[論文レビュー] Characterizing Twitter Users Who Engage in Adversarial Interactions against Political Candidates

Yiqing Hua, Mor Naaman+1 more|arXiv (Cornell University)|May 9, 2020

Hate Speech and Cyberbullying Detection参考文献 50被引用数 14

ひとこと要約

本研究は、2018年中間選挙の直前2か月間に、米国下院議員を標的にしたTwitter上の敵対的対話について、40万人のユーザーから得られた120万件の返信を対象に、混合手法を用いて分析した。その結果、極めて敵対的なユーザーは政治的議論ネットワークにおいて中心的でなく、対立政党の候補者に注目し、プロフィールに否定的表現を多く含み、自動化されたツールでも同定されにくいことが判明した。これは、標的型のプラットフォーム対策の必要性を示唆している。

ABSTRACT

Social media provides a critical communication platform for political figures, but also makes them easy targets for harassment. In this paper, we characterize users who adversarially interact with political figures on Twitter using mixed-method techniques. The analysis is based on a dataset of 400~thousand users' 1.2~million replies to 756 candidates for the U.S. House of Representatives in the two months leading up to the 2018 midterm elections. We show that among moderately active users, adversarial activity is associated with decreased centrality in the social graph and increased attention to candidates from the opposing party. When compared to users who are similarly active, highly adversarial users tend to engage in fewer supportive interactions with their own party's candidates and express negativity in their user profiles. Our results can inform the design of platform moderation mechanisms to support political figures countering online harassment.

研究の動機と目的

• Twitter上で政治的候選者に対して敵対的対話を繰り広げるユーザーの行動的・ネットワーク的特徴を理解すること。
• 敵対的行動と関連するユーザーのプロフィールおよび対話ネットワークのパターンを同定すること。
• Perspective API などの自動的トキシシティ検出ツールが、極めて敵対的なユーザーを同定する効果を評価すること。
• 政治的人物がオンラインいじめから保護されるよう、プラットフォームのモデレーションメカニズムを設計する手がかりを提供すること。
• 米国政治的議論における敵対的行動の文脈に特化した特徴付けを提供すること。

提案手法

• 2018年中間選挙の2か月前に、756名の米国下院議員のツイートに対して投稿された120万件の返信を収集し、40万人のユニークユーザーを対象としたデータセットを構築した。
• Perspective API を用いて、返信のトキシシティスコアに基づき、敵対的と自動分類した。
• 敵対的行動が顕著なユーザー（10件以上の敵対的返信を投稿した者）を対象に、内容およびプロフィールの特徴を分析するための定性的コード化を実施した。
• 候選者と対話するユーザーの社会的グラフを構築し、中心性および党派的関与度を測定した。
• ユーザーの活動レベルに応じた敵対的行動と支援的行動の違いに注目し、比較分析を行った。
• 自動検出結果の妥当性を確認するため、人為的ラベルとの照合を通じて正確性を評価し、同定不足の有無を特定した。

Figure 1 : (a) CDF of $\tau$ -adversarial tweets contributed by users. (b) Breakdown of replies by users with different overall activity (top row), with the fraction of adversarial tweets made by each user group, for various $\tau$ (following rows). The legend specifies user overall activity level f

実験結果

リサーチクエスチョン

• RQ1 敵対的返信の何パーセントが、少数の非常に活発なユーザーによって生成されているか？
• RQ2 ユーザーの政治的議論ネットワーク内での中心性は、敵対的関与度とどのように関係しているか？
• RQ3 極めて敵対的なユーザーは、自党の候補者と対立党の候補者に対して、どのように異なる対話パターンを示すか？
• RQ4 敵対的行動と関連するプロフィール的特徴、特に政治的対立相手に対する否定的表現は何か？
• RQ5 Perspective API は、極めて敵対的なユーザーをどれほど正確に同定できるのか。その限界は何か？

主な発見

• 敵対的返信の35％以上が、わずか10％のユーザーによって生成されており、敵対的活動の分布が極めて偏っていることが判明した。
• 極めて敵対的なユーザーは、候選者と対話するユーザーの社会的グラフにおいて中心的でなく、政治的議論ネットワークへの統合度が低いことが示された。
• これらのユーザーは、同程度に活発なユーザーと比較して、対立政党の候補者に対してははるかに多くの返信を送り、自党の候補者には少ない傾向にあった。
• 極めて敵対的なユーザーは、個人攻撃や話題外れの返信を多く投稿しており、標的的で関係のない敵意を示すパターンが確認された。
• ユーザーのプロフィールには、党派的・敵対的言語がより多く含まれており、Twitter上での否定的行動の兆候が事前に示唆されていた。
• Perspective API は敵対的活動を低く評価しており、特に極めて敵対的なユーザーにおいて顕著であった。また、そのうち15％のユーザーしかTwitterで禁止されていなかったため、プラットフォームの執行にギャップがあることが示された。

Figure 2 : Users with higher adversarial follower ratio are generally more likely to have been suspended.