ち バランス のどか 落ち着く 涼しげ 気持ち 楽しい

人気 可愛い 思い出深い 思い出

G3（道、男子）

G3（道、女子）

文献

• 大森宏，羽生和紀，山下雅子：SLoT マップ：スナップショット・位置・テキストによる印象の集合知と街歩きマップ：日本建築学会計画系論文集，第78巻，第638号，2013.1掲載予定．

• 大森宏，羽生和紀，山下雅子：SAT マップ：スナップショット・属性・テキストによる印象の集合知－大学キャンパスの「気に入った景観」－：日本行動計量学会第40回大会抄録集(2012)．