[論文レビュー] Losing My Revolution: How Many Resources Shared on Social Media Have Been Lost?

Hany M. SalahEldeen, Michael L. Nelson|arXiv (Cornell University)|Sep 13, 2012

Web Data Mining and Analysis参考文献 12被引用数 5

ひとこと要約

本研究は、2009年から2012年までの6つの世界的な出来事の間、ソーシャルメディアで共有されたウェブリソースの持続性を分析し、1年以内に共有リソースの11%が失われ、2.5年後には27%が失われることを発見した。1年目以降は、1日あたり0.02%の線形減衰が見られた。著者らは、ライブウェブとアーカイブの可用性データに基づき、線形回帰を用いてリソースの喪失率とアーカイブ率をモデル化した。

ABSTRACT

Social media content has grown exponentially in the recent years and the role of social media has evolved from just narrating life events to actually shaping them. In this paper we explore how many resources shared in social media are still available on the live web or in public web archives. By analyzing six different event-centric datasets of resources shared in social media in the period from June 2009 to March 2012, we found about 11% lost and 20% archived after just a year and an average of 27% lost and 41% archived after two and a half years. Furthermore, we found a nearly linear relationship between time of sharing of the resource and the percentage lost, with a slightly less linear relationship between time of sharing and archiving coverage of the resource. From this model we conclude that after the first year of publishing, nearly 11% of shared resources will be lost and after that we will continue to lose 0.02% per day.

研究の動機と目的

• 文化的に重要な出来事の間、ソーシャルメディアで共有されたウェブリソースの長期的持続性を調査すること。
• 共有リソースのうち、ライブウェブから失われる割合と、公共のウェブアーカイブにアーカイブされる割合を、時間の経過とともに定量化すること。
• 共有後の経過時間に応じたリソース可用性およびアーカイブカバレッジの時間的減衰を関数としてモデル化すること。
• 歴史的に重要なデジタルコンテンツを保存するためのソーシャルメディアの信頼性を評価すること。
• 出来事中心のソーシャルメディアコンテンツの喪失およびアーカイブトレンドを推定することで、デジタル保存戦略を支援すること。

提案手法

• スタンフォード SNAP Twitterデータセット（2009年6月〜2009年12月）から、6つの出来事中心のデータセットを収集。主な出来事として：H1N1、マイケル・ジャクソンの死、イラン選挙、オバマのノーベル賞受賞、エジプト革命、シリア反乱。
• ハッシュタグと時間的中央値を用いて出来事関連コンテンツを特定し、各出来事のソーシャルメディア活動の波を2つのピークに分割して、異なる活動波を捉えた。
• ツイートに埋め込まれたURIを抽出し、複数の時点でのライブウェブでの可用性と、公共のウェブアーカイブ（例：インターネット・アーカイブ）への存在をテストした。
• 共有後経過日数（日単位）を変数として、失われたリソースおよびアーカイブされたリソースの割合を線形回帰でモデル化し、2つの予測式を導出した。
• Mementoおよびウェブクローリング技術を用いて、共有リソースのライブウェブおよびアーカイブ可用性を検証した。
• 2009年から2012年のデータを用いてモデルをキャリブレーションし、出来事前後のコンテンツを用いた検証により、時間的正確性を確保した。

実験結果

リサーチクエスチョン

• RQ1 ソーシャルメディアで共有されたウェブリソースのうち、1年以内にライブウェブから失われる割合はどの程度か？ 2.5年後には？
• RQ2 共有後、ライブウェブでのリソース喪失率は時間の経過とともにどのように変化するか？
• RQ3 共有リソースの何パーセントが公共のウェブアーカイブに保存され、そのカバレッジは時間の経過とともにどのように変化するか？
• RQ4 共有後経過時間とリソース喪失率・アーカイブ率の間には、予測可能な線形関係があるか？
• RQ5 健康危機、政治的蜂乱、有名人の死など、異なる種類の出来事は、共有コンテンツの持続性およびアーカイブにどのような影響を与えるか？

主な発見

• 1年後には、ソーシャルメディアで共有されたリソースの約11%がライブウェブから失われ、以降は1日あたり0.02%の線形減衰が続く。
• 2.5年後には、共有リソースの27%が失われており、可用性の低下が時間の経過とともに安定的かつ予測可能であることが示された。
• 2.5年後には、共有リソースの約41%が公共のウェブアーカイブにアーカイブされており、アーカイブカバレッジは1日あたり0.04%の線形増加を示した。
• アーカイブされたリソースの割合は時間の経過とともに安定的に増加するが、喪失パターンほど線形的ではない。
• モデル推定によると、共有後100日以内に4.20%のコンテンツが失われ、365日後には11%に上昇する。
• 本研究では、出来事の種類が持続性に影響を与えることが判明した。マイケル・ジャクソンの死（36.24%失われた）やイラン抗議（31.62%失われた）のような出来事では、より高い喪失率が観察されたが、すべての出来事で長期的な傾向は類似していた。