マルチメディア, 分散, 協調とモバイル (DICOMO2016) シンポジウム 平成 28 年 7 月 1 2 1 3 1 5 4 14 28 2016 4 bot (1) (2) (3) 4 bot Proposal of Disaster Preparedness Consciousness Improvement Method to Supply Knowledge of Disaster Preparedness using a Comic Expression SOJO ENOKIDA 1 TAKU FUKUSHIMA 2 TAKASHI YOSHINO 1 TOMOKI MOTOZUKA 3 EGUSA NOBUYUKI 1 1. 5 2013 WEB *1 1 Wakayama University, Wakayama 640 8510, Japan 2 Osaka Institute of Technology, Osaka 573-0196, Japan 3 Disaster Reduction and Human Renovation institution, Hyogo 651 0073, Japan *1 2 1 7 PanasonicNewsroomJapan http://news.panasonic.com/jp/topics/2013/38104.html 4 14 26 2016 bot [1] bot Twitter * 2 *3 *2 https://twitter.com *3 140 504
bot Twitter 1 *4 Twitter 4 bot 4 4 2. Twitter [2][3][4][5][6] Sakaki [2] Miyabe[3] Liza [4] Adam [5] [6] Twitter 4 Facebook [7] 8.0 Twitter SNS Facebook 4 Twitter 4 Facebook 4 *4 Twitter 1 Twitter https://support.twitter.com/articles/247765 Twitter [8] Twitter 4 Twitter 4 [9] Web Web Twitter [10] Twitter 3. bot bot bot 4 3.1 bot 1 Twitter Twitter *5 *5 Twitter Twitter Rest API (https://dev.twitter.com/rest/public) 505
1 Web 3.2 4 bot *6 Twitter *7 bot 2016 4 30 4 1 3 4 3 3 1 8 4 18 4 2 4 8 4 [11] 4 *8 3.11 *6 bot *7 *8 http://www.bousai.metro.tokyo.jp/book/ *9 * 10 4 RT URL 2 4 5 6 #bousai comic Twitter 6 4 Liza [4] [12] 4. 4 Twitter * 11 bot 4.1 * 12 3 4 4 4 16 17 1 3 2 Po! * 13 3 4 *9 3.11 IRIDeS http://311manabi.irides.tohoku.ac.jp *10 - http://www.bousai.go.jp/index.html *11 Twitter https://support.twitter.com/articles/20171994 *12 *13 3D http://www.comipo.com/ 506
表 1 配信した防災 4 コマ漫画のタイトルと内容 話数 配信日 タイトル 1話 3 月 22 日 そんなわけないでしょ 2話 3 月 28 日 火元の確認を 3話 4月3日 ブロック塀にも注意 4話 4月6日 津波避難では 家に戻らないこと 5話 4月9日 木造建築の流出 6話 4 月 12 日 戻ってくる 7話 4 月 15 日 戻ってくる (2) 8話 4 月 18 日 自治体職員さんも 9話 4 月 21 日 メディアに出ない被災地 10 話 4 月 24 日 メディアに出ない被災地 (2) 表 2 内容 地震の揺れを他の災害や事故に感じる 避難の前に火元を確認する ガラスだけでなく ブロック塀も地震の揺れで壊れる可能性がある 津波避難では 家に戻らないこと が鉄則に 木造建築は 2m で流出率が増加する 高所移転したのに戻ってくる事例の紹介 高所移転したのに戻ってくる事例の紹介と防潮堤への過信 自治体職員さんも同じ被災者であることへの認識 発災直後 メディアに出ない被災地には物資が行き届かない 復興段階に入っても メディアに出ない被災地では義援金や人材が不足する 防災 4 コマ漫画のハッシュタグ 話数 ハッシュタグ 5話 #bousai4 6話 #bousai comic, #防災, #復興 7話 #bousai comic, #防災, #復興 8話 #bousai comic, #災害, #復興 9話 #bousai comic, #災害, #救援物資, #被災地報道 10 話 #bousai comic, #災害, #被災地報道 降は同じキャラクタで防災 4 コマ漫画を作成している 2 話と 3 話に関しては 他の話と比較するとインプレッショ ン数とエンゲージメント数が継続して低い傾向にある こ れより 漫画の絵柄によって ユーザの防災 4 コマ漫画へ 受ける印象が変わり 閲覧数が変化した可能性がある 4 話から 6 話のインプレッション数とエンゲージメント 数に対して 7 話のインプレッション数とエンゲージメン ト数が低い傾向にある これは 7 話を配信した 4 月 15 日 は 4 月 14 日に発生した熊本地震の翌日に当たるためだと 考えられる 7 話は 津波復興時の高所移転と防潮堤につ いて扱っているが 熊本地震は直下型の地震であったため に津波被害の心配がなく 防災 4 コマ漫画の内容が熊本地 震と関連性がないために インプレッション数とエンゲー ジメント数が低くなったと考えられる 8 話以降は 防災 4 コマ漫画の内容を熊本地震の被害の 状況に応じたものにし 著者の 1 人 Twitter のフォロワー 約 1000 人 が防災 4 コマ漫画のツイートをリツイートし た 8 話以降においては 他の話と比較してもインプレッ ション数とエンゲージメント数が高く インプレッション 数においては数日経っても増加していることが分かる 石 原ら [13] は 震災前後で Twitter のボットアカウントが情 報拡散の基点となりやすいことを示している 鳥海ら [14] は フォロワーが多いハブユーザをマスメディアの公式ア カウントや有名人のアカウントとしている この研究にお いて 一般ユーザがハブユーザになりえる基準は示されて ない あかりマップ bot のフォロワー数は 130 程度であ り 一般的なマスメディアの公式アカウントや有名人のア カウントと比較すると少ない これらのことより インプ 507 図 2 防災 4 コマ漫画 8 話 自治体職員さんも
3 4 7 4 4 5 4 8 6 1 4 4 4 4 4 7 1 140 5 4 8 6 7 4 16 17 3 4 8 6 7 8 4 4 4 7 8 4 12 4 30 4 4 [8] Twitter 4 bot 508
8 4.2 8 bot 8 4 18 4 18 3 22 4 30 20 bot bot bot Twitter 4 bot 5. 4 Google * 14 bot 28 10 1 20 26 30 1 20 10 3 20 13 30 1 50 2 1 48 5.1 3 48 4 28 24 3(1) 3(2) (1) (2) 3(1) 3(2) (3) 3(3) 5.2 bot bot 4 bot bot *14 https://www.google.com/intl/ja jp/forms/about/ 509
3 (1) 10 20.8 7 14.6 4 8.3 2 4.2 28 58.3 (2) 26 54.2 22 45.8 18 37.5 8 16.7 4 8.3 1 2.1 (3) (1) (2) 22 45.8 14 29.2 13 27.1 3 6.3 2 4.2 1 2.1 3 6.3 (4) (3) 19 39.6 10 20.8 4 8.3 4 8.3 4 8.3 3 6.3 3 6.3 2 4.2 4 8.3 1 100 48 4 bot 1 2 3 4 5 (1) 4 2 4 6 12 4 4 4 (2) 4 2 3 11 10 2 3 3 1: 2: 3: 4: 5: 28 bot 4 3 23 2 4 4 5 1: 2: 3: 4: 5: 4 4 4 Twitter Twitter 510
Twitter 4 3 3 4 4 24 bot 4 5.3 48 5, 4, 4. 4 4 4 4 6 5 4 4 bot 4 28 bot 4 20 5 9 4 4 bot 4 bot 4 2 36 3 bot 9 3 4 bot 4 4 4 511
5 4 1 11 5 2 3 4 5 6 7 8 56 3 9 10 11,.? 12 13 80 2 6 14 60 4, 4. 9 4 3 4 4 9 4 512
6 4 TV SNS 4 1 2 1 25 1 1 1 0 24 1 1 1 18 1 0 0 0 18 1 2 7 1 20 0 0 6 0 22 0 5 0 15 1 0 2 0 17 0 3 14 1 13 3 2 0 10 12 1 7 1 12 6 1 0 1 11 1 4 11 0 17 2 3 0 5 18 0 3 3 14 2 0 1 0 14 3 5 4 1 23 0 1 0 0 25 2 1 2 17 1 0 0 0 17 2 6 19 0 9 1 6 0 8 12 1 6 3 11 4 2 0 0 12 2 7 1 2 25 1 0 0 0 27 0 3 2 15 2 0 0 0 15 3 8 20 1 7 1 2 0 13 12 0 10 1 9 4 1 0 0 11 4 9 15 1 12 8 1 0 0 14 5 7 0 13 4 0 0 0 13 3 10 12 1 15 6 2 1 2 17 0 9 0 11 7 0 0 0 12 1 11 6 1 21 4 0 0 3 21 0 5 1 14 5 0 0 0 14 1 12 3 2 23 0 0 0 2 25 1 0 3 17 0 0 0 0 18 2 13 1 2 25 0 0 0 1 27 0 0 3 17 0 0 0 0 18 2 14 1 1 26 0 1 0 0 27 0 0 2 18 0 0 0 0 19 1 4 4 4 6 9 6 4 8 SNS 7 SNS 4 9 SNS 8 30 9 8 4 13 8 9 22 9 4 9 9 TV 10 2 11 4 10 [15] 11 9 11 TV 4 513
4 12 4 12 4 5 4 9 13 4 4 4 5 6m 100 6m 4 4 3 SNS 23 3 3 [16] Twitter 5 SNS 20 SNS 4 TV SNS 4 6 [17] 4 Web [17] [18] 4 6. 4 (1) (2) (3) 4 bot JSPS (A) (25242037) 24 27 [1],,, : bot, 78, 5V-09, 3, pp.549 550(2016). [2] Sakaki Takeshi, Fujio Toriumi, Yutaka Matsuo: Tweet trend analysis in an emergency situation, Proceedings of the Special Workshop on Internet and Disasters, pp.3:1 3:8(2011). [3] Mai Miyabe, Asako Miura, Eiji Aramaki: Use trend analysis of twitter after the great east japan earthquake, Proceedings of the ACM 2012 conference on Computer Supported Cooperative Work Companion, pp.175 178(2012). [4] Liza Potts, Joyce Seitzinger, Dave Jone, Angela Harrison: Tweeting disaster: hashtag constructions and collisions, Proceedings of the 29th ACM international conference on Design of communication, pp.235 240(2011). [5] Adam Acar, Yuya Muraki: Twitter for crisis commu- 514
nication: lessons learned from Japan s tsunami disaster, International Journal of Web Based Communities, Vol.7, No.3, pp.392 402(2011). [6],,,, :,, Vol.31, No.1, p.nfc-a 1-9(2016). [7], : Facebook, 25, No.4, pp.1 10(2015). [8], :,, Vol.22, No.2, pp.87 94(1998). [9] : ADDIE Web,, 26, pp.251 259(2011). [10], : SNS Web,, Vol.14, pp.87 88(2015). [11],,,,,,,, : Twitter, (SPT), 2011-SPT-2(3), pp.1 8 (2011). [12] : Twitter - -,, Vol.22, No.2, pp.97 106(2012). [13],,, : : D, Vol.99-D, No.5, pp.501 513(2016). [14],,,,, :, 27, pp.1 4(2013). [15], : :, 77 671, pp.57 65(2012). [16],,, : Twitter RT,, Vol.2011-IFAT-103, No.4, pp.1 6(2011). [17],,,,,,, : Twitter Twitter,, Vol.28, pp.115 160(2012). [18],, [ ],,,,, :, 28, pp.65 113(2012). 515