サクサク読めて、
アプリ限定の機能も多数！
アプリで開く
子どもの学力の変化をみる国の「経年変化分析調査」（2024年度）の結果が31日、公表された。前回（2021年度）より全教科で成績が下がった。 文部科学省は「継続的な分析が必要」と慎重だが、下げ幅が大…
ホーム資料Japan Dashboard（ジャパン・ダッシュボード）の一覧 Japan Dashboard（ジャパン・ダッシュボード）の一覧 デジタル庁は、日本のデジタル社会実現の司令塔として、政府内でデータと根拠に基づいた政策判断・効果の可視化の推進を先導する役割を担っています。その一環として、日本政府の公的統計データを「Japan Dashboard（ジャパン・ダッシュボード）」として公開します。これは、デジタル庁のデータに基づいたオープンな政策立案・実施を目指す取組みの一部です。 お知らせ2025年12月19日 経済・財政・人口と暮らしに関する統計の市区町村データを公開しました経済・財政・人口と暮らしに関する統計内閣府は、関係府省庁の連携体制のもと、経済・財政・人口と暮らしに関係する指標を収集しています。デジタル庁は内閣府と協力し、データを可視化しています。
朝日新聞社は16、17日に全国世論調査（電話）を実施した。岸田政権のもとで、憲法9条を改正し、自衛隊の存在を明記することへの賛否を尋ねたところ、「賛成」51%が「反対」33%を上回った。 男性では、…
建設業の受注実態を表す国の基幹統計の調査で、国土交通省が建設業者から提出された受注実績のデータを無断で書き換えていたことがわかった。回収を担う都道府県に書き換えさせるなどし、公表した統計には同じ業者…
基幹統計のデータ書き換えは、国の指示を受けた都道府県の職員らの手で行われていた。建設業者が鉛筆で書いてきた受注実績を、消しゴムで消して書き換えていた。
厚生労働省は4日、新型コロナウイルスの感染状況を示す指標の一つである病床使用率の算出方法を同日から変更すると発表した。一部の地域では使用率が下がる可能性があるが、担当者は「上振れしていた分を実態に合わせる」と説明した。 政府の対策分科会は、自治体と医療機関が新型コロナ患者受け入れで調整済みの「確保病床」の使用率について、50％以上はステージ4（爆発的感染拡大）、20％以上はステージ3（感染急増）相当としている。 厚労省はこれまで、確保病床としての調整が終わっていない「一般病床」に入院している場合も、分子となる入院者数に含めて算出し、毎週公表していた。
東京近郊、江戸川を境に千葉のほうが埼玉より学歴が遥かに高い絶壁になっているんですよね。 https://t.co/q8ZwHAoMI0
厚労省が2月26日、東京都内の重症者病床使用率を大幅に下方修正したことがわかった。 2月16日時点では「86.2%」としていたが、23日時点で「32.7%」と発表。従来は分母と分子が整合しておらず、事実上不正確なデータだったことを認める記述が追加された。 ただ、この大幅な修正について、厚労省や東京都は特段の発表をしておらず、メディアも指摘していない。それどころか修正に気づかず、誤報を繰り返しているメディアもある。 （冒頭写真：緊急事態宣言解除に慎重な姿勢を示す東京都の小池百合子知事。2月26日NHK放送「ニュース７」より） 重症者病床使用率 86%→33%に修正 病床確保数は500床→1000床に 重症者の定義が国（厚労省）と東京都で異なるため、重症者病床使用率に関するデータは、双方の発表でかなりのズレがある。ただ、厚労省の発表も、東京都から報告された数値に基づくものであり、どちらも都が出
7/28に追記しました一番下にあります あと文章を一部修正しました 概要3年前にこんなのを書いたんですけどanond:20180624003725 20代前半女性版が必要になったので作りました！ ルール年齢以外は前回と同じです 調査対象ブランドはWEARのこのページで投稿数が10000以上の321ブランドこれ以上はやる気ないし必要性も感じないです前回より87ブランド増えていますそのブランドでコーデ検索をすると「そのブランドのアイテムを1つ以上使用したコーデ」が出るので、それを「性別：レディース,ユーザー：その他ユーザー,年齢：22歳～25歳」という条件で絞り込んだ結果件数を「20代前半女性による投稿数」とします その他のユーザーで絞り込むのはブランドの宣伝用アカウントやブランドPRに協力していることもあるWEAR公認ユーザーなどを除外するためです20代前半と言いつつ20～24歳ではなく2
50万人の検証結果です、、ほぼ統計通り、、凄い、、これで今日はぐっすり寝れそうです、、😴 https://t.co/WCFk2zuhPs
マスメディア報道のメソドロジーマスメディア報道の論理的誤謬（ごびゅう：logical fallacy）の分析と情報リテラシーの向上をメインのアジェンダに、できる限りココロをなくして記事を書いていきたいと思っています（笑） 緊急事態宣言が都道府県ごとに解除される中、ハッキリ言ってピントがズレているのは、専門家会議が感染者の【空間分布 spatial distribution】を定量的に把握することなく、都道府県ごとの感染者数の時間変動のみを参考にブレイン・ストーミングによって緊急事態の解除の可否を検討していることです。 緊急事態の空間的な解除を見極めるにあたって、本当に重要なことは、特定地域の感染率の空間分布の挙動が時間の経過とともにどのように変化しているかという【時空間挙動 spatio-temporal behaviors】を把握することです。また、同一都道府県内においても歴然とした【不
import pandas as pd import numpy as np import matplotlib.pyplot as plt import seaborn assns import json import glob import math from pathlib import Path from collections import Counter from sklearn.linear_model importLogisticRegression from sklearn.metrics import accuracy_score from sklearn.metrics import confusion_matrix from sklearn.metrics import roc_auc_score from sklearn.model_selection imp
久しぶりのyahoo個人への投稿となりますが、この記事を公開するのは、正直、気が重いな、と思いつつ、公開します。 というのも、今、食べログに対して非常にネガティブな解釈が広がっているわけですが、何かしらポジティブな材料を提供するとなると、確実にいろいろ言われるだろうなあと思って気が重くて仕方がないのですが、ただ、人生の一時期、食べログにハマっていた人間として、論点として提供されるべきポイントが、提供されていないと感じましたので、本記事を公開する次第です。 ◆食べログの評価点数分布の「不自然さ」 さて、近年、食べログの点数評価アルゴリズムは、頻繁にその不正を疑われ議論になっています。 2016年には、評価アルゴリズムのリセットがあった際には、いくつかの店舗がいきなり3.0の点数にリセットされるなどといったことがあり、記事にもなりました。 そして10月8日に、藍屋えんさんという方が、ご自身のブ
先日、twitter上で食べログの星の数について、 ある問題が話題になりました。食べログの闇として話題になったその問題とは、 「評価3.8以上は年会費を払わなければ3.6に下げられる」 というものです。食べログは飲食店についての口コミを集めるサイトで、 その評価は実際のユーザーによって形成されるものとして広く認知されています。 専門的なグルメリポーターでもなく、 一般の人々の素直な感想を集めることで、 その飲食店のリアルな価値が知れると期待して、 利用しているユーザーも多いでしょう。 それだけに、 「食べログが評価を恣意的に操作しているかもしれない」という話は、 瞬く間にネットで話題となりました。 さて、この話は実際に行われていることなのでしょうか。食べログでは、当然評価点は公開されているので、 このような恣意的な操作があれば、 何らかの形で偏りが見つかるはずです。 ということで、食
政党は、この１５年でどう変わったのか。２度の政権交代を経て政策の立ち位置はどう動いたか。朝日新聞と東大谷口研究室が、政党の「現在地」を探った。
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
