[논문 리뷰] Gendered Conversation in a Social Game-Streaming Platform

Supun Nakandala, Giovanni Luca Ciampaglia외 2명|arXiv (Cornell University)|2016. 11. 20.

Digital Games and Media인용 수 16

한 줄 요약

이 연구는 NLP와 임bedding 모델을 사용하여 10억 개 이상의 트위치 채팅 메시지를 분석하여 사회적 게임 스트리밍에서의 성별화된 대화를 조사한다. 분석 결과, 여성 스트리머는 남성 스트리머보다 훨씬 더 많은 물성화된 댓글을 받으며, 남성 스트리머는 게임 관련 메시지가 더 많다. 이 격차는 인기 채널에서 더욱 심화되며, 사용자 클러스터 분석을 통해 성별에 따른 시청자 선호도와 모더레이션 패턴이 드러난다.

ABSTRACT

Online social media and games are increasingly replacing offline social activities. Social media is now an indispensable mode of communication; online gaming is not only a genuine social activity but also a popular spectator sport. With support for anonymity and larger audiences, online interaction shrinks social and geographical barriers. Despite such benefits, social disparities such as gender inequality persist in online social media. In particular, online gaming communities have been criticized for persistent gender disparities and objectification. As gaming evolves into a social platform, persistence of gender disparity is a pressing question. Yet, there are few large-scale, systematic studies of gender inequality and objectification in social gaming platforms. Here we analyze more than one billion chat messages from Twitch, a social game-streaming platform, to study how the gender of streamers is associated with the nature of conversation. Using a combination of computational text analysis methods, we show that gendered conversation and objectification is prevalent in chats. Female streamers receive significantly more objectifying comments while male streamers receive more game-related comments. This difference is more pronounced for popular streamers. There also exists a large number of users who post only on female or male streams. Employing a neural vector-space embedding (paragraph vector) method, we analyze gendered chat messages and create prediction models that (i) identify the gender of streamers based on messages posted in the channel and (ii) identify the gender a viewer prefers to watch based on their chat messages. Our findings suggest that disparities in social game-streaming platforms is a nuanced phenomenon that involves the gender of streamers as well as those who produce gendered and game-related conversation.

연구 동기 및 목표

• 트위치 스트리머의 성별이 시청자 채팅 메시지의 성격에 어떻게 영향을 미치는지 조사하기 위해.
• 특히 여성 스트리머에 대한 물성화 현상과 같은 체계적인 성별 격차를 온라인 게임 스트리밍 대화에서 식별하기 위해.
• 컴퓨터 텍스트 분석을 통해 채팅 언어 기반으로 시청자 선호도와 스트리머 성별을 모델링하기 위해.
• 채널의 인기도가 채팅 내 성별화된 상호작용의 구조와 내용에 어떻게 영향을 미치는지 조사하기 위해.

제안 방법

• 채팅 메시지의 성별화된 언어 패턴을 식별하기 위해 정보 기반 딜레르트 prior를 사용한 로그 오즈 비율을 적용하였다.
• 메시지와 사용자를 동일한 벡터 공간에 임bedding하기 위해 단락 벡터(doc2vec)를 사용하여 분류 및 클러스터링을 수행하였다.
• 의미적 클러스터와 사용자 행동 패턴을 탐색하기 위해 t-SNE 시각화 및 벡터 산술을 활용하였다.
• 채팅 내용에서 스트리머 성별과 시청자 성별 선호도를 예측하기 위해 이진 분류기 모델을 훈련시켰다.
• 다양한 인기도 수준의 채널에서 성별 언어 사용과 물성화 신호를 분석하여 대화 동적 변화를 탐지하였다.
• 특히 덜 인기 있는 채널에서 활성 채팅 모더레이션과 관련된 사용자 클러스터를 식별하여 모더레이션 패턴을 분석하였다.

실험 결과

연구 질문

• RQ1 스트리머를 향한 채팅 메시지는 본질적으로 성별화되어 있으며, 스트리머의 성별이 이러한 메시지의 내용에 어떻게 영향을 미치는가?
• RQ2 트위치에서 남성 스트리머와 여성 스트리머가 받는 댓글 유형(예: 게임 관련 vs. 물성화된) 사이에 측정 가능한 차이가 존재하는가?
• RQ3 스트리머 채널의 인기도가 채팅 내 물성화 또는 게임 관련 언어의 빈도에 어떻게 영향을 미치는가?
• RQ4 사용자 채팅 행동을 통해 그들이 시청하는 스트리머의 성별 또는 선호하는 스트리머 성별을 예측할 수 있는가?
• RQ5 사용자 모더레이션 클러스터는 특히 덜 인기 있는 채널에서 대화 환경을 어떻게 형성하는가?

주요 결과

• 여성 스트리머는 남성 스트리머보다 유의미하게 더 많은 물성화된 댓글을 받으며, 이 격차는 특히 인기 채널에서 가장 두드러진다.
• 남성 스트리머는 여성 스트리머보다 게임 관련 댓글 비율이 더 높으며, 여성 스트리머에 대해서는 외모나 성별에 초점이 맞춰진 논의가 더 자주 발생한다.
• 인기 있는 여성 스트리머 채널은 물성화 신호의 농도가 높은 반면, 덜 인기 있는 채널는 더 많은 모더레이션과 제2인칭 대명사 사용을 보이며, 더 개인적인 상호작용임을 시사한다.
• doc2vec를 통한 사용자 클러스터 분석을 통해 남성 또는 여성 스트리머 채널에만 전용으로 댓글을 올리는 사용자 그룹이 명확히 드러나, 성별에 따른 시청자 선호도가 확인되었다.
• doc2vec 모델은 전통적인 bag-of-words 특징보다 더 높은 정확도로 스트리머 성별과 시청자 선호도를 예측하여, 맥락 기반 임베딩의 가치를 입증하였다.
• 첫 번째 및 두 번째 인칭 대명사 사용은 덜 인기 있는 채널에서 두드러지며 개인적 상호작용을 시사하지만, 인기 채널에서는 제3인칭 및 무칭 참조로 전환되어 개인적 대화 동역학에서 관찰자 중심의 대화 동역학으로의 전환을 나타낸다.