[论文解读] Beyond Active Engagement: The Significance of Lurkers in a Polarized Twitter Debate

Anees Baqir, Yijing Chen+7 more|arXiv (Cornell University)|Jun 30, 2023

Social Media and PoliticsSocial Sciences被引用 3

一句话总结

本研究利用推特API中的印象数来估算在俄乌战争相关极化辩论中隐藏的受众——即被动浏览内容但无主动参与的用户。研究发现，75–90%的用户为被动浏览者，其参与行为主要受媒体来源可信度影响，而非意识形态一致性，从而挑战了关于回音室效应和极化机制的传统假设。

ABSTRACT

The emergence of new public forums in the shape of online social media has introduced unprecedented challenges to public discourse, including polarization, misinformation, and the emergence of echo chambers. While existing research has extensively studied the behavior of active users within echo chambers, little attention has been given to the hidden audience, also known as lurkers, who passively consume content without actively engaging. This study aims to estimate the share of the hidden audience and investigate their interplay with the echo chamber effect. Using Twitter as a case study, we analyze a polarized political debate to understand the engagement patterns and factors influencing the hidden audience's presence. Our findings reveal a relevant fraction of users that consume content without active interaction, which underscores the importance of considering their presence in online debates. Notably, our results indicate that the engagement of the hidden audience is primarily influenced by factors such as the reliability of media sources mentioned in tweets rather than the ideological stance of the user that produced the content. These findings highlight the need for a comprehensive understanding of the hidden audience's role in online debates and how they may influence public opinion.

研究动机与目标

• 估算在线政治辩论中被动用户（即浏览者）在推特上的占比，这些用户通常被排除在基于参与度的分析之外。
• 探究浏览者如何与极化网络话语中的回音室和虚假信息互动。
• 评估内容生产者的意识形态立场与媒体来源可信度，哪一因素对被动用户参与的影响更强。
• 开发一种新颖的方法，利用推文级别的印象数数据量化隐藏用户群体，这一指标此前在社交媒体研究中未被充分使用。
• 通过整合被动用户在在线极化形成中的作用，挑战仅关注活跃用户的传统回音室模型。

提出的方法

• 利用推特的印象数指标——即推文在用户屏幕上显示的次数——来估算被动观看量。
• 将印象数与传统参与度指标（点赞、转发、评论、引用）进行比较，计算被动用户与活跃用户的比例。
• 根据政治倾向和事实报道质量对媒体来源进行分类，以分析其对参与模式的影响。
• 按意识形态和媒体来源曝光情况对用户进行分组，考察政治立场与内容可靠性对参与的影响。
• 应用统计分析与可视化手段（如箱线图、分布图）比较不同意识形态和媒体来源类别下的参与率差异。
• 基于2022年推特上关于俄乌战争的辩论数据，将分析置于一个真实的极化语境中。

Figure 1: Retweet Network and Ideology Distribution of users and influencers. Panel (a): influencers and users retweet networks for nodes with a degree greater than 100, with edges colored on the base of nodes’ ideological stances. Panel (b): histogram of users’ and influencers’ ideology score (top)

实验结果

研究问题

• RQ1 在极化推特辩论中，有多少比例的用户是浏览者，即仅消费内容而无主动参与？
• RQ2 内容生产者的意识形态立场在多大程度上影响被动用户的参与行为？
• RQ3 推文中提及的媒体来源的可信度在多大程度上影响用户参与的可能性，包括被动消费？
• RQ4 与主流或高可信度来源相比，分享极右翼或低事实报道质量来源的用户，其参与模式有何不同？
• RQ5 浏览者的存在是否显著改变在线辩论中回音室的感知强度或结构？

主要发现

• 在所分析的辩论期间，推特上约75–90%的用户为浏览者，表明被动消费远超主动参与。
• 需要更高参与度的互动（如引用）的动作数与印象数之比显著更低，凸显了被动观看的主导地位。
• 媒体来源可信度是参与度的最强预测因子：来自低事实报道或极右翼媒体的内容具有最高的动作与印象比。
• 内容生产者的意识形态一致性对参与度影响甚微；相反，来源的可信度是用户互动的主要驱动因素。
• 分享极端右翼或易传播虚假信息的媒体来源的用户，即使在被动用户中也更可能引发互动。
• 本研究揭示，回音室动态不仅由活跃用户塑造，也受到浏览者被动消费模式的影响，尤其是在接触不可靠来源时。

Figure 2: User-level hidden audience in the Twitter discussion on military aid to Ukraine. (a) Bivariate probability density of the number of followers and the active engagement with respect to retweets (top left), replies (top right), likes (bottom left), and quotes (bottom right). The active engag