[論文レビュー] The drivers of online polarization: fitting models to data

Carlo Michele Valensise, Matteo Cinelli+1 more|arXiv (Cornell University)|May 31, 2022

Opinion Dynamics and Social Influence被引用数 5

ひとこと要約

本稿では、人間の認知バイアスとアルゴリズム的フィードメカニズムを統合した柔軟な意見動態モデルを提案し、オンラインでの極化を模擬する。4つのソーシャルメディアプラットフォームからの実証データと、シミュレートされた意見分布の間でジェンセン・シャノン発散を用いて定量的比較することで、特にアルゴリズムパラメータγが極化レベルを制御する上で重要な要因であることが同定され、推薦システムの最適化に向けたデータ駆動型フレームワークを提供する。

ABSTRACT

Users online tend to join polarized groups of like-minded peers around shared narratives, forming echo chambers. The echo chamber effect and opinion polarization may be driven by several factors including human biases in information consumption and personalized recommendations produced by feed algorithms. Until now, studies have mainly used opinion dynamic models to explore the mechanisms behind the emergence of polarization and echo chambers. The objective was to determine the key factors contributing to these phenomena and identify their interplay. However, the validation of model predictions with empirical data still displays two main drawbacks: lack of systematicity and qualitative analysis. In our work, we bridge this gap by providing a method to numerically compare the opinion distributions obtained from simulations with those measured on social media. To validate this procedure, we develop an opinion dynamic model that takes into account the interplay between human and algorithmic factors. We subject our model to empirical testing with data from diverse social media platforms and benchmark it against two state-of-the-art models. To further enhance our understanding of social media platforms, we provide a synthetic description of their characteristics in terms of the model's parameter space. This representation has the potential to facilitate the refinement of feed algorithms, thus mitigating the detrimental effects of extreme polarization on online discourse.

研究の動機と目的

• オンライン情報消費における人間の行動バイアスとアルゴリズム的影響を両方とも捉える統一的意見動態モデルの構築を目的とする。
• 現実のソーシャルメディアデータに対する意見動態モデルの体系的かつ定量的検証の不足に応えることを目的とする。
• 異なるプラットフォームからの実証的意見分布とモデル出力を比較することで、極化を引き起こす主要因となるパラメータを同定することを目的とする。
• モデルフィッティングに基づくパrametricなソーシャルメディアプラットフォームの特徴化を提供し、標的的なアルゴリズム的介入を可能にする。
• アルゴリズム的影響パラメータγを操作することで極化を効果的に低減できることを示し、有害なオンラインダイナミクスを緩和する道筋を提供することを目的とする。

提案手法

• 同調性、社会的伝播、アルゴリズム的バイアスを統合した柔軟な意見動態モデルを定式化し、類似した意見を持つ周囲の影響を制御する主要パラメータγを導入する。
• 4つのプラットフォーム（Facebook、Twitter、Reddit、Gab）からの実証データと、シミュレートされた意見分布の類似度を、ジェンセン・シャノン（JS）発散を用いて定量的に測定する。
• 各プラットフォームにおける観察された極化パターンを最もよく再現するパラメータ設定を特定するため、モデルのパラメータ空間全体をグリッドサーチで探索する。
• 極端な極化を捉える能力において、2つの最先端モデル（Arrudaら[22]および他の研究）と比較して優れた性能を示すことを検証する。
• 合成されたパラメータ空間表現を用いて、意見動態メカニズムの観点からプラットフォーム固有の特徴を記述する。
• コミュニティレベルおよびトピック別データの両方を対象として適用することで、データ収集レベルの違いに対しても堅牢性を確保する。

実験結果

リサーチクエスチョン

• RQ1 多様なソーシャルメディアプラットフォームにおけるオンライン極化の発生を最もよく説明するのは、人間的要因とアルゴリズム的要因のどの組み合わせか？
• RQ2 統一的意見動態モデルは、ソーシャルメディアで測定された現実の意見分布をどれほど正確に再現できるか？
• RQ3 類似した意見を持つ仲間の相対的影響を制御するアルゴリズムパラメータγは、極化レベルにどのように影響を与えるか？
• RQ4 提案されたモデルは、既存の最先端モデルと比較して、実証的な極化パターンをどれほどよく捉えられるか？
• RQ5 ソーシャルメディアプラットフォームを意見動態モデルのパラメータ空間へ定量的・データ駆動的にマッピングする手法を確立できるか？

主な発見

• 提案モデルは、テストされた4つのプラットフォーム（Facebook、Twitter、Reddit、Gab）すべてにおいて、既存モデルを著しく上回る性能で実証的意見分布を再現した。
• 意見の類似性に起因するアルゴリズム的強化を制御するパラメータγが、極化の低減において最も重要な要因であることが同定され、JS発散を最小化する最適値が特定された。
• RedditとTwitterでは、投稿分布関数の種別がやや重要性に欠ける一方で、上位5%の設定における位相分布φは強く局在化しており、その重要性が示された。
• リワーピング機構とユーザーの投稿行動（pol, uni, simタイプ）は、特にRedditにおいて意見分布の正確な再現に不可欠な要因であった。
• モデルのデータ適合性は、コミュニティレベル（Gab、Reddit）とトピック別（Twitter、Facebook）の両方のデータ収集レベルで堅牢であり、一般化可能性が確認された。
• すべての現実の極化ダイナミクスを捉える「万能薬」のような単一のモデルは存在しないが、本研究の手法により、実証的検証に基づく体系的比較とモデルの最適化が可能になった。