LODC2018授賞式_受賞作品紹介_テーマ賞

LODC2018授賞式におけるテーマ賞受賞作品の紹介資料です。

Transcript

1. ςʔϚ৆
   त৆ࣜٴͼड৆࡞඼঺հ
   
2. ςʔϚ৆ʢલ൒ʣ
   -0%νϟϨϯδࢀՃऀͷํʑͷ৽͍ٕ͠ज़΁ͷ
   ௅ઓΛԠԉ͢Δ͜ͱΛ໨తͱ͠ɺԠื෦໳ԣஅతʹ બ͹ΕΔ৆
   
   ­ ஍Ҭ՝୊෼ੳ৆ʢ఺ʣ
   ­ *P5৆
   ­ "*৆
   ­ ΦʔϓϯαΠΤϯε৆
   
3. ஍Ҭ՝୊෼ੳ৆
   ԣ඿ࢢ
   ۠ผࢢຽҙࣝ
   ʔཁհޢɾߴྸԽ཰Ϋϩε෼ੳ
   ৆ۚɿສԁ
   
4. ஍Ҭ՝୊෼ੳ৆
   ʲ৹ࠪߨධʳ
   ߴྸԽࣾձʹ͓͍݈ͯ߁໰୊͸ॏཁͳ՝୊ͷͻͱͭͰ͢ɻຊ࡞඼Ͱ ͸ɺΦʔϓϯσʔλͱͯ͠ެ։͞ΕΔࢢຽҙࣝௐࠪ΍ਓޱಈଶௐࠪ Λ౷߹ͯ͠৽ͨͳσʔληοτΛ࡞੒͠ɺߴྸऀͷ݈߁ͱ͍͏؍఺ ͔Βଟ֯తʹ෼ੳɾՄࢹԽ͞Ε͍ͯ·͢ɻ͜ΕΒ͸ɺ஍ҬͰඞཁͱ ͞Ε͍ͯΔࢧԉΛݟۃΊΔͨΊͷେ͖ͳखॿ͚ͱͳΓ·͢ɻ͜ͷ݁ ՌΛࢢຽɾߦ੓্͕ख͘׆༻͞Εɺ݈߁ʹؔ͢Δ՝୊͕ͻͱͭͰ΋ ଟ͘ղܾ͞ΕΔ͜ͱΛظ଴͠·͢ɻ
   ԣ඿ࢢ
   ۠ผࢢຽҙࣝ
   ʔཁհޢɾߴྸԽ཰Ϋϩε෼ੳ
   
5. 横浜市区別 市民意識調査-要介護・高齢化率クロス分析 LODチャレンジ2018 シンポジューム説明資料 H30-11-28 12-8 Rev.01 （社）脳・こころと智 融合研究機構 株式会社フェニックス サービス開発研究所 鴨川 威 Copy right PHOENIX Co.,Ltd.
6. 目次
7. 本テーマに関する過去 研究背景と今後 プロジェクト化 動き セ ミナー 「健 康 ・医 療 ・介 護問 題 を可 視化 す るビッグ デー タ解 析 」 I我々 これまで健康・医療・介護分野に着目し、これら分野で IT活用 について議論してきました。今回 健康・医療・介護 ビッグデータ解析 とそれ に基づいて行政と市民が対話できるコミュニケーションサービス 事例を取り上げます。 厚生労働省が医療費マップを公表するなど、地方公共団体単位で 医 療費・ 介護費水準 地域差が議論されています。気候条件や就労環 境、歴史文化 背景、生活習慣など影響を及ぼす要因 多くあります が、ビッグデータ解析 によって過剰な診療・介護があぶり出されれ 、医療費・介護費 適正化や、 予防医療や予防介護など 施策によ って 市民一人ひとり 生活行動習慣 変革につなげられる可能性が あります。 地方公共団体 オープンデータ戦略が進捗して、こ ような解析 民間 でも実施できるようになりつつあります。しかし、縦割り行政から バラバ ラなデータを組み合わせて解析しなけれ ならない、単なる相関で なく 因果関係を見出すに 利用できるデータが不足しているなど、民間が取 り組むに 突破しなけれ ならない壁も存在します。こ ような状況下 で、「横浜市区別市民意識ー要介護・高齢化率クロス分析」に取り組ま れた鴨川威氏に健康・医療・介護問題を可視化するビッグデータ解析事 例とメッセージ 自動生成（意図を扱う自然言語処理） 可能性につい て講演いただきます。どうぞ、皆様ご参加ください。 ・SDGsにコミット ・オープンデータ活用によるオープン イノベーションを実現、ＰＦ化 ・公民連携・共創的に社会問題を同時解決 プロローグ 横浜市 中期計画テーマ 横浜市SDGs デザインC. COG2018 LOD Challenge 2019 産学官民協働ＰＲＪ Sophia IoT&AI研究会 脳・心と智 融合研究 SQUID脳磁計活用研究 LOD Challenge 2013-2018 LODxAIxSDGs → オープンソシアルノベーション 仮想通貨・未来会計システム ＆サービスデザイン、人財育成 ・健康医療介護問題 ・地域固有性分析研究 地域問題分析→ソシアルサービス スデザイン県境 ＳＤＧｓビジネスモデリング研究 データクロス分析・クロスコミュニケー ションシステム応用研究(XVIEW) ・メタメタデータ構造 ・オントロジー標準化研究、 ・意味検索・仲介エージェン ト研究 応募 政策提案 応募 成果 活用 連携・PM 応募 PLR/PDS ＆本人 行為認証ＰＲＪ マッシュ アップ H30-12--08 SHIPS-G/ PHOENIX 連番ブロッ クチェ-ン
8. 横浜市 区別健康意識調査 「要介護率」ｖｓ「高齢化率」 地域差と健康度相関分析 本論に先ってこ 関係性を考えてみる。こ 関係性に地域差があり、要介護率 格差を産み出していく。直接的関係と間接的な関 係がある。横浜市 市民健康意識調査 下図 ような関係性を見出す設問アイテムがかなりうまく選択されている。下記 ブロック 間 紐付け アンケート調査などにおける設問設定に関係する。こ 種 調査データ 分析において、相関性、因果性を 評価 する場合こ 様な一種 オントロジーが重要となる。紐付け 新しいパスや強度 発見 今後 実証研 究による。治療、今朝・サービスデザイン、そ 効果研究（知見・コホート研究） まさにデータドリブンになる。, H30-11-26 SHIPS-G/ PHOENIX 問題 認識・構造 こ テーマ 、小中学校 教育に始まる総合的な教育、アクティブラーニング反転授業や協調型ソフトウエア研究など教育イノベーション 大きな目玉にな 高齢化 が進む 認知症や脳溢血、 転倒骨折 潜在リスク増加 心身・ストレス 要因で疾患 と悪化 金融資本主義 でソシアルキ ャピタル劣化 マインド萎縮 経済格差 拡大社会 不摂生な生活 習慣や日常健康 管理 劣化 食生活劣化 認知症潜在リスク 増加、悪化 医者・歯医者 にいけない 要介護リスク を増加、悪化 近所付き合い 減少、社会コュ ミニュケーション 欠如 脳・こころ 働き劣化 栄養失調 腸内フローラ劣化 免疫力低下 糖尿病 収入大幅減 フレイル オーラルフレイル サルコぺニア ロコモ 運動、趣味 活動 減少 がん 増大 疾患や状態に合せた 個別サービス提供 食事ケアサービス
10. 健康状態 健康状態分類 ぢちらかというと健康でない(%) 健康でない%) 健康でない（全体） 食事管理 食事習慣 朝食をほとんど食べない 主食を1日3回食べない 主菜を毎日食べない 副菜をほとんど食べない 食事価値観 外食でおいしさ重視 外食で価格重視 健康維持管理 運動健康管理 1日30分週2回以上 運動している 歩数 測定頻度 家庭で 体重測定：週１度以上 睡眠 十分な睡眠取れている 健診・病歴 過去1年 検診受けていない 過去1年歯科健診を受けていない 胃がん検診受診経験 肺がん検診受診率 大腸がん検診受診率 糖尿病治療経験：現在も 健康知識 ＣＯＰＤ 認知度（病名もどんなも かも知らない） 嗜好習慣 毎日喫煙 毎日飲酒 ソシアルキャピタル 社会活動習慣 健康づくり 活動にかかわっていない 現在すんでいるところに住み続けたい 地域とかかわりたい（思う＋どちらかといういうと沿う思う） 地域 人 助けてくれる（思う＋どちらかというとそう思う） 健康保健加入状態 国民健康保険加入率 国民健康保険以外 保険 加入率 健康保険加入していない 高齢化・要介護率 高齢化率（％）： 区別総人口に占める６５歳以上人口 要介護率（％）： ６５歳以上人口 中 要介護人口 要介護指数（％）： ６５歳以上人口要介護率 対 高齢化率 地域社会経済状況 生活保護支給率 社会保険未収率 失業率
11. Total Well Being：地域固有性分析相関マトリックス 評価項目 要介護率と高齢化率 関係に 地域固有性があり、そ地域 社会経済状態や歴史的背景 強い影響があります。ざっくりいう と地域あるい 個人経済格差＝健康格差であり、それが疾病につながり要介護に繋がります。こ 問題 、個人努力や責任と いう言葉で片つかない社会問題となっています。これまで健康状態と生活習慣と 関係、要介護率と 関係を図示してきまし た。こ 格差問題や、絶対値を改善し、いわゆる健康寿命延伸を行うに 、新しい公共という個人とコミュニティ かかわりを イノベーションが必要です。横浜市 市民意識調査で 、Ｈ２５－２８ 3年間に７．８％と 社会参加意識 劣化がありました。 また、地域包括ケア 単位を今後もっと細かく、コンビ二 半径500メータと いいませんが、自転車で5分くらいでいける単位で 、地域活動、ケアサービス機能が求められるでしょう。でも根本 、病気にならないようにすること画需要です。こ 対策 70 歳まで働ける社会を創るということですが、有償ボランティア 社会制度を実現することがそ 一歩になると思います。 H30-9-10 SHIPS=G/ PHOENIX ＴＷＢ評価簡易オントロジ ー 今後相関性 高い指標を追 加していく
12. オープンデータ利活用 諸問題と意味・意図 メタ情報を付加したデータ構造体作成例 オープンデータとして提供されるデータ 単位 不揃い、テーブル数値に％がｆ組まれていたり、順番が逆などそ ままで 多次 元分析作業ができない場合が極めて多い。またデータソースが異なる部局であると年次も不揃いが多い。従って、そ っま 元 データをXVIEWやＬＯＤに 渡せない。ＰＤＦや印刷物で 提供形態も多く使えるようにする事前作業が膨大であるオープンデー タ利活用 障害になっていると認識している。 下表 そ ような背景 下で、元データ 中から統計的に有意差があるも を選び、上位概念 指標をつくり、それをカプセル化 あひた。今後、分析されたデータから偏差値で正規化したテーブルを作成、相関係数Ｒ マトリックステーブルを作成ＬＯＤにイク スポートする計画である。最近ＬＯＤ メタデータが階層構造を扱えるようになったと ことから、そ 事例作成をおこなう。 H30-9-27 SHIPS-G/ PHEONIX メタ、メタレベル Ｔ ＡＧ付けを行う。目 的 、データ 持 つ使用意図や目的 に見合った、性格 付けを行うためで ある。 マトリックスセルに相関 係数Ｒ 値や、散布図を 張り込みビジュアルな一 覧から評価項目間 関 係性をパターン認識でき るようにすることが有効 である。 対応 付加した意味ー意図 情報（メタ・メタＴＡＧ） オープンデータ 利活用 諸問題と、意味・意図 メタ情報を付加したデータ構造体作成例： http://idea.linkdata.org/idea/idea1s2700i
13. Total Well Being LODxAI 2018→Open Social Innovation 参画型プライマリヘルスケア クロス分析 ワーキングイメージ（１） 横浜市統計統計局から提供されている人口問題や社会福祉系 オープンデータを活用し、そ ２次分析を行い、そ 結果を整 理し、使用目的にあったメタメタＴＡＧを付加し、LOD 仕組み、およびＸＶＩＥＷで公開する。富士通 ＬＯ４Ａｌｌも予定。 ＸＶＩＥＷに公開し、そ 持っているＳＮＳ コミュニケーション機能で、市民 声を集め、横浜市 オープンイノベーション モデ ルＰＦとして 提案ープロトタイピングを行う。新規性として 「市民 意識調査＝生活行動パターンが、１８ 区でど ような地 域固有性があるかを評価し、そ 地域にあった政策率間を支援する。２次分析された結果から、ど 様に生活習慣を改めれ 、 健康になり、、医療介護費用 コストダウンとＱｏＬ向上、サービス事業者側からみたTotal Well Beingサービス設計 ヒント、異次 元サービス 創出を支援する。ＸＶＩＥＷ 方で 現在ＡＰＩを開発中であり、本サービスやエｊッジおよびクラウド上で ＡＩアプリケ ーション開発が楽にできるようにする。事業的に 、医療介護費用 コストダウンをある組織他院意で２５％ダウンを目指す（Ｗ ＨＯ 目論見に対するシミュレーションを行う。 H30-8-15 SHIPS-G /PHOENX 散布図で相関性を確認 相関性が高い も を選別 横浜市 市民意識調 査（Ｈ２５）から優位性 ある項目を選択 横浜市統計局人口問題 関係オープンデータ（高 齢化率、要介護率関係） 若干 編集、統合 してＬＯＤ化 次 ステップとする ２項分析（１対 比較演算） 分散表示用グラ フを作成（エクセ ル標準） 高齢化率、要 会議率など メタデータ 市民意識調査データ １対比較演算を行う。相関が３ つ巴 場合もあり、別途準備す る３元散布図を使用する。 LODチャレンジ２０１８ １０月１日締め切 ぢちらか というと健 康でない (%) 健康でな い%) 健康でな い（全体） 朝食をほと んど食べな い 主食を1 日3回食 べない 主菜を 毎日食 べない 副菜をほ とんど食 べない 1日30分週 2回以上 運動してい る 家庭で 体重測 定：週１ 度以上 十分ン睡 眠取れて いる 過去1 年 検 診受け ていな い 糖尿病治 療経験： 現在も 毎日喫 煙 毎日飲 酒 2018/7/1 総人口 要介護人口 （要支援１～ 要介護５） 総人口要介護 率（％） 65歳以上人 口（H30年1 月1日現在） 区別総人口 に死 る６５ 歳以上人口 （％） 要介護率/ 高齢化率
14. 横浜市 健康２１「市民意識調査」Ｈ２５年度ーＨ２８年度比較（サマリチャート） 悪化項目：睡眠で休養が取れている（男：－2.1％、女－2.0％、毎日朝食を食べる（全体：－1.3％）、栄養表示を参考（－5.5％）、食事 バランスガイドを参考（－3.6％）、体重測定習慣有り（－2.0％）、運動 種類や方法を知りたい（－4.8％）、地域 人と関わりを持ちた い（－7.8％）、地域 人 助けてくれると思う（－5％）。現在 地に住み続けたい（－2.8%)。改善項目 様々な項目 認知度上 昇健診 受診率 向上がみられる。逆に医療費 上昇に繋がるようなことになっていないかが気になる。社会矛盾的現象？ 結局、健康に関する情報知識 アップしたが、行動面で ついていっていない。そ 中でよくかんで食べる が増加した 良い事 である。地域と 関わり＝ソシアルキャピタル 減少が甚だしい。参加型ヘルスケア 実施に いろいろな工夫が必要。提案的に 、イベントドリブンでそ 内容を情報発信する最低区 単位 「市民メディア」を構築する。ＸＶＩＥＷ ｆ急 そ 一環。 H30-9-1 SHIPS-G/ PHOENIX
15. 産業構造、地域別「稼ぐ力」「雇用人口率」比較分析と健康度に対する推論 東京都と横浜市（上段）、横浜市（栄区）と（中区） 比較分析。地域により非常に固有性がある。こ 内容がそ 地域 経済状況あ るい 法人ー個人 収入を表していることになる。横浜市 例で 社会保険・福祉・介護業や医療業が雇用 上位を占めているが 稼ぐ力（付加価値） 低い。東京都 情報サービス業が雇用と稼ぐ力上位を示している 理解できる。いづれにしても生産性が高 い事業 限られ、そ 向上がキーである。生産性が低けれ 所得配分も下がり、働環境も劣化し不健康に繋がると理解できる。 https://dashboard.e-stat.go.jp/scatterPlot?screenCode=00550 運輸に付帯するサービス業 飲食店 運輸に付帯するサービス業 そ 他 事業サービス業 地方公務員 国家公務員 横浜市中区 情報サービス業 そ 他 事業サービス業 飲食店 東京都 機械器具卸売業 インターネット 付帯サービス業 水運業 非鉄金属 製造 生産用機器 社会保険福祉・介 護 横浜市栄区 飲食店 社会保険福祉・介護 医療業 食品小売業 そ 他 事業サービス業 情報サービス業 学術研究機関 業務用機器 製造業 医療業 飲食良品 小売業 横浜市
16. 統計GISマッピング 横浜市 区別 市民意識調査と要介護・高齢化率統合GISマッピング＆サービス発見 横浜市 市民意識調査と要介護率・高齢化率 相関を調べてきているが、地域（区） 単位で 実際 問題解決 ため ディス カバリーにまったく不十分である。そこで地区センターで区切った65歳以上人口（H28年度）、町丁目単位で区切った高齢者人口 （H28年度） マッピングと重 てみる。データ出所 国勢調査。 こ 2つ データセット（GISマッピング）を比較し、他 アンケート調査などを重 ることでそ 地域にあったサービス設計を行うこと が可能となる。現在 問題解決以上に、超高齢化が進む中で会資本 充実や地域社会資本 充実ー雇用創出に市民参画型 社会システムデザインが最重要となる。こえをSociety5.0 最大 ポイントである。つまり公益的な新しいビジネスモデ・ルをつくり持 続継続性 ある社会を足元から実現することになる。これ すべて 人 ICTリテラシー 向上に繋がってくる話である。 75歳以上人口数（町－丁目区分）：H28 65歳以上人口（地域包括センター区分）：H28 65歳以上人口数（町ー丁目区分）：H28 区別市民意識調査（健康）区別偏差値マッピングH25年度) 毎日飲酒 要介護率 毎日喫煙 主食を毎日 食べない 健康でない 地域とかかわりたいと思う 朝食 殆ど食べない 一人暮らし ５区分 http://gistat.city.yokohama.lg.jp/gistat/map を参照 H30-10-13 HIPS-G/ HOENIX
17. 横浜市 区別 要介護率vs高齢化率 ＶＳ 不健康度ランキング 健康度を逆にみた「不健康度」）健康でう内） ランキングに対して他 指標（因子） ランキングを評価する。一つ疑問点 特 に都築区が健康度 高い に要介護率が以上に？高いことである。これ ６５歳以上リタイアして急激に心身に変化がある だろうか。主要3つ 指標を2次元空間（散布図）で示すこと、他 因子による影響が発見できるかもしれない。 平成29年度末 高齢化率（％）： 区別総人口に 占 める６５歳 以上人口（％） 要介護率（％）： ６５歳以上人口 要介護率（％） 要介護指数（％）： ６５歳以上人口 要介護率対 高齢化率 健康でない （%) ぢちらかとい うと健康でな い(%) 健康でない （全体合計） 瀬谷区 27.6 19.44 72.2 5.1 11.3 16.4 磯子区 27.3 17.97 65.3 4.5 11.8 16.3 南区 26.6 20.3 76.3 4.5 11.7 16.2 旭区 29.4 18.02 61.3 4.1 12.1 16.2 保土ケ谷区 26.1 18.68 71.5 4.6 10.6 15.2 金沢区 28.5 16.18 56.8 3 11.7 14.7 神奈川区 21.8 18.94 86.8 2.8 11.7 14.5 鶴見区 21.1 18.81 60.5 3 11.2 14.2 横浜市（平均） 24.3 17.83 73.4 3.5 10.7 14.2 港南区 28.1 16.94 86.8 3.7 10.4 14.1 西区 19.9 20.03 100 3.3 10.8 14.1 港北区 19.6 18 91.8 3.6 10.1 13.7 青葉区 21.1 16.26 77 3.4 10.3 13.7 中区 23.3 20.35 87.3 3.1 10.3 13.4 泉区 28.3 16.87 61.7 3.2 9.8 13 緑区 23.9 16.02 67 3.1 9.8 12.9 戸塚区 25.3 16.66 65.8 3.6 9.3 12.9 都筑区 17.5 16.93 96.7 2.6 9.9 12.5 栄区 30.7 15.5 50.5 2.7 9.4 12.1 H30-11-24 SHIPS-G /PHOENX
18. 横浜市 区別健康意識調査 「健康でない」ｖｓ「要介護指数」とサービスディスカバリー 下図 クラスタリングをどう読み取るかが重要です。これをアンケート等で投稿してもらい意見交換する仕組みがＸＶＩＥＷにあります。 下図 散布図 ＶＶＩＥＷでもでき、目星をつけた３－４ 区を選び「健康でない」と言う事に関し、そ 生活習慣や意識 違い、地域 特性がど 様に影響しているかをＸＶＩＥＷ レーダーチャートからそ 様なサービス施策を打て いいか発見することができます。。 平成29 年度末 要介護指数： ６５歳以上人口 要介護率対 高齢化率（％） 健康 でない （全体） 瀬谷区 72.2 16.4 磯子区 65.3 16.3 南区 76.3 16.2 旭区 61.3 16.2 保土ケ谷区 71.5 15.2 金沢区 56.8 14.7 神奈川区 86.8 14.5 鶴見区 60.5 14.2 横浜市 （平均） 73.4 14.2 港南区 86.8 14.1 西区 100 14.1 港北区 91.8 13.7 青葉区 77 13.7 中区 87.3 13.4 泉区 61.7 13 緑区 67 12.9 戸塚区 65.8 12.9 都筑区 96.7 12.5 栄区 50.5 12.1 拡大 栄区 戸塚区 １４ １２ １６ 西区 ４０ ６０ ８０ １００ 泉区 緑区 青葉区 横浜市（平均） 都築区 中区 港北区 金沢区 鶴見区 南区 瀬谷区 旭区 磯子区 保土ヶ谷区 港南区 神奈川区 ７３．４ １４．２ 要介護指数大 健康でない 不健康認識上位グループ 不健康認識下位グループ こ 回帰直線 意味を成さな い。様々な要因が含まれている で、ある条件づけでフィルタリ ングすると相関性 大きくあくぁ ってしまう。しかしながら不健康Ｇ 生活習慣を変えて、少なくとも 平均まで持っていくことが各区 具体施策となる。 高齢化率 高 いが要介護率 も低く、健康で もある。 高齢化率 低いが 要介護率 高いが、 健康である。 H30-11-25 SHIPS-G/ PHOENIX
19. 横浜市 区別健康意識調査 「健康でない」ｖｓ「高齢化率」とサービスディスカバリー こ クラスタリング 見方として、不健康グループ 高齢化率 高いグループであるが、必ずしも高齢化率が高いかといって不 健康な人が多いわけで ない区が存在していることを示しています。特に栄区 高齢化率 非常に高い に健康度 高い区と なっています。高齢化率 ほう 基本的にコントロール できませんが、健康弩 ほう コントロール可能である。 平成29 年度末 高齢化率）： 区別総人口に 占める６５歳 以上人口（％） 健康でない （全体） ％ 瀬谷区 27.6 16.4 磯子区 27.3 16.3 南区 26.6 16.2 旭区 29.4 16.2 保土ケ谷 区 26.1 15.2 金沢区 28.5 14.7 神奈川区 21.8 14.5 鶴見区 21.1 14.2 横浜市 （平均） 24.3 14.2 港南区 28.1 14.1 西区 19.9 14.1 港北区 19.6 13.7 青葉区 21.1 13.7 中区 23.3 13.4 泉区 28.3 13 緑区 23.9 12.9 戸塚区 25.3 12.9 都筑区 17.5 12.5 栄区 30.7 12.1 横浜市（平均） １５ ２０ ２５ ３０ ３５ １４ １２ １６ １５ ２０ ２５ ３０ ３５ 横浜市（平均） 栄区 都築区 瀬谷区 磯子区 旭区 南区 泉区 戸塚区 青葉区 緑区 中区 西区 港北区 港南区 金沢区 保土ヶ谷区 不健康認識上位グループ 不健康認識下位グループ 高齢化率大 神奈川区 鶴見区 H30-11-25 SHIPS-G/ PHOENIX 健康でない (全体）
20. 横浜市 区別健康意識調査 「健康でない」ｖｓ「要介護率」とサービスディスカバリー 本健康意識調査と要介護、高齢化率 調査 独立した調査であるが、両者に相関性があることが認識できる。。これ 直感的にも そ 関係性 十分認識できる。図表から、健康認識度（健康度）」を１％改善すると要介護度 ２％下がっている。従って、生活行動 習慣改善や、予防医学的な処置をすることで不健康状態を１％改善すると要介護を２％改善することができることが推定される。生 活行動習慣 改善 後期高齢年齢を過ぎても仕事や社会参加を続けられる場と社会サービスが有効である事 言うまでもない。 これ ＳＤＧｓ地域社会サービスプログラム 根本となる。定年制撤廃で７５歳まで適度に働ける職場ー仕事作り自身が事業になる。 平成29 年度末 要介護率： 歳以上人口 要介護率 （％） 健康でない （全体） （％） 瀬谷区 19.44 16.4 磯子区 17.97 16.3 南区 20.3 16.2 旭区 18.02 16.2 保土ケ谷区 18.68 15.2 金沢区 16.18 14.7 神奈川区 18.94 14.5 鶴見区 18.81 14.2 横浜市 （平均） 17.83 14.2 港南区 16.94 14.1 西区 20.03 14.1 港北区 18 13.7 青葉区 16.26 13.7 中区 20.35 13.4 泉区 16.87 13 緑区 16.02 12.9 戸塚区 16.66 12.9 都筑区 16.93 12.5 栄区 15.5 12.1 １４ １２ １６ 横浜市 （平均） １５ １６ １７ １８ ２０ １９ ２１ 中区 栄区 南区 瀬谷区 磯子区 旭区 保土ヶ谷区 西区 神奈川区 鶴見区 港北区 都築区 緑区 戸塚区 泉区 金沢区 青葉区 港南区 不健康認識下位グループ 不健康認識上位グループ 湾岸隣接部が要介護 率が高い。そ 差異が 生活行動習慣や経済 状況を表すっ指標から ど ような差異がある かを評価する。 こ グループ 地域特性 をレーダーチ ャート分析亜 ｋら把握する こと 相対的 に健康度が 高い理由を つかむころが できる、 H30-11-26 SHIPSーG/ PHOENIX 要介護率大 健康でない (全体） 湾岸隣接グループ
21. 横浜市 区別健康意識調査 「要介護率」ｖｓ「高齢化率」 地域差とそ 深層解析 平成29 年度末 高齢化率： 区別総人口に 占める６５歳 以上人口 （％） 要介護率： ６５歳以上 人口 要介護率 （％） 瀬谷区 27.6 19.44 磯子区 27.3 17.97 南区 26.6 20.3 旭区 29.4 18.02 保土ケ谷区 26.1 18.68 金沢区 28.5 16.18 神奈川区 21.8 18.94 鶴見区 21.1 18.81 横浜市 （平均） 24.3 17.83 港南区 28.1 16.94 西区 19.9 20.03 港北区 19.6 18 青葉区 21.1 16.26 中区 23.3 20.35 泉区 28.3 16.87 緑区 23.9 16.02 戸塚区 25.3 16.66 都筑区 17.5 16.93 栄区 30.7 15.5 一般に高齢化率が高くなれ 要介護率 高くなると考えられる。確かにそ 経口 あるが、現実 地域分析で 「高齢化率が高く ない に、要介護率が高い区が存在するために、相関 負 相関が現れている。これ 湾岸部にある特定 区が足を引っ張ってい る。ここに 商業地域、準工業地域があり、そ 磁場で働く人 職種や、祖たがって収入構造や生活保護支給率が高いなど 要因 が効いていることが、下位分析「健康でない（全体）」と 相関性が高いと黄点からも認識される。ソシアルキャピタル 面でも格差が 確認されている。 横浜市 （平均） 20 15 25 20 30 高齢化率大 栄区 港北区 都築区 青葉区 緑区 戸塚区 西区 泉区 旭区 磯子区 保土ヶ谷区 瀬谷区 南区 中区 金沢区 要介護率大 神奈川区 鶴見区 港南区 不健康認識 上位グループ 不健康認識 下位グループ
22. 健康度地域格差 社会的要因 解明とXVIEWによる三方よし 参画型ヘルスケア コミュニティサービスデザインへ お誘い（要介護リスク軽減）ー（１） 高齢化・超高齢化社会に対してー一般市民・生活者 こ 迫りくる現実をしっかり受け止めル必要がある。生活習慣を改め。病気に ならない様にする、それが要介護になることを確実に防止する。横浜市 市民意識調査（健康２１横浜第二期） 調査データと人口動 態系 調査データによる要介護率、高齢化率、生活意識習慣 アンケート回答 相関分析を行った。18 区単位 地域域固有性を 十分把握、最要因を明らかにして地域包括ケアサービスを再デザインする必要がある。そ デザインに 当事者である市民 参画 が求められる。今回得られたデータセットによるクロス分析・可視化をさらにXVIEWという、市民参画型（SNS)コミュニケーションツー ルを駆使し、意見を交換を通して「自分たちそれぞれ 」地域包括ケア＆ライフサポートデザイン共創ポータル 開発を進める。 （不）健康度と家族構成と 相関分析 高齢化率、要介護率オープン データと不）健康度 相関分析 初期一次分析・可視化 2次クロス分析 ローカル作業 新しい指数 開発と相関 せい 発見。カテゴリー化 XVIEWへ インポート、 偏差値計算に基づいたGIS 自動マッピング。市民参参 画者を含む産学官民連携 による意見交換。アナライ ザブルレポート 発行。 LODによる一般公開 更なるメタ・メタデータを付加 し、本土メインにおける階層 オントロジーを構築。データ セットを含めて公開。 横浜市統計ポータル からデータ入手 メタ。・メタデータ を付加して意味 構造化 一人暮らしや高齢者 健康維持がが 大きな問題であると推察できる（仮説） H30-9-16 SHIPS-G/ PHOENIX 散布図 健康偏差値として GISマッピング 市民意識調査による生活習慣、健康意識、行動価値観調査データ 家庭人員構成
23. XVIEWご紹介 https://xviews.jp/ph/ データバンク機能ーーあらゆるオープンデータをXViewDBに収集、登録する機能 CrossAnalysisーーー分析と視覚化 CrossGatherーーーーデータ、分析結果（指標）の持ち寄り CrossTalkーーーーーレポート機能（アナライザブルレポート）、コミュニケーション機能 CrossOverーーーーープレゼンテーション機能（ディスカッションサイト機能） アナライザブルレポート https://xviews.jp/ph/3kata.php 横浜市高齢者健康調査 https://xviews.jp/ph/xviewshow.php?editno=31&target=_top
24. 健康度地域格差 社会的要因 解明とXVIEWによる三方よし 参画型ヘルスケア コミュニティサービスデザインへ お誘い（要介護リスク軽減）ー（２） EXCELから提供される散布図 一覧性が悪く、縦軸ー横軸によるクラスタリング 認識性がよくない。XVIEW そ 辺 改 善だけでなく、属性データをすべて一覧できるだけでなく、自治体コードなどを付加して、他 関連項目と 紐付けをすることが 容易である。様々な産業経済系 データ、国勢調査等様々なデータと 相関性を2次分析する場合 飛躍的な生産性 向上 が図れる。そして、データ 生成者や発信者で ない、それを活用し評価する側 意見を収集し、両者 対話を行うことで今ま でにない政策提案やサービスディスカバリーを行うことができる。 縦軸：要介護率 横軸：不健康率 （アンケート回答） 高齢化率ー 要介護率データ、 市民意識調査データ（アンケート回答） 1桁単位数値による 散布図表示によりマ クロなカテゴリーが 一覧できる。 小数点１桁 単位数値 による表示 コピー 健康度データ クリックで詳細 データ、メタ データを参照 できる 区名称 H30-9-16 SHIPS-G/ PHOENIX
25. 多次元分析・可視化およびそ 結果をＳＮＳ機能を通しソシアルコミュニケーションにより地域問題を発見認識共有する機能を 持つＸＶＩＥＷ レーダーチャートによる地域比較分析機能を紹介します。散布図表示機能を使い、地域特徴パターンを見つけ、 更にそこにある潜在意味分析から必要なサービス設計 支援を行います。地域包括ケア 予防を含め、そ 地域 特性にあ ったサービス提供と、生活者 意識行動改革を促すコミュニティ形成活動が求められます。 要介護低減に合ったサービス・政策デザインを支援するオープンデータ活用 XVIEW レーダーチャート表示 集計画面に表示されているも なかから選択されたも につ いて ５を平均とする偏差値「 5+(値-平均)/標準偏差」を表示 したも です。 生データによる レーダーチャート表示 集計画面（ＥＸＣＥＬ などからインポート 18 区から選択 （本例で 5つ 区） 平均 標準 偏差 西区 中区 金沢区 旭区 青葉区 今回 例 偏差値による表示 H30-9-21 SHIPS-G/ PHOENIX
26. 横浜市 区別 要介護ｖｓ高齢化率 マトリックス分布とレーダーチャート 生活習慣意識など 指標比較（調査結果）、偏差値によるGISマッピング例 本件に関する横浜市に 区別地域固有性 驚くほどである。高齢化率（６５歳以上年齢が全人口に占める割合）、 要介護率（６５歳以上人口 うち要介護サービスを受けている人口 割合）を、平均値＝横浜市を原点とするX- Y ４象限マトリックスでクラス分けした例を下図に示す。次ページチャートを拡大表示、特徴ある展を幾つか説明す る。比較的偏差が大きい項目に関してGISマッピングしたも も提示、例え 湾岸部に接しているほう等エリア 区 特徴を地図上でも把握できるようにした。 数値 表示 偏差値 表示 X軸；高齢化率 Y軸：要介護率 偏差値表示により、数値表示だけで 分かりにくい数値 近い がノーマライズされることで、各区 特徴が浮き彫りにされる。 H30-11-26 SHIPS-G/ PHOENIX
27. 各象限から特徴 ある下記 ４つ 区を代表として選び、レーダーチャで。各区 健康意識・生活行動習慣、ソシアルキャピ タル＝社会意識等 関係性に大きな違いが出てくることが認識できる。問題を解決していくに 、こ 違いがどこから来るか を精査して対応する施策、サービス設計と検証が必要である。 助けてくれる と思わない 瀬谷区 西区 瀬谷区 青葉区 栄区 瀬谷区 栄区
28. 横浜市 区別 高齢化率、要介護ー市民意識調査GISマッピング事例 オープンデータとして提供されている本関連データっをGISマッピングした事例を示す。これ 生データ 表示 だけでなく、要介護指数 ように、要介護率と高齢化率を演算（割り算）させたも を表示させ、時限を縮約し たり、より意味的な情報をつくりひょうじさせ、そ 地域固有性をわかりやすく可視化することができる。 また、幾つか 指標を選択し地図上にマッピングして、そ 地域固有性を示すことができる。さらに、地域健康 度をベース 表示とし、要介護率や、生活習慣関連 データをバブル（サークル）で重 て表示させ、そ 地 域 より特徴的なことを説明する方法もある。 元データ 糖尿病 治療経 験あり（現在も） クリックする と数値表示 H30-9-20 SHIPS-G/ PHOENIX
30. Appendix
31. 横浜市 区別 要介護&高齢化問題に対する人口構造問題 全体像 把握（1） 65歳以上人口 90.2899人、総人口 高齢化率 24.3％。高齢化率２１％を超えた H25年度。65歳以上 人口構成 、65～69歳が47,834人、70～74歳が21,436人、80以上が263,510人。65歳以上 人口構成が 29.2％を超え、65～69歳人口 27.4％を上回った。平均年齢 H26 ネ二条是区で上昇、40歳以上。栄区 49． 14歳、都築区が41.75歳で両者 差 6.39歳視 平均 45.54歳で市 北部が平均より低苦なっている。 横浜市 行政区別 人口ピミッド 鶴見区 西区 南区 神奈川区 中区 戸塚区 青葉区 港南区 泉区 緑区 旭区 金沢区 港北区 磯子区 保土ヶ谷区 都築区 栄区 瀬谷区 H10 12 14 16 18 20 22 24 26 28 30 0 20 40 30 40 65歳以上人口構成比 100 万人 50 100 H10 3０ 20 16 24 65歳以上人口（H10 -30）
32. 横浜市 区別 要介護&高齢化問題に対する人口構造問題 全体像 把握（2） 高齢化率 65歳以上に 全人口に占める割合 増加だけでなく、急激に７５歳以上 超高齢化人口も増えてくる。逆に言うと１５－６４ 歳 生産年齢人口が減少し７５歳以上 超高齢年齢が増加し、税収や社会保険料収入が急減してくる。そうすると如何に出銭を減ら すかが重要となる。それに 年齢 構造問題だけでなく地域固有性に着目たで社会保障改革が必要である。単に在宅サービスを増や せ よい訳で ない。地域包括ケア 見直も地域産業創成視点から眺め、高齢者 知識や経験を生かした雇用、そ ため 再教育 など 社会資本 充実 社会投資を含む抜本的な社会 見直しが必要である。これ まさにSDGｓ視点 イノベーション 実現にか かっている。これに オープンデータ、ビッグデータ、パーソナルデータ 融合したSNSコミュニケーション技術が決め手となる。 現在、都築区や青葉区 様なまだ高齢化率も高くなく、税収も多い行政区でも、今後１０年もたて 高齢化が進み、現在高齢化が進ん でいる行政区が抱える問題と同様 自体Ⅱ鳴子と 目に見えている。益々本的予防医療＝健康増進政策が鍵になる。データサイエン スXAIによる技術面 対策、個人情報金庫とライフタイムログによる個人データ 収集管理を取り入れた政策デザイン、マクロ政策 とミクロ政策 組合が重要となる。 問題を如何に自分ごと化していくTotal Well Being Society 社会システムサービスデザインｆｒき、現場をリードできるリーダーと場 事 業化が大きなSDGｓからみた開発テーマである。それに対応できる未来リーダー育成と新地域経済圏ネットワーク創成がテーマとな る。それに ベースとしてデータを数字 関係制と意味表現でメッセージ化して、価値評価できるようにし、意思決定を支援する仕組 みと仕掛けにAIが役に立つ。こ ような視点とニーズから、人口問題なかでも高齢化率と要介護率 関係性を把握し、ど ような地 域固有性を持つか、ど ようなサービスが必要かを考案するため 「地域問題分析」を行い、LODチャレンジ2018に応募した。 横浜市 人口ピラミッド構造（H30年） 横浜市、区別人口構造（年齢三区分） 21％超 14％超～ 20％以下 41以上 30～40 未満 30未満 老年人口割合（高齢化率） 老年人口労指数
33. 横浜市 区別健康意識調査ｖｓ要介護率・高齢化率 評価因子カテゴリーマッピング 本件における多次元分析にて、全次元 １；１相関を計算、散布図で表現し、区別 健康度や要介護率 可視化を行っている。 ここで因子も 分散や偏差値に着目して、相関性が高いかを見出すことが、問題解決 為 サービス設計をする上で非常に重要 となる。下表 そ ような趣旨で評価因子を性格別にカテゴリー化したも である。次元をいかに縮約できるかするかが重要である。 せいぜい3次元、代々5次元だろう。そして3次元以上 ベクトル空間で各区 特性を空間認識すること 重要である。同じ要介護率 ・高齢化率でも第③、第四 指標を導入することでとるべき施策が変わってくる。また偏差値を小さく平均値をいかに望ましい方向に 持っていくデザインをすることがサービス設計 基本となる。下表 クラスとサブクラスに構造化されているとみなせる。 H30-11-24 SHIPS-G0 /PHOENIX 健康でない（全体）avg 14.2 1.3 どちらかというと健康でない（％）avg 10.7 0.9 健康でない（％）avg 3.5 0.7 要介護率（％）：６５歳以上人口要介護率avg 17.9 1.5 高齢化率（％）：区別総人口に占める６５歳以上人口avg 24.8 3.8 要介護指数（％）：６５歳以上人口要介護率対高齢化率avg 74.2 14.1 1日30分週2回以上 運動しているavg 55.9 2.9 歩数 測定頻度avg 20.5 1.1 家庭で 体重測定：週１度以上avg 45.8 1.7 朝食をほとんど食べないavg 13.6 2 主菜を毎日食べないavg 17.7 1.7 主食を1日3回食べないavg 16.1 2.3 副菜をほとんど食べないavg 18.8 2 外食でおいしさ重視avg 49.6 2.8 外食で価格重視avg 20.8 2.1 毎日喫煙avg 19.9 1.8 毎日飲酒avg 17.4 1.2 十分な睡眠取れているavg 15.2 1.2 健康づくり 活動にかかわっていないavg 92.8 0.4 糖尿病治療経験：現在もavg 63.4 6.8 ＣＯＰＤ 認知度（病名もどんなも かも知らない）avg 62.9 2.3 肺がん検診受診率avg 29.9 3 胃がん検診受診経験avg 43.5 3.4 大腸がん検診受診率avg 32.2 2.2 過去1年 検診受けていないavg 27.6 2.3 同歯科健診うけていないavg 49.3 2.3 健康保険加入していないavg 1.8 0.3 国民健康保険以外 保険 加入率avg 38 1.9 国民健康保険加入率avg 35.3 2.6 地域とかかわりたい（思う＋どちらかといういうとそ思う）avg 63.5 4.1 地域 人 助けてくれる（思う＋どちらかというとそう思う） avg 53.1 4.5 現在すんでいるところに住み続けたいavg 37.1 4.5 2人以上未成年者ありavg 39.6 5.9 2以上未成年者なしavg 39.6 5.9 一人暮らしavg 14.8 5.8 直接的生活 行動・習慣 健康生活&社会意識と暮し 環境 健康状態と要介護率vs高齢化率 こ 因子間で 意味あるも 相関を演算 同様、因子間で 意味あるも 相関を演算 。 同様、因子間 で意味あるも 相関を演算 相関演算 他 指標
34. 横浜市 区別 要介護人数 （平成２９年度末） 要 介 護 ５ 要 介 護 ４ 要 介 護 ３ 要 介 護 ２ 要 介 護 １ 要 支 援 ２ 要 支 援 １ 青葉区 893 1,259 1,394 2,034 2,021 1,577 1,427 旭区 1,318 1,569 1,818 2,822 2,121 1,926 1,410 泉区 722 937 1,006 1,438 1,155 1,190 842 磯子区 737 1,007 1,081 1,681 1,023 1,607 991 金沢区 812 1,153 1,199 1,975 1,402 1,504 1,695 神奈川区 918 1,266 1,457 2,174 1,190 1,928 959 港南区 1,013 1,181 1,346 2,298 1,303 1,940 1,077 港北区 1,064 1,467 1,690 2,638 2,082 1,746 1,487 栄区 512 625 672 1,102 923 841 1,072 瀬谷区 519 799 865 1,453 1,283 923 774 都筑区 605 736 837 1,235 942 1,033 845 鶴見区 1,187 1,497 1,659 2,627 1,704 1,565 1,116 戸塚区 1,190 1,390 1,513 2,343 1,896 1,661 1,634 中区 687 881 1,022 1,752 1,126 960 666 西区 404 566 563 878 545 619 382 保土ケ谷 1,059 1,323 1,496 2,354 1,196 1,627 934 緑区 638 903 1,011 1,454 1,029 989 891 泉区 722 937 1,006 1,438 1,155 1,190 842 平成29年 15,358 19,895 22,062 34,553 24,542 25,128 19,435 第７表 介護保険 （３）要介護度別認定状況 資料：健康福祉局 高齢健康 福祉部 介護保険課
35. 要支援ー要介護 疾患別要因調査 Ｈ２２年 国民生活調査 （厚生労働省） 本調査 Ｈ２２年で あるが、直近あるい 今後 見通しとして、そ 構成比率 認知症 割合が増えてくると想定される。いわ ゆるフレイル＝筋力低下 転倒にも繋がる。動けなけれ 外出もおぼつかなくなり刺激も少なく認知症につながる。何といっても 脳卒中 血管 老化や血栓が原因となる食・運動、社会コミュニケーション、ストレスフリー等 基本生活習慣を正すしかない。地 域要因 有無を調べる必要性がある。職業別、気候条件 あるかも。 要介護度 脳血管 疾患 (脳卒中) 認知症 高齢に よる衰弱 関節 疾患 骨折・ 転倒 心疾患 (心臓病) パーキ ンソン病 糖尿病 呼吸器 疾患 悪性新 生物 (がん) 視覚・聴 覚障害 脊髄 損傷 そ 他 不明 不詳 総数 21.5 15.3 13.7 10.9 10.2 3.9 3.2 3 2.8 2.3 2.1 1.8 7.5 0.9 0.9 要支援者 15.1 3.7 15.2 19.4 12.7 6.1 2.4 3.5 3.5 2.3 2.5 1.9 9.1 1.6 1 要支援1 11.1 4.1 15.9 21.8 12.7 6.8 2.2 3.6 4.3 2.5 2.2 1.6 8 2.1 1.1 要支援2 18.4 3.4 14.7 17.5 12.8 5.4 2.6 3.4 2.9 2.2 2.7 2.1 10 1.1 0.9 要介護者 24.1 20.5 13.1 7.4 9.3 3.2 3.6 2.8 2.5 2.2 1.9 1.7 6.6 0.4 0.5 要介護1 16.5 22 14.5 8.7 8.9 6.2 3 3.7 3.2 2.9 2.8 1.5 4.9 0.4 0.9 要介護2 22.4 19 13.9 9.6 10.2 2.6 2.7 3.3 2.6 1.3 2.6 1.3 7.6 0.2 0.7 要介護3 26.4 22.5 11.6 6.4 8.4 2.6 3.9 2.1 1.7 2.8 1 1.3 8.2 0.7 0.6 要介護4 30.3 19.3 9.7 6.3 11.1 1.5 3.3 2.3 2.1 2.6 1.7 3.6 5.6 0.7 要介護5 33.8 18.7 15 2.3 7.5 1.1 7.7 1.5 3.2 1.2 - 1.4 6.3 0.2
36. 横浜市 区別 常住所帯・人口数 生活保護所帯数、保護率（Ｈ２８年度末） 区によって特徴的なパターンが現れている。政策的に。かつ市民運動的に手を入れないといけない 、中区、鶴見区、南区、旭区、 瀬谷区あたりであろうか。要介護指数（要介護率/高齢化率）、および市民意識調査（食生活、運動や日常健康管理など 生活行動習 慣、社会と 関わり 関心度＝意識そ も 等と 相関が出てくるだろう。国ー地域行政 健康増進策 効果が現れていないと 評価になっている。どこに問題があるか、それ 個人個人 生活習慣とそ ベースとなる意識改革に繋がっていないと思われる。 常住人口 被保護者数 保護率（‰） 停止中（再掲） 世帯 人員 世帯 人員 世帯 人員 世帯 人員 青葉区 126,308 310,214 1,826 2,463 1.5 o.79 2 4 旭区 103,492 246,213 3,506 4,881 3.4 2.0 14 24 泉区 61,257 153,624 2,322 3,282 3.8 2.1 4 4 磯子区 75,311 166,414 2,192 2,945 2.9 1,77 2 8 神奈川区 120,800 239,999 3,134 3,962 2.6 1.7 4 11 金沢区 87,019 200,479 1,612 2,257 1.9 1.1 5 8 港南区 91,538 214,171 2,252 3,163 2.46 1.5 2 7 港北区 164,705 346,759 2,799 3,617 1.7 1.0 4 5 栄区 50,963 121,360 1,158 1,606 2.3 1.3 4 6 瀬谷区 50,773 124,004 2,582 4,032 5.1 3.3 6 12 都筑区 81,322 211,990 1,249 1,780 1.5 0.8 3 4 鶴見区 134,439 287,334 5,395 7,229 4.0 2.5 11 13 戸塚区 114,639 275,901 2,690 3,766 2.4 1.4 6 7 中区 79,401 148,939 8,491 9,289 10.6 6.2 13 15 西区 52,054 98,697 1,545 1,869 3.0 1.9 2 3 保土ケ谷区 93,920 206,429 2,935 4,099 3.13 2.0 6 10 緑区 75,541 181,023 2,067 3,091 2.7 1.7 3 5 南区 96,220 194,471 6,053 7,677 6.3 4.0 10 13 平成28年度末 1,659,702 3,728,021 53,808 71,008 3.2 1.9 101 159 H30-8-30 SHIPS-G/ PHOENIX
37. 要介護率/高齢化率 神奈川県市町村（Ｈ２１年）VS横浜市区別（Ｈ２８年）比較分析 神奈川県市町村と横浜市１８区と 比較を実施。神奈川県データ Ｈ２１年度、横浜市 28年度年度が異なり直接比較すること できな い。但し、横浜市 年度比較で 、こ 7年 間に、高齢化率 ４．４％アップに対して、要介護率 ０．３％アップですんでいる 悪 くない数字かもしれない・しかしながら今後 高齢化率 上昇に対して召集できる保険料 減少を考えると抜本的な策を打つ必要があ る。こ あたり シミュレーションが難しくないだろう。 要介護率が突出している西区、高齢化率が高いが要介護率が低い栄区 理由を調べる必要がある。神奈川県県西部 要介護率 低 さ 農業従事者が多いところか？ 舞鶴、湯河原町 特筆すべきだが、最近 どうなっているか。全体として、時系列分析が重要。 H30-9-1 SHIPS-G/ PHOENIX 横浜市 青葉区 旭区 泉区 磯子区 神奈川区 金沢区 港南区 港北区 栄区 瀬谷区 都築区 鶴見区 戸塚区 中区 西区 保土ヶ谷区 横浜市・18区 印 緑区 南区 65歳以上年齢 者数に対して 金沢区 突出要因を調べ る必要がある。 栄区もリファレンスモ デルとしてそ 理由を 分析する必要がある。 様々な項目で大差奥 を打つ必要がある。 横浜市Ｈ２１－２８ 年度で 変化。
38. 高齢化・超高齢化社会に対する横浜市 位置づけ（健康寿命ランキング） 健康寿命を延伸させるという マクロな視点（表現）であり、具体的にどうするか分からない。 また、こ 社会問題をもっと分かりやすく表現でき指標 ないか→それ 平均余命と康寿命と 差異で表現するといい（但し、時間軸 異なるも 差し引き おかしいが目安に なる。 こ 数値を身近感じ、住んでいる地域 高齢化や介護 関係を示す指標知れ 、これで いけ ないと感じ、生活習慣を変えたり、地域 人と一緒に健康街づくり活動に従事したり、稼ぐ仕事に を見つけてくるなどアクティブライフスタイルへ 転換が産まれる可能性が期待できる。 特に最 近、単身生活者が増えている。これ 非婚化、晩婚化、シングルマザー、高齢化に伴う連れ合い 死などによりQoLが下がり、要介護に繋がってくること 十分考えられる。 H26-6-26 文春 20大都市 ぴんぴんころり度ランキング H30-11-26 SHIPS-G/ PHOENIX
39. 漂流する社会保障 三大都市圏 単身高齢者、1割突破 財政圧迫 懸念 在宅ケアへシフト急 一人暮らし 高齢者が大都市で急増している。日本経済新聞が国勢調査を分析したところ、三大都市圏（1都2府5県） 2000年以降 15年間で2.1倍 289万人に達し、15年に初めて世帯全体 1割を突破した。単身高齢者 介護や生活保護が必要な状態に陥りやす い。社会保障 財政運営が厳しくなる懸念が強まり、在宅を軸に自立した生活を支える「地域包括ケアシステム」 構築が急務となる。 要介護2～3倍 15年間で単身高齢者が2倍以上に増えた自治体 4割弱。三大都市圏を構成する 関東1都3県、近畿2府1県、愛知県に集中していた。団塊世代が持ち家を求めた埼 玉や千葉 郊外 多くが3倍強に膨らんだ。三大都市圏 単身高齢世帯比率 10.9%と4.8ポイント上昇した。 実数で最も増えた 横浜市で、2.3倍 17万1千人となった。名古屋市 12万人 に倍増し、東京23区全体 8割増 53万9千人となった。いずれも単身高齢世帯比 率 1割を超えた。三大都市圏で1割を超す自治体 11倍 221市区町村となり、全 体 6割を占めた。都市 地域で助け合う基盤が弱く、一人暮らしを支える自治体 負担 地方より重くなる。 顕著な 大阪市だ。単身高齢者 05年に1割を超え、いま 最多 20万人強。 介護保険課 「単身高齢者 増加が介護給付費 上昇につながっている」と断言 する。 単身高齢者 17年 要介護認定率 36%で、同居人がいる場合 2倍強だ。介護サ ービス利用率も8割と高く、18～20年度 介護保険料 月8千円弱で1千円以上高く なった。横浜市も認定率に3倍近い開きがあった。 公共政策に詳しい一橋大 小塩隆士教授 「単身高齢世帯 1割超え 危険な兆 候」と訴える。単身高齢者 低年金が多くて生活保護 対象になりやすく、影響 社会保険にとどまらないからだ。「対象 少数と想定した生活保護制度 財政基盤 脆弱だ」と語る。 H30-11-26 SHIPS-G/ PHOENIX 日経朝刊１１月２６日
40. リンクアドレス ・横浜市統計ポータルサイト：http://www.city.yokohama.lg.jp/ex/stat/ ・終活ネット 健康寿命ランキング https://syukatsulabo.jp/article/6937 ・総務省統計ポータル https://www.stat.go.jp/data/kokusei/2010/ ・横浜市統計GIS：http://www.city.yokohama.lg.jp/seisaku/seisaku/gistat/ ・横浜市地図情報サイト：http://www.city.yokohama.lg.jp/seisaku/seisaku/gis/mapportal.html ・LODチャレンジ2018： http://2018.lodc.jp/ 鴨川 「地域課題分析賞受賞作： XVIEW使用 横浜市 区別市民意識ー要介護・高齢化率クロス分析：http://idea.linkdata.org/idea/idea1s2702i 横浜市 区別市民意識ー要介護・高齢化率データ：http://idea.linkdata.org/idea/idea1s2701i オープンデータ 利活用 諸問題と、意味・意図 メタ情報を付加したデータ構造体作成例： http://idea.linkdata.org/idea/idea1s2700i XVIEWアプリケーション、横浜市高齢者健康調査：クロス分析 ページからリンクしてください。 ・地域シンクタンク 公益財団法人 山梨総合研究所： 山梨県が健康寿命トップを安定的にキープできている理由を解説： https://www.yafo.or.jp/2018/03/30/9517/ 関連情報 ・平成27年度 一般会計予算 、約96兆円：https://www.mof.go.jp/zaisei/matome/thinkzaisei01.html… H15年度政府一半会計予算グラフ： https://www.mof.go.jp/zaisei/matome/zuhyou1.JPG?fbclid=IwAR3ZCxcihoqxSQH2Gg2wmHORM-spP_kLTkWpc7qC8g _Vrnpq_nCJVQzyuQ8 ・一般会計と特別会計 主要な経費別純計： https://www.mof.go.jp/budget/topics/special_account/fy2017/tokkaitoogo2018.pdf 2017年 240.2兆円 社会保障費 88.3兆円 国債費 90.3兆円 ・産業別GDP比（％）。 http://www.esri.cao.go.jp/…/h28/sa…/pdf/seisan_20171222.pdf… ・要介護度別 介護 場所 構成比情報：http://www.kitou-web.jp/…/dl_data/201707/kaigo_houkoku3.pdf… ・医療費伸び要因分解（H28念個性労働省）： http://www5.cao.go.jp/keizai-shimon/kaigi/special/reform/wg1/280915/shiryou2-1.pdf?fbclid=IwAR32478DcTeLww3KK_ otm9zDJ6eC0H7_E1K3MpFew9mAzkrty_OH4dXjEQc
41. ご清聴ありがとうございました。
42. ஍Ҭ՝୊෼ੳ৆
    ೔ຊͷࢢொଜʹ͓͚Δਓޱݮগͷ
    աڈɾݱࡏɾະདྷ
    ೥
    ৆ۚɿສԁ
    
43. ஍Ҭ՝୊෼ੳ৆
    ʲ৹ࠪߨධʳ
    ຊ࡞඼͸ɺશࠃͷࢢொଜผʹɺ͜Ε·Ͱͷਓޱݮগͷঢ়گ΍কདྷ༧ ଌͷ݁ՌΛ੔ཧ͠ɺ೔ຊ஍ਤ্ʹՄࢹԽͨ͠΋ͷͰ͢ɻຊ࡞඼ʹΑ Γɺ೥࿈ଓͰਓޱݮগ͕ى͖͍ͯΔ஍Ҭ͕ଟ͍͜ͱ͕၆ᛌͰ͖Δ ͳͲɺ஍ҬͷະདྷΛߟ͑Δ্Ͱ༗༻ͳ࡞඼ͩͱࢥ͍·͢ɻࠓޙɺͦ ͷଞͷσʔληοτͱ࿈ܞ͢Δ͜ͱʹΑΓɺਓޱݮগͷݪҼͷ෼ੳ ͳͲɺΞϓϦέʔγϣϯͷ։ൃʹൃల͢Δ͜ͱΛظ଴͍ͨ͠·͢ɻ
    ೔ຊͷࢢொଜʹ͓͚Δਓޱݮগͷ
    աڈɾݱࡏɾະདྷ
    ೥
    
44. 「日本の市町村における人口減少の 過去・現在・未来（2000－2045年）」 Population decline trends among municipalities in Japan (2000-2045) 国際基督教大学社会科学研究所 小野恵子 2018年12月8日 LODチャレンジ2018シンポジウム －つながるオープンデータ最新事例大集合－ @ヤフー株式会社 オープンコラボレーションスペース「LODGE」 Linked Open Data Challenge 2018 地域課題分析賞受賞
45. 総務省データ分析コンペティション
46. Background 日本の総人口は7年連続で減少し、本格的な人 口減少時代に突入した。これからも人口減少が 続き、あるいは加速すれば、「消滅」する町が 出ることも危惧される。一方で、首都圏や京阪 神とそれ以外の地方では人口増減の傾向は大き く異なる上、地方の道府県の中でも、人口変動 の動きは地域によって様々である。
47. Objective • オープンデータを使う • 都道府県ではなく市町村レベル • 「つながる」オープンデータ 複数のデータソースを使う • Tableauの無償版でマップを作る どこで、いつから人口減が起こっているのか、 さらには将来の人口予測がどうなっているのか を地図の形で可視化する
48. Data and Methods • 総務省が作成した教育用標準データセット SSDSE • E Stat 国勢調査データ 2000年から2015年 • 国立社会保障・人口問題研究所（IPSS）「日本の地域別 将来推計人口」2015年をベースに2045年までの人口を推 計 • Shape file • Tableau public
49. Data and Methods 人口の増減は自然増減と社会増減に分けて考え られる • 自然増減 • 出生数と死亡数のバランス 死亡が出生を上回ると自然 減 • 社会増減 • 転入と転出のバランス 転出が転入を上回ると社会減
50. Data and Methods • 過去 2000-2016年の17年間で、人口の自然減と社会減が何回起こってい るか。回数を4つのカテゴリーに色分けした。 • 現在 2016年の自然増減と人口増減（自然＋社会）の組み合わせで４つの カテゴリーに色分けした。 • 未来 2025、2035、2045年の人口推計
60. 2016年の人口自然減・人口減
61. 2025年の人口推計 減少はピンク・赤系、増加は緑
62. 2035年の人口推計 日本全体の人口指数は91。それ より減少が進む地域はオレンジ系、その他は青。
63. 2045年の人口推計 日本全体の指数は83。それ以上 減少が進むところを赤系、それ以外を青系で表示。
65. *P5৆
    ฻Β͠໦
    ਓײηϯαɾं൪ղੳΧϝϥσʔλΛ ར༻ͨ͠σδλϧαΠωʔδ
    ৆ۚɿສԁ
    
66. *P5৆
    ʲ৹ࠪߨධʳ
    ຊ࡞඼͸ɺ૔ෑʹઃஔ͞Εͨηϯα͔ΒಘΒΕΔΦʔϓϯσʔλΛ ར༻ͯ͠ɺ֗Ͱಇ͘ਓʑͷϞνϕʔγϣϯΛߴΊΔσβΠϯදݱΛ ໨ࢦͨ͠ΞϓϦͰ͢ɻ֗ͷ೐Θ͍ΛϦΞϧλΠϜʹ൓өͯ͠ɺ֗಄ ͷσΟεϓϨΠΛมԽͤ͞ɺ֗ͷงғؾΛม͑Δͱ͍͏ΞΠσΟΞ ͸ɺ*P5ػثͷσʔλ׆༻ͱͯ͠ເΛײͤ͡͞·͢ɻσβΠϯ͸γϯ ϓϧͰඒ͘͠ɺԿछྨ΋ͷηϯαͷ૊Έ߹Θͤʹ΋ରԠՄೳͳ࣮༻ ੑ͕͋Γ·͢ɻ֗தʹදݱͷ৔͕޿͕Δ͜ͱ΋ظ଴Ͱ͖·͢ɻ
    ฻Β͠໦
    ਓײηϯαɾं൪ղੳΧϝϥσʔλ Λར༻ͨ͠σδλϧαΠωʔδ
    
67. ૔ෑࢢඒ؍஍۠Λ๚ΕͨਓͷσʔλΛ༻͍  ϲ݄ʹ  ຊͷ໦͕ҭͭίϯςϯπ ֗಄ͷσΟεϓϨΠͰؑ৆͕Մೳ
68. ૔ෑࢢຽ ɾඒ؍஍۠ʹ๚Εͨਓ΍ंͷ਺ΛՄࢹԽ͢Δ͜ͱͰ
    
    
    ஍ݩͷਓʑͷྭΈʹͳΔ͜ͱ ɾݟͨ໨ʹඒ͍͠΋ͷͰ͋Δ͜ͱ λʔήοτ ϛογϣϯ
69. ඒ؍஍۠ʹʮࠓ݄ͷ໦ʯσΟεϓϨΠΛઃஔ ɾҰݟͯ͠σʔλΛද͍ͯ͠ΔΑ͏ʹ͸ݟ͑ͣɺ ɹ σΟεϓϨΠ͸͋͘·Ͱ฻Β͠ΛݟकΔ  ຊ
    
    ͷ໦ͱͯ͠ଘࡏ͢Δ ίϯςϯπ֓ཁ ઃஔ৔ॴ
70. ࢖༻σʔλ ɾ૔ෑࢢඒ؍஍۠
    ਓײηϯα
    
    
    ʹΑΔϦΞϧλΠϜσʔλ ɾ૔ෑࢢඒ؍஍۠
    ं൪Χϝϥ
    
    
    ʹΑΔϦΞϧλΠϜσʔλ
71. ਓײηϯα͕ਓΛײ஌͢Δͱ༿ͬͺ͕૿͑Δ
72. ҰఆҎ্༿ͬͺ͕૿͑Δͱװ͕੒௕͢Δ
73. ं൪ղੳΧϝϥ͕ݝ֎φϯόʔΛҰఆ਺ײ஌͢Δͱ ը໘಺ʹं͕ݱΕɺ෩ધΛஔ͍͍ͯ͘
75. ࣌ؒଳʹΑͬͯදࣔͷมԽΛָ͠ΊΔ
76. ˛ϒϥ΢βը໘ 4 5 6 7 8 9 2018 εϚʔτϑΥϯ޲͚αΠτͰաڈͷ໦Λؑ৆Ͱ͖Δ ɾ໦ͷόϦΤʔγϣϯΛָ͠Ή ɾσʔλϕʔεͱͯ͠ͷར༻΋Մೳ
77. ੍࡞ɿᅳా
    ᐼ ԬࢁݝཱେֶେֶӃ
    ৘ใܥ޻ֶݚڀՊ ɹɹ ɹɹɹాத঵ଠ Ԭࢁݝཱେֶ
    σβΠϯֶ෦
    ଄ܗσβΠϯֶՊ ɹɹɹ৿ాઍਘ Ԭࢁݝཱେֶ
    σβΠϯֶ෦
    ଄ܗσβΠϯֶՊ ɹɹɹ ڠྗɿҰൠࣾஂ๏ਓσʔλΫϨΠυϧ
78. "*৆
    հޢͷߏ଄ԽϚχϡΞϧͷྫ
    ৆ۚɿສԁ
    
79. "*৆
    ʲ৹ࠪߨධʳ
    ৘ใͷద੾ͳߏ଄Խ͸σʔλ෼ੳ͔Βػցֶश׆༻ʹࢸΔશͯͷσ δλϧॲཧͷجຊͰ͢ɻຊ࡞඼͸ɺհޢͷݱ৔ͱ͍͏۩ମతͳ໰୊ ʹ͓͚Δ৘ใͷߏ଄ԽΛஸೡʹߦ͍ɺΦʔϓϯσʔλͱͯ͠׆༻Ͱ ͖ΔΑ͏ʹެ։͍ͯ͠·͢ɻࠓ͋ΔσʔλͰ͸ͳͯ͘ɺ৽ͨͳσʔ λΛ࡞ΔͨΊͷಓےΛఏ͍ࣔͯ͠Δ఺Λߴ͘ධՁ͠·ͨ͠ɻ
    հޢͷߏ଄ԽϚχϡΞϧͷྫ
    
80. Service Intelligence Research Team 介護の構造化マニュアル の例 西村悟史 産業技術総合研究所 謝辞 本研究の一部は、国立研究開発法人新エネルギー・産業技術総合開発機構 (NEDO）の委託業務および，JSPS科研費 16K16160の助成を受けたものです． d011
81. NEDO委託事業「次世代人工知能・ロボット中核技術 開発／次世代人工知能技術分野／人間と相互理解で きる次世代人工知能技術の研究開発」
82. NEDO委託事業「次世代人工知能・ロボット中核技術 開発／次世代人工知能技術分野／人間と相互理解で きる次世代人工知能技術の研究開発」 生産性 【サービス業】
83. 背景：介護分野の現状 内閣府第8階社会保障ワーキング・グループ資料4介護費の動向について http://www5.cao.go.jp/keizai-shimon/kaigi/special/reform/wg1/280323/shiryou4.pdf 8.8 兆円 9.2 兆円 10 兆円 10.1 兆円 10.4 兆円 8 8.5 9 9.5 10 10.5 11 2012年度 2013年度 2014年度 2015年度 2016年度 介護保険料の推移 厚生労働省: 2025 年に向けた介護人材にかかる需給推計（確定値）について, http://www.mhlw.go.jp/file/04-Houdouhappyou-12004000-Shakaiengokyoku- Shakai-Fukushikibanka/270624houdou.pdf_2.pdf ◼ 介護保険料と介護人材の 需要が年々増加している． ⇒生産性向上が課題． ◼ 介護者の教育コスト低減 ◼ 介護者間のばらつきの低減 ◼ リスクの低減
84. Go down to slope Raise casters Go down to slope forwardly Falling down to forward Gentle slope Elderly @prefix sm: <http://coto.pj.aist.go.jp/ontologies/structured-manual#> . @prefix owl: <http://www.w3.org/2002/07/owl#> . @prefix rdfs: <http://www.w3.org/2000/01/rdf-schema#> . @prefix act: < http://coto.pj.aist.go.jp/ontologies/structured-manual/Action/ > . act:259 rdf:type owl:NamedIndividual , sm:Action ; sm:Achieve act:233 ; sm:hasActor "Elderly person" ; rdfs:label "Go down to slope"@en . act:263 rdf:type owl:NamedIndividual , sm:Action ; sm:Achieve act:259 ; sm:NonOrder act:264 ; sm:hasActor "Care worker" ; sm:hasCondition "Gentle slope" ; rdfs:label “Raise casters"@en . act:264 rdf:type owl:NamedIndividual , sm:Action ; sm:Achieve act:259 ; sm:hasActor "Care worker" ; sm:hasRisk "Falling down to forward" ; rdfs:label "Go down to slope forwardly"@en . 作ったもの：計算機参照可能な介護の知識源構築 介護行為の種類 行為数 他の情報の数 排泄介助 277 71 入浴介助 253 90 移乗介助 247 96 移動介助 236 76 更衣介助 226 51 体位変換 197 75 口腔ケア 170 86 食事介助 140 53 Total 1606 598 図化した知識を RDF*で形式化 RDF: Resource Description Framework. World Wide Web Consortiumにより推奨される 知識表現フレームワーク． 移乗する際に「座る」 ことがあれば，そのた めに何をしてどんなこ とに注意しますか？ 検索 座面に腰を下ろすとき にバランスを崩すなど がありますよ． ①: 紙で使用 ②計算機参照可能に 形式化し，一般公開 ③既存のデータベース システムで検索可能 https://git.io/fN6xS 公開サイト
85. Go down to slope Raise casters Go down to slope forwardly Falling down to forward Gentle slope Elderly @prefix sm: <http://coto.pj.aist.go.jp/ontologies/structured-manual#> . @prefix owl: <http://www.w3.org/2002/07/owl#> . @prefix rdfs: <http://www.w3.org/2000/01/rdf-schema#> . @prefix act: < http://coto.pj.aist.go.jp/ontologies/structured-manual/Action/ > . act:259 rdf:type owl:NamedIndividual , sm:Action ; sm:Achieve act:233 ; sm:hasActor "Elderly person" ; rdfs:label "Go down to slope"@en . act:263 rdf:type owl:NamedIndividual , sm:Action ; sm:Achieve act:259 ; sm:NonOrder act:264 ; sm:hasActor "Care worker" ; sm:hasCondition "Gentle slope" ; rdfs:label “Raise casters"@en . act:264 rdf:type owl:NamedIndividual , sm:Action ; sm:Achieve act:259 ; sm:hasActor "Care worker" ; sm:hasRisk "Falling down to forward" ; rdfs:label "Go down to slope forwardly"@en . 作ったもの：計算機参照可能な介護の知識源構築 介護行為の種類 行為数 他の情報の数 排泄介助 277 71 入浴介助 253 90 移乗介助 247 96 移動介助 236 76 更衣介助 226 51 体位変換 197 75 口腔ケア 170 86 食事介助 140 53 Total 1606 598 図化した知識を RDF*で形式化 RDF: Resource Description Framework. World Wide Web Consortiumにより推奨される 知識表現フレームワーク． 移乗する際に「座る」 ことがあれば，そのた めに何をしてどんなこ とに注意しますか？ 検索 座面に腰を下ろすとき にバランスを崩すなど がありますよ． ①: 紙で使用 ②計算機参照可能に 形式化し，一般公開 ③既存のデータベース システムで検索可能 https://git.io/fN6xS 公開サイト ①: 紙で使用
86. Go down to slope Raise casters Go down to slope forwardly Falling down to forward Gentle slope Elderly @prefix sm: <http://coto.pj.aist.go.jp/ontologies/structured-manual#> . @prefix owl: <http://www.w3.org/2002/07/owl#> . @prefix rdfs: <http://www.w3.org/2000/01/rdf-schema#> . @prefix act: < http://coto.pj.aist.go.jp/ontologies/structured-manual/Action/ > . act:259 rdf:type owl:NamedIndividual , sm:Action ; sm:Achieve act:233 ; sm:hasActor "Elderly person" ; rdfs:label "Go down to slope"@en . act:263 rdf:type owl:NamedIndividual , sm:Action ; sm:Achieve act:259 ; sm:NonOrder act:264 ; sm:hasActor "Care worker" ; sm:hasCondition "Gentle slope" ; rdfs:label “Raise casters"@en . act:264 rdf:type owl:NamedIndividual , sm:Action ; sm:Achieve act:259 ; sm:hasActor "Care worker" ; sm:hasRisk "Falling down to forward" ; rdfs:label "Go down to slope forwardly"@en . 作ったもの：計算機参照可能な介護の知識源構築 介護行為の種類 行為数 他の情報の数 排泄介助 277 71 入浴介助 253 90 移乗介助 247 96 移動介助 236 76 更衣介助 226 51 体位変換 197 75 口腔ケア 170 86 食事介助 140 53 Total 1606 598 図化した知識を RDF*で形式化 RDF: Resource Description Framework. World Wide Web Consortiumにより推奨される 知識表現フレームワーク． 移乗する際に「座る」 ことがあれば，そのた めに何をしてどんなこ とに注意しますか？ 検索 座面に腰を下ろすとき にバランスを崩すなど がありますよ． ①: 紙で使用 ②計算機参照可能に 形式化し，一般公開 ③既存のデータベース システムで検索可能 https://git.io/fN6xS 公開サイト
87. ΦʔϓϯαΠΤϯε৆
    খ૔ඦਓҰट-0%ͷ***'ରԠ
    ৆ۚɿສԁ
    
88. ΦʔϓϯαΠΤϯε৆
    ʲ৹ࠪߨධʳ
    ܧଓͯ͠ΦʔϓϯαΠΤϯεΛ࣮ફ͠ɺσʔλΛվળ͍ͯ͠Δ఺Λ ߴ͘ධՁ͠·͢ɻಛʹࠓճͷ࡞඼͸ɺը૾ͷҰ෦ྖҬΛදݱ͢Δͨ ΊʹɺΦʔϓϯͳ࢓༷Ͱ͋Δ***'Λ༻͍Δ͜ͱͰɺάϩʔόϧͳ63* ͱͯ͠ྖҬΛ໌ࣔͰ͖ΔΑ͏ʹ͓ͯ͠ΓɺϦϯΫͷ͠΍͢͞ͱ͍͏ ఺ʹ͓͍ͯ༏Ε͍ͯ·͢ɻࠓޙͱ΋ັྗతͳσʔλΛΦʔϓϯαΠ Τϯεͷ࿮૊ΈͰൃද͞Ε͍ͯ͘͜ͱΛظ଴͠·͢ɻ
    খ૔ඦਓҰट-0%ͷ***'ରԠ
    
89. 1 小倉百人一首LODの IIIF対応 高橋 菜奈子 2018年12月8日＠LODチャレンジ2018シンポジウム
90. 小倉百人一首LODとは • かるたのLOD化（モデル と語彙の設計） • 各地の図書館で公開さ れた古典籍画像のオー プンデータをリンク • 文化情報資源のLODの 普及 ¾ LODチャレンジ2017デー タセット部門最優秀賞を 受賞 ¾ 2018はIIIF化に挑戦 かるた データ 国立国会 図書館の 画像 国文学研 究所の画 像 大阪市立 図書館の 画像 Linked Open Dataによって、つながる画像群
91. IIIFとは？ • IIIF (International Image Interoperability Framework)は、画像へのアクセスを標準化し相 互運用性を確保するための国際規格 – IIIFに関する詳細 https://iiif.io/ • IIIF対応のデジタルアーカイブを公開する図書館 が増加中 – 日本の図書館等におけるIIIF対応デジタルアーカイブ 一覧 https://matome.naver.jp/odai/2152584366126558001 – IIIF Discovery in Japan http://iiif2.dl.itc.u-tokyo.ac.jp/s/iiif/page/home 3
92. （１）画像APIの活用 【改善点】schema:imageまたはkaruta:imageOfYomi, karuta:imageOfToriに当該部分への画像リクエストURI を記入。 ⇒複数のかるたが含まれる画像から当該かるたを切 出してリンク 4 「ちはやぶる」の画像 のみにリンク可能 国立国会図書館の画像 https://www.dl.ndl.go.jp/api/iiif/25 41162/R0000012/3300,600,2900,40 00/full/0/default.jpg
93. Image APIの仕様 {scheme}://{server}{/prefix}/{identifier}/{region} /{size}/{rotation}/{quality}.{format} https://www.dl.ndl. go.jp/api/iiif/25411 62/R0000012/3300, 600,2900,4000/full/ 0/default.jpg ← 2900 → 3300,600 ↑ 4000 ↓
94. （２）画像マニフェストの活用 【改善点】小倉百人一首のオープンデータ画像リストに rdfs:seeAlso （IIIFマニュフェストのURI）を追加 ⇒一つのビューワーで、異なる所蔵館のかるたを並べて 比較可能 6 国文学研究資料館 の画像 国立国会図書館の 画像 いずれも、菱川師宣画 「小倉百人一首」 https://www.dl.ndl.go.jp/api/iiif/2541162/manif est.json https://kotenseki.nijl.ac.jp/biblio/2000 13677/manifest
95. Miradorでの表示例 ManifestのURLを読み 込み、並べて表示 ドラッグ＆ドロップ 国文学研究資料館の画像 国立国会図書 館の画像 https://kotenseki.nijl.ac.jp/biblio/200013677/manifest
96. IIIF対応済みのデータセット • 小倉百人一首オープンデータ画像リスト http://linkdata.org/work/rdf1s6836i • 小倉百人一首/菱川師宣画（国文学研究資料館 所蔵） http://linkdata.org/work/rdf1s7295i • 小倉百人一首/菱川師宣画（国立国会図書館所 蔵） http://linkdata.org/work/rdf1s6837i • 小倉山荘色紙形和歌（国立国会図書館所蔵） http://linkdata.org/work/rdf1s6839i • 小倉百人一首（国文学研究資料館所蔵） http://linkdata.org/work/rdf1s6856i 8
97. かるたLODの今後 • 郷土かるたLOD（2016） – データの拡充 • 小倉百人一首LOD（2017） – 古典籍データの拡充 – IIIF対応（2018） – 英語に翻訳された百人一首のLOD化 – 教育での活用 • いろはかるた • 創作かるた ⇒かるた文化の豊かな世界をもっと楽しむための データ基盤の形成へ
98. LOD Challenge 2018 オープンサイエンス賞 リンクデータ賞 受賞 http://idea.linkdata.org/idea/idea1s2623i アプリ作成者募集中！
99. ςʔϚ৆ʢޙ൒ʣ
    -0%νϟϨϯδࢀՃऀͷํʑͷ৽͍ٕ͠ज़΁ͷ
    ௅ઓΛԠԉ͢Δ͜ͱΛ໨తͱ͠ɺԠื෦໳ԣஅతʹબ͹ ΕΔ৆
    
    ­ ެڞ-0%৆
    ­ ͜Ͳ΋-0%৆
    ­ Χϧνϟʔ-0%৆
    ­ ஍Ҭৼڵ-0%৆
    ­ -0%ϓϩϞʔγϣϯ৆
    ­ ϓϩάϨε৆
    
100. ެڞ-0%৆
     ࠃࡍ೶ྛਫ࢈ۀݚڀηϯλʔ
     Φʔϓϯσʔλ
     ৆ۚɿສԁ
     
101. ެڞ-0%৆
     ʲ৹ࠪߨධʳ
     ࣏ࣗମҎ֎ͷެతػؔͷΦʔϓϯσʔλਪਐͷࢦ਑ʹͳΓ͏Δऔ૊ Έͱͯ͠ຊ࡞඼ΛධՁ͠·͢ɻ$47ͱ+40/-%σʔλͷ΄͔ɺσʔ ληοτఆ͕ٛαϯϓϧͱͱ΋ʹࣔ͞ΕɺଞஂମͷࢀߟʹͳΓ·͢ɻ ಛʹௐୡ৘ใ΍ץߦ෺͸൚༻ੑͷߴ͍ςʔϚͰ͋Γɺଞͷެڞػؔ ͷҙݟ΋औΓೖΕͭͭڞ௨ϑΥʔϚοτʹঢ՚͞Ε͍ͯ͘͜ͱΛظ ଴͠·͢ɻ
     ࠃࡍ೶ྛਫ࢈ۀݚڀηϯλʔ
     Φʔϓϯσʔλ
     
102. 国際農林水産業研究センター オープンデータ 国際農林水産業研究センター 企画連携部 情報広報室 平成30年12月8日(土) LODチャレンジ2018シンポジウム －つながるオープンデータ最新事例大集合－
103. 公式Webサイトに掲載している情報 利活用による法人 活動 広報 ために • 政府標準利用規約に準拠したライセンス 整備 • Google ガイドラインに対応した掲載情報 構造化と検索エンジン経由で 利便性 向上 掲載情報 機械可読形式で 出力 • CMS(Drupal) 機能を活用 • コンテンツ 種類ごとに特有 要素を出力 • CSV、JSON-LDに対応 • DBpediaなど外部リソースと リンクと活用 概要
104. 熱帯及び亜熱帯に属する地域そ 他開発途上地域 における農林水産業に関する技術向上 ため 試 験研究を行う国立研究開発法人 • 研究者 派遣・招へいによる国際共同研究 推進 • 海外情報 収集・分析・提供と広報 • 国際シンポジウム・ワークショップ等 開催 • 政府や他機関と 科学技術に関する国際連携や交流 • つく 市、石垣市に所在 • 研究職員125名、一般職員等49名 国際農研について
105. • 国際農研公式Webサイトオープンデータ https://www.jircas.go.jp/ja/opendata • 研究成果 広報・普及 ため、Webサイトで各種 情報を発信 – 出張報告書、イベント案内、データベースなど 環境
106. 第4期中長期計画 開始(2016/4～2021/3) Webサイトを リニューアル CMSとしてDrupalを 導入 利用規約 設定(2016/4～) 政府標準利用規約 （第2.0版）準拠 （CC BY互換） 共同研究による成果 物について 個別に ライセンスを設定 データ公開 (2018/8～) CSV,JSON-LDによる データ出力機能 整備 これまで 取り組み
107. 利用規約 検討 オープンサイエンス 推進 • 「研究成果 活用・再利用」が求 められる • Webにより公開する研究成果につ いても、再利用を前提とした利用 ルールを整備する必要 政府として 公共データ公開 • 「政府、独立行政法人、地方公共 団体等が保有する公共データを、 機械判読に適したデータ形式で、 営利目的も含めた二次利用が可 能な利用ルールで公開」(「二次利 用 促進 ため 府省 データ 公開に関する基本的考え方（ガイ ドライン）」（2013）) • 「政府標準利用規約」 整備 政府標準利用規約（第2.0版）を採用しこれら 要件に対応 「Web サイト等による行政情報 提供・利用促進に関する基本的指針」（2015） に基づき機械判読に適したデータ構造・形式で公開 共同研究による成果物について 個別にライセンスを設定
108. 入力用テンプレート 作成時からオープンデータを意識 • コンテンツ 種類（調達情報、刊行物、イベントなど）ごとにテンプ レートを作成 • 組織名・国名・研究者名など各コンテンツで共通する入力項目 別リソース（Drupal タクソノミーなど）とした プロパティとして定義可能な入力項目 整備 • タイトル、日付、概要、組織名などをプロパティとして定義 • DOIや科研費関係 情報など外部にリンクできそうな情報 リンク • Google 構造化ガイドラインを参考とした • 入力 各担当者が行うため、煩雑にならない程度にとどめる 「データを出力しやすい」Webサイトを構築
109. 入力項目とプロパティ 整理 • 掲載されている情報とそ 要素を整理 8 調達情報 調達件 名 公告日 公告 連絡先 イベント イベント 名 開催日 場所 概要 刊行物 タイトル 著者 発行日 出張報告書 報告書 番号 出張目 的 出張年 月 国名 入力フィールド （＝プロパティ）
110. データ構造 例 研究プロジェクト KAKEN dc:relation 研究担当者 dc:creater 国名 schema:location 研究成果情報 dc:abstract dc:title schema:agent タイトル 要約 出張報告書 DBpedia rdfs:seeAlso JIRCAS 動き schema:location dcterms:contributor dcterms:contributor
111. • 研究成果情報 LODに関する検討 – 林賢紀, 瀬尾崇一郎, 阪口哲男. 複合的な情報資源 Linked Open Data化における構造分析とスキーマ定義手法. 情報知 識学会誌, 26(1), pp.11-28, 2016. https://doi.org/10.2964/jsik_2016_001 https://doi.org/10.6084/m9.figshare.7380026 (記念講演資料) • 国際農研におけるWebサイト構築 – 林賢紀. LODを活用した外部リソースと連携可能なWebサイト 構築. Code4Lib Japan Conference 2018. https://doi.org/10.6084/m9.figshare.7037822 – 林賢紀. CMSを利用したWebサイト 構造化 検討. Code4Lib Japan Conference 2017 https://doi.org/10.6084/m9.figshare.5371555 参考
112. www.jircas.go.jp www.jircas.go.jp 地球と食料 未来 ために
113. ͜Ͳ΋-0%৆
     ,PTPEBUF
     ৆ۚɿສԁ
     
114. ͜Ͳ΋-0%৆
     ʲ৹ࠪߨධʳ
     ຊΞϓϦ͸ɺ౦ژ౎ఏڙͷΦʔϓϯσʔλʮ੺ͪΌΜɾ;Βͬͱʯ ͱ͍͏ࢠҭͯαʔϏεఏڙࢪઃͷ৘ใΛݕࡧ͠ɺࢪઃͷධՁ͕ߦ͑ɺ ͞Βʹࢠڙ࿈Ε֎ग़࣌ͷ஫ҙ఺ͳͲΫΠζܗࣜͰͷֶशɺ֗தͰͷ ࢠڙ࿈ΕͰҠಈ͢ΔࡍʹόϦΞͱͳΔ৘ใͳͲΛొ࿥Ͱ͖ΔΞϓϦ Ͱ͢ɻΞϓϦͷ࢖༻Ͱɺࢠڙ࿈Εͷ֎ग़͕͠΍͘͢ͳΔͱߟ͑ΒΕ ·͢ɻࠓޙɺଞͷ஍ҬͰ΋ಉ༷ͷΦʔϓϯσʔλͷఏڙ͕ਐΈɺ
     ΞϓϦ͕ਐԽ͍ͯ͘͠ࣄΛظ଴͠·͢ɻ
     ,PTPEBUF
     
123. .M9 l /*M$G;84L;CQVfbe_f[M ITce`KJM-0"1%M( = l '
     \U]W1%L>@Q!-M #:HM = l +D&76M+PKJM)HM M( = l $G;84-0"<'
     \U]W<8R M3M _f[S BG<$ G&5XY^dS13AD<OP #,MafZL FE-SH?QXY ^dN2ADQ=
124. Χϧνϟʔ-0%৆
     όʔνϟϧ:PV5VCFS
     -0%
     ৆ۚɿສԁ
     
125. Χϧνϟʔ-0%৆
     ʲ৹ࠪߨධʳ
     όʔνϟϧ:PV5VCFSͱ͍͏৽͍͠ωοτจԽͷͭͳ͕ΓΛ-0%Խ ͢Δ͜ͱͰɺॴଐ͢Δάϧʔϓͷϝϯόʔͷଞಈը౳͕ΫΤϦͰऔ ΕΔΑ͏ʹͳ͓ͬͯΓɺͱͯ΋໘ന͍ࢼΈͰ͢ɻ೔ʑ৽͍͠ίϯς ϯπ͕ग़ͯ͘ΔதͰ໢ཏ͢Δͷ͸େมͰ͕͢ɺࠓޙͷσʔλ֦ॆ΍ ֎෦σʔλ΁ϦϯΫ͢Δ͜ͱͰɺߋʹ༗༻ͳσʔλʹͳΔ͜ͱΛ
     ظ଴ͯ͠ɺຊ৆ΛଃΓ·͢ɻ
     όʔνϟϧ:PV5VCFS
     -0%
     
126. AN8GJYoutuberLOD (LOD8GKM22018<N759=”˜› HKF6-%)%:8?Vtuber#1+
127. 
      *&.1YouTuber@YouTube7I
     I4LA=*&.1!./"%G 9J
     *&.1YouTuberBF E3 
     M$2(2'$/,C  = *&.1YouTuber)%LOD <5  
     >;M$2(2' LOD02"  D 2
128. AN8GJYoutuberLOD[ • AN8GJYoutubervs/M;M:!
     oa}™ #" → )NBM[ "<N7™ #" • z/M;M:/HD“%!
     # p—uk"Z–" → Qlz2GMJ)NBM<N7IM, uk " 3
129. U<N7 • AN8GJYouTuberHM+M-(https://virtual- youtuber.userlocal.jp/document/ranking) ◦ *&.1YouTuberP|HM+M-$r‘" 1'= ◦ *&.1YouTuber8GM@JURLyŽ
     TwitterID $]m"U • YouTube Data API(https://developers.google.com/youtube/v3/?hl=ja) ◦ *&.1YouTuber8GM@Joa_\‚oa$ ]m"U 4
130. R<N7IM+M-V • 1M<N2GEM ◦ +4?&'Y~ƒ‡ ◦ DBpediajCN2+4?&'$IM+M-" ^‹ • O`#(bX) ◦ +4?&'\‚.3=Y~ˆ{! ◦ j"\‚oaDBpediaIM+M-^‹ 5
131. w†,(IV €fVtuber&9BLN>\‚$w† 6
132. w†,(IV €fVtuberqi"-JNBSx FMAN$w† 7
133.  • AN8GJYoutuber ◦ \‚•W$AN8GJ+GH,7NŠ…!
     e p—$‰ " • LOD"[ ◦ n’„h$"*;0I"
     )NBM <N7!T # ◦ z/M;M:/HD!
     Qld <N7 IM, " • Qlš ◦ c”<N7IM, "6N3g ◦ Œ\ts 8
134. ஍Ҭৼڵ-0%৆
     ஍Ҭஂମ঎ඪ
     3FHJPOBM
     #SBOET
     JO
     +BQBO
     
     ϩʔΧϧνΣʔϯళ
     ৆ۚɿສԁ
     
135. ஍Ҭৼڵ-0%৆
     ʲ৹ࠪߨධʳ
     ຊ࡞඼͸ʮ஍Ҭஂମ঎ඪʯٴͼʮϩʔΧϧνΣʔϯళʯͷ৘ใΛ ΦʔϓϯσʔλԽͨ͠΋ͷͰ͢ɻ஍Ҭϒϥϯυʹண໨ͨ͠ൃ૝ͷ໘ ന͞ʹՃ͑ɺऩ࿥Ϩίʔυ਺΍σʔλߏ଄ͷ໘Ͱ΋༏Ε͍ͯ·͢ɻ ஍ํͷաૄԽ͕େ͖ͳࣾձ໰୊ͱͳΓͭͭ͋ΔࡢࠓɺॅຽͷखͰ࣋ ଓՄೳͳࣾձΛங͍͍ͯͨ͘Ίʹ͸஍Ҭͷৼڵ͕͔ܽͤ·ͤΜɻຊ ࡞඼͕ொ͓͜͠ʹ׆༻͞Εɺ஍Ҭࣾձͷൃలʹد༩͢Δ͜ͱΛظ଴ ͠ɺຊ৆ΛଃΓ·͢ɻ
     ஍Ҭஂମ঎ඪ
     3FHJPOBM
     #SBOET
     JO
     +BQBO
     
     ϩʔΧϧνΣʔϯళ
     
136. 
     
137. 
       60   , 3
138. JAPAN BRAND API ( ) 
     
      
     
     
139. ( )
140. #& 0,!%''
     $"'   *.(  -5 /  3 1 4+ )2 
142. (C)
      JNTO  
     
143.      
     
144. 
     
      
     
      9;)680:6$2*
     & =3%+7<9;+%+ 9;4 '(4 1 '(
     9;+
       
     >- 9;!"# 
     & ./&5,
145. "  # !  
        
     
           
146.  &"
        !$ #' % 
147. #& 0,!%''
     $"'   *.(  -5 /  3 1 4+ )2 
148. '  *-%" ' &#*-$ ()+!,  .  /
     
149. :,92+;J IAST 4*31N 63/81.
     :,92+;J M@' &#( I!" H><G& ):,92+ ;J>D(FP&EC#$ >DKOQ? % "  99 BU'J# #=L2+3-=RBU51 70"
150. =:1@3@ ($0>;= C>
     6> 84> #<A?"    >B  75  29#! /%.($0> *'&)+ ,-
151. #"! (  
      
     
      '*&$%, '*&) )+
152. 01/#"4   
      
     
        25!&' +*. 38)#" 235
     ,%01#"-$( 01#"4 746
153. *!%    
       
      
     
      #'$+  #'")$+& &(
154. "   
       
     
      %'!# "$*  )&(
155.  &"
        !$ #' % 
156. #& 0,!%''
     $"'   *.(  -5 /  3 1 4+ )2 
157. 
       
             
158. -0%ϓϩϞʔγϣϯ৆
     1PPSNBO`T
     -JOLFE
     %BUB
     5PPMLJU
     
     
     ͓खܰʹ-JOLFE
     %BUBΛ࡞Ζ͏
     ৆ۚɿສԁ
     
159. -0%ϓϩϞʔγϣϯ৆
     ʲ৹ࠪߨධʳ
     -0%ͷجຊͱͳΔσʔλ࡞੒Λɺଟ͘ͷਓʑ͕ීஈར༻͍ͯ͠Δ πʔϧΛ࢖ͬͯͲ͜·Ͱ؆୯ʹ࣮ݱͰ͖Δͷ͔Λಥ͖٧ΊͨऔΓ૊ Έͱͯ͠ߴ͘ධՁ͠·͢ɻ؆୯͞͸ࢀՃͷෑډΛԼ͛ɺੜΈग़͞Ε Δσʔλͷଟ༷ੑʹͭͳ͕Δͱͱ΋ʹɺ׆ಈͷ࣋ଓੑʹ΋Α͍Өڹ Λ༩͑·͢ɻ·ͨ࢓૊Έ͕໌շͰ͋Δ͜ͱ͔Βσʔλ࡞੒ͷڭࡐʹ ΋ͳΓಘΔͳͲɺ͞·͟·ͳల։͕ߟ͑ΒΕ·͢ɻຊ࡞඼ʹΑͬͯ ๛͔ͳσʔλͷੈք͕࡞ΒΕΔ͜ͱΛظ଴͠·͢ɻ
     1PPSNBO`T
     -JOLFE
     %BUB
     5PPMLJU
     
     
     ͓खܰʹ-JOLFE
     %BUBΛ࡞Ζ͏
     
160. LOD  
     Poorman’s Linked Data Toolkit Linked Data! +1"2)$' *-0, LOD 2018   
     
     #(%3,&! 2018/128.
161. Poorman’s Linked Data Toolkit • RDF/%!.'*0  ;, 9:? • MS Excel
     MS Word
       RDF/Turtle&-Linked Data*0#5 ) Turtle= 4" Turtle= Copy&Paste Turtle=  76< ”  13 Copy&Paste & + !>( .ttl  82 RDF $0
162. Turtle  Excel    RDF
     
163.  
        • ")* • LOD https://w3id.org/jp-textbook/ • KWMA-san LOD https://harumukanon.github.io/kwma-san/ • &'+ (% • https://github.com/jp-textbook/jp-textbook.github.io/wiki/Toolkit • # • 
      $ 4.0   !
164. 
     •   
     • Linked Data&*
     ($",   • &*%! '- )+#
165. ϓϩάϨε৆
     +40/-%
     .BQQFS
     ৆ۚɿສԁ
     
166. ϓϩάϨε৆
     ʲ৹ࠪߨධʳ
     ࡢ೥ͷ-0%νϟϨϯδͰΞΠσΟΞ෦໳༏ल৆Λड৆͞ΕͨΞΠ σΟΞΛܗʹ͠ɺ+40/σʔλ͔Β+40/-%ͷσʔλΛ༰қʹ࡞੒ Ͱ͖Δͱ͍͏ɺ-0%ීٴͷେ͖ͳՃ଎Λ༧ײͤ͞Δ༏Εͨπʔϧͱ ͳ͍ͬͯ·͢ɻࠓޙ΋ɺϚοϐϯά༻ޠኮΛΑΓ؆୯ʹબ΂Δ޻෉ ΍νϡʔτϦΞϧͷॆ࣮ͳͲɺߋͳΔ׬੒౓޲্ʹେ͍ʹظ଴ͨ͠ ͍࡞඼Ͱ͢ɻࠓճ͸ಛʹɺෳ਺ճͷ-0%νϟϨϯδͰ࡞඼ͷண࣮ͳ ਐలΛΈͤͯ௖͍ͨ͜ͱʹରͯ͠ຊ৆ΛଃΓ·͢ɻ
     +40/-%
     .BQQFS
     
167. JSON2LD Mapper ࢁຊ ହஐɺ౻ᖒوஐ খྛ ؜ੜɺҏ౻ फଠ ΞΠσΞ෦໳࡞඼ ʙ+40/σʔλΛ؆ศʹ-0%Խ͢Δࢧԉπʔϧʙ ϓϩάϨε৆
168. JSON2LD: ΞΠσΞ֓ཁ • JSON͸ɺܰྔ͔ͭՄಡੑ͕ߴ͘WebΞϓϦ έʔγϣϯ౳Ͱ޿͘࢖ΘΕ͍ͯΔσʔλܗࣜ • JSON-LD͸ɺ΄΅RDFޓ׵͔ͭਖ਼౰ͳJSON ܗࣜͷͨΊɺJSONσʔλΛѻ͏طଘͷΞϓ ϦέʔγϣϯͰॲཧՄೳͰ࠷ۙ஫໨͞Ε͍ͯ Δ • JSON-LDʹඞཁͳContextఆٛ͸ɺΦϯτϩ δʔར༻΍ߏஙʹ૬౰͢ΔͷͰϋʔυϧ͕ߴ ͍ • ͜ͷContextఆٛΛࢧԉ͠ɺJSONܗࣜσʔ λΛ௿ίετͰJSON-LDม׵͢ΔΞϓϦ έʔγϣϯJSON2LD MapperΛఏҊ { “name”: “John Lennon”, “born”: “1940-10-09“, “spouse”: “http://dbpedia.org/resource/Cynthia_Lennon” } { “@context”: “https://json-ld.org/contexts/person.jsonld” “@id”: “http://dbpedia.org/resource/John_Lennon” “name”: “John Lennon”, “born”: “1940-10-09“, “spouse”: “http://dbpedia.org/resource/Cynthia_Lennon” } https://json-ld.org/ ͔ΒҰ෦վม { “@context”: { “xsd”: “http://www.w3.org/2001/XMLSchema#”, “name”: “http://xmlns.com/foaf/0.1/name”, “born”: { “@id”: “http://schema.org/birthDate”, “@type”: “xsd:dateTime”}, “spouse”: { “@id”: “http://schema.org/spouse”, “@type”: “@id”}, } JSON-LD@Context JSON-LD JSON ࠓճ͸+40/-%ͷ࢓༷ͷҰ෦ΛରԠ
169. JSON2LD: ΢ΣϒɾΞϓϦέʔγϣϯ࢓༷ Input JSON Parse JSON Map terms to IRI Output JSON-LD Provide URL for Context JSONΦϒδΣΫτཁૉͰఆ͕ٛඞཁͳίϯςΩετ ༻ޠʹରͯ͠ɺطଘʗ৽نIRIɺ୹ॖIRIɺΩʔϫʔυ ࢦఆ͓ΑͼܕࢦఆͷϚοϐϯάࢧԉ͢ΔJSON-LDܗ ࣜม׵ΞϓϦέʔγϣϯ IUUQTKTPOMENBQQFSUPLZP
170. JSON2LDɿLODԽͷଅਐ • ContextΛಠཱͨ͠ϑΝΠϧͰఆٛ͢Δ͜ͱ Ͱɺ༰қʹଟ͘ͷσʔλͰ࠶ར༻Ͱ͖Δઃܭ • ୭ʹͰ΋ެ։͢Δ͜ͱͰɺຊΞϓϦͷग़ྗ͢Δ ContextϑΝΠϧ΋LODԽ • طଘͷඇLODࢿݯͷLODԽ • طଘLODͷϚοϐϯά༻ͷIRIͱͯ͠׆༻͢Δ͜ ͱͰطଘLODͱͷϦϯΫΛଅਐ • কདྷతʹ͸ɺ͞·͟·ͳσʔλ͔Βࢀর͞ΕΔ JSON-LD޲͚ίϯςΩετΛूੵ͢ΔϨϙδτ ϦΛ্ཱͪ͛ɺJSON-LDσʔλɺͻ͍ͯ͸LOD ͷΠϯϑϥͱͯ͠ػೳͤ͞ɺ͞ΒͳΔLODԽͷ ྲྀΕΛՃ଎͢Δ͜ͱʹߩݙ͍ͨ͠ ຊ։ൃΛ࣮ݱ͢ΔͨΊͷϏδωεύʔτφʔΛઈࢍืूதʂ ΠϯϑΥɾϥ΢ϯδגࣜձࣾʂ