[论文解读] Echo Chambers on Social Media: A comparative analysis

Matteo Cinelli, Gianmarco De Francisci Morales+3 more|arXiv (Cornell University)|Apr 20, 2020

Misinformation and Its Impacts参考文献 50被引用 54

一句话总结

该论文在操作层面定义回声室，并对 Facebook、Twitter、Reddit 和 Gab 进行大规模比较，显示 Facebook/Twitter 存在明显回声室，而 Reddit/Gab 未出现，并将信息流算法与回声室形成联系。

ABSTRACT

Recent studies have shown that online users tend to select information adhering to their system of beliefs, ignore information that does not, and join groups - i.e., echo chambers - around a shared narrative. Although a quantitative methodology for their identification is still missing, the phenomenon of echo chambers is widely debated both at scientific and political level. To shed light on this issue, we introduce an operational definition of echo chambers and perform a massive comparative analysis on more than 1B pieces of contents produced by 1M users on four social media platforms: Facebook, Twitter, Reddit, and Gab. We infer the leaning of users about controversial topics - ranging from vaccines to abortion - and reconstruct their interaction networks by analyzing different features, such as shared links domain, followed pages, follower relationship and commented posts. Our method quantifies the existence of echo-chambers along two main dimensions: homophily in the interaction networks and bias in the information diffusion toward likely-minded peers. We find peculiar differences across social media. Indeed, while Facebook and Twitter present clear-cut echo chambers in all the observed dataset, Reddit and Gab do not. Finally, we test the role of the social media platform on news consumption by comparing Reddit and Facebook. Again, we find support for the hypothesis that platforms implementing news feed algorithms like Facebook may elicit the emergence of echo-chambers.

研究动机与目标

• 基于极化和同类性，定义一个面向平台、可操作的回声室概念。
• 使用用户取向和互动网络，在四个社交媒体平台上量化极化和同类性。
• 使用扩散模型评估信息传播向志同道合的朋友偏斜的程度。
• 比较存在与不存在强回声室信号的平台的新闻消费动态。

提出的方法

• 根据每个平台的内容和互动推断个人取向（例如链接域名、点赞、评论）。
• 重建有向互动网络，其中链接暗示潜在信息流动（关注、回复、评论）。
• 通过取向分布及用户与其邻居的对齐程度来量化极化。
• 通过分析社区结构和检测到的社区取向来衡量同类性。
• 模拟类似 SIR 的信息扩散，以评估针对志同道合用户的覆盖偏差。
• 通过分析多个有争议的话题和数据集来比较跨平台差异。

实验结果

研究问题

• RQ1 在线社交平台是否在不同话题上展现以极化和同类性定义的回声室？
• RQ2 如 Facebook/Twitter 与 Reddit/Gab 的互动网络和扩散动态有何不同？
• RQ3 新闻源算法的存在是否与更强的回声室效应相关？
• RQ4 在共同话题上，Facebook 与 Reddit 的新闻消费模式有何不同？

主要发现

• Facebook 和 Twitter 在各数据集中表现出明显的回声室信号，具有极化的倾向和同类性互动模式。
• Reddit 和 Gab 显示出单一社区偏向，而非分裂，表明在取向和互动中回声室结构较弱或不存在。
• Facebook 和 Twitter 的信息扩散偏向志同道合的同伴，而 Reddit 和 Gab 的影响集合与用户取向没有显著相关。
• Facebook/Twitter 的社区覆盖了取向的全谱，但内部同质性高，与 Reddit/Gab 不同。
• 在新闻消费的直接比较（Facebook 与 Reddit）确认了依平台而异的极化与扩散效应，且算法很可能促成基于信息流的平台上的回声室。
• 在各数据集中，分析了来自约100万用户的超过10亿条内容，为跨平台对比提供了坚实基础。