Creativity Sharing and
Entrepreneurial Support

横浜市　区別市民意識ー要介護・高齢化率クロス分析

URL : http://xviews.jp/ph/xviewshow.php?editno=31#420
License : CC0
横浜市の健康寿命延伸21（第二期）で平成25年度に行われた市民意識調査は主として生活行動習慣や背景となる生活意識を16800人に対して行ったものです。他方、人口動態調査から得られる高齢化率や要介護率などのデータは別々の組織からバラバラに提供されています。今回その横断分析をを行い、両者の相関性を求め地域固有性を見つけ、その地域にあった包括ケアやサービス設計の支援となるデータセットをまとめました。エクセルレベルでやれる可視化分析ではその手間隙と問題の認識性に限界があり今回ＸＶＩＥＷというクロス分析と可視化結果をＳＮＳベースでコミュニケーションできるようにしています。これにより様々なステークホルダーが自分の立場からその地域に適合したた形での問題の解決に向かうことが可能になってきます。現実面では個人個人に適合したサービス提供になってきます。このあたりはサービススタッフの全人間的なサービス、コミュニケーション力が求められ、教育問題が非常に重要になってきます。そえには現状理解と起きている現象の踏みこんだ理解が求められます、 特に後期高齢者が増え、看りや認知症の対応など精神面のサポートが重要になってきます。
Update: Oct 12, 2018

Image detail
Update: Oct 1, 2018 (Kamogawa)
Web page detail
これは本アプリにインポートしたデータセットです。EXCEL上で統合編集を行ったものです。本応募内容の末尾にある散布図は35項目のあるクロス分析対象、評価項目から幾つかサンプルを選び散布図をEXCELの基本グラフ機能で描かせたものです。回帰直線はデフォルトで提供、描画されたものです。相関性が強いか弱いかだけででなく、どのようなクラス分類ができるか、行政区により特徴的な分類美属する、あるいは飛び地的に出現している行世紀が「なぜそうなのか」を分析することが重要です。この散布図ではどの行政区がどの位置にいるかマウスクリックしないとわかりません。XVIEWではそのラベル付けが自動的に行えますので、クラス分類のパターン認識上では遥かに優れています。
http://linkingopendata.com/xview/1719.xls
Update: Oct 1, 2018 (Kamogawa)
Web page detail
EXCEL上でできるデータセットの事前整理構造化やあたりをつける2次元解析（散布図）やレーダーチャートやベーシックな統計のグラフ化作業により問題を感覚的につかむことが重要です。そしてその上でそのデータセットをXVIEWにインポートして自動分析可視化を行います。XVIEWはその結果を関わるステークホルダー同士がSNS上でコミュニケーションして問題意識を共有、さらにどうすればいいか、サービスデザインの基本戦略を立てる上で非常に有効です。得られた結果をLODを介して一般公開をしていくことも考えます。 下記のURLはXVIEWを使用したアプリケーション事例で、われわれはそれを「アナライザブルレポート」と読んでいます。 この共創型のコミュニケーション＆コラボレーションの仕組みと仕掛けは、XVIEWのようなコミュニケーションツールをにより実現可能で、単に情報共有では問題が解決しないことを、PBLベースの学びと創造の場で、問題解決と人財育成を強力に支援します。対象とする問題や対応するデータセットを準備すれば極めて汎用的な手法として適用できます。
横浜高齢者健康調査 http://xviews.jp/ph/xviewshow.php?editno=31#420
引用url AnalyzableReport 本レポートのソースデータを基に閲覧者自身が作成者とは異なる視点で分析可能なレポート。 各グラフをクリック！してソースデータを開きます。 ご利用の手引きを参照して本レポートを元に あなたのレポートを作成してください。 編集番号:31 横浜高齢者健康調査 1.■全健康指数分布 2.■全健康指数マップ 1 ■全健康指数分布 クリック! トップへ戻る　　　 136_6 2 ■全健康指数マップ クリック! トップへ戻る　　　 136_7
Update: Sep 30, 2018 (Kamogawa)
Image detail
この図はEXCEL上にまとめられたデータセットをXVIEWにインポートし、2次元分析（パターン認識）をできるようにした自衛です。X軸Y軸か35項目の評価項目を選び、産婦図を自動作成ができます。軸のスケールは自由に選べるので、カテゴリー分類もマクロに、ミクロに自由に選ぶことができます。ポイントはその機能だけでなく、チームで評価しあうことで様々な立場や認知認識力を区間しあうことができるメリットがあります。
出典: https://scontent-nrt1-1.xx.fbcdn.net/v/t1.0-9/42473031_1872186532861326_3783018094943797248_n.jpg?_nc_cat=104&oh=8f6fc141087c01c73c0478c2840bd5c2&oe=5C5514FD
Update: Sep 30, 2018 (Kamogawa)
Image detail
この図は35項目の調査分析結果を偏差値法で正規化した形で視覚的に比較分析をすることができます。あたりをつけた項目をこのように並べてみると同一カテゴリー性も容易にパターン認識することができます。例えばこのような図のものを9枚のプリントアウトにま纏め、壁に張り出したり、大型プロジェクターでスクリーンに投影し多数の人間の目で比較分析をすることで、一人では気がつかなかった新しい発見ができることが期待できます。 評価項目を例えば、要介護率/高齢化率のように指数化すると、その上で第三の項目を重ねてみるとクロス分析の意味がさらに高まります。
Update: Oct 9, 2018 (Kamogawa)
Image detail
下図とその下の図は、健康状態に影響を及ぼす生活習慣の中から比較的に影響が高い生活習慣を選んでその地域（行政区）の個々の項目に対する偏差値に対応した色付けでマッピングしたもので、末尾にある散布図の項目に対応しています。
Update: Oct 1, 2018 (Kamogawa)
Image detail
Update: Oct 1, 2018 (Kamogawa)
Image detail
これは元データセット（EXCELベース）をXVIEWにインポートしてレーダーチャートによる18の行政区の市民意識や高齢化率、要介護率などを比較分析したUX画面です。元の生データを比較することだけでなく、偏差値に換算して19のい行政区が横浜市の平均に対してどの位置にあるかを明示したレーダーチャートによる比較分析が可能になっています。これはアンケートは集計分析の百分率ですが、より平均意に対してどの程度離れているか近いかを明示できるので比較分析をする場合に極めて認識しやすいものとなっています。
出典: https://scontent-nrt1-1.xx.fbcdn.net/v/t1.0-9/42516228_1872186266194686_866700829552279552_n.jpg?_nc_cat=101&oh=d8a771a682ffd38e2fd69c29215c95e7&oe=5C164B0F
Update: Oct 12, 2018 (Kamogawa)
Image detail
この図は様々な可視化分析の展開を示すものです。地域固有性つまり行政区単位の健康度や要介護・高齢化率などをレーダーチャートやGISマッピングすることで地域固有性も一覧的にパターン認識することができます。
出典: https://scontent-nrt1-1.xx.fbcdn.net/v/t1.0-9/42470472_1872185632861416_1316457366564110336_n.jpg?_nc_cat=106&oh=7b3fbdefd950bdc8abd5b7c21f9df6a4&oe=5C5C0875
Update: Sep 30, 2018 (Kamogawa)
Image detail
エクセルベースで整理構造化されたデータセットをＸＶＩＥＷに引き渡すことで、多面的な分析可視化ができ、その結果を共有するだけでなく、意見交換を行って、解決の道を発見していくことが可能です。ＥＸＣＥＬベースをＬＯＤに引渡し、ＬＯＤベースのアプリケーションや、XVIEWににわたし、その持つ機能で様々な分析やデータの中に隠れている法則性を発見することが容易になります。
出典: https://scontent-nrt1-1.xx.fbcdn.net/v/t1.0-9/42511356_1872185982861381_147801081764642816_n.jpg?_nc_cat=111&oh=e48c9ae1225277137f3d51bf73a9dc62&oe=5C1BD458
Update: Oct 12, 2018 (Kamogawa)
Text detail
　「横浜市　市民意識調査」のデータは印刷物であり、せいぜいPDFとなっているがデータテーブルでなくグラフに書かれた数字を読み取って必要なデータを表で作成するしかありませんでした。 　また、要介護率・高齢化率なども別々でありオリジナルのPDFデータやCSV（Excel）もフォーマットがばらばらでした。したがって今回、横浜市民の健康度とそれに関わるデータセットと待った区別のデータセットを1枚のエクセルファイルにまとめ、それに意味づけしたメタ、メタメタＴＡＧをつけたテーブルを作成して、多次元分析を行った。
Update: Sep 28, 2018 (KeitarouNakayama)
Image detail
Update: Sep 28, 2018 (KeitarouNakayama)
Image detail
Update: Sep 28, 2018 (KeitarouNakayama)
Image detail
Update: Sep 28, 2018 (KeitarouNakayama)
Image detail
Update: Sep 28, 2018 (KeitarouNakayama)
Image detail
Update: Sep 28, 2018 (KeitarouNakayama)
Image detail
Update: Sep 28, 2018 (KeitarouNakayama)
Image detail
Update: Sep 28, 2018 (KeitarouNakayama)
Image detail
Update: Sep 28, 2018 (KeitarouNakayama)
Image detail
EXCEL上でできるグラフ描画を通してできるデータパターン発見も重要です。XVIEWと併用が有効でしょう。EXCELの散布図は複数の散布図を1つのグリッド平面状に表すことができるので相関の相関を把握しやすい。其の上で3次元散布図を描くのがいい。
Update: Oct 10, 2018 (Kamogawa)
Image detail
2次元散布図で行政区をクラスタリングできますがもう一軸加えた3次元散布図を追加していきます。
Update: Oct 1, 2018 (Kamogawa)
Idea detail
【関連する応募作品】

オープンデータの利活用の諸問題と、意味・意図のメタ情報を付加したデータ構造体作成例

KeitarouNakayama
Create:Sep 28, 2018, Update:Oct 9, 2018
6

value



Update: Sep 28, 2018 (KeitarouNakayama)
Idea detail
【関連する応募作品】

横浜市　区別市民意識ー要介護・高齢化率データ

KeitarouNakayama
Create:Sep 28, 2018, Update:Oct 9, 2018
5

value



Update: Sep 28, 2018 (KeitarouNakayama)
Idea detail

オープンデータベースアナライザ　XView

花谷修一
Create:Dec 25, 2017, Update:Jan 12, 2018
7

value



Update: Oct 1, 2018 (Kamogawa)
Idea detail

オープンデータをコミュニケーションに活用するための「XView（クロスビュー）」の提案

花谷修一
Create:Jan 15, 2016, Update:Jan 15, 2016
8

value



Update: Oct 1, 2018 (Kamogawa)

Grant Information

Suggested fund information for realizing the idea.

Cite this page to create new one
Related Pages

オープンデータの利活用の諸問題と、意味・意図のメタ情報を付加したデータ構造体作成例

KeitarouNakayama Kamogawa
Update:Oct 9, 2018

「横浜市　区別市民意識ー要介護・高齢化率クロス分析」を例として、オープンデータの利活用の諸問題と、意味・意図のメタ情報を付加したデータ構造体作成について述べる。 オープンデータの種類、公開のされかたは様々あり、PDF、EXCEL、CSV.などデータ形式だけでなくそのデーら論理構造が様々でありそのままではリンクを取ったりマージができない場合殆どである。例えば横浜市でもデータ内容がそれを作成した部局でフォーマットが異なったり、データ尚列順序が異なったり栗栖分析することができない。そしてクロス分析だけでなくある目的にデータ構造（論理ー意味構造）を持たせるためにはその目的にあったものを再構成するしかない。 本事例では市民意識調査、高齢化率・要介護率のほか生活保護や生活基礎調査のデータから、その間の相関性を求めるために、データを2階層にカテライズした事例をしめす・それをメタ・メタデータと呼んでいる。最上位層は生データの持つ性格や使用目的をあらわし、その下位階はその理由やブレークダウンしたものである。この2つをメタ・メタデータと呼んでいる。最下位層はメタデータでありデータの属性をしめすものである。 イープンデータを利用する場合、単独での利用もあるが、一般にデータとデータの関係性に問題の所存がありその関係性を分析すること問題の解決やサービスを生み出すことができる。また、情報検索を行う場合、データの持っている性格や情報発信側の意図するところを見つけ検索したり、情報発信側がそのデータセットをもっと利用してもらいやすいような抽象度を高めた名前付けをすることでオープンデータとしてもっと使ってもらいやすいようになる。 今回ここに示す事例では上記のようなカテゴイズを行い、クロス分析をする場合、上位概念での相関性を考えることで物事をマクロにみることができる。このような考え方を一般に普及させることを進めてきた。 コレラのことはセマンティックWEBと密接に絡んでいる。形式的意味論から本質的息論にたつことで、AIにおける諸問題がかなり見通しがよくなると考える。
6

value

4

横浜市　区別市民意識ー要介護・高齢化率データ

KeitarouNakayama Kamogawa
Update:Oct 9, 2018

　「横浜市　市民意識調査」のデータは印刷物であり、せいぜいPDFとなっているがデータテーブルでなくグラフに書かれた数字を読み取って必要なデータを表で作成するしかありませんでした。多次元分析や、各種の可視化表現を行えるようにするためのデータを作成しました。 本データセットはEXCEL上で統合編集を行ったものです。横浜市の健康寿命延伸21（第2期）の一環として健康福祉局　保険事業課と衛生研究所が調査してレポートしたもので、紙印刷媒体で提供されているものから「有意差」があるものを選択したものをメインとしています。それに、横浜市統計ポータルからの高齢化率・要介護率データや生活基礎調査などからデータをピックアップして35項目にまとめたものです。 EXCELベースで様々なデータ分析可視化はできますが、統計処理ソフトや可視化ソフトで有償無償のものをうまく組み合わせることでっ目的にあったメッセージ変換が可能です。上記様々なデータソースはフォーマットｇやデータ配列がばらばらなので、結局このような形の中間データ構造体を作成せざるを得ませんでした。しかしながら、別のLODチャレンジ2018で応募しているようなメタデータ、メタメタデータ（TAG)付けを行うことで、より意味と目的をもったデータ分析が可能となっています。このデータセットと他の様々なデータとの組み合わせによる分析比較を行った場合、その結果を共有できる公開をお願いします。
5

value

3

Comments