Commmonn Ground

Fact Check

ファクトチェック：バイセクシャルの女性に関する誤表記のグラフが、いかにしてトランスジェンダーの「社会的伝染」の「証拠」に仕立て上げられたか

2026年3月、X（旧Twitter）にあるグラフが登場しました。それはトランスジェンダーを自認する若者の割合を示すと主張するもので、意図的に危機感を煽るような急激な右肩上がりの曲線を描いていました。イーロン・マスク氏は投稿から5分以内にこれを拡散。48時間足らずで累計表示回数は3,000万回を超えました。返信欄は「社会的伝染が証明された」といった言葉で埋め尽くされました。

しかし、問題がありました。そのグラフが実際に示していたのは、心理学者のジーン・トウェンジ（Jean Twenge）氏が分析したCDC（米国疾病予防管理センター）のデータに基づく、年齢層別のバイセクシャルを自認する米国人女性の割合だったのです。元のラベルは剥ぎ取られ、トランスジェンダーの若者に関する虚偽の主張にすり替えられていました。

これは、たった一つのグラフをめぐる物語です。しかし、こうした操作を見抜くために必要なスキルは、あらゆるニュースサイクルよりも長く役立つはずです。

グラフが実際に示していたもの

元のデータは、2014年から2025年にかけてのCDCの「全米家族成長調査（National Survey of Family Growth）」および関連する行動調査から得られたものです。世代間のトレンド研究で知られる心理学者のジーン・トウェンジ氏は、自身のSubstackで、バイセクシャルを自認する若いアメリカ人女性の割合が上昇していることを分析した記事を公開しました。グラフはこの傾向を年齢層別にプロットしたもので、過去10年間で18歳から25歳の女性の間で顕著な増加が見られることを示していました。

データは本物です。トレンドも本物です。しかし、それはトランスジェンダーの自認とは一切関係がありませんでした。

トウェンジ氏の分析では、バイセクシャル自認の傾向について、スティグマ（社会的偏見）の減少、セクシュアリティの定義の拡大、社会的影響など、いくつかの可能性を検討していました。それはデータに基づいたニュアンスのある議論でした。決して、トランスジェンダーの若者に関するグラフではありませんでした。

いかにして誤表記が行われたか

その仕組みは、嘆かわしいほど単純でした。誰かがグラフをスクリーンショットし、バイセクシャルの女性に言及していたトウェンジ氏の元のタイトルと軸ラベルを切り取り、新しいキャプションを付け加えたのです。それは「トランスジェンダーを自認する若者を描いたものだ」という主張でした。データの視覚的な形状（上昇曲線）が、残りの「説得力」を補いました。ソースへのリンクも、調査手法の説明もありません。ただ「科学的に見える」グラフと、政治的に偏った主張がセットになっていただけでした。

マスク氏がリポストした頃には、この虚偽のフレーミングはすでに定着していました。何百万人もの人々が、急激な上昇トレンドを示すグラフと、トランスジェンダーの若者に関するキャプションを目にしました。ほとんどの人は疑いもしませんでした。なぜ疑う必要があるでしょうか？ そこにはグラフがあるのです。グラフはデータであり、データは真実である――そうでない場合を除いては。

アイルランドのファクトチェック機関「The Journal」は、この画像をトウェンジ氏の元のSubstack投稿まで遡り、誤表記であることを突き止めた最初のメディアの一つでした。彼らの調査は、明確な改ざんの連鎖を示しました。「バイセクシャルの女性に関する元のグラフ」→「切り取られラベルを貼り替えられる」→「トランスジェンダーの社会的伝染の証拠として投稿される」→「数千万人に拡散される」。

ネット上のグラフを検証する4つのステップ

今回の件は一つの事例に過ぎませんが、検証方法はあらゆるデータ可視化に共通して使えます。

1. 一次ソースを見つける

正当なグラフには必ず、研究、データセット、報告書などの出所があります。投稿にソースへのリンクがない場合、それは最初の警戒信号です。グラフ内のテキストに含まれるキーワードで検索するか、画像逆検索（Google LensやTinEyeなど）を使用して、その画像が最初にどこに掲載されたかを確認しましょう。

2. 軸とラベルを確認する

具体的に何を測定しているのか？ 単位は何か？ 期間はいつからいつまでか？ 軸のラベルが不明確なグラフは、良く言えば不完全、悪く言えば意図的に曖昧にされています。今回のケースでは、バイセクシャル自認に言及していた元のY軸ラベルが削除されていました。このたった一つの変更が、欺瞞を可能にしたのです。

3. 調査手法を辿る

誰がこのデータを収集したのか？ どのように？ サンプルサイズは？ CDCの調査は厳格な手法に従っていますが、SNS上の出所不明なグラフはそうではありません。データがどこから来たのかを理解することは、そのデータの重みを判断することに繋がります。

4. 誰が、なぜ共有しているかを確認する

文脈（コンテキスト）が重要です。研究者が手法へのリンクと共に共有するグラフと、政治的な意図を持つアカウントが文脈を剥ぎ取って共有するグラフは、根本的に異なります。データは変わっていなくても、フレーミング（枠組み）が変わっているのです。

これらのスキルは、社会問題に関する誤情報を防ぐためだけのものではありません。AIの能力や業界のベンチマーク、技術比較に関する操作されたグラフにも同様に適用できます。データ可視化が説得の手段として使われる場所ならどこでも、これらの検証ステップが有効です。

なぜデータ可視化は武器になると危険なのか

グラフは、私たちの情報処理において特別な場所を占めています。テキストにはない「暗黙の権威」をまとっているのです。「トランスジェンダーの自認が若者の間で急増している」という文章での主張には、懐疑的な目が向けられやすいでしょう。しかし、同じ主張が軸とデータポイントを持つ折れ線グラフとして提示されると、それは「証拠」のように感じられます。私たちの脳は、視覚化されたデータを、言葉だけの情報よりも客観的で科学的、かつ信頼できるものとして扱う傾向があります。

これこそが、誤表記されたグラフが誤情報として非常に効果的である理由です。それらは、私たちが「データ可視化」という媒体に対して抱いている信頼を悪用します。データを捏造する必要も、政府のデータベースをハッキングする必要もありません。本物のグラフを持ってきて、ラベルを剥がし、新しいラベルを貼るだけでいいのです。視覚情報が勝手に説得してくれます。

認知科学の研究もこれを裏付けています。「科学的お墨付き効果（scientific imprimatur effect）」に関する研究では、たとえグラフに関連情報が含まれていなくても、グラフが添えられているだけで主張の信頼性が高く評価されることが示されています。形式そのものに説得力があるのです。

「嘘つきの配当（Liar's Dividend）」

誤情報そのものよりも、ある意味で深刻な二次的影響があります。グラフが偽造されたり誤表記されたりすることを知ると、人々は正確なものも含め、すべてのデータ可視化を疑い始めるようになります。研究者はこれを「嘘つきの配当」と呼びます。偽物の存在が、自分の信念に反する本物の証拠を拒絶するための「免罪符」を人々に与えてしまうのです。

これこそが、より深い代償です。今回の誤表記されたグラフは、3,000万人の人々を一つのトピックで誤解させただけではありません。CDCや査読済み論文、トウェンジ氏のような慎重な研究者による正当なデータまでもが、「ネットのグラフなんてどれも信じられない」と一蹴されてしまう環境を作り出す一助となってしまったのです。

解決策は、データを信じるのをやめることではありません。データを読み解く力を高めることです。

結論

グラフは本物でした。データも本物でした。しかし、ラベルは嘘でした。そして、誰かがチェックを入れる前に、3,000万人がその嘘を目にしました。たった一枚のスクリーンショットが世界中のファクトチェッカーを追い越してしまう情報環境において、最も重要なスキルは「正解を知っていること」ではありません。共有ボタンを押す前に「正しい問いを立てる方法を知っていること」なのです。

よくある質問（FAQ）

拡散されたグラフは実際には何を示していたのですか？

2014年から2025年までの、年齢層別のバイセクシャルを自認する米国人女性の割合を示していました。データはCDCの調査に基づくもので、元々は心理学者のジーン・トウェンジ氏が公開したものです。トランスジェンダーの自認とは無関係でしたが、誰かが元のラベルを削除し、虚偽のキャプションを付け加えました。

SNS上のグラフが本物か操作されたものか、どうすれば見分けられますか？

4つのステップで確認してください。(1) 一次ソースを探す（リンクがなければ疑う）、(2) 軸とラベルを注意深く読む、(3) 誰がどのようにデータを集めたかを確認する、(4) 共有している人物の意図や文脈の欠如を考慮する。画像逆検索も元のバージョンを見つけるのに役立ちます。

誤情報における「嘘つきの配当」とは何ですか？

偽物や操作されたコンテンツが存在することが広く知れ渡ることで、人々が自分にとって不都合な「本物の証拠」までも「偽物かもしれない」として拒絶する口実を得てしまう現象のことです。データの読み解き方を学ぶ代わりに、既存の信念に合わないデータを一律に排除するために悪用されることがあります。

ソース:

Keep Reading

← All articles