Sigma Awards 選出傾向レポート

2020〜2026年の全応募3,899件をもとに、ショートリスト以上に選ばれた作品の特徴を調べました。日本から応募を準備する人が、過去の傾向を踏まえて作品と応募の形を考えるための資料です。

要点

    ここでいう「選出」は、ショートリスト・受賞・特別表彰のいずれかに入ったことを指します。「◯倍」は、年ごとの選出率の違いをならしたうえでの平均との比です。算出方法は末尾にあります。

    応募数と選出率の推移

    応募は毎年500〜600件前後で安定しています。一方、ショートリストの枠は年によって大きく違い、選出率は2021年の約26%から2026年の約6%まで開きがあります。

    応募数

    選出率(ショートリスト以上)

    この開きがあるため、以下の比較はすべて年ごとの選出率をならして計算しています。

    どんな作品が選ばれやすいか

    応募者が自分で付けたタグごとに、選出数が平均の何倍かを示します。点が縦線(1.0)より右なら平均より選ばれやすく、左なら選ばれにくい傾向です。横棒は95%の幅で、縦線をまたぐものは差があるとは言えません。

    増えた手法、減った手法

    各年の応募のうち、そのタグやツールを挙げた作品の割合です。公開情報調査(OSINT)、衛星画像、AI・機械学習が急増し、D3.jsやRは減りました。縦軸はすべて0〜70%でそろえています。

    使われたツールと選出

    応募フォームのツール欄をもとにした同じ比較です。応募100件以上のツールに絞りました。

    ツールは作品の性格を映しているだけの可能性があります。たとえばPythonやQGISを挙げる作品は、大規模なデータ処理や地理分析を伴う調査報道に多いと考えられます。

    応募の形と組織の規模

    単独作品とポートフォリオ、大規模と小規模の編集部を比べました。

    国・地域別

    応募40件以上の国・地域に、日本・韓国・香港を加えました。応募が少ない国ほど横棒が長く、判断は難しくなります。

    受賞の多い国・地域

    日本からの応募

    年ごとの応募数と選出数

    日本の応募に多いタグ、少ないタグ

    全応募の一覧

    受賞作と特別表彰の一覧

    題名から、Data Visualization Japanのカタログの該当ページに移動します。

    前身のData Journalism Awards(2012〜2019年)

    受賞特別表彰ショートリスト

    この期間は全応募の記録がなく、保存された資料で確認できる受賞・候補だけです。2015年は候補の一覧がほとんど残っていません。選出率は計算できないため、Sigma Awardsの分析とは分けています。

    方法と注意

    「◯倍」の計算

    グループ内の各作品に、その応募年の全体の選出率を割り当てて合計し、見込みの選出数とします。実際の選出数をこれで割った値が比です。年による枠の違いに左右されにくくなります。

    95%の幅

    選出数のばらつきをポアソン分布で近似して求めました。幅が1.0をまたぐ場合、平均との差は偶然でも起こりうる範囲です。

    読むときの注意

    タグとツールは応募者の自己申告で、付け方に個人差があります。比は相関であり、タグを付ければ選ばれるという意味ではありません。複数の特徴は重なり合うため、個別の効果は切り分けていません。

    扱っていないこと

    チームの人数と作品の言語は、記入が自由記述でそろっていないため集計していません。審査員コメントの内容分析も含めていません。

    データ

    利用条件

    もとのデータがCC BY-NC-SA 4.0のため、このレポートの数値や図を使う場合も、出典の表示・非営利・同じ条件での共有が必要です。