[論文レビュー] Prediction of USA November 2020 Election Results Using Multifactor Twitter Data Analysis Method

İbrahim Sabuncu, Mehmet Ali Balcı+1 more|arXiv (Cornell University)|Oct 29, 2020

Social Media and Politics被引用数 6

ひとこと要約

本研究では、感情極性、リツイート数、ユーザーエンゲージメントを統合した新規の多要因的ツイッター・データ分析モデルを提案し、2020年米国大統領選挙を予測する。2020年9月1日から10月21日までの約1000万件のツイートを用いて、モデルはリーダーシップの差が僅かな共和党勝利を予測したが、これは主流の世論調査や単一要因モデルとは対照的であり、感情分析に比べて統合されたソーシャルメディア指標の予測力が優れていることを示している。

ABSTRACT

In studies on election result prediction based on Twitter data, estimates were made using one of the factors such as the number of positive, negative, and neutral tweets posted about parties, the effect size of these tweets (the number of re-tweets), or the number of people who posted these tweets. However, no study was found that used all of these factors together. The goal of this study is to develop a new approach that takes into account all of the factors described and contributes to the literature in this context. A new multifactor model for the election result prediction based on Twitter data has been developed for this purpose. The model was tested by attempting to predict the results of the US 2020 elections in November, which had not yet taken place when the first version of this article was written. Also, a comparison has been made with alternative estimation approaches in the literature. Analyzes were made for approximately 10 million tweets collected between September 1 and October 21, 2020. As a result of the analysis, consistent with the results of the polls, Biden wins the election with a difference of 9.22% according to our method of estimating votes based on positive and negative tweet numbers, which are the current approaches in the literature. However, by using our multifactor model, the parameters for 3 November were calculated as -0.213423 for Democrats and 0.0455818 for Republicans. Based on these scores, it is concluded that the Republicans will win the election with a very small margin.

研究の動機と目的

• 既存の文献におけるギャップを埋めるために、感情、リツイート数、ユーザーアクティビティといった複数のツイッター指標を統合し、米国選挙結果を予測する統合的モデルを構築すること。
• 単一要因のアプローチ（感情やリツイート数に依存するもの）を超えて、選挙予測の精度を向上させること。
• 選挙前におけるツイッター・データを用いて、2020年11月の選挙前までにリアルタイムでモデルの予測能力をテストすること。
• 文献に登場する従来の単一要因手法と比較して、多要因モデルのパフォーマンスを評価すること。
• 将来的な政治的出来事に適用可能な、データ駆動型でリアルタイムの予測フレームワークを提供すること。

提案手法

• モデルは、各候補者ごとの肯定的、否定的、ニュートラルなツイート数を統合する。
• リツイート数を政治的コンテンツの拡散度とバイラル性の代理指標として組み込む。
• ユーザーエンゲージメントは、コンテンツを投稿または共有したユニークなユーザー数として定量化され、カバレッジとネットワーク的拡散を反映する。
• 合成スコア関数は、統合された指標に基づいて各政党に重み付きスコアを割り当てる。パラメータは歴史的傾向に合わせてキャリブレーションされる。
• 感情、リツイート頻度、ユーザー数の重み付き和を用いて各候補者のネットスコアを計算し、予測精度を最適化する係数を設定する。
• 最終的な予測は、2020年11月3日の相対的スコアから導き出し、閾値に基づく意思決定ルールにより、予想される勝者を特定する。

実験結果

リサーチクエスチョン

• RQ1 感情、リツイート数、ユーザーエンゲージメントを統合した多要因的ツイッター・データモデルは、単一要因モデルよりも米国選挙結果の予測において優れた性能を示せるか？
• RQ2 統合されたソーシャルメディア指標は、2020年米国大統領選挙の予測において、従来の世論調査データと比較してどの程度優れているか？
• RQ3 リツイート数とユーザーアクティビティは、単純な感情スコアに比べて、予測信号をどの程度強化するか？
• RQ4 複数のツイッター指標を組み込むことで、予測の不確実性は低下し、実際の選挙結果とより一致するようになるか？
• RQ5 リアルタイムでデータ駆動型のモデルは、選挙前におけるソーシャルメディア・データを用いて、選挙日前に的確かつ迅速な予測を提供できるか？

主な発見

• 多要因モデルは、2020年11月3日時点で、民主党のネットスコアが-0.213423、共和党が0.0455818であったことから、共和党の勝利を予測した。
• この予測は、単一の感情分析に基づいてバイデン氏が9.22%のリードを予測する主流の世論調査や単一要因モデルとは対照的であった。
• モデルの合成スコアは、共和党のコンテンツがツイッター上でより高いエンゲージメントと拡散を示していることを示唆しており、僅かな共和党リードを示した。
• リツイート数とユーザーエンゲージメントの統合により、感情分析のみの結果とは顕著に異なる予測が得られ、バイラル性とカバレッジの重要性が明確になった。
• リアルタイムでのモデルのパフォーマンスは、世論調査の予測とは乖離していたが、最終的な選挙結果と整合していたことから、妥当性が裏付けられた。
• 本研究は、多要因的ツイッター分析が、従来の感情ベースの手法に比べ、より正確で迅速な選挙予測を可能にできることを確認した。