[논문 리뷰] A Weakly-Labeled Stance Dataset during the 2019 South American Protests

Ramón Villa-Cox, Helen Zeng외 2명|arXiv (Cornell University)|2021. 04. 05.

Social Media and Politics참고 문헌 19인용 수 5

한 줄 요약

이 논문은 2019년 남미 폭동 기간 동안 트위터에서 정치인 지지 및 해시태그 캠페인을 근거로 약한 레이블이 부여된 입장을 분류한 데이터셋을 구축한다. 언어적 극화를 탐지하기 위해 기계 번역 기반 방법을 적용하고, 사용자 이동성에 기반한 뉴스 소비 패턴을 분석하여 국가 간에 강력한 필터 버블과 이념적 분리가 존재하는 것을 발견했으며, 볼리비아에서 가장 높은 극화 수준을 보였고 칠레에서는 가장 낮았다.

ABSTRACT

Research across different disciplines has documented the expanding polarization in social media. However, much of it focused on the US political system or its culturally controversial topics. In this work, we explore polarization on Twitter in a different context, namely the protest that paralyzed several countries in the South American region in 2019. By leveraging users' endorsement of politicians' tweets and hashtag campaigns with defined stances towards the protest (for or against), we construct a weakly labeled stance dataset with millions of users. We explore polarization in two related dimensions: language and news consumption patterns. In terms of linguistic polarization, we apply recent insights that leveraged machine translation methods, showing that the two communities speak consistently "different" languages, mainly along ideological lines (e.g., fascist translates to communist). Our results indicate that this recently-proposed methodology is also informative in different languages and contexts than originally applied. In terms of news consumption patterns, we cluster news agencies based on homogeneity of their user bases and quantify the observed polarization in its consumption. We find empirical evidence of the "filter bubble" phenomenon during the event, as we not only show that the user bases are homogeneous in terms of stance, but the probability that a user transitions from media of different clusters is low.

연구 동기 및 목표

• 2019년 남미 폭동 기간 동안 트위터 데이터를 활용해 사용자 행동의 극화를 조사한다.
• 사용자 생성 콘텐츠에 기계 번역 기반 방법을 적용하여 이념적 입장을 기반으로 한 언어적 극화를 탐색한다.
• 사용자 입지 일관성 기반으로 미디어를 군집화함으로써 뉴스 소비 패턴의 극화를 분석한다.
• 사용자 이동성에 기반해 미디어 군집 간 이동을 분석하여 '필터 버블' 존재 여부를 평가한다.
• RT en Español 및 TeleSUR와 같은 지역 및 국제 미디어 기관이 정보 생태계에 미치는 영향을 조사한다.

제안 방법

• 사용자의 정치인 트윗 재게재 및 해시태그 사용 여부를 기반으로 프로-정부 또는 앤티-정부 입장을 분류한다.
• 각 입지 집단의 고유한 어휘 집합에서 별도로 워드 임베딩을 학습하여 언어적 차이를 포착한다.
• 두 임베딩 공간 간의 번역 행렬을 학습하여 체계적인 의미 이동(예: '페르소나'가 '공산주의자'로 번역됨)을 식별한다.
• 미디어의 사용자 기반 입지 일관성 기반으로 미디어를 군집화한다.
• 사용자 이동성을 모델링하기 위해 전이 행렬을 구성하고, 이동성 지수(IR, ML, MR)를 통해 필터 버블 효과를 정량화한다.
• 이 방법은 볼리비아, 칠레, 콜롬비아, 에콰도르 4개 국가에 적용되어 극화 수준을 비교한다.

실험 결과

연구 질문

• RQ1 2019년 남미 폭동에 대해 대립적인 입장을 가진 사용자들이 얼마나 다른 언어적 패턴을 사용하는가?
• RQ2 기계 번역 기반 방법이 사용자 언어 내에서 이념적 의미 이동을 어떻게 드러내는가?
• RQ3 사용자들의 뉴스 소비 패턴은 얼마나 극화되어 있으며, 필터 버블의 증거가 있는가?
• RQ4 RT en Español 및 TeleSUR와 같은 지역 및 국제 미디어 기관이 정보 확산 및 사용자 참여에 어떻게 영향을 미치는가?
• RQ5 볼리비아, 칠레, 콜롬비아, 에콰도르에서 언어적 및 뉴스 소비 차원에서 극화 수준은 어떻게 달라지며, 그 차이점은 무엇인가?

주요 결과

• 언어적 극화가 뚜렷하게 드러나며, '페르소나'가 대립 입지에서 '공산주의자'로, '경찰'이 '폭도'로 번역되는 체계적인 의미 이동이 관찰된다.
• 기계 번역 기반 방법은 스페인어에서 이데올로기적 언어 차이를 성공적으로 탐지하여 영어 외의 맥락으로의 적용 가능성을 넓힌다.
• 미디어 군집은 이념적 및 지리적 경계에 따라 형성되며, 러시아 및 베네수엘라 기반 미디어(예: RT en Español, TeleSUR)는 좌익 성향 군집을 이룬다.
• 전반적으로 사용자 이동성이 낮으며, 이동성 비율(IR)이 칠레의 72.74%에서 볼리비아의 95.68%까지 다양하게 나타나 강력한 필터 버블 효과를 시사한다.
• 우익 성향 미디어에서 좌익 성향 미디어로의 전환 확률이 반대 방향보다 높으며, 볼리비아, 칠레, 콜롬비아, 에콰도르에서 ML > MR를 기록한다.
• 극화 수준은 볼리비아에서 가장 높고 칠레에서 가장 낮으며, 콜롬비아와 에콰도르는 유사한 중간 수준을 보이며, 언어적 및 미디어 소비 차원에서 일관된 경향을 보인다.