[논문 리뷰] Predicting Online Protest Participation of Social Media Users

Suhas Ranganath, Fred Morstatter외 3명|arXiv (Cornell University)|2015. 12. 09.

Social Media and Politics참고 문헌 30인용 수 8

한 줄 요약

이 논문은 사회학 이론과 브라운 운동에 영향을 받은 동역학을 사용하여 과거 상태 메시지와 상호작용을 모델링함으로써, 소셜미디어 사용자의 다음 게시물이 시위 선언이 될지를 예측하는 프레임워크를 제안한다. 2015년 나이지리아 선거 기간의 트위터 데이터를 대상으로 평가한 결과, 모델은 작은 학습 데이터셋에서도 높은 정확도로 시위 참여를 효과적으로 예측하며, 강건성과 확장성을 입증한다.

ABSTRACT

Social media has emerged to be a popular platform for people to express their viewpoints on political protests like the Arab Spring. Millions of people use social media to communicate and mobilize their viewpoints on protests. Hence, it is a valuable tool for organizing social movements. However, the mechanisms by which protest affects the population is not known, making it difficult to estimate the number of protestors. In this paper, we are inspired by sociological theories of protest participation and propose a framework to predict from the user's past status messages and interactions whether the next post of the user will be a declaration of protest. Drawing concepts from these theories, we model the interplay between the user's status messages and messages interacting with him over time and predict whether the next post of the user will be a declaration of protest. We evaluate the framework using data from the social media platform Twitter on protests during the recent Nigerian elections and demonstrate that it can effectively predict whether the next post of a user is a declaration of protest.

연구 동기 및 목표

• 실시간 데이터가 확보되지 않았을 때 시위 참가자 수를 추정하는 데 도전 과제를 해결하기 위해.
• 과거 사용자 상호작용과 상태 메시지가 향후 시위 선언의 가능성에 어떻게 영향을 미치는지 모델링하기 위해.
• 사회학 원리와 시간적 상호작용 모델링을 기반으로 한 확장성 있고 강건한 예측 프레임워크를 개발하기 위해.
• 2015년 나이지리아 선거 기간 동안 트위터에서 수집한 실제 시위 데이터를 기반으로 프레임워크를 평가하기 위해.

제안 방법

• 프레임워크는 과거 상태 메시지와 타인으로부터의 메시지 유입을 잠재 표현으로 모델링하여 매트릭스 M, P, W에 표현한다.
• 브라운 운동 이론의 개념을 적용하여 상호작용이 시위 게시물 확률에 누적적으로 미치는 영향을 모델링한다.
• 시간에 따라 변화하는 상호작용과 콘텐츠의 영향력을 반영하는 동적 잠재 차원을 계산한다.
• 다음 게시물이 시위 선언이 될지를 예측하기 위해 이러한 잠재 표현에 기반한 분류기 모델을 훈련시킨다.
• 사용자 간의 상호작용 네트워크는 매트릭스 N을 통해 모델링되며, 사용자 간 상호작용의 빈도와 방향성을 캡처한다.
• 프레임워크는 2015년 나이지리아 선거 기간 동안의 실제 트위터 데이터셋을 사용하여 훈련 및 평가된다.

실험 결과

연구 질문

• RQ1 시위 참여에 관한 사회학 이론이 소셜미디어에서의 온라인 시위 행동을 효과적으로 예측하는 데 적용될 수 있는가?
• RQ2 과거의 상호작용과 상태 메시지가 사용자의 시위 메시지 게시 가능성에 어떻게 종합적으로 영향을 미치는가?
• RQ3 사용자 역사와 상호작용 동역학에 기반한 모델이 향후 시위 선언을 어느 정도 정확하게 예측할 수 있는가?
• RQ4 학습 데이터의 양이 다양할 경우 예측 성능가 얼마나 강건한가?
• RQ5 프레임워크는 시위 참여의 시간적 및 상호작용적 동역학을 효과적으로 모델링할 수 있는가?

주요 결과

• 제안된 프레임워크는 제한된 학습 데이터로도 사용자의 다음 게시물이 시위 선언일지를 식별하는 데 높은 예측 정확도를 달성한다.
• 모델은 다양한 비율의 학습 데이터에 걸쳐 일관된 성능을 보이며, 강력한 강건성을 입증한다.
• 사회학 이론과 브라운 운동에 영향을 받은 동역학의 통합은 기준 모델 대비 예측 성능을 크게 향상시킨다.
• 프레임워크는 시간에 따라 누적되는 상호작용과 콘텐츠의 영향을 효과적으로 포착하여 시위 행동의 정확한 예측 가능성을 제공한다.
• 2015년 나이지리아 선거 기간 동안의 실제 트위터 데이터를 대상으로 한 평가는 모델의 실용적 적용 가능성과 확장성을 확인한다.