[論文レビュー] Data Portraits: Connecting People of Opposing Views

Eduardo Graells-Garrido, Mounia Lalmas+1 more|arXiv (Cornell University)|Nov 19, 2013

Data Visualization and Analytics参考文献 40被引用数 32

ひとこと要約

本論文は、感受性の高い問題に関して意見の対立するユーザーと接続するための間接的で可視化駆動のアプローチを提案する。このアプローチでは、思想的差異の大きいユーザーからの推奨コンテンツを、個人に合わせたデータ・ポートレートに埋め込む。トピックの関連性と「視点ギャップ」（思想的差異）の両方に基づいてコンテンツを注入する、自然なビジュアルデザインを用いてユーザーの好みを表示することで、従来の推薦インターフェースと比較して、否定的な感情反応が軽減され、ユーザーの自己同一性認識とサプライズ感（セレンディピティ）が向上することを示している。

ABSTRACT

Social networks allow people to connect with each other and have conversations on a wide variety of topics. However, users tend to connect with like-minded people and read agreeable information, a behavior that leads to group polarization. Motivated by this scenario, we study how to take advantage of partial homophily to suggest agreeable content to users authored by people with opposite views on sensitive issues. We introduce a paradigm to present a data portrait of users, in which their characterizing topics are visualized and their corresponding tweets are displayed using an organic design. Among their tweets we inject recommended tweets from other people considering their views on sensitive issues in addition to topical relevance, indirectly motivating connections between dissimilar people. To evaluate our approach, we present a case study on Twitter about a sensitive topic in Chile, where we estimate user stances for regular people and find intermediary topics. We then evaluated our design in a user study. We found that recommending topically relevant content from authors with opposite views in a baseline interface had a negative emotional effect. We saw that our organic visualization design reverts that effect. We also observed significant individual differences linked to evaluation of recommendations. Our results suggest that organic visualization may revert the negative effects of providing potentially sensitive content.

研究の動機と目的

• ソーシャルネットワークにおけるグループ極端化とフィルターバブルの課題に、意見の異なるユーザーを間接的に接続することで対処すること。
• 自然な可視化によるユーザーのデータ・ポートレートが、思想的に異なるユーザーからの推薦に対して生じる否定的感情反応を軽減できるかどうかを検討すること。
• 開放性やポートレートへの自己同一性認識といった個人差が、サプライズな推薦の評価にどのように影響するかを評価すること。
• 「視点ギャップ」——推薦を受けるユーザーと推薦を行うユーザーとの間の思想的距離——が、多様なコンテンツへの受容性をどのように形作るかを調査すること。
• トピックの関連性とステーク・ベースの多様性を統合した、データ・ポートレートのパラダイムを構築し、実験的に検証すること。

提案手法

• ユーザーの特徴を表すトピックは、ツイートのTF-IDFを用いて特定され、個人に合わせたデータ・ポートレートが形成される。
• ステーク分類器を用いて、感受性の高い問題（例：チリの選択的中絶）に関して、ユーザーの立場を「プロライフ」と「プロチョイス」の線形結合として推定する。
• 推奨ツイートは、ユーザーの好みとのトピック的関連性と、「視点ギャップ」指標（ユーザーからの思想的距離）の両方に基づいて選択される。
• データ・ポートレートは、ワードクラウドと円形配置を組み合わせた自然なビジュアルレイアウトを用いて、ユーザーのトピックと関係性を表現する。
• 思想的に対立するユーザーからの推奨ツイートが、ユーザー自身のコンテンツに文脈的に統合されてポートレートに挿入される。
• ユーザー研究により、3つの条件を比較する：ベースライン（好みのみ）、処置I（好み＋視点ギャップ）、処置II（視点ギャップを含む自然なデータ・ポートレート）。

実験結果

リサーチクエスチョン

• RQ1 自然なデータ・ポートレートを通じて、意見の異なるユーザーからの推薦を提示することで、標準的な推薦インターフェースと比較して、否定的な感情反応が軽減されるか？
• RQ2 ユーザーがデータ・ポートレートに対してどれほど自己同一性を感じるかが、サプライズな推薦の評価にどの程度影響を及えるか？
• RQ3 感受性の高い問題について話すことへの開放性といった個人差が、推奨コンテンツの評価にどのように影響するか？
• RQ4 データ・ポートレートのデザインは、ユーザーが自分の意見とは対立するコンテンツに潜在的に関心を示す可能性を効果的に示せるか？
• RQ5 自然なビジュアルデザインは、思想的に異なるソースからのコンテンツに対するユーザーの関与度と受容性を向上させるか？

主な発見

• 自然なビジュアルデザインにより、思想的に異なるユーザーからの推薦に対する否定的反応が顕著に軽減され、ベースライン条件で観察された否定的効果が逆転した。
• 自分のデータ・ポートレートに強く自己同一性を感じたユーザーは、推薦をよりサプライズなものと評価し、Twitterでこのシステムを継続して使用する意思を示す傾向が高かった。
• 感受性の高い問題についてツイートする際の開放性は、推奨コンテンツの「興味のわきやすさ」とユーザーの好みとの類似性の評価と正の相関を示した。
• データ・ポートレートのデザインは、ユーザーがサプライズな発見の可能性を有するという点で効果的に信号を発し、自己同一性と強い関連付けが肯定的な推薦評価に結びついた。
• 本研究では、個人に合わせた自然なビジュアルデザインのデータ・ポートレートを通じた間接的推薦が、思想的対立相手からのコンテンツに通常伴う感情的抵抗を軽減するのに有効であることを示した。
• 中程度の推薦品質であったが、データ・ポートレートパラダイムは、多様なコンテンツをより受け入れやすく、関与しやすくすることで、極端化の緩和に強い可能性を示した。