[논문 리뷰] Echo chambers in the age of misinformation

Michela Del Vicario, Alessandro Bessi외 6명|arXiv (Cornell University)|2015. 09. 01.

Misinformation and Its Impacts참고 문헌 26인용 수 40

한 줄 요약

이 논문은 Facebook에서 음성 이론과 과학적 뉴스의 확산을 설명하기 위해 서명된 네트워크 위에 데이터 기반의 침투 모델을 제안한다. 대규모 Facebook 데이터를 사용하여, 콘텐츠의 진실성보다는 사회적 동질성이 확산 크기와 극단화의 주요 원인임을 발견하였으며, 유사한 사용자 소비 패턴을 보일지라도 각 에코 챔버는 고유한 확산 역학을 나타낸다.

ABSTRACT

The wide availability of user-provided content in online social media facilitates the aggregation of people around common interests, worldviews, and narratives. Despite the enthusiastic rhetoric on the part of some that this process generates "collective intelligence", the WWW also allows the rapid dissemination of unsubstantiated conspiracy theories that often elicite rapid, large, but naive social responses such as the recent case of Jade Helm 15 -- where a simple military exercise turned out to be perceived as the beginning of the civil war in the US. We study how Facebook users consume information related to two different kinds of narrative: scientific and conspiracy news. We find that although consumers of scientific and conspiracy stories present similar consumption patterns with respect to content, the sizes of the spreading cascades differ. Homogeneity appears to be the primary driver for the diffusion of contents, but each echo chamber has its own cascade dynamics. To mimic these dynamics, we introduce a data-driven percolation model on signed networks.

연구 동기 및 목표

• 사용자가 Facebook에서 과학적 및 음성 이론 관련 서사들을 어떻게 소비하고 확산시키는지 조사하기 위해.
• 에코 챔버 형성과 확산 역학의 핵심 구조적 및 행동적 원인을 규명하기 위해.
• 실제 온라인 사회 네트워크에서 관찰된 확산 패턴을 재현할 수 있는 데이터 기반 모델을 개발하기 위해.
• 유사한 사용자 소비 패턴에도 불구하고 과학적으로 검증된 콘텐츠와 검증되지 않은 음성 이론의 확산 역학을 비교하기 위해.

제안 방법

• 공개 페이지와 사용자 상호작용에 중점을 두고, Facebook Graph API를 사용하여 대규모 Facebook 데이터의 정량적 분석을 수행하였다.
• 과학적 뉴스 및 음성 이론 뉴스 카테고리에 걸쳐 1,072건의 뉴스 항목과 16,889명의 사용자 공유 행동을 수집하고 분석하였다.
• 긍정적 또는 부정적인 사용자 관계를 나타내는 서명된 간선을 사용하여 네트워크의 동질성을 정의하고 측정하였다.
• 동질성 링크 비율(φ_HL), 재결합 확률(r), 공유 임계값(δ)을 매개변수로 하는 서명된 네트워크 위의 데이터 기반 침투 모델을 개발하였다.
• 실제 데이터 분포와 일치하기 위해 첫 번째 공유자 수에 대해 역 가우시안 분포를 사용하여 확산 역학을 시뮬레이션하였다.
• 모델 매개변수를 실세계의 확산 크기 및 높이 분포를 기반으로 校정하였으며, CCDF 및 CDF 분석을 통해 시뮬레이션 결과와 실측 데이터를 비교하였다.

실험 결과

연구 질문

• RQ1 온라인 소셜 미디어에서 에코 챔버 형성의 주요 구조적 및 행동적 요인는 무엇인가?
• RQ2 유사한 사용자 소비 패atters에도 불구하고 과학 뉴스와 음성 이론의 확산 역학은 어떻게 다를까?
• RQ3 사회적 동질성이 정보 확산의 크기와 수명에 얼마나 큰 영향을 미치는가?
• RQ4 서명된 네트워크 위의 데이터 기반 침투 모델이 Facebook에서 관찰된 실제 세계의 확산 역학을 재현할 수 있는가?
• RQ5 콘텐츠의 검증 가능성은 네트워크의 동질성과 비교해 확산 크기와 확산 패턴에 어떤 역할을 하는가?

주요 결과

• 사회적 동질성이 콘텐츠 확산의 주요 원인이며, 확산 크기는 네트워크의 동질성 수준과 강하게 상관된다.
• 유사한 사용자 소비 패턴을 보일지라도, 음성 이론의 확산은 과학 뉴스와는 상당히 다른 역학을 보이며, 특히 확산 수명과 크기 분포에서 뚜렷한 차이를 보인다.
• 모델의 최적 피팅 매개변수는 φ_HL = 0.56, r = 0.01, δ = 0.015이며, 평균 확산 크기는 23.42(실측: 33.43), 평균 높이는 1.28(실측: 0.88)이다.
• 역 가우시안 분포가 시뮬레이션에서 첫 번째 공유자 수에 가장 잘 맞아떨어지며, 이는 초반 공유 이벤트의 무거운 尾를 반영한다.
• 최소 및 최대 확산 크기를 제외한 모든 통계에서 모델이 실세계 데이터와 양호한 일치를 보였으며, 정수 절단과 긴 尾 분포로 인해 이 두 요소에 오차가 발생한 것으로 추정된다.
• 확산 수명은 첫 두 시간 내에 정점에 도달하고 급격히 감소하며, 동질성이 공유의 초기 연결 단계에서 핵심적인 역할을 한다.