[논문 리뷰] Public discourse and social network echo chambers driven by socio-cognitive biases

Xin Wang, Antonio Sirianni외 3명|arXiv (Cornell University)|2020. 02. 10.

Opinion Dynamics and Social Influence참고 문헌 40인용 수 15

한 줄 요약

이 연구는 2016년 미국 대선 토론에서 수집한 실증적 리트윗 네트워크를 에이전트기반 모델과 융합하여, 사회인지적 편향—특히 확인 편향과 선택적 노출—이 소셜 미디어에서 극화된 에코 캐빈을 이끌어내는 주요 원인임을 입증한다. 주요 발견은 개인이 고려하려는 견해의 범위가 에코 캐빈 형성의 핵심 결정 요소이며, 캠페인 성공은 전략적 노력과 이념적 위치 모두에 의존한다는 것이다.

ABSTRACT

In recent years, social media has increasingly become an important platform for political campaigns, especially elections. It remains elusive how exactly public discourse is driven by the intricate interplay between individual socio-cognitive biases, dueling campaign efforts, and social media platforms. We examine this complex socio-political process by integrating observed retweet networks from the 2016 political networks with an agent-based model of political opinion formation and network structure. Here we show that the range of political viewpoints individuals are willing to consider is a key determinant in the formation of polarized networks and the emergence of echo chambers. We also find that winning majority support in public discourse is determined by both the effort exerted by campaigns and the relative ideological positioning of opposing campaigns. Our results demonstrate how public discourse and political polarization can be modeled as an interactive process of shifting individual opinions, evolving social networks, and political campaigns.

연구 동기 및 목표

• 개인의 사회인지적 편향이 사회 네트워크 구조와 정치 캠페인과 어떻게 상호작용하여 대중의 논의와 극화를 형성하는지 이해하기 위해.
• 실증적 관찰과 이론 모델 간 격차를 메우기 위해 실제 소셜 미디어 데이터를 에이전트기반 시뮬레이션과 융합하기 위해.
• 온라인 정치 논의에서 극화된 네트워크 구조가 나타나는 데 핵심적인 역할을 하는 요인—특히 수용 가능한 견해의 범위—를 특정하기 위해.
• 캠페인 전략, 특히 노력과 이념적 위치가 극화된 환경에서 대중의 지지를 얻는 데 미치는 영향을 정량화하기 위해.

제안 방법

• 개인 수준의 사회인지적 편향, 예를 들어 확인 편향과 선택적 노출를 포함한 의견 형성과 네트워크 진화를 시뮬레이션하기 위한 에이전트기반 모델을 개발하였다.
• 모델은 정체성 범위(θ₁, θ₂), 토론 파art너의 영향(μ₁, μ₂), 후보 영향(δ₁) 등의 매개변수를 사용하며, θ₁ ∈ [0, 0.5] 및 θ₂ ∈ [0.5, 1]은 수용 가능한 견해의 범위를 정의한다.
• 모델 검증을 위해 2016년 미국 대선 토론 3차례의 실증적 리트윗 네트워크를 사용하였으며, 노드 수는 25,375~33,995개, 간선 수는 54,840~81,055개였다.
• 모델 매개변수를 실데이터에 맞추기 위해 최소 제곱법을 적용한 시뮬레이션 냉각 알고리즘을 사용하였으며, 시뮬레이션된 지지자 비율과 관측된 비율 간 유클리드 거리의 최소화를 목표로 하였다.
• 커뮤니티 탐지에는 루바인 알고리즘, 레이아웃에는 포스 애슬러스 2 알고리즘을 사용하여 네트워크 구조를 시각화하였으며, 노드의 크기는 리트윗 빈도와 클러스터 소속을 반영하였다.
• 모델 캘리브레이션은 매개변수 조합당 100회의 시뮬레이션을 수행하였으며, 정밀도는 σ = 1%로 제어하였고, 계산 가능성을 확보하기 위해 매개변수는 유한한 격자에 제약을 두었다.

실험 결과

연구 질문

• RQ1 개인의 사회인지적 편향—특히 수용 가능한 견해의 범위—가 온라인 정치 논의에서 에코 캐빈 형성에 얼마나 큰 영향을 미치는가?
• RQ2 캠페인 전략, 특히 노력과 이념적 위치가 극화된 소셜 네트워크에서 논의 결과에 어떻게 영향을 미치는가?
• RQ3 실제 리트윗 네트워크 데이터를 통합한 에이전트기반 모델이 주요 정치 이벤트 기간 동안 관측된 군집화 및 극화 동역학을 재현할 수 있는가?
• RQ4 네트워크 구조와 정보 확산 패턴이 정치적 극화를 강화하거나 완화하는 데 어떤 역할을 하는가?

주요 결과

• 개인이 수용하려는 정치적 견해의 범위(θ₁ 및 θ₂로 정의됨)가 소셜 미디어 네트워크에서 극화된 에코 캐빈 형성의 주요 결정 요소이다.
• 2016년 미국 대선 토론 1차에서 중립적 또는 교차 지지자들(노란색)로 구성된 혼합 클러스터가 관측되었지만, 2차 토론에서는 이 그룹이 사라져 극화가 심화된 것으로 나타났다.
• 모델은 실증적 네트워크 구조를 성공적으로 재현하였으며, 시뮬레이션된 에코 캐빈이 토론 기간 동안의 관측된 군집화와 밀도 높은 일치를 보였다.
• 공중 논의에서 다수의 지지를 얻는 것은 캠페인 노력 외에도 대립 캠페인 간의 상대적 이념적 위치에 의존한다.
• 시뮬레이션 냉각을 통한 피팅 과정에서 시뮬레이션된 지지자 비율과 실데이터 간의 차이를 최소화하는 최적의 매개변수 조합을 도출하였으며, 최고의 맞춤도는 μ₁ = μ₂ = 0.5 및 제약된 θ₁, θ₂, δ₁ 범위에서 달성되었다.
• 커뮤니티 탐지 및 샘플링의 약간의 정확도 손실에도 불구하고, 모델의 예측은 실세계 데이터와 정량적으로 일관되며 강건하여 모델의 설명력이 검증되었다.