ChronometricaとHerus13のInstagramコメント収集比較：トップレベルコメントを上限の対象にするのはどちら？

エクスポートしたいという要望だけでは、コメントの単位は決まらない

読者の質問は、Instagramリールのコメントをエクスポートする方法についてでした。統計的な標本、返信の分析、必要なトップレベルコメント数は指定されていませんでした。これらは、読者が自分の作業に合わせて決める必要があります。元のRedditの質問

まず、エクスポートしたデータを何に使うかを決めてください。リールへの直接の反応、人同士のやり取り、後で確認するための記録などが考えられます。同じリールURLを使う場合でも、作業によって必要な行は異なります。

行数の上限は、収集量を制限します。ただし、その上限に収集ツールが何を数えるかまでは示しません。トップレベルコメントが100件必要な場合、設定値100が役立つのは、どの種類の行がその枠を使うかを把握しているときだけです。

ここでいう分母は、件数を数える基準となる単位です。重要なのは、上限に算入するコメントの種類です。収集前に記録してください。「上限：100」というメモでは、単位が不明です。「上限：投稿ごとに重複のないトップレベルコメント100件」と書けば、数の意味が明確になります。

上限と目標も区別してください。上限100は、条件に合う行を最大100行まで収集できるという意味です。収集元に取得可能なコメントが100件あることや、収集で100件返されることを保証するものではありません。

選択に関わる仕様を比較する

Chronometricaの公開入力仕様では、公開投稿やリールのURLを`postUrls`に指定します。`maxCommentsPerPost`は、投稿ごとに収集する、重複のないトップレベルコメントの上限を設定します。既定値は100です。`repliesCount`は返信数であり、返信のテキストではありません。これらの仕様は、トップレベルコメントを収集する手順に適しています。Chronometricaの仕様

次の表では、確認済みの製品情報と、自分の作業に合わせて確認すべき事項を区別しています。

製品情報の根拠：ChronometricaとHerus13。

Herus13は、失敗を示す行、フラットなCSV表示、公開情報だけへのアクセスについても文書化しています。収集後にデータを絞り込めます。Herus13の仕様

出力単位の範囲が狭いことは、網羅性が高いことの証明にはなりません。この根拠で判断できるのは、収集範囲の選択です。速度、精度、信頼性、取得範囲、総費用の優劣を示すものではありません。

エクスポートしたデータの絞り込みと、収集上限の設定は別の操作です。収集後の絞り込みでは、不要な行を除外できます。ただし、その操作だけで、除外した分の行を追加収集することはできません。分析に使う前に、残ったデータの件数を確認してください。

架空の例：100行あっても、トップレベルコメントは100件未満の場合がある

これは架空の例です。テスト結果、顧客の成果、実測したデータセットではありません。

ある研究者が、1本のリールへの直接の反応を調べたいと考えています。この研究には、最大100件のトップレベルコメントが必要です。返信のテキストは研究の対象外です。返信は、リールへの直接の反応ではなく、別の人への反応である可能性があるためです。

エクスポートしたデータに、次の行が含まれているとします。

• トップレベルコメント70件。
• 返信30件。
• 合計100行。

70 + 30 = 100という計算は正しいです。しかし、エクスポートに含まれるトップレベルコメントは100件ではなく70件です。研究者が返信を除外すると、残るデータは70行になります。

この架空の作業では、Chronometricaが明示する単位が要件に合います。上限と研究で数える件数が、同じ種類のコメントを指すためです。これは、実行すれば100件のコメントが見つかるという意味ではありません。指定した上限が、必要な意味を持つということです。Chronometricaの仕様

次に、研究の問いを変えてみます。研究者が、人同士でどのように返答しているかを調べたいとします。この場合、返信のテキストと、返信をその親コメントに結び付ける情報が必要になります。必要な根拠が変わったため、選択も変える必要があります。

この例を使って、どちらのActorの結果も予測しないでください。70件と30件という数は、種類が混在する行の合計をトップレベルコメント数の代わりにできない理由を示すためだけのものです。

結果を報告するときも、この区別が必要です。「トップレベルコメント70件を分析対象として残した」なら明確です。「コメント100件を分析した」では、元のエクスポートと、研究で使った行の違いが伝わらない可能性があります。

収集前に短い手順で確認する

5つの確認で選択できます。別の人も判断を理解できるように、回答を収集メモと一緒に保存してください。

1. 採用する1行を定義してください。データセットに何を含めるかを1文で書きます。たとえば、「採用する1行は、選んだ公開リールのトップレベルコメント1件とする」と書きます。返信が必要な作業なら、その旨を書いてください。ツールで簡単に収集できるという理由だけで、行の種類を選ばないでください。
2. 収集元の一覧を定義してください。投稿やリールのURLがすでに手元にあるかを確認します。選んだURLを収集記録と一緒に保存してください。アカウントから投稿を探す必要がまだある場合は、投稿の探索を別の入力要件として扱います。コメント収集ツールは、予定している収集元の特定方法に対応している必要があります。
3. 上限の数え方を確認してください。設定名だけでなく、設定の説明を読みます。上限が投稿ごとに適用されるのか、収集全体に適用されるのかを書き留めてください。上限に算入する行の種類も記録します。指定した上限と、実際に返された件数は分けて記録してください。
4. 必要なフィールドを一覧にしてください。フィールドとは、行の中にある名前付きの値です。コメントのテキスト、収集元の参照情報、重複確認用の識別子などが必要になる場合があります。スレッドを扱う作業では、親コメントの識別子も必要になる場合があります。フィールドが存在すると判断する前に、現在の出力仕様を確認してください。返信数を返信のテキストの代わりにしないでください。
5. 採用基準を決めてください。分析前に、結果をどのように確認するかを決めます。どの行を採用するか、重複をどう扱うか、どの値が欠けると目的の問いにその行を使えなくなるかを明記してください。最終的なデータセットを説明できるように、除外した行か、除外件数を保存します。

これらの確認によって、作業の目的に沿って選択できます。行の合計が多いことだけを、エクスポートを選ぶ主な理由にするのも防げます。

必要なフィールドが確認できない場合は、その状態を不明のままにしてください。製品名から対応の有無を推測しないでください。短い比較に機能の説明がないという理由で、その機能がないとも判断しないでください。具体的な要件について、現在の仕様を確認してください。

入力を明確に指定してChronometricaを開始する

トップレベルコメントを収集する手順では、確認済みの最小入力は次の形式です。

{
  "postUrls": [
    "https://www.instagram.com/reel/DIwcCZgxVZP/"
  ],
  "maxCommentsPerPost": 100
}

例のURLを、対象の公開投稿またはリールのURLに置き換えてください。例に使った収集元が、現在も利用可能であることを保証するものではありません。

提示された入力は、キャッシュされた公開入力スキーマに対する静的チェックに合格しました。スキーマは、入力できるフィールドと値を定義するものです。静的チェックでは、コメントを収集せずに入力の形式を確認します。この比較では、収集を実行していません。

確認したスキーマでは、`postUrls`に少なくとも1件の項目が必要です。`maxCommentsPerPost`は1から999999までの整数と定義され、既定値は100です。結果の件数制限を解除するオプションが有効な場合、上限は無視されます。固定の上限が必要な作業では、そのオプションを確認してください。Chronometricaの入力仕様

公開Taskは、最初の設定として役立ちます。ページの確認では、想定したタイトルでページが読み込まれることを確認しました。この確認では、現在保存されている入力までは確認していません。実行前に、使いたい値を適用し、入力内容を確認してください。Chronometrica Task

実際に使う入力を保存してください。保存済み設定へのリンクは役立ちますが、リンクだけでは、個々の収集にどの値が適用されたかは分かりません。

標本として扱う前に結果を確認する

収集後は、返された行を、事前に書いた採用基準と照合してください。この確認は、その後のテキスト分析とは分けて行います。

1. 行の単位を確認してください。残すレコードが、目的のコメントの種類と一致することを確認します。トップレベルコメントの研究では、取得できた返信数を補足情報に使えます。ただし、それによってデータセットに返信のテキストが加わるわけではありません。

2. 指定した件数と返された件数を分けて記録してください。上限100を指定しても、条件に合う行がそれより少ない場合があります。実際の件数を報告してください。結果が少ないという事実だけでは、行が不足した理由や、取得可能な情報を収集ツールがすべて取得したかどうかは分かりません。

3. 利用できる場合は、確認済みの識別子を使って重複を確認してください。テキストが同じというだけでは、重複の証明にはなりません。2人が同じ言葉を書くこともあります。後で判断を見直せるように、変更前の元のエクスポートを保存してください。

4. 欠損値をそのまま保持してください。返信数が不明であることは、返信が0件であることを意味しません。フィールドを取得できないことは、その出来事が起きなかった証拠にはなりません。必要な値が欠けている場合は、その欠損を記録し、その行を問いへの回答に使えるか判断してください。

5. 結論を適用できる範囲を確認してください。上限を設けた収集が、自動的に無作為標本になるわけではありません。選択順序を推測したり、残した行がすべての視聴者を代表すると主張したりしないでください。収集元をどのように選んだかと、収集したデータについて分かっていることを明記してください。

役立つ収集記録には、収集元URL、収集日、Actor、適用した入力、指定した上限、返された件数、残した件数、除外理由が含まれます。記録全体で、同じ行の定義を使ってください。

スプレッドシートへのインポートと、より詳しい記録の手順は、論文用にInstagramの公開コメントをExcelへエクスポートする方法を参照してください。このガイドは、Actorと収集単位を選んだ後の作業を扱っています。