[논문 리뷰] Identifying opinion-based groups from survey data: a bipartite network approach

Pádraig MacCarron, Paul J. Maher외 1명|arXiv (Cornell University)|2020. 12. 17.

Opinion Dynamics and Social Influence참고 문헌 2인용 수 7

한 줄 요약

이 논문은 공감 기준을 적용하여 공통 응답 기반의 참가자 군집을 투영하는 방식으로 설문 데이터에서 의견 기반 집단을 식별하기 위한 이분 네트워크 접근법을 제안한다. 미국 국립 선거 연구 데이터에서 분열을 드러내며, 여러 국가 간 태도가 어떻게 함께 군집되는지 보여주며, 강력한 통계적 가정이 필요 없는 간단하고 해석 가능한 방법으로 의견 기반 집단 형성 과정을 시각화한다.

ABSTRACT

A survey can be represented by a bipartite network as it has two types of nodes, participants and items in which participants can only interact with items. We introduce an agreement threshold to take a minimal projection of the participants linked by shared responses in order to identify opinion-based groups. We show that in American National Election Studies-data, this can identify polarisation along political attitudes. We also take a projection of attitudes that are linked by how participants respond to them. This can be used to show which attitudes are commonly held together in different countries or communities.

연구 동기 및 목표

• 설문 데이터에서 사회 집단 구조를 맵핑하는 데 자주 활용되지 않는 의견 기반 집단을 식별하는 데 도전하는 것.
• 복잡한 통계적 가정이나 부분 상관관계에 의존하는 기존 네트워크 모델의 한계를 극복하여 해석이 어려운 문제를 해결하는 것.
• 최소한의 해석 가능한 투영을 사용하여 설문 데이터로부터 참가자 군집화와 태도 상호의존성을 모두 포착하는 방법을 개발하는 것.
• 표준 설문 설계를 통해 기관 위기나 코로나19 팬데믹 초기와 같은 상황에서 새로운 의견 기반 정체성이 나타나는지 연구자들이 탐지할 수 있도록 하는 것.
• 사회 상호작용 데이터나 복잡한 모델이 필요 없이 공중 여론의 분열과 합의 형성 과정을 시각화할 수 있는 도구를 제공하는 것.

제안 방법

• 참가자와 설문 항목(진술 또는 질문)이라는 두 종류의 노드를 가진 이분 네트워크로 설문 데이터를 표현한다.
• 공감 기준을 적용하여 최소한의 응답을 공유하는 참가자 쌍을 식별하고, 참가자 투영에서 이들 간에 간선을 형성한다.
• 공감 기준을 초월하는 공통 응답을 가진 참가자 간에 간선을 형성하는 참가자 투영 네트워크를 구성하여 노이즈를 줄이고 의미 있는 군집에 집중한다.
• 동일한 참가자들이 자주 함께 응답하는 항목들을 연결하여 태도 투영을 생성하고, 함께 공유되는 태도 군집을 드러낸다.
• 참가자 투영에서 거대 컴ponent의 크기를 핵심 매개변수로 사용하여 집단의 분열 정도를 평가하며, 낮은 기준값을 통해 더 작은 극단적 의견 군집도 탐지할 수 있도록 한다.
• 관찰된 간선과 군집의 유의미성을 평가하기 위해 실질적 네트워크를 무작위 근본 모델과 비교한다. 이는 결과의 해석 가능성을 향상시킨다.

실험 결과

연구 질문

• RQ1 사회 상호작용 데이터나 복잡한 통계 모델에 의존하지 않고 표준 설문 데이터에서 의견 기반 집단을 신뢰성 있게 식별할 수 있는가?
• RQ2 공감 기준 방법이 미국 국립 선거 연구(ANES) 데이터를 사용하여 정치적 태도의 분열을 어느 정도 드러내는가?
• RQ3 다른 문화적 또는 국가적 맥락에서 신뢰의 패턴은 어떻게 다름과 동시에 기관에 대한 신뢰 패턴은 어떻게 나타나는가?
• RQ4 이 방법은 코로나19 팬데믹 발생 초기와 같은 사회적 위기 상황에서 새로운 의견 기반 집단의 출현을 탐지할 수 있는가?
• RQ5 이 방법의 결과는 부분 상관관계나 통계적 기준을 사용하는 더 복잡한 모델의 결과와 어떻게 비교되는가?

주요 결과

• ANES 데이터에서 이 방법은 정치적 태도에 따라 단지 7개의 간선로 분리된 두 개의 명확한 의견 기반 군집을 성공적으로 식별하였으며, 강한 분열을 나타낸다.
• 영국에서 코로나19 팬데믹 초기 단계 동안 과학에 대한 신뢰로 구성된 새로운 의견 기반 집단이 나타났으며, 이는 이전 설문 웨이브에서는 관찰되지 않았다.
• 프랑스에서는 의사, 과학자, NGO, 보건소에 대한 높은 신뢰가 서로 분리된 군집을 형성하였고, 정부와 언론에 대한 신뢰와는 별개였다.
• 방글라데시에서는 과학자에 대한 신뢰와 언론에 대한 신뢰가 강하게 연관되어 있었으며, 백신에 대한 신뢰는 전통 치유자에 대한 신뢰와 동시에 나타났다. 이러한 패턴은 프랑스에서는 관찰되지 않았다.
• 8개의 이진 태도 기반으로 이론적으로 가능한 256개의 의견 군집 중 약 10%만 실제 ANES 데이터에서 실현되었으며, 모든 조합에서의 합의가 제한되어 있음을 시사한다.
• 이 방법의 단순성 덕분에 계산과 해석이 용이하며, 간선이 추상적인 부분 상관관계가 아니라 실제 공통 응답 수를 나타내므로 이론적 가정을 줄일 수 있다.