HN 日本語サマリー

← 一覧へ戻る
科学・技術

アニメにおける職業

Anime Professions (github.com)

11 pointsby Gray0Ed4 コメント

要約

このプロジェクトは、21,988件のアニメを分析し、実世界の職業がどれだけ頻繁に登場するかをカウントするものです。教師が最も多く言及される職業ですが、2020年代にはショップ店員がそれを上回りました。また、アニメでは決して名前が挙がらない17の職業が存在することも発見されました。この分析は、LLM(Claude Haiku)を用いて職業の言及を分類し、詳細なデータを提供しています。

全文翻訳

アニメの職業

実際のアニメでは、どのような実世界の仕事が描かれているのでしょうか? このプロジェクトでは、21,988本のアニメをスキャンし、国連/ILOの標準職業分類であるISCO-08に紐づけられた職業の出現頻度をカウントしています。最も注目すべき発見は、「名前が挙がらない職業」のリストです。これは、アニメ内で全く名前が登場しない職業群を指します。

🔎 ライブエクスプローラー: https://elmiram.github.io/anime-professions/  ·  任意の職業を検索し、どの Сアニメに登場するか、そして年代ごとのトレンドを確認できます。

📊 デック: 発見事項を巡る楽しい12枚のスライドツアー(PDF)。

見つかったいくつかの事柄:

  • 教師が最も多く名前が挙がる職業です(約1,370本のアニメ、7.6%)。アニメは学校が舞台であることが多いのです。
  • 2020年代には、異世界転生や日常系アニメのブームを背景に、小売店員が教師を抜いて1位になりました。
  • ファンタジーの役割を含めると、王族であること(1,792タイトル)は、あらゆる現実の職業よりも多く登場します。
  • キャラクターが plausibly(ありえそう)に名前を挙げられる約150の職業のうち、アニメでは17の職業が一度も名前で呼ばれません — 数百万行のセリフの中でもです。金融アナリスト、システムアナリスト、運転教官、印刷工、ファストフード店員、船の機関士… バックオフィスやサービス業の末端です。(職業リストを下記参照)。
  • あなたのニッチな職業の定量化:ソフトウェア開発者 41、保険外交員 18(『トライガン』の主人公たちは文字通り保険外交員です)、薬剤師 15、路面電車/バス運転手 5。

これは何か

趣味のデータプロジェクトです。職業の分類体系を構築し、アニメ内での言及を検出し、各言及をLLMで分類し、職業ごとのカウント、10年ごとの内訳、精度/再現率の推定値、および3つのCSVファイルを作成します。小規模なローカル/静的なWebアプリで結果を探索できます。

現実の職業は、ファンタジーストラタム(忍者、魔法使い、冒険者、王族、侍…)とは厳密に分離されています — 架空の役割はカウントされますが、現実の職業の合計に含められることはありません。

仕組み

職業リスト — 436を約150に絞り込みました。 職業は、ISCO-08、国連/ILOの436の公式職業コードに対して分類されます。これらのほとんどは物語の中で名前で呼ばれることはありません。「私は鉱物処理プラントオペレーターです」と誰も発表しないからです — そのため、それらの職業のゼロカウントはアニメについて何も語りません。したがって、リストはキャラクターが plausibly(ありえそう)に特定されうる約150の職業(「レンダリング可能」なセット)に絞り込まれます。残りの約286は、テスト不可能、不在ではないとして報告されます。アニメは150のうち133を名前で挙げています — 一度も名前が挙がらない17が最も注目すべき発見です。なぜなら、それらは plausibly(ありえそう)に登場する可能性があったにもかかわらず、登場しないからです。(すべての Сアニメは、約150の職業すべてについてスキャンされます。絞り込みは職業カテゴリに対して行われ、タイトルに対してではありません)。

検出自体はテキストファーストで、3つのレイヤーで行われます:

  1. コーパス + 主人公 — 各アニメのプロット概要(AniList経由)。
  2. 脇役 — AniListのキャラクタープロフィール。roleフィールド(メイン/脇役/背景)があり、6エピソードに登場する医師も代表としてカウントされます。
  3. セリフ — 約128,000の日本語字幕ファイル(コミュニティミラーから)。これにより、通りすがりに言及された職業も捉えられます。

検出は2段階のパイプラインで行われます:

  • ステージ1 — 高い再現率。 キーワード辞書(英語+日本語の表面的な形式をISCOコードにマッピング)がテキスト全体に広範囲に適用され、偽陽性を受け入れます。
  • ステージ2 — 精度。 あらゆる曖昧な候補文が、LLM(Claude Haiku)によって文脈で判断されます:キャラクターはここで本当にその職業に就いているのか?これにより、否定(「私は医者ではありません」)、仮定(「もし私がパイロットだったら」)、多義性(「officer」、「band」)、およびファンタジーの同音異義語(メカのパイロットは航空機のパイロットではない)といった古典的な落とし穴が排除されます。

より強力なモデル(Claude Opus)が、確認されたヒットの層化されたサンプルを評価し、職業ごとの精度を推定します。AniListのタグは再現率のベンチマークを提供します。精度が一定のしきい値を下回る職業は、出力で事実として報告されるのではなく、信頼性が低いとフラグ付けされます。

数値の読み方(重要な注意点)

  • 名前が挙がっているか、表示されているかではありません。 テキストで名前が挙がっている職業を検出します。画面に表示されていても名前がラベル付けされていない職業 — 例えば、祭りの屋台、フレーム内に立つホテルの受付係 — は、この方法では見えません。「名前が挙がらない」リストは、まさにその意味です:名前が挙がらないということです。
  • 信頼性が低いフラグは現実です。 測定された職業の約4分の1が信頼性が低いとフラグ付けされています(例:「航空機パイロット」の多くはメカのパイロットです) — これらのカウントは上限値として扱ってください。
  • フランチャイズ vs エントリ。 カウントはデフォルトでフランチャイズごとに重複排除されます(『名探偵コナン』の約28作品 = 1)。しかし、各エントリは独自の行として保持されているため、展開または折りたたむことができます。
  • 分母は印刷されています 各パーセンテージの横に(約18,127のテキストスキャン可能なタイトルのうち)。

データソースと倫理

  • アニメのメタデータ、タイトル、キャラクタープロフィール、タグ:AniList (GraphQL API)。
  • 職業分類:ISCO-08 (国際労働機関)。
  • セリフ:日本語アニメ字幕のコミュニティアーカイブ。

字幕は著作権で保護された作品です。 このプロジェクトはカウントとロケータのみを派生させます — 字幕テキストを保存または再配布することはありません。エクスポートされたデータセットとWebアプリには、派生統計、タイトル、AniList IDが含まれます。字幕テキストや生のAniListの説明は含まれません。非営利のファンプロジェクトです。

エクスプローラー

同じUIを実行する2つの方法:

python ap.py web            # http://127.0.0.1:8000 でローカルサーバーを起動
python ap.py export-static  # GitHub Pages 用の静的 ./site を事前計算(バックエンドなし)

静的ビルドは、すべてのAPI応答をJSONに変換し、クライアントサイドで同じ呼び出しに応答するため、プレーンファイルとしてどこにでもホストできます。

パイプラインを自分で実行する

Python 3.11+ と Anthropic API キー(LLMステージ用)が必要です。

python3 -m venv .venv && ./.venv/bin/pip install -r requirements.txt
echo "sk-ant-..." > api_key.txt        # または export ANTHROPIC_API_KEY

python ap.py collect          # AniList コーパス + キャラクター + タグ(無料、約15分)
python ap.py franchise        # フランチャイズをクラスタリング
python ap.py extract          # ステージ1 辞書候補の生成(無料)
python ap.py estimate         # 正確な候補カウント + 予測バッチコスト(無料)
python ap.py adjudicate       # ステージ2 Claude Haiku を Batch API 経由で実行(費用発生)
python ap.py measure          # 精度/再現率(Claude Opus ゴールド + タグ再現率)
python ap.py analyse          # カバレッジレポート + ゼロメンションリスト
python ap.py export           # occupation_counts.csv, title_occupation.csv, evidence.csv

# オプション レイヤーC — 字幕セリフ:
python ap.py subtitles-prep   # 字幕ミラーをクローン + 推定
python ap.py subtitles-match  # 字幕フォルダ -> AniList ID をマッチング
python ap.py subtitles-scan   # 候補を抽出(テキストは保存されません)
python ap.py adjudicate       # 新しい字幕候補を裁定

コスト/スケール参照:フル実行では、21,988本のアニメと128kの字幕ファイルを分析し、約101,000回のClaude Haiku判定(+約2,000回のOpusスポットチェック)を行い、総コストは約34ドルで、約1日かけてほとんど手間のかからないバッチ処理で完了しました。コレクションは再開可能(チェックポイントあり)で、レート制限を尊重します。

リポジトリレイアウト

ap/                パッケージ
  taxonomy.py      ISCO-08階層(436ユニットグループ)+ レンダリング可能/ファンタジーオーバーレイ
  lexicon.py       職業ごとの英語表面形式 + 曖昧性フラグ
  jp_lexicon.py    日本語表面形式(レイヤーC)
  db.py            SQLiteスキーマ + 再開可能なチェックポイント
  anilist.py       AniList GraphQLクライアント
  collect.py       コーパス + キャラクター + タグ + フランチャイズクラスタリング
  extract.py       ステージ1 辞書候補生成
  adjudicate.py    ステージ2 Claude Haiku / Batch API + 無料コスト推定
  measure.py       精度/再現率(Claude Opus ゴールド + タグ再現率)
  layerc.py        字幕スキャン(スマートミドル;テキストは保存されません)
  analyse.py       コンソールカバレッジレポート + ゼロメンションリスト
  export.py        3つのCSV
  webapp.py        ローカルエクスプローラー(stdlibサーバー + JSON API)
  export_static.py 静的サイトの事前計算
ap.py              CLIエントリーポイント
web/index.html     エクスプローラーフロントエンド(バニラJS、インラインSVGチャート)

クレジットとライセンス

Claude APIで構築されました。データ © 各プロバイダー(AniList; ISCO-08についてはILO)。コードは参照用に公開されています。表示されているデータは派生であり、非営利です。AniList、MyAnimeList、またはどのスタジオとも提携していません。