3
2

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?

More than 1 year has passed since last update.

自分のQiitaの記事を分析してみた

Last updated at Posted at 2021-09-19

はじめに

目標としていた30件の記事をQiitaに投稿できたので、自分の記事を分析してみる。
今後のアクションが何か導き出せるとよい。
データ集計は2021/9/20 0:00くらいに行った。

データ分析の注意点

アクションに結びつかないデータ分析をしないように注意する。
課題解決・問題解消につながらないデータ分析をしないように注意する。
せっかくなので、趣味のデータ分析をして終わりにならないように注意する。

『データ指向のソフトウェア品質マネジメント―メトリクス分析による「事実にもとづく管理」の実践』

書籍『データ指向のソフトウェア品質マネジメント―メトリクス分析による「事実にもとづく管理」の実践』に示されている「品質データ分析の作法」の中に、「作法7:アクションに結びつく分析を行う」がある。

###『日本企業がデータドリブン企業になれない本当の理由とその解決方法』
河本薫の講演資料の中に以下の言葉が出てくる。

データ分析のゴールは、課題を解決し、問題を解消することである。

河本薫,「日本企業がデータドリブン企業になれない本当の理由とその解決方法」,ソフトウェア品質シンポジウム2020,2020

#データ集計結果
##集計対象データ
goods:LGTMの数
stock:ストックの数
views:viewsの数
views/goods:一つのLGTMをいただくまでに必要とするviewsの平均値
views/(goods+stock):一つのLGTMまたはストックをいただくまでに必要とするviewsの平均値
rewrite:記事の編集回数
links:記事内のリンクの数

views/goodsとviews/(goods+stock)は、記事の良さを示す指標となり得る。
views/goodsの詳細な説明は、@kaizen_nagoyaさんの以下の記事参照。
https://qiita.com/kaizen_nagoya/items/d30240b2a9adec288ca9

記事毎のデータ集計結果

投稿日時が新しい順に並べている。

title link goods stock views views/
goods
views/
(goods+stock)
rewrite links
ダブルチェックとクロスチェックに関する参考情報 https://qiita.com/kazuo_reve/items/f6e26643dc390b4a4120 2 2 444 222 111 7 8
私達の最悪実行時間計測アプローチ https://qiita.com/kazuo_reve/items/50176a1f192fb77aa576 2 0 100 50 50 7 3
チェックリストに関する考察と私達のチェックリスト活用法 https://qiita.com/kaizen_nagoya/items/81e3519e3740fa766d6a 1 0 348 348 348 16 5
昔プロセス診断でいただいた所見・提言で、今も大切だと思っていること https://qiita.com/kazuo_reve/items/06a76755b25dc7a2dec5 1 0 248 248 248 10 7
ELYZA DIGESTで自分の論文・記事を要約させてみた https://qiita.com/kazuo_reve/items/f25b444fad35acfe6b41 3 2 658 219 132 20 8
私達のリスク管理の事例(オニオンモデル風の図&プロセス図&未来予想図の活用) https://qiita.com/kazuo_reve/items/8664746290f092264d35 4 6 1405 351 141 28 11
トム・デマルコ「ゆとりの法則」に関係する経験則 ~マネージャーの圧について~ https://qiita.com/kazuo_reve/items/50fb4bf485e98b9355ed 11 6 3845 350 226 11 8
自分のコーディングでユーザーに喜びの声いただいたこと https://qiita.com/kazuo_reve/items/b1a4ee2fc421422c6b9a 1 0 430 430 430 18 3
アーキテクチャ設計のプロセスを改善するために参照した論文・資料・記事 https://qiita.com/kazuo_reve/items/dc9e170a45fb033127fd 32 56 5041 158 57 26 37
確率・統計についての勉強メモ https://qiita.com/kazuo_reve/items/e0b4c078bcdcff521960 1 0 157 157 157 0 62
マネージャーの役割を引き継ぐときに、メンバから聞いた”継続して欲しいこと” https://qiita.com/kazuo_reve/items/68b01e25f1bfc7762fcd 12 11 1587 132 69 18 3
マネージャー・リーダーの私にとって有益な知見が得られた書籍 https://qiita.com/kazuo_reve/items/6976029e72763ea73245 75 97 6824 91 40 53 39
2020年度SQiP研究会で発表された論文「自然言語処理を利用した類似障害情報の抽出と活用方法の提案」の内容を写経してみた https://qiita.com/kazuo_reve/items/eb6cb30f96836ded95c7 9 11 2457 273 123 6 7
自動車の故障診断に関連するプログラマーになりたての方が参照するとよさそうな情報 https://qiita.com/kazuo_reve/items/f773b320dcbf2ab316da 3 4 1874 625 268 6 14
新人の方によく展開している有益な情報 https://qiita.com/kazuo_reve/items/d1a3f0ee48e24bba38f1 1836 2349 94441 51 23 31 73
プロセス改善に関して、個人的に有益な情報 https://qiita.com/kazuo_reve/items/2c9a2d13bd57282bec1f 4 5 1552 388 172 22 31
ソフトウェアテストに関して、個人的に有益な論文・資料 https://qiita.com/kazuo_reve/items/157423aff900ac3b9e16 5 12 1181 236 69 15 22
ソフトウェア品質シンポジウムでBest Paper Effective Awardを受賞するコツ? https://qiita.com/kazuo_reve/items/b5e740328bebad179414 2 2 717 359 179 16 11
形態素解析を活用した推敲の方法 https://qiita.com/kazuo_reve/items/6b7205ffb4ce6ad230ba 8 5 1637 205 126 18 18
見積りに関する情報と知見 https://qiita.com/kazuo_reve/items/4d74723faaad1c2875a0 15 12 2718 181 101 26 15
文章の推敲・校正の個人的なノウハウ https://qiita.com/kazuo_reve/items/b15d99759d75f942b9f0 24 8 3584 149 112 22 13
トラブルシューティング(デバッグ)について実体験から学んだこと https://qiita.com/kazuo_reve/items/d8fff990b8f2e691ad74 3 7 1281 427 128 14 8
派生開発の課題を解決するための工夫 https://qiita.com/kazuo_reve/items/847a7b0a7988078c6cce 7 7 1707 244 122 17 8
「Rによる機械学習」の勉強履歴(5) https://qiita.com/kazuo_reve/items/162ba2ebaf44bd4d449c 1 2 759 759 253 4 3
「規模あたりのテストケース数はもはや意味をなさない」という問いに対する考え https://qiita.com/kazuo_reve/items/50419ce788703746d14a 1 6 1675 1675 239 16 7
ワークショップ「ソフトウェア開発におけるHAZOP入門」の結果 https://qiita.com/kazuo_reve/items/c1c1d32baed5d60d55c7 2 3 1538 769 308 7 13
「Rによる機械学習」の勉強履歴(4) https://qiita.com/kazuo_reve/items/7cb4d7beaf55a8a1e745 2 4 801 401 134 5 2
「Rによる機械学習」の勉強履歴(3) https://qiita.com/kazuo_reve/items/609396b80384095f594f 3 3 808 269 135 9 5
「Rによる機械学習」の勉強履歴(2) https://qiita.com/kazuo_reve/items/388968db10b67dbbb7ac 3 3 1004 335 167 5 7
「Rによる機械学習」の勉強履歴(1) https://qiita.com/kazuo_reve/items/d45506146aeef52f6c65 6 6 1863 311 155 3 5
title link tag
ダブルチェックとクロスチェックに関する参考情報 https://qiita.com/kazuo_reve/items/f6e26643dc390b4a4120 ポエム レビュー プロジェクト管理 新人プログラマ応援 プロセス改善
私達の最悪実行時間計測アプローチ https://qiita.com/kazuo_reve/items/50176a1f192fb77aa576 組み込み 計測 RTOS処理 速度 プロセス改善
チェックリストに関する考察と私達のチェックリスト活用法 https://qiita.com/kaizen_nagoya/items/81e3519e3740fa766d6a ポエム プロジェクト管理 チェックリスト 新人プログラマ応援 プロセス改善
昔プロセス診断でいただいた所見・提言で、今も大切だと思っていること https://qiita.com/kazuo_reve/items/06a76755b25dc7a2dec5 ポエム プロジェクト管理 interview プロセス改善 アセスメント
ELYZA DIGESTで自分の論文・記事を要約させてみた https://qiita.com/kazuo_reve/items/f25b444fad35acfe6b41 自然言語処理 機械学習 DeepLearning 論文 AI
私達のリスク管理の事例(オニオンモデル風の図&プロセス図&未来予想図の活用) https://qiita.com/kazuo_reve/items/8664746290f092264d35 プロジェクト管理 マネジメント リスク管理 リスクマネジメント プロジェクトマネジメント
トム・デマルコ「ゆとりの法則」に関係する経験則 ~マネージャーの圧について~ https://qiita.com/kazuo_reve/items/50fb4bf485e98b9355ed ポエム プロジェクト管理 マネジメント プロジェクトマネジメント 心理的安全性
自分のコーディングでユーザーに喜びの声いただいたこと https://qiita.com/kazuo_reve/items/b1a4ee2fc421422c6b9a プログラミング 初心者 ポエム アプリ開発 新人プログラマ応援
アーキテクチャ設計のプロセスを改善するために参照した論文・資料・記事 https://qiita.com/kazuo_reve/items/dc9e170a45fb033127fd リファクタリング 設計 アーキテクチャ 組み込み プロセス改善
確率・統計についての勉強メモ https://qiita.com/kazuo_reve/items/e0b4c078bcdcff521960 統計 データ分析 統計学 メトリクス 確率
マネージャーの役割を引き継ぐときに、メンバから聞いた”継続して欲しいこと” https://qiita.com/kazuo_reve/items/68b01e25f1bfc7762fcd ポエム プロジェクト管理 マネジメント チームビルディング プロジェクトマネジメント
マネージャー・リーダーの私にとって有益な知見が得られた書籍 https://qiita.com/kazuo_reve/items/6976029e72763ea73245 書籍 プロジェクト管理 マネジメント プロジェクトマネジメント Qiitaエンジニアフェスタ_技術書
2020年度SQiP研究会で発表された論文「自然言語処理を利用した類似障害情報の抽出と活用方法の提案」の内容を写経してみた https://qiita.com/kazuo_reve/items/eb6cb30f96836ded95c7 Python 自然言語処理 GiNZA 推敲 SQiP
自動車の故障診断に関連するプログラマーになりたての方が参照するとよさそうな情報 https://qiita.com/kazuo_reve/items/f773b320dcbf2ab316da OBD2 OBDⅡ Diagnostics AUTOSAR 故障診断
新人の方によく展開している有益な情報 https://qiita.com/kazuo_reve/items/d1a3f0ee48e24bba38f1 初心者 ポエム 初心者向け 新人プログラマ応援
プロセス改善に関して、個人的に有益な情報 https://qiita.com/kazuo_reve/items/2c9a2d13bd57282bec1f プロセス プロジェクト管理 品質管理 品質 プロセス改善
ソフトウェアテストに関して、個人的に有益な論文・資料 https://qiita.com/kazuo_reve/items/157423aff900ac3b9e16 テスト バグ プロセス改善 ソフトウェアテスト 品質
ソフトウェア品質シンポジウムでBest Paper Effective Awardを受賞するコツ? https://qiita.com/kazuo_reve/items/b5e740328bebad179414 統計データ 分析 形態素解析 論文 KHCoder
形態素解析を活用した推敲の方法 https://qiita.com/kazuo_reve/items/6b7205ffb4ce6ad230ba レビュー 形態素解析 ドキュメント KHCoder 推敲
見積りに関する情報と知見 https://qiita.com/kazuo_reve/items/4d74723faaad1c2875a0 データ分析 プロジェクト管理 マネジメント メトリクス 見積もり
文章の推敲・校正の個人的なノウハウ https://qiita.com/kazuo_reve/items/b15d99759d75f942b9f0 レビュー 形態素解析 KHCoder 校正 推敲
トラブルシューティング(デバッグ)について実体験から学んだこと https://qiita.com/kazuo_reve/items/d8fff990b8f2e691ad74 ノウハウ デバッグ トラブルシューティング モブプログラミング FTA
派生開発の課題を解決するための工夫 https://qiita.com/kazuo_reve/items/847a7b0a7988078c6cce テスト データ分析 派生開発 XDDP DRBFM
「Rによる機械学習」の勉強履歴(5) https://qiita.com/kazuo_reve/items/162ba2ebaf44bd4d449c R 機械学習 RStudio
「規模あたりのテストケース数はもはや意味をなさない」という問いに対する考え https://qiita.com/kazuo_reve/items/50419ce788703746d14a テスト データ分析 カバレッジ メトリクス ソフトウェアテスト
ワークショップ「ソフトウェア開発におけるHAZOP入門」の結果 https://qiita.com/kazuo_reve/items/c1c1d32baed5d60d55c7 テスト 初心者 分析 HAZOP Jasst
「Rによる機械学習」の勉強履歴(4) https://qiita.com/kazuo_reve/items/7cb4d7beaf55a8a1e745 R 機械学習 RStudio
「Rによる機械学習」の勉強履歴(3) https://qiita.com/kazuo_reve/items/609396b80384095f594f R 機械学習 RStudio
「Rによる機械学習」の勉強履歴(2) https://qiita.com/kazuo_reve/items/388968db10b67dbbb7ac R 機械学習 RStudio
「Rによる機械学習」の勉強履歴(1) https://qiita.com/kazuo_reve/items/d45506146aeef52f6c65 R 機械学習 RStudio

タグ毎のデータ集計結果

goodsが多い順に並べている。
numは、tagが使われていた記事の数。

tag goods stock views num
ポエム 1864 2368 101343 7
新人プログラマ応援 1840 2351 95663 4
初心者 1839 2352 96409 3
初心者向け 1836 2349 94441 1
プロジェクト管理 125 139 18971 9
マネジメント 117 132 16379 5
プロジェクトマネジメント 102 120 13661 4
Qiitaエンジニアフェスタ_技術書 75 97 6824 1
書籍 75 97 6824 1
プロセス改善 47 75 8914 7
推敲 41 24 7678 3
KHCoder 34 15 5938 3
レビュー 34 15 5665 3
形態素解析 34 15 5938 3
組み込み 34 56 5141 2
アーキテクチャ 32 56 5041 1
リファクタリング 32 56 5041 1
設計 32 56 5041 1
データ分析 24 25 6257 4
校正 24 8 3584 1
機械学習 18 20 5893 6
メトリクス 17 18 4550 3
R 15 18 5235 5
RStudio 15 18 5235 5
テスト 15 28 6101 4
見積もり 15 12 2718 1
チームビルディング 12 11 1587 1
自然言語処理 12 13 3115 2
心理的安全性 11 6 3845 1
GiNZA 9 11 2457 1
Python 9 11 2457 1
SQiP 9 11 2457 1
品質 9 17 2733 2
ドキュメント 8 5 1637 1
DRBFM 7 7 1707 1
XDDP 7 7 1707 1
派生開発 7 7 1707 1
ソフトウェアテスト 6 18 2856 2
バグ 5 12 1181 1
論文 5 4 1375 2
プロセス 4 5 1552 1
リスクマネジメント 4 6 1405 1
リスク管理 4 6 1405 1
品質管理 4 5 1552 1
分析 4 5 2255 2
AI 3 2 658 1
AUTOSAR 3 4 1874 1
DeepLearning 3 2 658 1
Diagnostics 3 4 1874 1
FTA 3 7 1281 1
OBD2 3 4 1874 1
OBDⅡ 3 4 1874 1
デバッグ 3 7 1281 1
トラブルシューティング 3 7 1281 1
ノウハウ 3 7 1281 1
モブプログラミング 3 7 1281 1
故障診断 3 4 1874 1
HAZOP 2 3 1538 1
Jasst 2 3 1538 1
RTOS処理 2 0 100 1
計測 2 0 100 1
速度 2 0 100 1
統計データ 2 2 717 1
interview 1 0 248 1
アセスメント 1 0 248 1
アプリ開発 1 0 430 1
カバレッジ 1 6 1675 1
チェックリスト 1 0 348 1
プログラミング 1 0 430 1
確率 1 0 157 1
統計 1 0 157 1
統計学 1 0 157 1

#考察

  • 記事内にリンクの数が多い「まとめ記事」は、viewsも多く、評価も高い傾向がある。
  • 圧倒的に評価が高い(views/goodsが51、views/(goods+stock)が23)記事は、viewsも圧倒的に多い。
  • 『新人の方によく展開している有益な情報』
  • 自分にとって有益だった情報を展開した「まとめ記事」は、評価が高い傾向がある(6記事中4記事で、views/(goods+stock)が100以下)。以下の記事は、それほど評価が高くない。そもそも、この2つの記事で対象としている情報を必要としているQiitaユーザーの方が少ない可能性が高そう。
  • 『自動車の故障診断に関連するプログラマーになりたての方が参照するとよさそうな情報』
  • 『プロセス改善に関して、個人的に有益な情報』
  • 「まとめ記事」にもかかわらず、以下の記事だけは、viewsも少なく、評価も低い。
  • 『確率・統計についての勉強メモ』
  • まだviewsはそこまで多くないが(viewsは2000以下で)、比較的多くの方々に評価をいただいている記事(views/(goods+stock)が100以下の記事)で、「まとめ記事」でないものが2つある。この2つの記事は、「まとめ記事」ではなく「自分自身の工夫を紹介した記事」である。
    • 『私達の最悪実行時間計測アプローチ』
    • 『マネージャーの役割を引き継ぐときに、メンバから聞いた”継続して欲しいこと”』
  • 記事『新人の方によく展開している有益な情報』のタグを除くと、以下のタグがつけられている記事の評価が高い。
  • プロジェクト管理
  • マネジメント
  • プロジェクトマネジメント

今後のアクション

  • 『確率・統計についての勉強メモ』は、まとめ記事としてまだ価値がないので、改善する。
  • 『私達の最悪実行時間計測アプローチ』と『マネージャーの役割を引き継ぐときに、メンバから聞いた”継続して欲しいこと”』は、自プロジェクト以外でも有益な知見である可能性がある。自分のプロジェクトで取り組みを継続しながら、記事で述べている方法を洗練させていく。シンポジウム等で発表することも視野に入れる。
  • プロジェクトマネージャーとしての経験を更に積み、プロジェクト管理(プロジェクトマネジメント)の知見を言語化し、その知見を活かし業界に貢献する。
  • 自分にとって有益だった情報は、他の方にとっても有益な可能性が高い。自分にとって有益な情報をまとめて展開するだけでも、業界に貢献できる可能性がある。自分が有益な情報を教えていただいたら、その有益な情報をまとめて展開することを、今後も継続する。

まだ、統計手法による分析が不足しているので、Rなどを使って、もう少し追加の分析をしてみたいと思う。

おまけ:統計手法による分析

「R コマンダー(Rcmdr)」で、統計手法による分析をしてみた。
Rcmdrの使い方は、以下の記事を参照。
https://qiita.com/kazuo_reve/items/388968db10b67dbbb7ac

分析するときに記事『新人の方によく展開している有益な情報』は外した。各変数の値が、他の記事と比べてかなり大きく、分析をするときに記事『新人の方によく展開している有益な情報』の影響を強く受けすぎると考えた。

散布図行列

psychというライブラリを使って、相関係数も表示される散布図行列を描いてみた。

※psychを使った散布図行列の描き方・読み方については、以下の記事でご説明していただいている。
https://joho-ka.mints.ne.jp/scatter-plot-matrix-in-r?doing_wp_cron=1633659222.1625850200653076171875
https://k-metrics.netlify.app/post/2018-09/pairplot/

分析結果

> Qiita <- read.table("clipboard", header=TRUE, stringsAsFactors=TRUE, sep="\t", na.strings="NA", dec=".", strip.white=TRUE)
> psych::pairs.panels(Qiita)

image.png

考察

  • goodsとstockとviewsの相関関係が強い。よい記事は、よく見られる。よく見られる記事は、よい記事。
  • rewriteとgoods、rewriteとstockの相関関係が強い。改善を継続している記事は、よい記事と評価されやすい。よい記事と評価されるためには、現状に満足せず、記事を改善し続けるとよいのかもしれない。

重回帰分析

ステップワイズ法を使って、重回帰分析をしてみた。
何がgoodsを増やす要因となるかを確認した。記事の編集回数を増やせばいいのか、記事内のリンクの数を増やせばいいのか、記事の参照回数をふやせばいいのかを明らかにしようとした。

  • 目的変数:goods
  • 説明変数:rewrite, links, views

Rcmdrの操作手順

  1. データのインポート
    (省略)

  2. モデルの作成
    image.png

  3. ステップワイズ法による重回帰分析
    image.png
    image.png

分析結果

> RegModel.1 <- lm(goods~links+rewrite+views, data=Qiita)
> summary(RegModel.1)

Call:
lm(formula = goods ~ links + rewrite + views, data = Qiita)

Residuals:
    Min      1Q  Median      3Q     Max 
-9.0048 -2.2566 -0.1054  3.7025 14.7678 

Coefficients:
              Estimate Std. Error t value   Pr(>|t|)    
(Intercept) -9.9195837  1.9001691  -5.220 0.00002109 ***
links        0.1143670  0.0845251   1.353    0.18815    
rewrite      0.4462691  0.1363793   3.272    0.00311 ** 
views        0.0061605  0.0009731   6.330 0.00000126 ***
---
Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

Residual standard error: 5.582 on 25 degrees of freedom
Multiple R-squared:  0.8709,	Adjusted R-squared:  0.8555 
F-statistic: 56.24 on 3 and 25 DF,  p-value: 2.956e-11

> stepwise(RegModel.1, direction='backward', criterion='AIC')

Direction:  backward
Criterion:  AIC 

Start:  AIC=103.43
goods ~ links + rewrite + views

          Df Sum of Sq     RSS    AIC
<none>                  779.08 103.43
- links    1     57.05  836.13 103.48
- rewrite  1    333.69 1112.77 111.77
- views    1   1248.87 2027.95 129.18

Call:
lm(formula = goods ~ links + rewrite + views, data = Qiita)

Coefficients:
(Intercept)        links      rewrite        views  
   -9.91958      0.11437      0.44627      0.00616

考察

  • goodsの増減を説明するために、rewrite, links, viewsの全部の変数が必要。ただし、しいて言うなら、linksにはそれほどこだわる必要がない。goodsを増やすためには、有益な参考文献を多数紹介し、記事を継続的に改善し、多くの人の目に触れるようにする必要がありそう。

層別した散布図行列と箱ひげ図と数値要約

散布図と箱ひげ図をみて、バズったあとから、記事の質に変化があったか傾向を確認する。

データを以下の2つに層別している。
A:記事『新人の方によく展開している有益な情報』を執筆する以前の記事(バズった前の記事)
B:記事『新人の方によく展開している有益な情報』を執筆して以降の記事(バズった後の記事)

分析結果

各種データの散布図を、バズり前後で層別して表示。
image.png

views/goods(一つのLGTMをいただくまでに必要とするviewsの平均値)の箱ひげ図を、バズり前後で層別して表示。また数値要約も示す。
image.png

> numSummary(Qiita2[,"views.goods", drop=FALSE], groups=Qiita2$buz, 
+   statistics=c("mean", "sd", "IQR", "quantiles"), quantiles=c(0,.25,.5,.75,1))
   mean       sd    IQR  0%    25% 50%   75% 100% views.goods:n
A 447.2 386.3132 174.00 149 240.00 335 414.0 1675            15
B 261.0 151.8430 192.25  50 157.25 235 349.5  625            14

考察

  • 記事『新人の方によく展開している有益な情報』を執筆して以降、質の低い記事を執筆する確率が下がってきたと思われる。

参考記事

2021年の実績

image.png

3
2
0

Register as a new user and use Qiita more conveniently

  1. You get articles that match your needs
  2. You can efficiently read back useful information
  3. You can use dark theme
What you can do with signing up
3
2

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?