[論文レビュー] Modeling the Rise in Internet-based Petitions

Taha Yasseri, Helen Margetts+1 more|arXiv (Cornell University)|Aug 1, 2013

Social Media and Politics参考文献 28被引用数 27

ひとこと要約

本研究では、2年間にわたり1時間ごとに追跡された20,000件の英国政府の請願から得たビッグデータを用い、乗法的プロセスモデルにより署名の増加ダイナミクスをモデル化した。その結果、アピール活動の効果が急速に低下することが明らかになった—10時間以内に初期水準の0.1％まで低下する。これは、請願の成功が主に1日目中に決定づけられ、99％以上が公式対応を受けるための10,000名の署名に到達できないことを示している。

ABSTRACT

Collective action taking place on Internet platforms leaves a digital imprint which may be harvested to better understand the dynamics of mobilization. This ‘big data ’ offers social science researchers the potential for new forms of analysis, using real-time transactional data based on entire popula-tions, rather than sample-based surveys of what people think they did or might do. This paper uses a big data approach to track the growth of about 20,000 petitions to the UK Gov-ernment over two years, analyzing the rate of growth and the outreach mechanism. The number of signatures was col-lected for all petitions with an hourly resolution. The vast majority of petitions did not achieve any measure of success; over 99 percent failed to get the 10,000 signatures required for an official response, and only 0.1 percent attained the 100,000 required for a parliamentary debate. We analyze the data through a multiplicative process model framework to explain the growth of signatures at the population level. We have defined and measured an average outreach factor for petitions and show that it decays very fast (reducing to 0.1 % after 10 hours); after 24 hours, a petition’s fate is virtually set.

研究の動機と目的

• インターネットベースの請願から得たリアルタイムで集計された人口レベルのデータを通じて、オンライン集団行動のダイナミクスを理解すること。
• 乗法的プロセスフレームワークを用いて、オンライン請願の署名増加経路をモデル化すること。
• アピール要因の時間的変化を定量化し、動員のための重要な時間帯を特定すること。
• 初期の勢いが、公式対応や議会討論の獲得という長期的成功をどれほど予測できるかを特定すること。
• デジタルトレースデータが、大規模かつリアルタイムでの市民参加の分析を可能にする役割を評価すること。

提案手法

• 2年間にわたり、約20,000件の英国政府請願の署名数を1時間ごとに収集した。
• 乗法的プロセスモデルを適用し、人口レベルでの署名増加を模擬および説明した。
• 現在の署名数を基準に正規化した、1時間あたりに追加される新規署名の割合として、平均的アピール要因を定義・測定した。
• 請願発表直後から著しく低下するアピール要因の時間的変化を追跡した。
• 請願の運命が実質的に逆転不能になる時点をモデルで推定した。
• 実証データを用いてモデルをキャリブレーションし、10,000名および100,000名の署名に到達する確率を評価した。

実験結果

リサーチクエスチョン

• RQ1 オンライン請願の署名増加速度はどの程度で、異なる請願間でどのように異なるか？
• RQ2 アピール要因はどの程度の速さで時間経過とともに減少するのか？ これは動員のタイミングにどのような意味を持つのか？
• RQ3 請願の最終的成功が、発表後24時間以内に決定づけられる程度はどのくらいか？
• RQ4 請願の何割が公式対応の閾値に到達するのか？ これは請願全体の数に比べてどの程度か？
• RQ5 乗法的プロセスモデルは、リアルタイムでオンライン集団行動のダイナミクスをどれほど正確に捉えられるか？

主な発見

• 10,000名の署名が必要な公式政府対応を受けるための条件を満たせなかった請願は99％以上であった。
• 議会討論を引き起こすために必要な100,000名の署名に到達した請願はたった0.1％にとどまった。
• 平均的なアピール要因は、請願発表後10時間以内に初期値の0.1％まで低下した。
• 24時間で、請願の最終的結果はほぼ決定的であり、初期の勢いが決定的であることが示された。
• 乗法的プロセスモデルは、請願の全人口にわたる署名増加ダイナミクスをうまく捉えた。
• 本研究は、デジタルトレースデータが、大規模かつ高分解能のリアルタイム分析を可能にし、市民動員をスケールで分析できることを示した。