[논문 리뷰] Population polarization dynamics and next-generation social media algorithms

Neil F. Johnson, Pedro D. Manrique외 9명|arXiv (Cornell University)|2017. 12. 16.

Opinion Dynamics and Social Influence참고 문헌 1인용 수 4

한 줄 요약

이 논문은 소셜 미디어에서의 인구 극단화를 설명하는 다체계 이론 모델을 개발하며, 극단화가 오락성 정보나 에코 캐빈이 아닌 경쟁적 동향에서 비롯된다는 점을 보여준다. 이 모델은 향후 세대의 알고리즘이 극단화를 줄이기 위해 설계되었지만, 사용자 참여 시스템의 피드백 루프로 인해 폭발적 퍼콜레이션을 유발해 새로운 극단파벌을 만들 수 있음을 예측한다.

ABSTRACT

We present a many-body theory that explains and reproduces recent observations of population polarization dynamics, is supported by controlled human experiments, and addresses the controversy surrounding the Internet's impact. It predicts that whether and how a population becomes polarized is dictated by the nature of the underlying competition, rather than the validity of the information that individuals receive or their online bubbles. Building on this framework, we show that next-generation social media algorithms aimed at pulling people together, will instead likely lead to an explosive percolation process that generates new pockets of extremes.

연구 동기 및 목표

• 온라인 소셜 네트워크에서 관찰된 인구 극단화의 메커니즘을 설명하기 위해.
• 극단화가 정보 품질, 에코 캐빈, 또는 잠재적 경쟁 동향에서 비롯되는지 조사하기 위해.
• 극단화를 줄이기 위해 개발된 향후 세대의 소셜 미디어 알고리즘의 뜻하지 않은 결과를 평가하기 위해.
• 상호작용 역학에 기반해 극단화 결과를 예측할 수 있는 이론적 프레임워크를 개발하기 위해.
• 참여 기반 플랫폼의 체계적 위험을 특정함으로써 향후 알고리즘 설계를 이끌기 위해.

제안 방법

• 저자들은 대규모 인구에서의 집단적 의견 동역학을 시뮬레이션하기 위해 다체계 통계역학 모델을 개발한다.
• 모델은 의견 집단 간의 경쟁적 상호작용을 포함하며, 극단화를 잠재적 상전이로 간주한다.
• 개념 기반 모델링을 사용하여 개인이 동료의 영향과 네트워크 구조에 따라 의견을 어떻게 전환하는지 시뮬레이션한다.
• 상호작용 강도, 네트워크 토폴로지, 콘텐츠 추천의 피드백 루프를 위한 매개변수를 포함한다.
• 통제된 인간 실험을 통해 모델의 예측을 실제 행동 데이터와 비교하여 검증한다.
• 의견 집단 간 상호작용을 장려함으로써 극단화를 줄이려는 향후 세대 알고리즘을 시뮬레이션하기 위해 모델을 확장한다.

실험 결과

연구 질문

• RQ1 온라인 소셜 네트워크에서의 인구 극단화를 이끄는 잠재적 메커니즘은 무엇인가?
• RQ2 정보의 정확성 또는 온라인 버블의 존재가 극단화를 주로 유도하는가?
• RQ3 참여 기반 소셜 미디어 알고리즘이 극단적 의견 군집 형성에 어떤 영향을 미치는가?
• RQ4 극단화를 줄이기 위해 설계된 알고리즘이 피드백 효과로 인해 오히려 극단화를 악화시킬 수 있는가?
• RQ5 의견 집단 간 경쟁의 성격이 집단적 역학을 어떻게 형성하는가?

주요 결과

• 인구 극단화의 주요 원인은 오락성 정보나 에코 캐빈이 아니라 의견 집단 간의 경쟁적 동향이다.
• 모델은 통제된 인간 실험에서 관찰된 극단화 패턴을 성공적으로 재현한다.
• 극단화를 줄이기 위해 설계된 향후 세대 알고리즘은 오히려 폭발적 퍼콜레이션을 유도해 새로운 극단파벌을 급격히 형성할 수 있다.
• 극단화로의 전이 과정은 상전이처럼 행동하며, 상호작용 강도에 임계 임계점이 존재한다.
• 참여 기반 추천 시스템의 피드백 루프는 알고리즘이 사용자를 연결하려는 목표가 있더라도 극단화를 악화시킨다.
• 연구는 극단화를 줄이기 위해 의견 집단 간 노출을 늘리는 것이 보장되지 않음을 드러내며, 경쟁의 구조가 더 결정적인 역할을 한다.