少年犯罪データベース
○初めて来た方は、このあたりからご覧ください。 13歳以下の犯罪 異常犯罪 親殺し統計グラフ ○更新履歴と管理人による注釈は、こちらのブログをご覧ください。 少年犯罪データベースドア ○幼女レイプや児童虐待、小学生殺人が昔と比べて凄い勢いで減っているのが判ります。 子どもの犯罪被害 データーベース 文責は管理人の管賀江留郎にあります。 何か問題があれば消しますのでメールください。 このサイトのデータはできるだけ広めたいと思っておりますので、無断で自由に使用してください。 ただし、新聞記事などの引用は、法律上の引用の範囲で各自の責任のもとに使用してください。 返信がめんどうなので、いちいちデータ使用の許可を求めないでください。間違いの指摘は歓迎します。 いまのところのデータ完成度は50%で、日々更新しています。抜けている事件があれば教えてください。
米アマゾン選定「一生のうちに読むべき100冊」邦訳リスト - YAMDAS現更新履歴
Boing Boing で知った Amazon.com: 100 Books To Read In A Lifetime だが、まさに「一生のうちに読むべき100冊」を選定している。 「このリストは人生のあらゆる段階を網羅するのを目指したもので（だから児童書も入れてある）、宿題みたいにとってほしくない」とのことで、人気度だけでないちょっと意外なチョイスがある。 Amazon といえば初期は人間によるレコメンドもあったが、徐々に機械（データ）に置き換えられていったと理解している。このリストは人間の編集者が選んだものなのだろうか。 ざっと邦訳リストを作ってみた。順不同。 ジョージ・オーウェル『一九八四年』（asin:4151200533、asin:B009DEMC8W） スティーヴン・W. ホーキング『ホーキング、宇宙を語る―ビッグバンからブラックホールまで』（asin:4150501904）
（3）女性の就業状況の変化
（結婚後の就業継続割合は上昇、出産後の就業継続割合は横ばい） これまで女性は、就業していても結婚・出産・育児に伴って退職する者が多く、また、出産後に復職するとしても、育児と両立がしやすいパートタイム労働の形で就業することが多かった。近年、女性の就業率の上昇が見られる中で、ライフステージごとに見た場合、女性の就業状況はどのように変化しているのだろうか。 我が国の女性の労働力率を年齢階級別に見た場合、結婚・出産時期に当たる20代後半から30代にかけて労働力率が著しく減少するいわゆる「M字カーブ」を描くことが知られている。このM字カーブの底は依然として落ち込みが見られるものの、年々上昇をしており、この変化は、未婚・晩婚化、結婚・出産年齢の変化、結婚・出産に伴う退職の動向の変化、雇用形態の変化等の様々な要因によって起こっていると考えられる。 M字カーブの中で、「15～19歳」については、大学等への
文学新人賞の偏差値＝この賞をとったらどれだけ本を出せるかをランキングしてみた
今では作家になるには新人賞をとればいいのだと一般的に思われているが、これは意外に最近になってからの話である。 漱石も鴎外も新人賞をとらなかった（そんなものはなかった）。太宰治が世に出たのは、友人の檀一雄が金を借りて同人誌をつくってやったからだ。 もっと最近になっても、公募制の新人賞といえば江戸川乱歩賞と新潮新人賞と群像新人文学賞くらいしかなかった時代が相当長い。我々の知る作家の多くは、新人賞を経ずに作家となったのである。 新人賞の数をグラフにしてみると、80年台後半からこれまでとは異なる上昇トレンドが生じているが（『公募ガイド』はこの時期1988年に創刊した）、それとは段違いの〈新人賞爆発〉が2000年代から始まっている。 増えたのは新人賞の数だけではない。せいぜい１つか２つを選ぶだけだった新人賞に対して、ライトノベル系をはじめとして大量の受賞者を生む新人賞が続々登場した。〈新人賞爆発〉の
背景素材｜マンガ資料室｜::::::Manga-Website 漫画街::::::
※この背景データに関して※ １）この背景データは、【自作の漫画作品の制作】に使用する限り、 プロ・アマを問わずフリーで使用することができます。 ２）この背景データそのものを、無断で二次利用・再配布することは厳禁します。 ３）商用利用の場合、事前に銀杏社に確認し、媒体、発売日、作品名をお知らせ下さい。 ４）なお、この背景データの著作権は、山本直樹先生に帰属します。 ◎データは1枚あたり3〜6MBあります。ダウンロードする際はお気をつけください。 ●住宅／住宅街／アパート／団地 ●学校／病院 ●街／店 ●田舎の風景 ●木のシルエット powered by 銀杏社 掲載の漫画・記事等のすべてのコンテンツの無断複写・転載をお断りいたします。 Copyright(C)GINNANSHA Co.,LTD. All rights reserved. No reproduction or republic
進撃の巨人を読んだことない人がデータだけでキャラを推測してみる - あんちべ！
はじめに 最近超人気の漫画として私のTwitter TLを賑わす作品、その名も「進撃の巨人」。 これだけ人気なんだからきっと面白いに違いないのですが、 なんか絵が怖そうだし、人がバンバン死んでてグロいっぽいという噂を聞くので、 なんとか漫画を読まずに、それでいて進撃の巨人のキャラについては知りたい、 そう願う潜在的進撃の巨人ファンも全国に70万人くらいいらっしゃると思います。 そこで、データから進撃の巨人にどんなキャラが登場するか推測してみましょう。 扱うデータとして、pixivのタグ情報を利用します。 商品レビューコメントなどとは違い、ファンの創作活動がダイレクトに反映されるサービスなので、 そこに付与されるタグ情報は、ファンの熱（過ぎる）いメッセージが込められているに違いありません。 今回、以下のような縛りを入れています。 1．勿論原作は見ない 2．pixivのタグ情報は参照するけど、
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
