教育における芸術の影響
How Art and Arts Can Influence Learning

kokugoA_contrib = {
    '地域社会への関心': {'分岐数': 1, '平方和': 79.8},
    '世帯人員':       {'分岐数': 2, '平方和': 29.9},
    '酒類':           {'分岐数': 1, '平方和': 25.6},
}
print('原論文 図5（国語A・回帰木）R²=0.63, N=47（PDF図中の印字値）')
print(f'{"変数":<12}{"分岐数":>6}{"平方和(寄与)":>12}')
for k, v in kokugoA_contrib.items():
    print(f'{k:<12}{v["分岐数"]:>6}{v["平方和"]:>12}')
print('※ これらは原論文の報告値の転記であり、本スクリプトで計算した値ではない。')

subject_top = [
    ('国語A（基礎）', '地域社会への関心',  '知識中心。高関心地域で高得点。上位7地域中6がクラスター6'),
    ('国語B（応用）', '地域社会への関心',  '次いで「英語以外の言語」「人口あたり常設映画館数」が寄与'),
    ('算数A（基礎）', '絵画・彫刻の制作',  '最も寄与率の高い変数。手作業を伴う芸術が関与'),
    ('算数B（応用）', '地域社会への関心',  'R²=0.5 と当てはまりは弱い。次いで常設映画館数'),
    ('理科',         '地域社会への関心',  '地域社会への関心・常設映画館数・絵画彫刻の制作が寄与'),
]
print(f'{"教科":<14}{"最上位の寄与変数":<16}補足（PDF本文の記述）')
for s, top, note in subject_top:
    print(f'{s:<14}{top:<16}{note}')
print('※ すべて原論文（PDF）の報告値。SSDSE-B に学力調査点数が無いため再計算不可。')

df_b = pd.read_csv(DATA_B, encoding='cp932', header=1)
df_b = df_b[df_b['地域コード'].astype(str).str.match(r'^R\d{5}', na=False)].copy()
df_b['年度'] = df_b['年度'].astype(int)

df = df_b[df_b['年度'] == 2023].copy().reset_index(drop=True)
assert len(df) == 47, f'47都道府県が揃っていません: {len(df)}件'
print(f'対象年: 2023年 / 対象都道府県数: {len(df)}')

pop = df['総人口']
# 文化への関与（原論文の「芸術を含む文化」の代理）: 消費支出に占める教養娯楽費の割合
df['教養娯楽費率'] = df['教養娯楽費（二人以上の世帯）'] / df['消費支出（二人以上の世帯）'] * 100
# 教育への支出（家庭の教育熱の代理）
df['教育費率']   = df['教育費（二人以上の世帯）'] / df['消費支出（二人以上の世帯）'] * 100
# 人口構成
df['高齢化率']   = df['65歳以上人口'] / pop * 100
df['年少人口率'] = df['15歳未満人口'] / pop * 100
# 進学志向（教育環境の代理）
df['高校進学率'] = df['高等学校卒業者のうち進学者数'] / df['高等学校卒業者数'] * 100
# 学校の手厚さ（小学校の教員1人あたり児童数：小さいほど手厚い）
df['児童教員比'] = df['小学校児童数'] / df['小学校教員数']

FEATURES = ['教養娯楽費率', '教育費率', '高齢化率', '年少人口率', '高校進学率', '児童教員比']
print('\n投入する代理変数（原論文の芸術・家庭・個人変数はSSDSE-B未収録のため代理）:')
print('  ', '、'.join(FEATURES))
print('\n記述統計（平均・最小・最大）:')
print(df[FEATURES].describe().loc[['mean', 'min', 'max']].round(2).T.to_string())

X = StandardScaler().fit_transform(df[FEATURES].values)
print('クラスター数kごとのシルエット係数（数値は実データによる再計算）:')
for k in range(2, 9):
    km = KMeans(n_clusters=k, n_init=10, random_state=42).fit(X)
    print(f'  k={k}: silhouette={silhouette_score(X, km.labels_):.3f}')

K = 6  # 原論文の多クラスター型地域類型（8クラスター）に倣った説明用の設定
km = KMeans(n_clusters=K, n_init=10, random_state=42).fit(X)
df['クラスター'] = km.labels_
sil = silhouette_score(X, km.labels_)
print(f'\n採用: k={K}（原論文の地域類型の考え方に倣った説明用。silhouette={sil:.3f}）')
print('※ 投入変数が原論文（博物館数・地域社会への関心等）と異なるため、')
print('　 クラスター構成は原論文の表4とは一致しない（手法の実演であり報告値の再現ではない）。')
print('\n実再現によるクラスター構成（2023年・SSDSE-B代理変数）:')
for c in range(K):
    members = list(df[df['クラスター'] == c]['都道府県'])
    print(f'  クラスター{c+1}（n={len(members)}）: {"、".join(members)}')

# 各クラスターの平均像
print('\n各クラスターの平均像（代理変数）:')
prof = df.groupby('クラスター')[FEATURES].mean().round(2)
prof.index = [f'クラスター{c+1}' for c in prof.index]
print(prof.to_string())

rank = df.sort_values('教養娯楽費率', ascending=False).reset_index(drop=True)
print('上位6（文化・娯楽への支出割合が高い）:')
for i in range(6):
    print(f'  {i+1:>2}位 {rank.loc[i, "都道府県"]:<6} {rank.loc[i, "教養娯楽費率"]:.2f}%')
print('下位6（低い）:')
for i in range(len(rank) - 6, len(rank)):
    print(f'  {i+1:>2}位 {rank.loc[i, "都道府県"]:<6} {rank.loc[i, "教養娯楽費率"]:.2f}%')
print('※ 文化・娯楽への支出割合は都市部に集中する傾向。原論文が論じた')
print('　「生活に根差した大衆文化への関与」の地域差を実データで補足するもの。')