[논문 리뷰] Meme creation and sharing processes: individuals shaping the masses

Ian D. Miller, Gerald C. Cupchik|arXiv (Cornell University)|2014. 06. 30.

Opinion Dynamics and Social Influence참고 문헌 7인용 수 4

한 줄 요약

이 연구는 개인의 멤 생성자와 공유자들이 온라인 멤의 확산에 어떻게 기여하는지, 생성 및 공유 과정을 별도로 모델링하여 분석한다. 실험실 기반 실험, 웹 로그 추적, 통계 모델링을 통해, 생성자 특성이 재공유 분산의 11.5%를 예측하고, 콘텐츠/반응 요소가 공유 결정의 37.5%를 설명함을 발견하여, 개인의 행동이 집합적으로 바이러스성 확산을 이끌어낸다는 것을 입증한다.

ABSTRACT

The propagation of online memes is initially influenced by meme creators and secondarily by meme consumers, whose individual sharing decisions accumulate to determine total meme propagation. We characterize this as a sender/receiver sequence in which the first sender is also the creator. This sequence consists of two distinct processes, the creation process and the sharing process. We investigated these processes separately to determine their individual influence on sharing outcomes. Our study observed participants creating memes in the lab. We then tracked the sharing of those memes, derived a model of sharing behavior, and implemented our sharing model in a contagion simulation. Although we assume meme consumers typically have little or no information about a meme's creator when making a decision about whether to share a meme (and vice versa), we nevertheless ask whether consumer re-sharing behavior can be predicted based on features of the creator. Using human participants, web log monitoring, and statistical model fitting, the resulting Creator Model of Re-sharing Behavior predicts 11.5% of the variance in the behavior of consumers. Even when we know nothing about re-sharers of a meme, we can predict something about their behavior by observing the creation process. To investigate the individual re-sharing decisions that, together, constitute a meme's total consumer response, we built a statistical model from human observation. Receivers make their decision to share as a function of the meme's content and their reaction to it, which we model as a consumer's decision to share. The resulting Consumer Model of Sharing Decisions describes 37.5% of the variance in this decision making process.

연구 동기 및 목표

• 개인의 멤 생성 및 공유 결정이 집합적으로 전체 확산에 미치는 영향을 이해하기 위해.
• 생성 과정과 공유 과정을 별개이지만 상호연관된 단계로 분리하여 모델링하기 위해.
• 공유자에 대한 직접적 정보 없이도 멤 생성자의 특성에 기반해 재공유 행동을 예측할 수 있는지 확인하기 위해.
• 실제 데이터를 사용하여 콘텐츠 및 사용자 반응이 공유 결정에 미치는 영향을 정량화하기 위해.
• 관찰된 공유 행동에 기반한 전염성 시뮬레이션을 개발하고 검증하기 위해.

제안 방법

• 참가자들이 원본 멤을 생성하여 생성 과정을 연구하기 위해 통제된 실험실 실험을 실시하였다.
• 실제 웹 로그 모니터링을 통해 생성된 멤의 실제 세계 공유 행동을 추적하여 실증 데이터를 수집하였다.
• 관찰된 공유 행동에 통계 모델을 적합시켜 콘텐츠 및 사용자 반응에 기반한 공유 결정 소비자 모델을 도출하였다.
• 생성자 고유의 특성이 후속 공유에 미치는 영향을 분석하여 재공유 행동의 생성자 모델을 개발하였다.
• 두 모델을 통합하여 전염성 시뮬레이션을 구축하고 전체 확산 역학을 테스트 및 검증하였다.
• 각 모델의 예측 능력을 평가하기 위해 분산 설명률(R²)을 지표로 사용하였다.

실험 결과

연구 질문

• RQ1 공유자에 대한 정보 없이도 멤 생성자의 특성에 기반해 재공유 행동을 어느 정도 예측할 수 있는가?
• RQ2 콘텐츠와 사용자 반응은 개인의 멤 공유 결정에 어떻게 영향을 미치는가?
• RQ3 공유 결과의 분산 중 생성 과정과 공유 과정 각각이 차지하는 비율은 얼마인가?
• RQ4 실증적으로 유도된 모델에 기반한 시뮬레이션은 실제 세계의 멤 확산 패턴을 정확히 재현할 수 있는가?
• RQ5 공유 과정에서의 개인적 결정들이 집합적으로 총 멤 확산에 어떻게 기여하는가?

주요 결과

• 재공유 행동의 생성자 모델은 소비자 재공유 행동의 분산의 11.5%를 설명하며, 생성자 특성이 공유 결과에 중대한 영향을 미친다는 것을 시사한다.
• 공유 결정 소비자 모델은 개인의 공유 결정 분산의 37.5%를 설명하며, 콘텐츠와 개인의 반응이 중요한 역할을 한다는 것을 강조한다.
• 재공유자에 대한 지식 없이도 생성 과정 자체가 후속 공유 행동에 대한 예측 능력을 제공한다.
• 이 연구는 생성 과정과 공유 과정이 별개이지만 상호의존적이며, 전체 확산에 측정 가능한 통계적 영향을 미친다는 것을 입증한다.
• 두 모델을 통합한 전염성 시뮬레이션은 실제 공유 역학을 성공적으로 재현하여 모델 프레임워크의 타당성을 검증하였다.
• 결과는 개인 수준의 결정—생성 및 공유 모두—이 대규모 멤 확산을 이해하는 데 핵심적이라는 것을 시사한다.