[論文レビュー] Competition and Success in the Meme Pool: a Case Study on Quickmeme.com

Michele Coscia|arXiv (Cornell University)|Apr 5, 2013

Language and cultural evolution参考文献 23被引用数 8

ひとこと要約

本研究は、ネットワーク効果とは独立して、インターネットミームの成功を左右する内面的特徴を分析する。499個のミームを用いた意思決定木モデルの分析から、低水準のピーク人気と高い協働性が75–80％の成功確率をもたらすことが判明。一方、高いピーク人気は競争を悪化させるため、ミームの成功は個々の特徴とミームプール内での協働的ダイナミクスの両方に依存していることが明らかになった。

ABSTRACT

The advent of social media has provided data and insights about how people relate to information and culture. While information is composed by bits and its fundamental building bricks are relatively well understood, the same cannot be said for culture. The fundamental cultural unit has been defined as a "meme". Memes are defined in literature as specific fundamental cultural traits, that are floating in their environment together. Just like genes carried by bodies, memes are carried by cultural manifestations like songs, buildings or pictures. Memes are studied in their competition for being successfully passed from one generation of minds to another, in different ways. In this paper we choose an empirical approach to the study of memes. We downloaded data about memes from a well-known website hosting hundreds of different memes and thousands of their implementations. From this data, we empirically describe the behavior of these memes. We statistically describe meme occurrences in our dataset and we delineate their fundamental traits, along with those traits that make them more or less apt to be successful.

研究の動機と目的

• ネットワーク効果とは独立して、インターネットミームの内面的特徴を研究すること。
• Quickmemeに存在するミームが競争と協働を示すことを実証的に検証し、文化的単位としての地位を確認すること。
• ミームプール内で成功する確率を高めるか低くするかを左右する特定のミーム特徴を同定すること。
• 制御されたプラットフォームを用いて、高品質かつトレーサブルなデータソースを提供し、ミーム研究に貢献すること。
• 文化的進化研究において、ネットワーク駆動のダイナミクスからミームレベルの特性へと焦点を移すこと。

提案手法

• Quickmeme.comから収集・クリーニングしたデータ（ミーム作成時刻、評価、使用頻度など）を処理。
• ピーク人気、競合数、協働者数、ミームオーガニズム内存在有無などの特徴に基づき、ミーム成功を予測する意思決定木モデルを訓練。
• 意思決定木の解釈可能性を向上させるために、刈り込みと葉のマージを実施。
• 成功を高評価を受けたミームとして定義。ベースライン成功確率は、全499件中177件の成功ミームから算出。
• 各ミームのタイムラインを一連のスナップショットとして扱い、成功予測における特徴の重要度を評価。
• ミーム特徴と成功確率の相関関係を分析。特に、高ピークと低ピークのミーム行動の違いを区別。

実験結果

リサーチクエスチョン

• RQ1 Quickmemeのミームは競争と協働を示すか。これにより、文化的単位としての地位が確認できるか。
• RQ2 ネットワーク効果とは独立して、ミームのどの内面的特徴がその成功を最も強く予測するか。
• RQ3 人気ピークの有無が、競合とミーム成功の関係にどのように影響するか。
• RQ4 協働性またはミームオーガニズムへの参加が、ミームの成功確率を高める役割を果たすか。
• RQ5 社会的ネットワークトポロジーを考慮しない静的特徴のみに基づき、意思決定木モデルがミーム成功を効果的に予測できるか。

主な発見

• 本データセットにおけるベースライン成功確率は35.47％（全499件中177件の成功ミーム）。
• 低人気ピークのミームは54.47％の成功確率を示すが、高ピークのミームはたった13.41％にとどまる。
• 高ピークが存在しないミームでは、競合数が多いほど成功確率が75％に上昇するが、高ピークのミームでは競合数の増加に伴い成功確率は6.25％に低下する。
• 高競合数に加え、整合性のあるミームオーガニズムに属するミームは80.3％の成功確率を示し、強い協働的優位性が確認された。
• 非ピークミームでは、高協働性が79.31％の成功確率をもたらす一方、低協働性では成功確率は58.62％に低下する。
• 競合数は高ピークミームでは成功確率と負の相関を示すが、低ピークミームでは正の相関を示し、異なるダイナミクスが明らかになった。