[논문 리뷰] An Experimental Study of Structural Diversity in Social Networks

Jessica Lasky‐Su, Krishna Kamath외 3명|arXiv (Cornell University)|2019. 09. 08.

Social Media and Politics참고 문헌 27인용 수 5

한 줄 요약

이 연구는 트위터에서 대규모 랜덤화 실험을 통해 사용자의 소셜 네트워크 내 구조적 다양성이 소셜 미디어에서의 유저 유지를 인과적으로 영향을 미치는지 조사한다. 관찰 데이터에서 구조적 다양성과 유지율 간의 상관관계를 확인했음에도 불구하고, 실험 결과 저, 중, 고 다양성 처리군 간에 유지율이나 참여도에 유의미한 차이가 없었으며, 이는 이전 관찰 연구에서의 인과적 해석에 도전한다.

ABSTRACT

Several recent studies of online social networking platforms have found that adoption rates and engagement levels are positively correlated with structural diversity, the degree of heterogeneity among an individual's contacts as measured by network ties. One common theory for this observation is that structural diversity increases utility, in part because there is value to interacting with people from different network components on the same platform. While compelling, evidence for this causal theory comes from observational studies, making it difficult to rule out non-causal explanations. We investigate the role of structural diversity on retention by conducting a large-scale randomized controlled study on the Twitter platform. We first show that structural diversity correlates with user retention on Twitter, corroborating results from past observational studies. We then exogenously vary structural diversity by altering the set of network recommendations new users see when joining the platform; we confirm that this design induces the desired changes to network topology. We find, however, that low, medium, and high structural diversity treatment groups in our experiment have comparable retention rates. Thus, at least in this case, the observed correlation between structural diversity and retention does not appear to result from a causal relationship, challenging theories based on past observational studies.

연구 동기 및 목표

• 구조적 다양성이 소셜 미디어 플랫폼에서 사용자 유지율과 참여도를 인과적으로 증가시킨다는지를 테스트하기 위해.
• 네트워크 행동 연구에서 상관관계를 인과관계로 오해하는 관찰 연구의 한계를 해결하기 위해.
• 신규 사용자의 소셜 네트워크에서 구조적 다양성을 외부적으로 조작할 수 있는 확장 가능한 랜덤화 실험을 설계하고 구현하기 위해.
• 실제 플랫폼 환경에서 네트워크 구조의 다양성이 사용자 행동, 특히 유지율에 미치는 인과적 영향을 분리하여 분석하기 위해.
• 네트워크 구조가 사회적 행동에 미치는 인과적 효과를 측정하는 데 있어 이론적 및 방법론적 과제를 명확히 하기 위해.

제안 방법

• 신규 사용자가 가입할 때 받는 네트워크 추천 목록을 조작하여 트위터에서 대규모 랜덤화 통제 실험을 수행하였다.
• 다양한 구성의 추천 팔로잉 대상 설정을 통해 저, 중, 고 다양성 네트워크 구조를 만들었다.
• 사용자가 수용한 연락처 간 연결 성분 수를 사용하여 구조적 다양성을 측정하였으며, 이는 구조적 다양성 이론에서 표준적인 지표이다.
• 통계적 추론을 사용하여 30일 동안의 유지율, 트윗 활동 및 좋아요 수를 처리군 간에 비교하였다.
• 유효한 인과 추정을 보장하기 위해 서로 다른 구조적 다양성 조건에 의미 있게 할당될 수 있는 사용자만을 분석 대상으로 필터링하였다.
• 랜덤화가 네트워크 구조의 의도한 변화를 유도했음을 검증하여 조작의 효과성을 확인하였다.

실험 결과

연구 질문

• RQ1 사용자의 소셜 네트워크에서 구조적 다양성을 높이면 트위터에서의 사용자 유지율이 높아지는가?
• RQ2 관찰 데이터에서 관찰된 구조적 다양성과 유지율 간 상관관계는 인과관계 때문인가, 선택 편향 때문인가?
• RQ3 실제 소셜 미디어 플랫폼에서 대규모로 구조적 다양성을 효과적으로 조작할 수 있는가?
• RQ4 구조적 다양성은 트윗 게시 및 좋아요와 같은 사용자 참여 지표에 어떻게 영향을 미치는가?
• RQ5 결과는 신규 사용자 중 유효한 집단을 초월해 더 넓은 인구 집단에 일반화될 수 있는가?

주요 결과

• 관찰 데이터에서 구조적 다양성이 높은 사용자일수록 유지율이 높다는 상관관계가 확인되었으며, 이는 이전 연구의 결과를 재현한 것이다.
• 랜덤화 실험 결과, 저, 중, 고 구조적 다양성 처리군 간 유지율에 통계적으로 유의미한 차이가 없었다.
• 고다양성군과 저다양성군 간 유지율 차이에 대한 95% 신뢰구간은 (-0.04, 0.07)이었으며, 이는 유의미한 영향이 없음을 시사한다.
• 처리 조건 간에 첫 30일 동안 게시한 트윗 수나 좋아요 수에 유의미한 차이가 관찰되지 않았다.
• 구조적 다양성과 유지율 간 상관관계는 이 설정에서 주로 선택 효과 때문이며, 인과 메커니즘 때문이 아니다.
• 결과는 자연스럽게 다양한 네트워크를 형성하는 사용자와 동질적인 네트워크를 형성하는 사용자 간에 행동에 영향을 미치는 요소들이 체계적으로 다름을 시사하며, 이는 구조적 다양성 자체가 아니라 그 외부 요인 때문임을 시사한다.