Excelで自分の記事のダッシュボードを分析してみた

情報Ⅰの相関関係と因果関係についての授業の準備をしていて、何か身近なことに応用できないかなと思っていました。
そういえば、noteのダッシュボードで、ビュー数、コメント数、スキ数がわかります。
それなら、ビュー数とスキ数を分析してみると何か見えてくることがあるかなと思いました。

実は、ChatGPTを使った分析はやったことがあります。

今回は情報Ⅰの学習内容を使って、Excelで分析してみようと思います。

ダッシュボードのデータの入手

note右上の自分のアイコンから「ダッシュボード」を開きます。

下方に「記事」「ビュー」「コメント」「スキ」が表になっています。
「もっと見る」をクリックして全部の記事が表示されている状態で表の部分を全部選択してコピーし、Excelに貼り付けます。
※コメントはほとんどなかったので、今回は分析しませんでした。
※値は隠してあります（概算できるとは思いますが）。

散布図をつくる

B列、C列を全て選択します（列の先頭にある「B]「C」という文字をクリックすると楽）。

「挿入」→「グラフ」グループ→「散布図」をクリックします。

散布図が表示されました。
※グラフタイトルと軸ラベルを追加してあります。また、縦軸、横軸の文字は白にしてあります。

相関は弱そうですね。

相関係数を求める

一応、相関係数を求めてみます。
ビュー数がB列、スキ数がC列に入っているので、相関係数は

=CORREL(B:B,C:C)

で求まります。
計算すると、0.17561となりました。
やっぱり相関は弱いですね。

単回帰分析

近似直線

近似直線を求めます。
「グラフのデザイン」タブ→「グラフ要素を追加」→「近似曲線」→「線形」を選択します。

近似直線が表示されました。
※色をオレンジに変えてあります。

回帰式

回帰式を表示させます。
近似曲線を選択した状態で、右側に表示される「近似曲線の書式設定」から「グラフに数式を表示する」にチェックをつけます。

回帰式は
y=0.0114x+6.2091
となります。

外れ値

飛びぬけて一番ビュー数が多い記事は、
「Googleフォームで実施したアンケートの未提出者リストを作る」
です。
この記事のビュー数に引っ張られて回帰式の傾きが小さくなっていることが考えられるので、外れ値として除外すると相関係数が高くなりそうです。

また、ビュー数が少ないのにスキ数が飛びぬけて多い記事が一つありますが、それは、
「note始めました」
です。
初投稿のご祝儀でスキ数が増えていると考えられるので外れ値と考えて良さそうです。

その２つを除外すると、
相関係数が0.516673
回帰式がy=0.0534x+1.3252
となります。

強い相関とまでは言えなそうです。

散布図から考察する

散布図と回帰直線から、大雑把に記事を４つに分類できそうです。

良記事：ビュー数もスキ数も多い。回帰直線に近い。
クソ記事：ビュー数もスキ数も少ない。回帰直線より下。
隠れた逸品：ビュー数が少ないのにスキ数が多い。回帰直線より上。
期待外れ：ビュー数が多いのにスキ数が少ない。。回帰直線より下。

この分類で分けてみると、

隠れた逸品

画像生成の記事は、読んでいても楽しかったのではないかと思います。
実際に私の記事を見て取り組んだ方もいらっしゃったようです。
自分としては、記事を作っていて楽しかったのですが、はしゃぎすぎかなと心配していたので、この結果は意外でうれしいです。
校務DX化チェックリストも、共感を得やすかったのかなと思います。

期待外れ

技術的な記事ですが、あまり役に立たなかったのか、やり方だけ参考にして「いいね」を押さなかったなのか・・・。
授業時間5分短縮については、挑発的な書き方をしてしまったので共感を得られなかったのかなと思います。
自分で読み直してみても、生意気そうです。反省。

まとめ

情報Ⅰの教科書に載っている程度の知識を使って分析してみました。
身近なデータを使って分析するのは興味が湧くものです。
たぶん生徒もそうでしょう。
これからも自分が「期待外れ製造機」になっていないか、時々分析してみたいと思います。