[論文レビュー] Predicting Online Protest Participation of Social Media Users

Suhas Ranganath, Fred Morstatter+3 more|arXiv (Cornell University)|Dec 9, 2015

Social Media and Politics参考文献 30被引用数 8

ひとこと要約

本稿では、社会学的理論とブラウン運動にインspiredされたダイナミクスを用いて、過去のステータスメッセージと相互作用をモデル化することで、ソーシャルメディア利用者の次の投稿が抗議宣言である確率を予測するフレームワークを提案する。2015年ナイジェリア議会選挙のツイッターデータを用いた評価において、限られた訓練データでも高い正確性で抗議参加を効果的に予測でき、ロバストネスとスケーラビリティを示した。

ABSTRACT

Social media has emerged to be a popular platform for people to express their viewpoints on political protests like the Arab Spring. Millions of people use social media to communicate and mobilize their viewpoints on protests. Hence, it is a valuable tool for organizing social movements. However, the mechanisms by which protest affects the population is not known, making it difficult to estimate the number of protestors. In this paper, we are inspired by sociological theories of protest participation and propose a framework to predict from the user's past status messages and interactions whether the next post of the user will be a declaration of protest. Drawing concepts from these theories, we model the interplay between the user's status messages and messages interacting with him over time and predict whether the next post of the user will be a declaration of protest. We evaluate the framework using data from the social media platform Twitter on protests during the recent Nigerian elections and demonstrate that it can effectively predict whether the next post of a user is a declaration of protest.

研究の動機と目的

• リアルタイムデータが入手できない状況での抗議参加者数の推定という課題に対処すること。
• 過去のユーザー相互作用とステータスメッセージが、将来の抗議宣言の可能性にどのように影響するかをモデル化すること。
• 社会学的原則と時間的相互作用モデリングを用いて、スケーラブルでロバストな予測フレームワークを開発すること。
• 2015年ナイジェリア議会選挙期におけるツイッターからの実世界の抗議データを用いてフレームワークを評価すること。

提案手法

• フレームワークは、過去のステータスメッセージと他者からのメッセージの潜在的表現を行列 M、P、W を用いて表現し、ユーザー行動をモデル化する。
• ブラウン運動理論の概念を応用し、相互作用の累積的影響が抗議投稿の確率に与える影響をモデル化する。
• 時間の経過に伴い変化する相互作用とコンテンツの影響を反映する動的潜在次元を計算する。
• これらの潜在的表現を用いて分類器を訓練し、次の投稿が抗議宣言であるかどうかを予測する。
• ユーザー間の相互作用ネットワークは行列 N を通じてモデル化され、ユーザー間の相互作用の頻度と方向性を捉える。
• フレームワークは、2015年ナイジェリア選挙抗議期における実世界のツイッターデータを用いて訓練および評価された。

実験結果

リサーチクエスチョン

• RQ1 抗議参加に関する社会学的理論は、ソーシャルメディアにおけるオンライン抗議行動の予測に効果的に適用可能か？
• RQ2 過去の相互作用とステータスメッセージが、ユーザーが抗議メッセージを投稿する可能性にどのように総合的に影響するか？
• RQ3 ユーザー履歴と相互作用ダイナミクスに基づくモデルが、将来の抗議宣言をどの程度正確に予測できるか？
• RQ4 訓練データ量の変動に伴って予測性能がどの程度ロバストか？
• RQ5 このフレームワークは、抗議参加の時間的および相互作用的ダイナミクスを効果的にモデル化できるか？

主な発見

• 提案されたフレームワークは、限られた訓練データでも、ユーザーの次の投稿が抗議宣言であるかどうかを高い正確性で特定できる。
• 訓練データの割合が異なる状況でも一貫した性能を示しており、強力なロバストネスを示している。
• 社会学的理論とブラウン運動にインspiredされたダイナミクスの統合は、ベースラインモデルと比較して予測性能を顕著に向上させた。
• フレームワークは、時間の経過に伴う相互作用とコンテンツの累積的影響を効果的に捉えており、抗議行動の正確な予測を可能にした。
• 2015年ナイジェリア選挙抗議の実際のツイッターデータを用いた評価により、モデルの実用的適用性とスケーラビリティが確認された。