[논문 리뷰] Twitter in Academic Conferences: Usage, Networking and Participation over Time

Xidao Wen, Yu‐Ru Lin외 2명|arXiv (Cornell University)|2014. 03. 30.

Wikis in Education and Collaboration참고 문헌 15인용 수 4

한 줄 요약

이 연구는 2009년부터 2013년까지 16개의 컴퓨터 과학 학술 회의에서의 트위터 사용을 분석하여, 대화적 참여(예: 답글, 언급)보다 정보 공유(예: 재게재, URL)로의 추세가 점점 커지고 있음을 밝혀냈다. 네트워크 분석과 기계학습을 통해, 향후 회의에 지속적으로 참여할 가능성이 가장 높은 사용자는 정보 네트워크 내에서의 중심성, 타임라인 활동, 대화 네트워크 내 연결성에서 높은 수준을 보인다는 것을 확인했다.

ABSTRACT

Twitter is often referred to as a backchannel for conferences. While the main conference takes place in a physical setting, attendees and virtual attendees socialize, introduce new ideas or broadcast information by microblogging on Twitter. In this paper we analyze the scholars' Twitter use in 16 Computer Science conferences over a timespan of five years. Our primary finding is that over the years there are increasing differences with respect to conversation use and information use in Twitter. We studied the interaction network between users to understand whether assumptions about the structure of the conversations hold over time and between different types of interactions, such as retweets, replies, and mentions. While `people come and people go', we want to understand what keeps people stay with the conference on Twitter. By casting the problem to a classification task, we find different factors that contribute to the continuing participation of users to the online Twitter conference activity. These results have implications for research communities to implement strategies for continuous and active participation among members.

연구 동기 및 목표

• 연구자들이 학술 회의 기간 동안 트위터를 어떻게 사용하는지 이해하고, 특히 사회적 상호작용과 정보 공유 사이의 균형을 파악하기 위해.
• 학술 트위터 백채널에서 대화 및 정보 공유 네트워크의 구조적 특징이 시간이 지남에 따라 어떻게 변화해왔는지 분석하기 위해.
• 사용자가 향후 연도 동안 회의 관련 트위터 활동에 계속 참여할 가능성을 예측할 수 있는 주요 행동 및 네트워크 특징을 규명하기 위해.
• 연구 공동체가 소셜 미디어를 통해 온라인 참여를 지속하기 위한 전략을 제안하기 위해.

제안 방법

• 2009년부터 2013년까지 16개의 컴퓨터 과학 학술 회의에서 수집한 트윗을 웹 크롤링 및 데이터 추출을 통해 수집하고 분석하였다.
• 대화 네트워크(답글 및 언급 기반)와 재게재 네트워크(재게재 기반)를 구성하여 상호작용 패턴을 연구하였다.
• 정보 사용(URL, 재게재)과 대화 사용(답글, 언급)을 위한 두 가지 기능을 각각 측정하여 트위터 사용을 정량화하였다.
• 사용자 영향력과 연결성을 평가하기 위해 대화 네트워크와 재게재 네트워크 양쪽에서 중심성 지표(도수, 고유벡터 중심성, 중심성)를 추출하였다.
• 기본, 대화, 정보 네트워크 특징를 사용하여 향후 참여 여부를 예측하는 이진 분류 작업을 수립하였다.
• 다양한 기계학습 모델(랜덤 포레스트, AdaBoost, 배깅, 로지스틱 회귀, SVM)을 평가하고 AUC 점수를 기반으로 최고 성능을 보인 조합을 선정하였다.

실험 결과

연구 질문

• RQ1 사용자들은 회의 기간 동안 트위터를 동료와의 소통을 위해 더 많이 사용할까, 아니면 정보 공유를 위해 더 많이 사용할까? 이러한 사용 방식은 시간이 지남에 따라 어떻게 변화해왔는가?
• RQ2 개별 회의에서 대화 네트워크와 정보 공유 네트워크의 구조적 특징는 무엇이며, 이러한 구조는 시간이 지남에 따라 어떻게 변화해왔는가?
• RQ3 사용자들은 연속된 해 동안 같은 회의에 트위터로 참여하는가? 그리고 향후 참여 여부를 얼마나 정확하게 예측할 수 있는가?

주요 결과

• 회의 기간 동안 트위터의 정보 사용에 대한 경향이 뚜렷하고 점점 커지고 있으며, 특히 재게재와 URL 공유의 형태로 두드러진다. 반면 대화적 사용(답글 및 언급)은 시간이 지나도 비교적 안정된 수준을 유지하고 있다.
• 대화 네트워크는 재게재 네트워크보다 더 분할되어 있으며, 이 분할 현상은 시간이 지남에 따라 악화되어 더 많은 고립된 대화 클러스터를 나타낸다.
• 재게재 네트워크는 항상 큰 연결된 거대 컴ponent를 유지하고 있어, 회의 공동체 전반에 걸쳐 지속적이고 광범위한 정보 유포가 이루어지고 있음을 시사한다.
• 향후 참여 여부를 예측하는 데 가장 중요한 특징는 타임라인 트윗 수, 정보 네트워크 내 고유벡터 중심성, 대화 네트워크 내 도수 중심성이다.
• 가장 높은 성능을 보인 예측 모델은 기본, 대화, 정보 네트워크 특징를 조합하여 배깅 알고리즘을 사용했으며, AUC 점수는 0.787을 기록했다.
• 정보 네트워크 내 고유벡터 중심성은 두 번째로 중요한 특징로 나타나, 다른 중심성을 가진 사용자들과 연결되어 있는 사용자는 향후 회의에 다시 참여할 가능성이 더 높다는 것을 시사한다.