物理系研究関係者、ツイッターやりすぎランキング(ぶひん調べ）

【イントロ】
ツイッターやってる場合じゃねえ、人生をやれ。
いくらつぶやいても人生何も進まないんだ、常識的に考えて。
あ”あ”あ”あ”あ”あ”あ”あ”あ”あ”あ”あ”あ”あ”あ”あ”あ”あ”あ”あ”あ”あ”あ”あ”あ”あ”

ということで今回は、フォローさせていただいている物理系の研究関係の方たちが、どれくらい日々つぶやいているか可視化することを目的としました。

【方法】
Twilogを使ってTweet(つぶやき)数、フォロー数、フォロワー数を調査して一覧にしました。
調査したアカウントは合計75アカウントです。
調べた時点で非公開アカウントの方は除いています。
調査日は2020年6/30、7/1、11/24に分かれています。合計つぶやき数を調べていますので、「昔はよくつぶやいてたけど、最近は・・・」という方が上位に来ている可能性がありますが、そこは留意願います。

【結果】
まずは調査したアカウントをつぶやき数順に並べてみました。図１～図３です。
一位は大阪大のキクマコ先生ですね。
ツイッターで活躍されているのをよく拝見します。
二位は、部品（本田翼）さんです。は？人生をやれ。
三位は京大のQ先生、重力波の研究で高名で、若くしてJKJに就任されていて凄い方です。
四位はktrst先生、最近は以前ほどつぶやかれていないようですが、研究だけでなくmatplotlibの解説記事やデジタル数字抽出の解説記事などでもお世話になっている方が多いのではないでしょうか。
五位は篠原先生、光物性の研究で高名ですね。わわっ！
六位はCondmatの記事を呟くアカウントですね。最近更新が止まっているようです。
七位はNaganao先生、永遠の２０歳、放射光業界のアイドル、エフォート３００で高名です。
このあたりまでが総つぶやき数１０万クラブといったところです。
いわゆるG7です。
圧倒的存在感！

図1、つぶやき数１～２５位

図２、つぶやき数２６～５０位

図３、つぶやき数５１～７５位（一部重複がありますがご了承ください）

総つぶやき数がどのような分布になっているか可視化するため、棒グラフにしてみたのが図４です。裾の長い、いわゆるべき分布になっている印象です。
図４、総つぶやき数ランキング

次に、一日にどれくらいつぶやいてるか、総つぶやき数をツイッター登録日からの日数で割った数値を並べたのが図５です。
トップは部品（本田翼）さん！一日に７０ツイート以上しています。だから人生をやれよ。
二位はキクマコ先生、活動的ですね。
三位はadharaさん、水素原子の数理にお詳しいですね。こちらも１日５０ツイート以上されています。圧倒的な情報発信力です。
図５、ツイート数/日のランキング


また、みなさんがどれくらいツイッターをされているか、並べてみたのが図６です。
一位は本名さん、約１２年つぶやき続けていらっしゃいます。ベテランですね。
こちらの分布は幅の広い正規分布といったところでしょうか？

図６、ツイッター歴ランキング


最後に、フォロワー・フォロー数を並べてみたのが図７、図８です。
こちらはどちらもヨビノリたくみさんが一位です！
「予備校のノリで学ぶ「大学の数学・物理」」を中心に教育系Youtuberとして大活躍中です！フォロワー・フォロー数ともに二位以下を大きく引き離していますね。圧倒的知名度です！
図７、フォロワー数ランキング

図８、フォロー数ランキング



【まとめ】
みんなツイッター好きですね。僕も好きです。
使い方を誤らなければ有用なSNSナンバーワンといっても過言ですね。
これからも適切な態度でつぶやいて行きたいと思います！



コメント

コメントを投稿

このブログの人気の投稿

交代磁性があるのかないのかどっちなんだい！～RuO2の場合～

イメージ
 【イントロ】 博士「はぁ～交代じゃ、交代じゃ」 学生「どうしたんですか？キャバクラですか？」 博士「違う違う違う違う今日は違う！交代は交代でも、交代磁性のことを調べておったんじゃ」 学生「交代磁性？」 博士「なんじゃ知らんのか？交代磁性とは、強磁性と反強磁性に次ぐ第三の磁性として最近発見された、新しい磁気状態のことなんじゃ。」 学生「知ってますよ、 Šmejkal（流暢な発音）が提案 してるやつでしょ？強磁性体のようにバンド構造にスピン分裂が生じるけれど、反強磁性体のようにNetの磁性はゼロとなっている、副格子間の反強磁性状態と解釈できる磁性体のことですよね。」 博士「そうじゃ、Šmejkal（流暢な発音）達の提案が大きなきっかけとなった研究分野じゃな。なんじゃ、知っとるじゃないか」 学生「当然です。中学入試程度です。交代磁性って、 MnTe や CrSb 、それに RuO2 で確立された概念じゃないんですか？」 よく見ると(b)がない（ 引用元 ） 博士「 どこ中出身 じゃ。。。うむ、それらの物質でARPESが行われ、交代磁性の特徴の1つであるバンド構造の巨大なスピン分裂が観測されて Nature や PRB に報告されるなど研究が加熱しておる。」 学生「ならいいんじゃないですか？流行物質どんとこい。ビッグウェーブに乗って論文を量産するタイミングですよ。h-index稼ぎましょう」 博士「しかし、そのうちの１つ、RuO2が実は交代磁性体ではなく、非磁性体なのではないかという報告がなされ議論を呼んでおるのじゃ。」 学生「どういうことですか？？？RuO2は 異常ホール効果 が見えたり、 REX（共鳴弾性X線散乱） や 中性子散乱実験 で反強磁性秩序がすでに観測されたんじゃないんですか？？？陰謀ですか？？？？」 博士「それでは今回は、独ヴュルツブルク大学のPhilipp Keßler博士らによる論文、 Philipp Keßler, et al. , Absence of magnetic order in RuO2: insights from μSR spectroscopy and neutron diffraction , arXiv:2405.10820 を読んでいくかのお」 学生「Absence論文、盛り上がるやつですね」 【どんな実験したの？】
続きを読む

狂気！室温超伝導体は脳内にあった！！！

イメージ
 【イントロ】 博士「これはすごい・・・これはすごいぞ！！！」 学生「どうしたんですか？自分の愚かさのことですか？」 博士「そうではない！ワシは出会ったんじゃ！科学史上最高の論文に！」 学生「どんな論文ですか一体」 博士「なんと 室温超伝導体 が見つかったという話じゃ！」 学生「え！室温超伝導体といえば、室温で電気抵抗がゼロになる物質で、世界を支えるエレクトロニクスに不可避なエネルギーの散逸、発熱の問題を一気に解決し、 世界のエネルギー問題を救うキーテクノロジーになる物質 じゃないですか！」 博士「その通りじゃ！」 学生「気になってきました、早く教えて下さい、その論文！」 博士「うむ…驚くなよ、なんと、 生物の脳の中では超伝導状態が実現しておる のじゃ！！！」 学生「・・・」 博士「ふふふ、あまりの衝撃に言葉もないようじゃな。」 学生「あの」 博士「では、今回は、 P. Mikheenko, Possible Superconductivity in the Brain , Journal of Superconductivity and Novel Magnetism, 2018, No 5, p. 1121-1134 （ Arxiv版 ） を読んでいくぞい！」 学生「帰っていいですか？」 【論文誌がすごい！】 博士「まずは、この論文のなにが凄いかといえば、査読を通って論文誌に掲載されておるのじゃ」 学生「ほんとですよ、どうなってんですか」 博士「そして、掲載された Journal of Superconductivity and Novel Magnetismの2022年度のImpact Factor は1.8なんじゃ。これがどういうことかわかるか？」 学生「そ、それは日本の物理学会が発行するJournal of the Physical Society of Japan、いわゆる JPSJのImpact Factor 、1.7を超えています・・・！」 博士「そうじゃな、つまり論文誌としての影響力としてはJPSJよりも大きな雑誌に掲載された論文ということじゃ」 学生「JPSJもっとがんばってくださいよ」 博士「しかもこの論文は8回も引用されておる」 学生「 みなしPRL じゃないですか・・・」 博士「これだけで如何にこの論文が本物であるか納得してもらえ
続きを読む

まだ最小二乗法で消耗してるの？ ～Passing Bablok法について～

イメージ
【イントロ】 与えられたデータの傾向を見る、つまり回帰分析の一つとして、直線でフィッティングする方法が挙げられます。 ココで問題となるのが、「どうやって直線の傾き(と切片)を求めるか」という点です。 代表的な方法が最小二乗法です。目的の直線を $y=ax$ と仮定します。データ点$y$と求めたい直線との差の二乗を誤差として、すべての点に対する誤差の和を最小化する傾き$a$を求める方法です。 具体的には誤差の和を $E=\sum_{i=1}^{n}(y_i－ax_i)^2$ とすると、$a$について最小値が欲しいので、 $\frac{\partial E}{\partial a}=0$ となる$a$を求めれば良いです。整理すると、 $a=\frac{\sum_{i=1}^{n}(x_i－x_{average})(y_i－y_{average})}{\sum_{i=1}^{n}(x-x_{average})^2}$ となります。 　最小二乗法は直観的にもちょうどよい直線を見つけてくれそうで、最強の方法に見えます。しかし、 いくつかの課題 があります。まず一つが、外れ値に弱いという点です。えっちですね。つまり、ノイズ等の影響でデータ点の集合から大きくハズレた点が存在すると、その点に引きずられて傾き$a$が大きく変化してしまうという点です。 　また、別の問題として、最小二乗法は暗にデータが正規分布に従った誤差を持つことを仮定している点が挙げられます。今回最小化すべき誤差をデータ点と直線の差の二乗和として与えましたが、これはデータ点の周りに分散一定の誤差が正規分布している場合に導かれる最尤推定解と対応しています。詳細は PRML を参照。 さて、それではこうした最小二乗法の呪縛から解き放たれた、 回帰モデルは存在するでしょうか？そうしたモデルとしては 主成分分析 等があります 本記事では、そうした手法の中でもノンパラメトリック回帰モデルの一つである”Passing-Bablok法”について、 原論文 に従った解説とPythonでの実装に取り組みました。 【方法】 Passing-Bablok法はその名の通り、PassingとBablok(PB)により提案された、一次の比例関係を比較するノンパラメトリック回
続きを読む