01 基本データ
2012年から2026年まで14.0年、7,710件。活動日は2,668日、期間内稼働率は52.2%である。コメント率98.3%は保存より発言が主で、ほぼ毎回コメントを置く運用を示し、中央値59字からコメントは一段落以内の中距離が中心。総スター21,146、1件平均2.74スターで、量に対する反応の密度も確認できる。
02 投稿時間帯
時間帯（0〜23時）
曜日
最多は12時の8.5%で、次いで17時8.3%、18時8.2%。日中9〜17時は63.9%、18〜23時は29.4%、深夜0〜5時は4.3%で、日中の巡回が明確に厚い。曜日は火曜20.1%が最多、土曜5.1%が最少。土日合計10.3%なので、平日だけの習慣か週末型かも数字で読める。
03 よく参照する媒体
ほか計30媒体
上位媒体はanond.hatelabo.jp 1,381件、togetter.com 522件、www3.nhk.or.jp 316件、www.asahi.com 245件。上位2媒体で24.7%を占め、定番の入口がはっきりしている。媒体種別ではネット言論→報道→その他の順で、単に何を読むかだけでなく、話題をどこで発見し、どの種類の資料へ移るかという巡回経路が出ている。特に増田・Togetter偏重なら村内言論、新聞・NHK偏重なら出来事追随、Qiita等が厚ければ実務情報の比重として読むべきである。
04 主要テーマ・関心
主要テーマはネット/SNS 31.0%（はてな・Twitter・炎上）、メディア/報道 21.5%（NHK・朝日新聞）、AI/IT/技術 16.4%、学術/教育 13.3%。量の首位はネット/SNSだが、反応効率はジェンダー/家族の平均4.58スターが最も高い。テーマ比率はタイトル・コメント・タグ・媒体の一致を含むため思想判定ではないが、どの話題へ戻り続けるかは明確に示す。量が多い領域とスターが集まる領域のずれは、本人の関心と読者が評価する芸の違いとして読むとよい。
05 頻出語
特徴語は「大学」142回、「学校」106回、「研究」79回、「論文」76回、「データ」95回、「AI」94回。単語を束ねると研究・教育（大学・学校・研究・論文）、IT・開発（データ・AI・プログラミング・アプリ）、家族・ジェンダー（子供・女性）という複数の話題群が見える。単独語から立場を決めつけることはできないが、記事ごとの感想がどの制度・職業・国・作品へ繰り返し接続されるかは分かる。一般語を除いても残る組み合わせこそ、このユーザー固有の関心の指紋である。
06 文体の特徴
| 短文ツッコミ（30字以下） | 1,244 |
| 疑問符を含む | 1,201 |
| 引用括弧「」を含む | 1,012 |
| 一人称（俺・私・自分）を含む | 700 |
| 感嘆符を含む | 629 |
| w/草/笑を含む | 583 |
| 長文コメント（100字以上） | 485 |
| むしろ型 | 102 |
| URL提示・資料参照を含む | 70 |
| そもそも型 | 59 |
| というか型 | 25 |
| idコールを含む | 13 |
主調は疑問形検査型で、疑問形で前提や例外を洗い直す。定量マーカーは短文16.4%、長文6.4%、引用13.4%、疑問符15.9%、コメント中央値59字。さらに代表例では結論を先に置く型と説明を足す型が混在。候補語には引用や制度批判も多く、強い単語の機械一致だけで攻撃性を断定すべきではない。
07 スター分析
上位スター付与者
スターが付きやすい領域（平均スター）
上位スター付与者はsds-page 151、wisboot 147、ysync 129、pikopikopan 129。上位5人の合計は総スターの3.1%で、支持が特定少数に集中しているかも読める。テーマ別平均はジェンダー/家族 4.58、メディア/報道 4.13、経済/労働 4.09が上位で、ブックマーク量の多い話題と、コメントが評価される話題は分けて見る必要がある。
08 思想・政治傾向
研究・教育（大学・学校・研究）、IT・開発（データ・AI・プログラミング）、家族・ジェンダー（子供・女性）が、このユーザーの関心を具体化する語群である。広いテーマではネット・SNS、報道、IT・技術、学術・教育にまたがるが、代表例では責任の所在に反応する視線が共通し、疑問形で前提や例外を洗い直す。これは賛否の陣営を示すものではなく、記事のどこに故障・矛盾・不公平を見つけるかを示す観察傾向である。
09 類似・正反対・idコール頻度が高いユーザーとの比較
類似: kazuauとは、AI・ITと学術・教育への比重が近いうえ、『特定・制限・メール』周辺の語も重なる。両者とも疑問形で記事の前提を洗い直す。ただし、本人は学術・教育へ、kazuauは外交・安全保障へ相対的に広がる。上位スター付与者は18人重なる。
10 総合評価
hevohevoの7,710件には、大学・学校・研究・論文が何度も戻ってくる。強みは研究・教育とIT・開発の責任の所在を、疑問形で前提や例外を洗い直す力で、見出しだけでは落ちる責任・運用・例外をコメント欄へ戻すこと。一方、問いを重ねるほど本人の結論が見えにくくなる危うさも同じ技法の裏側にある。関心分野の数より、何を『故障の徴候』として拾うかに個性が出るブックマーカーである。