[논문 리뷰] Data Portraits: Connecting People of Opposing Views

Eduardo Graells-Garrido, Mounia Lalmas외 1명|arXiv (Cornell University)|2013. 11. 19.

Data Visualization and Analytics참고 문헌 40인용 수 32

한 줄 요약

이 논문은 민감한 문제에 대해 대립되는 견해를 가진 사용자들과의 연결을 위해 간접적이고 시각화 기반의 접근을 제안한다. 이는 이념적으로 다른 사용자들로부터 추천 콘텐츠를 개인화된 데이터 풍경에 통합하여 구현한다. 주제적 관련성과 '시각 격차'(이념적 차이)를 바탕으로 사용자 선호도를 표현하고 콘텐츠를 통합하는 유기적인 시각적 디자인을 사용함으로써, 기존 추천 인터페이스에 비해 부정적인 정서 반응을 감소시키고 사용자 정체성 및 랜덤성(serendipity)을 증가시킨다.

ABSTRACT

Social networks allow people to connect with each other and have conversations on a wide variety of topics. However, users tend to connect with like-minded people and read agreeable information, a behavior that leads to group polarization. Motivated by this scenario, we study how to take advantage of partial homophily to suggest agreeable content to users authored by people with opposite views on sensitive issues. We introduce a paradigm to present a data portrait of users, in which their characterizing topics are visualized and their corresponding tweets are displayed using an organic design. Among their tweets we inject recommended tweets from other people considering their views on sensitive issues in addition to topical relevance, indirectly motivating connections between dissimilar people. To evaluate our approach, we present a case study on Twitter about a sensitive topic in Chile, where we estimate user stances for regular people and find intermediary topics. We then evaluated our design in a user study. We found that recommending topically relevant content from authors with opposite views in a baseline interface had a negative emotional effect. We saw that our organic visualization design reverts that effect. We also observed significant individual differences linked to evaluation of recommendations. Our results suggest that organic visualization may revert the negative effects of providing potentially sensitive content.

연구 동기 및 목표

• 사회 네트워크에서 그룹 극화와 필터 버블 문제를 간접적으로 대비하여, 이념적으로 대립되는 시각을 가진 사용자들과의 연결을 시도한다.
• 사용자 데이터 풍경의 유기적 시각화가 이념적으로 다른 사용자로부터의 추천에 대한 부정적인 정서 반응을 완화할 수 있는지 탐색한다.
• 개인적 차이 요소들, 예를 들어 개방성과 풍경에 대한 정체감이 랜덤성 있는 추천에 대한 인식에 어떻게 영향을 미치는지 평가한다.
• 추천 대상자와 추천자 간의 '시각 격차'(이념적 거리)가 다양한 콘텐츠 수용성에 어떻게 영향을 미치는지 조사한다.
• 주제적 관련성과 입장 기반의 다양성을 통합한 데이터 풍경 패러다임을 개발하고 테스트한다.

제안 방법

• 사용자의 주요 주제는 트윗에 대한 TF-IDF를 활용해 식별되어 개인화된 데이터 풍경을 구성한다.
• 자세한 입장 분류기(stance classifier)는 민감한 문제들(예: 칠레의 낙태 문제)에 대한 사용자의 견해를 생명권 중심과 선택권 중심의 선형 조합으로 추정한다.
• 추천 트윗은 사용자 선호도와 관련된 주제적 관련성뿐 아니라, 사용자로부터의 이념적 거리를 나타내는 '시각 격차' 지표를 기반으로 선별된다.
• 데이터 풍경은 단어 구름과 원형 배열을 조합한 유기적인 시각적 레이아웃을 사용하여 사용자 주제와 관계를 표현한다.
• 이 시스템은 이념적으로 반대되는 시각을 가진 사용자들로부터의 추천 트윗을 사용자 자신의 콘텐츠 맥락 안에 통합하여 삽입한다.
• 사용자 연구는 세 가지 조건을 비교한다: 기준군(선호도만), 치료군 I(선호도 + 시각 격차), 치료군 II(시각 격차를 포함한 유기적 데이터 풍경).

실험 결과

연구 질문

• RQ1 유기적인 데이터 풍경을 통해 이념적으로 대립되는 시각을 가진 사용자들로부터의 추천을 제시할 경우, 기존 추천 인터페이스에 비해 부정적인 정서 반응이 감소하는가?
• RQ2 사용자가 자신의 데이터 풍경에 대해 느끼는 정체감이 랜덤성 있는 추천에 대한 평가에 얼마나 영향을 미치는가?
• RQ3 민감한 문제에 대해 토론하는 데 있어 개방성이 높을수록 추천 콘텐츠 평가에 어떤 영향을 미치는가?
• RQ4 데이터 풍경의 설계가 사용자의 잠재적 랜덤성 탐색 가능성을 효과적으로 신호할 수 있는가? 특히 그 콘텐츠가 그들의 견해에 도전할 경우에도 말이다.
• RQ5 유기적인 시각적 디자인이 이념적으로 다른 출처의 콘텐츠에 대한 사용자 참여도와 수용성에 향상 효과를 미치는가?

주요 결과

• 유기적인 시각화 디자인이 이념적으로 대립되는 사용자들로부터의 추천에 대한 부정적인 정서 반응을 유의미하게 감소시켰으며, 기준군 조건에서 관찰된 부정적 영향을 뒤집는 효과를 보였다.
• 자신의 데이터 풍경에 더 강하게 정체감을 느끼는 사용자들은 추천이 더 랜덤성 있다고 평가하고, 트위터에서 이 시스템을 사용할 의사가 더 높았다.
• 민감한 문제에 대해 트윗하는 데 있어 개방성이 높을수록 추천 콘텐츠의 흥미로움과 사용자 선호도와의 유사도 평가가 높아졌다.
• 데이터 풍경의 설계는 사용자의 잠재적 랜덤성 탐색 가능성을 효과적으로 신호했으며, 정체감과 긍정적인 추천 평가 간의 강한 연관성이 확인되었다.
• 연구는 간접적인 추천 방식을 통해 개인화되고 유기적인 시각적 데이터 풍경을 활용할 경우, 이념적으로 다른 이들의 콘텐츠에 일반적으로 나타나는 정서적 저항을 완화하는 데 도움이 될 수 있음을 입증했다.
• 중간 정도의 추천 품질에도 불구하고, 데이터 풍경 패러다임은 다양한 콘텐츠를 더 수용 가능하고 참여도를 높이는 방식으로 극화를 줄이는 데 강력한 잠재력을 보였다.