Hvordan folks holdning til et emne kan udledes af deres online aktivitet

Som bevist af nogle nylige ekstremer, kontroversielle hændelser, såsom Facebook og Cambridge Analytica-skandalen, sociale medier kan være en rigtig guldgrube for brugerinformation. Faktisk, de fleste socialforskere og analysevirksomheder opfatter sociale medier som en af ​​de mest værdifulde ressourcer til at forstå den offentlige mening og hvordan individer reagerer på specifikke begivenheder.

Med det i tankerne, forskningsgrupper verden over har forsøgt at udvikle værktøjer til at analysere sociale mediers aktivitet og automatisk indsamle information om folks holdning til specifikke emner. I en nylig undersøgelse, en gruppe forskere ved University of Edinburgh har sat sig for at løfte sløret for nogle af de nøglefaktorer, der kan være med til at bestemme enkeltpersoners holdninger baseret på deres profiler på sociale medier. Deres papir, forudgivet på arXiv, tilbyder interessant ny indsigt, der kan føre til udvikling af mere avancerede analyseværktøjer.

"Standsforudsigelse på sociale medier spiller en afgørende rolle i forskellige analyseundersøgelser, der har til formål at måle den offentlige mening om forskellige emner, "Abeer Aldayel, en af ​​de forskere, der har udført undersøgelsen, fortalte TechXplore . "På det sidste, Forskningsstudier har foreslået forskellige metoder til at modellere holdning på sociale medier. Denne undersøgelse undersøger, hvordan folks holdning til specifikke emner kan forudsiges ud fra sociale mediedata ved hjælp af flere online interaktionssignaler. Et af hovedbudskaberne i vores papir er, at der er en reel bekymring for brugernes privatliv. Vi håber, at denne undersøgelse vil blive brugt til at øge bevidstheden hos enkeltpersoner om deres aktivitet online, og hvordan den kan bruges."

For bedre at forstå onlinesignaler, der kan afsløre en brugers synspunkt om en begivenhed eller et emne, forskerne udførte en dybdegående undersøgelse af et populært stand-detektionsdatasæt, kaldet SemEval -holdningsdatasættet. SemEval -holdningsdatasættet indeholder 4000 tweets om fem politiske, sociale og religiøse emner.

Aldayel og hendes kollega Dr. Magdy analyserede de mulige online-faktorer for holdningsforudsigelse på sociale medier ved hjælp af tre vigtige netværksinteraktionsfaktorer. Den første faktor, kaldet 'interaktionsnetværk, ' inkluderer de konti og webdomæner, som brugere interagerer med eller citerer i deres tweets. Sekundet, kaldet 'præferencenetværk, ' er sammensat af indirekte interaktioner med andre konti og webdomæner indeholdt i indlæg, som brugere har kunne lide. Den tredje og sidste faktor, kaldet 'forbindelsesnetværket', ' inkluderer alle konti, der følger brugerne, og som brugerne følger.

"Det er værd at bemærke, at disse netværksfaktorer er uafhængige af, at brugere udtrykker deres holdning til emnet analyse, da disse faktorer afhænger af de sociale interaktioner og websteder, brugerne interagerede med uanset indholdet af deres tweets, " forklarede Aldayel.

Resultaterne indsamlet af forskerne tyder på, at en brugers holdning kan detekteres ved at analysere flere aspekter af hendes onlineaktivitet, herunder indlæg, konti, de interagerer med eller følger, websteder de besøger, og indhold, de kan lide. Interessant nok, ved kun at analysere netværksfunktioner, holdet opnåede en præstation, der ligner den for avancerede modeller, der fokuserer på det tekstmæssige indhold af indlæg alene. Ud over, når du kombinerer netværksfunktioner (dvs. en brugers onlineforbindelser) og indholdsfunktioner (dvs. en brugers indlæg), forskerne opnåede den hidtil rapporterede ydeevne for den højeste holdning, med et F-mål på 72,49 pct.

"Vores undersøgelse viser eksplicit, gennem brug af online netværksfunktioner, hvordan man kan forudsige den uudtalte holdning ved brug af forskellige netværksinteraktionssignaler, " sagde Aldayel. "De fleste nøglefunktioner på nettet kan nogle gange være aktuelt uden relation til emnet analyse og alligevel have stor indflydelse på beslutningen om holdningen. For eksempel, interaktionerne med konti som @goodreads og @SkyNews hjælper med at opdage holdningen til feministisk bevægelse (FM) og klimaændringer (CC), henholdsvis."

De fleste tidligere undersøgelser, der fokuserede på holdningsdetektion, viste ikke, hvordan hvert af de online-"spor" efterladt af brugere kan hjælpe med at opdage deres holdning til en given sag. Aldayel og hendes kolleger, på den anden side, indsamlet specifik indsigt om betydningen af ​​hver handling, som en individuel sociale mediebruger udfører online, herunder "tavse" som at følge konti eller like andres opslag.

"En anden interessant konstatering af vores undersøgelse er, at den overordnede lighed mellem konti i hvert af de tre netværk er minimal, " Aldayel tilføjede. "Dette betyder, at brugere har en tendens til at interagere og synes godt om indhold fra brugere uden for deres forbindelsesnetværk og kan lide tweets med links, der generelt er forskellige fra de domæner, de linker i deres tweets. Dette er et meget interessant fund, da det rejser yderligere forskningsspørgsmål om årsagen til at have en lignende præstation for de tre netværk i positionsdetektering, når de for det meste er forskellige. "

I fremtiden, observationerne indsamlet af Aldayel og hendes kolleger kunne være grundlaget for udviklingen af ​​mere avancerede analyseværktøjer til at opdage folks holdninger baseret på deres interaktioner på sociale medier. Deres arbejde, imidlertid, giver også vigtig information til brugere af sociale medier, fremhæve, hvor meget der kan udledes om deres synspunkter og meninger baseret på deres handlinger online.

"Vi arbejder nu på at designe en metodisk ramme, der kan hjælpe med at beskytte brugernes privatliv på sociale medier, " sagde Aldayel.

© 2019 Science X Network