[논문 리뷰] Data Portraits and Intermediary Topics: Encouraging Exploration of Politically Diverse Profiles

Eduardo Graells-Garrido, Mounia Lalmas외 1명|arXiv (Cornell University)|2016. 01. 04.

Complex Network Analysis Techniques참고 문헌 66인용 수 10

한 줄 요약

이 논문은 잠재 주제 기반 추천 시스템과 데이터 시각화 인터페이스를 융합한 하이브리드 플랫폼을 제안하여 마이크로블로깅 플랫폼에서 정치적으로 다양한 프로필을 탐색하도록 유도한다. 사용자의 콘텐츠를 개인화된 시각적 포트레이트로 제시함으로써, 이 시스템은 편향 없는 탐색을 가능하게 하며, 특히 정치에 관심이 있는 사용자들 사이에서 효과를 입증한다. 이는 알고리즘 기반 추천과 시각적 인터페이스 설계의 조합이 동질성 선호와 선택적 노출을 완화하는 데 효과적일 수 있음을 보여준다.

ABSTRACT

In micro-blogging platforms, people connect and interact with others. However, due to cognitive biases, they tend to interact with like-minded people and read agreeable information only. Many efforts to make people connect with those who think differently have not worked well. In this paper, we hypothesize, first, that previous approaches have not worked because they have been direct -- they have tried to explicitly connect people with those having opposing views on sensitive issues. Second, that neither recommendation or presentation of information by themselves are enough to encourage behavioral change. We propose a platform that mixes a recommender algorithm and a visualization-based user interface to explore recommendations. It recommends politically diverse profiles in terms of distance of latent topics, and displays those recommendations in a visual representation of each user's personal content. We performed an "in the wild" evaluation of this platform, and found that people explored more recommendations when using a biased algorithm instead of ours. In line with our hypothesis, we also found that the mixture of our recommender algorithm and our user interface, allowed politically interested users to exhibit an unbiased exploration of the recommended profiles. Finally, our results contribute insights in two aspects: first, which individual differences are important when designing platforms aimed at behavioral change; and second, which algorithms and user interfaces should be mixed to help users avoid cognitive mechanisms that lead to biased behavior.

연구 동기 및 목표

• 사용자가 유사한 의견을 가진 사람들과만 상호작용하는 등 지속적인 동질성 선호와 선택적 노출 문제를 해결하기 위해.
• 이전에 다양한 정치적 견해에의 노출을 촉진하기 위한 노력이 실패한 이유, 특히 직접적인 추천에 의존한 경우를 분석하기 위해.
• 알고리즘 기반 추천과 시각 기반 인터페이스를 조합함으로써 정치적으로 다양한 프로필을 비편향적으로 탐색하도록 유도할 수 있는지 탐색하기 위해.
• 사용자의 정치적 관심 수준과 같은 개인적 차이가 정치적 다원적 콘텐츠 탐색 의지에 미치는 영향을 파악하기 위해.
• 온라인 정보 소비에서 인지적 편향을 완화할 수 있는 최적의 알고리즘과 사용자 인터페이스 설계 조합을 규명하기 위해.

제안 방법

• 플랫폼은 사용자가 게재한 콘텐츠를 바탕으로 잠재 주제 모델링 기법(예: LDA)을 사용해 사용자 간의 의미적 거리를 계산한다.
• 추천 알고리즘은 타겟 사용자와의 잠재 주제 분포가 유사하지 않은 사용자를 식별함으로써 정치적으로 다양한 프로필을 선별한다.
• 시스템은 각 사용자의 콘텐츠를 '데이터 포트레이트'로 시각화한다—주제와 참여 패턴을 그래픽적으로 표현한 것이다.
• 추천된 프로필은 사용자의 기존 콘텐츠와 다원적 시각적 관점 사이를 연결하는 '중간 주제'로 데이터 포트레이트에 통합된다—시각적 요소로서.
• 인터페이스는 사용자가 시각적 공간 내에서 상호작용적으로 탐색할 수 있도록 설계되어, 이데올로기적 차이에 대한 인지적 위협을 감소시킨다.
• 실제 사용자를 대상으로 마이크로블로깅 플랫폼에서 '현장에서의 평가'(in the wild evaluation)를 수행하여, 다양한 추천 조건 하에서의 탐색 행동을 평가했다.

실험 결과

연구 질문

• RQ1 정치적으로 다양한 프로필을 직접 추천하는 것이 편향된 추천 전략에 비해 사용자의 탐색 행동을 증가시키는가?
• RQ2 주제 기반 추천 시스템과 시각화 인터페이스를 조합함으로써 사용자의 유사한 의견 콘텐츠에 대한 선택적 노출은 어느 정도 감소하는가?
• RQ3 정치적 관심 수준과 같은 개인적 특성이 사용자의 다양한 정치적 프로필 탐색 의지에 미치는 영향은 어떠한가?
• RQ4 콘텐츠의 시각적 표현(즉, 데이터 포트레이트)이 인지적 위협을 감소시키고 다양한 견해에 대한 개방성을 증가시키는 데 어떤 역할을 하는가?
• RQ5 알고리즘과 인터페이스 설계의 하이브리드 시스템이 소셜 미디어에서 동질성 선호와 선택적 노출과 같은 인지적 편향을 효과적으로 완화할 수 있는가?

주요 결과

• 추천 알고리즘이 편향되어 있음(즉, 유사한 프로필을 추천)할 경우, 정치적으로 다양한 프로필을 추천한 경우보다 사용자가 더 많은 추천 프로필을 탐색함을 확인하여, 대립적인 의견에 직접 노출되는 데에 대한 저항이 있음을 시사한다.
• 초기 참여도는 낮았지만, 하이브리드 시스템(추천 + 시각화)을 사용한 사용자들은 특히 정치에 관심이 높은 사용자들 사이에서 추천 프로필에 대해 훨씬 더 비편향된 탐색 행동을 보였다.
• 데이터 포트레이트 인터페이스는 추천 프로필을 덜 위협적으로 느끼게 하여, 직접적인 대립이 아닌 시각적 매개를 통해 탐색을 촉진했다.
• 주제 기반 거리 계산과 시각적 표현의 조합은 사용자가 더 적은 대립감을 느끼고, 더 맥락 기반의 방식으로 다양한 콘텐츠를 탐색할 수 있도록 했다.
• 결과적으로 알고리즘과 인터페이스를 함께 설계함으로써 인지적 편향을 완화하는 데 효과적일 수 있으며, 정보 소비 행동 변화는 이와 같은 통합 설계를 통해 더 실현 가능하다는 점을 시사한다.
• 개인적 특성, 특히 정치적 관심 수준이 추천된 다양한 정치적 프로필을 탐색할 의사가 있는지 여부를 강력하게 예측하는 요소였으며, 이는 이러한 시스템에서 개인화된 설계의 필요성을 강조한다.