IT社会が生み出す連鎖する格差

インターネットは生活に不可欠になったが、地方と都市ではIT利用率に大きな差が生まれている。これが情報格差（デジタルディバイド）である。著者は、情報格差が「情報を得られない」だけでなく、高齢者の孤立・緊急時の対応遅れ・所得格差といった社会問題へ発展すると指摘する。先行研究では格差を「個人間・組織間・地域間・国際的」の4種類に分類しており、本研究はこのうち地域間の格差に焦点を当てる。

著者の見立ては「連鎖する格差」だ。地域の格差が無くなれば組織の格差が、組織が無くなれば個人の格差が連鎖的に解消できる——だから起点となる地域間格差の正体を突き止めたい。そこで、IT利用率の高い県と低い県で生活習慣に何の違いが生まれているかを、Random Forest の特徴量重要度で洗い出し、その違いが所得やパフォーマンスにどう連鎖するかを考察する。

大学生・一般の部 SSDSE-D（社会生活基本調査）＋通信利用動向調査 Random Forest 特徴量重要度 標準化・Bin分割

使用データと再現可能性の整理

本研究は2種類のデータを都道府県単位で結合している。特徴量はSSDSEの社会生活データ（SSDSE-D, 社会生活基本調査）、目的変数は総務省「通信利用動向調査」のIT利用率である。可視化の一部では1人あたり県民所得にも触れている。

主なデータと出典（原論文 2章・3章）

分析の流れ：Bin分割 → Random Forest → 特徴量重要度

① 連続量のIT利用率を3ラベルに（Bin分割）

回帰でIT利用率そのものを当てるより、高・中・低のグループに分けた方が特徴量重要度を読み解きやすいと考え、分類問題に変換した。分割基準は 0<IT≤85→0、85<IT≤90→1、90<IT≤100→2（原論文 表3）。

② 尺度をそろえる（標準化）

各特徴量は単位がバラバラなので、標準化（StandardScaler、z＝(x−平均)/標準偏差）で同じ尺度に直してから扱う（原論文 3-3）。

③ Random Forest で分類し重要度を得る

目的変数をIT利用率の3ラベル、特徴量を社会生活データとしてRandom Forest（決定木を多数束ねるバギング）で分類。パラメータはデフォルトのまま（来年以降のデータと比較可能にするため最適化しない、という判断）。学習60%・評価40%をラベル比率をそろえて（層化）分割した。

④ 特徴量重要度の上位20を可視化

分類に効いた特徴量の上位20を抽出し、IT利用率の高い県・低い県で標準化値を棒グラフで比較して、生活習慣の違いを読み解く。

まず、Random Forest がIT利用率の高低を分けるのにどの生活項目を重視したかを一望する。IT利用率が SSDSE に無いため、分類そのものは再現できない。原論文 表4 の重要度ランキングと正解率を転記して可視化する（再計算ではない）。

=== [1] Random Forest の分類結果と特徴量重要度 上位20（原論文の報告値）===
分類正解率（報告値）      : 73.68%
ランダム分類時の目安      : 50%（原論文の記述するベースライン）
Bin分割（報告値・表3）    : 0<IT≤85→ラベル0 / 85<IT≤90→1 / 90<IT≤100→2
学習/評価（報告値）       : 60% / 40%（層化分割）
----------------------------------------------
特徴量重要度 上位20（原論文 表4・順位のみ報告）:
   1位  楽器の演奏
   2位  スポーツ（総数）
   3位  パチンコ
   4位  CD・スマートフォンなどによる音楽鑑賞
   5位  詩・和歌・俳句・小説などの創作
   6位  ウォーキング・軽い体操
   7位  映画館以外での映画鑑賞
   8位  キャンプ
   9位  休養・くつろぎ
  10位  障がい者を対象とした活動
  11位  まちづくりのための活動
  12位  英語
  13位  卓球
  14位  外国語
  15位  商業実務・ビジネス関係
  16位  通勤・通学
  17位  交際・付き合い
  18位  テレビゲーム・パソコンゲーム
  19位  登山・ハイキング
  20位  カラオケ

図1：Random Forest 特徴量重要度 上位20。報告値の可視化（再計算ではない）（原論文 表4）。棒の長さは「21−順位」に変換した便宜的な値で、重要度の数値ではない（原論文は順位のみ報告）。オレンジは図2〜図4で実再現する3項目。正解率73.68%も含めすべて原論文の報告値。

ここからは実再現。重要度1位の「楽器の演奏」が、実際に都道府県でどう分布するかを SSDSE-D の行動者率で確かめる。原論文3-3の標準化を実データで再計算する。

123
124
125
126
127
128
129
130

df['z_楽器'] = standardize(df['MD09'])      # MD09 = 楽器の演奏（行動者率, %）
ranked = df.sort_values('z_楽器', ascending=False)[['Prefecture', 'MD09', 'z_楽器']]
print('▼ 上位5県（積極的休養が多い側）')
print(ranked.head(5).to_string(index=False,
      formatters={'MD09': '{:.1f}%'.format, 'z_楽器': '{:+.2f}'.format}))
print('▼ 下位5県（少ない側）')
print(ranked.tail(5).to_string(index=False,
      formatters={'MD09': '{:.1f}%'.format, 'z_楽器': '{:+.2f}'.format}))

=== [2] 楽器の演奏 行動者率の都道府県別 標準化ランキング（SSDSE-D・実再現）===
▼ 上位5県（積極的休養が多い側）
Prefecture  MD09  z_楽器
       東京都 14.5% +3.61
      神奈川県 12.1% +2.04
       京都府 11.4% +1.59
       愛知県 11.2% +1.46
       埼玉県 11.2% +1.46
▼ 下位5県（少ない側）
Prefecture MD09  z_楽器
       岩手県 7.1% -1.21
       長崎県 7.1% -1.21
       秋田県 6.9% -1.34
       大分県 6.7% -1.47
       青森県 5.5% -2.26

図2：楽器の演奏（重要度1位）の都道府県別 標準化値。実再現（SSDSE-D 2021・MD09）。オレンジ＝平均以上（東京・神奈川など都市）、青＝平均未満（地方）。原論文の「都市で多い」という記述と整合。IT利用率はSSDSE収録外のため相関係数そのものは未計算。年（2021）も原論文のIT利用率（2019）と異なる。

重要度2位の「スポーツ（総数）」も同じ手順で実再現する。楽器の演奏と同じ傾向が出れば、「積極的休養が都市に偏る」という原論文の見立てが実データでも裏づけられる。

152
153
154
155
156
157
158
159
160
161
162

df['z_スポーツ'] = standardize(df['MC00'])   # MC00 = スポーツの総数（行動者率, %）
ranked3 = df.sort_values('z_スポーツ', ascending=False)[['Prefecture', 'MC00', 'z_スポーツ']]
print('▼ 上位5県')
print(ranked3.head(5).to_string(index=False,
      formatters={'MC00': '{:.1f}%'.format, 'z_スポーツ': '{:+.2f}'.format}))
print('▼ 下位5県')
print(ranked3.tail(5).to_string(index=False,
      formatters={'MC00': '{:.1f}%'.format, 'z_スポーツ': '{:+.2f}'.format}))
# 楽器とスポーツ（ともに積極的休養）の実データ相関
r_active = np.corrcoef(df['z_楽器'], df['z_スポーツ'])[0, 1]
print('楽器の演奏 × スポーツ総数 のピアソン相関（実データ）: {:+.3f}'.format(r_active))

=== [3] スポーツ（総数）行動者率の都道府県別 標準化ランキング（SSDSE-D・実再現）===
▼ 上位5県
Prefecture  MC00 z_スポーツ
       東京都 74.5%  +2.76
      神奈川県 71.8%  +2.07
       埼玉県 69.3%  +1.44
       愛知県 68.8%  +1.31
       千葉県 67.4%  +0.96
▼ 下位5県
Prefecture  MC00 z_スポーツ
       新潟県 59.0%  -1.17
       山形県 58.4%  -1.32
       長崎県 57.8%  -1.47
       秋田県 57.1%  -1.65
       青森県 52.1%  -2.92
楽器の演奏 × スポーツ総数 のピアソン相関（実データ）: +0.834

図3：スポーツ（総数）（重要度2位）の都道府県別 標準化値。実再現（SSDSE-D 2021・MC00）。楽器の演奏（図2）と同じく都市部で高い。楽器との実データ相関は+0.834。数値はSSDSE-Dから実計算。IT利用率はSSDSE収録外。

原論文の核心は「IT利用率が高い県は積極的休養、低い県は消極的休養」という対比だ。IT利用率が無くても、積極的休養（楽器）と消極的休養（休養・くつろぎ）が県レベルで逆向きに動くかは実データで確かめられる。

184
185
186
187
188

df['z_休養'] = standardize(df['MG13'])       # MG13 = 休養・くつろぎ（総平均時間, 分）
r_tradeoff = np.corrcoef(df['z_楽器'], df['z_休養'])[0, 1]
print('楽器の演奏（積極的休養）× 休養・くつろぎ（消極的休養）のピアソン相関（実データ）:',
      '{:+.3f}'.format(r_tradeoff))
print('→ 負の値なら「積極的休養が多い県ほど消極的休養が少ない」傾向を実データが支持')

=== [4] 積極的休養 × 消極的休養 の関係を実データで検証（SSDSE-D・実再現）===
楽器の演奏（積極的休養）× 休養・くつろぎ（消極的休養）のピアソン相関（実データ）: -0.153
→ 負の値なら「積極的休養が多い県ほど消極的休養が少ない」傾向を実データが支持

図4：積極的休養（楽器の演奏）×消極的休養（休養・くつろぎ）の散布図（47都道府県）。実再現（SSDSE-D 2021）。ピアソン相関 r=−0.153。方向は原論文の対比と整合するが弱い。回帰直線は可視化補助。IT利用率はSSDSE収録外のため、IT利用率との相関そのものは扱っていない。

結果の解釈と考察

著者は「IT利用率の高低で休養方法に違いがある」という発見から、格差の連鎖を次のように読み解く。原論文5章の考察である。

① 休養方法の違いがパフォーマンスを変える（原論文 5-1）

心理学の先行研究（本多, 2012）では、積極的休養の方が自覚疲労が減りパフォーマンスが向上する（根本的な疲労回復はどちらも同程度）。ここから著者は、積極的休養の多い都市部では生産性が上がり所得の増加につながるのではないかと推論する。SNSやWebでの出会いが多い都市では仲間を集めやすく、積極的休養が連鎖的に広がるとも述べる。

② 同調行動が所得格差を拡大する（原論文 5-2）

人は属する集団の標準に合わせる（同調行動）。都市では積極的休養をする人が増えるほどそれが定着し、地方では消極的休養が定着する。こうして都市と地方の休養方法の差が拡大し、パフォーマンス→生産性→所得の格差が広がる、というのが著者の主張である。

③ IT普及が人材流出を招くトレードオフ（原論文 5-3）

ネットの普及で地方でも都市と同じ情報（オンライン講座など）が得られる。これは地方の恩恵だが、自分を活かせる環境を探しやすくなる分、人材が都市へ流出しやすくなるというデメリットも生む。著者は「地方の魅力向上より先にIT普及率だけを上げると、人材流出がかえって悪化しうる」と警告する。

まとめと今後の課題

本研究は、地域間の情報格差（デジタルディバイド）は生活習慣や所得とどう連鎖するかという問いに、Random Forest の特徴量重要度で迫った。IT利用率を高・中・低の3ラベルに分けて分類した結果、正解率73.68%で、重要度上位には楽器の演奏・スポーツ・パチンコなどの趣味が並んだ（報告値）。著者は「IT利用率の高い都市ほど積極的休養が多く、それがパフォーマンス→所得の格差へ、さらに同調行動で拡大し、IT普及は人材流出も招く」という連鎖する格差の構図を描いた。本ページでは、特徴量である社会生活データを SSDSE-D で実再現し（図2〜図4）、IT利用率にまつわる正解率・重要度は報告値として切り分けた。

データ・コードのダウンロード

このページの実再現の図（図2〜図4）は、以下から再現できます。

🐍 再現コード（.py） 📊 SSDSE-D-2023.csv

※ 図2〜図4（楽器・スポーツ・休養くつろぎの標準化）はSSDSE-Dから算出した実再現です（2021年）。図1（特徴量重要度 上位20・正解率73.68%）は、目的変数のIT利用率が総務省「通信利用動向調査」の値でSSDSE収録外のため、原論文の報告値を順位・数値そのまま可視化したものです（新たな数値の捏造はしていません）。原論文は相関係数・回帰係数・t値・p値を報告していません。

🐍 ブラウザで動かす — インストール不要でこの論文の分析を再現する

このページの分析は、この画面の中でそのまま実行できます。 Python をインストールする必要も、CSV をダウンロードする必要もありません。 下のセルの 「▶ ブラウザで実行」 を上から順に押すか、 「▶ 最初から全部実行」 で一気に流してください。 表示されるのは、本文の図表とまったく同じ計算の結果です （動かしているのは再現スクリプト code/2022_U5_15_shorei.py そのもの）。

コードは書き換えられます。「✏️ 書き換える」で数字や変数を変えて ▶ を押すと、 結果がどう変わるかをその場で確かめられます（元に戻すボタンつき）。 ページを開いた時点で裏で実行環境の準備が始まっているので、待ち時間はほとんどありません。 初回だけ実行環境の取得にインターネット接続が必要です。