[论文解读] Data Portraits: Connecting People of Opposing Views

Eduardo Graells-Garrido, Mounia Lalmas+1 more|arXiv (Cornell University)|Nov 19, 2013

Data Visualization and Analytics参考文献 40被引用 32

一句话总结

本文提出了一种间接的、以可视化为驱动的方法，通过将意识形态不同的用户推荐内容嵌入个性化数据画像中，促进用户在敏感议题上与对立观点的连接。利用有机视觉设计展示用户偏好，并基于主题相关性和“观点差距”（意识形态差异）注入内容，研究显示，与标准推荐界面相比，该方法可减少负面情绪反应，提升用户认同感与偶然发现感。

ABSTRACT

Social networks allow people to connect with each other and have conversations on a wide variety of topics. However, users tend to connect with like-minded people and read agreeable information, a behavior that leads to group polarization. Motivated by this scenario, we study how to take advantage of partial homophily to suggest agreeable content to users authored by people with opposite views on sensitive issues. We introduce a paradigm to present a data portrait of users, in which their characterizing topics are visualized and their corresponding tweets are displayed using an organic design. Among their tweets we inject recommended tweets from other people considering their views on sensitive issues in addition to topical relevance, indirectly motivating connections between dissimilar people. To evaluate our approach, we present a case study on Twitter about a sensitive topic in Chile, where we estimate user stances for regular people and find intermediary topics. We then evaluated our design in a user study. We found that recommending topically relevant content from authors with opposite views in a baseline interface had a negative emotional effect. We saw that our organic visualization design reverts that effect. We also observed significant individual differences linked to evaluation of recommendations. Our results suggest that organic visualization may revert the negative effects of providing potentially sensitive content.

研究动机与目标

• 为应对社交网络中群体极化与信息过滤气泡的挑战，通过间接方式将用户与对立观点连接。
• 探究用户数据画像的有机可视化是否能缓解用户对来自意识形态不同用户推荐内容的负面情绪反应。
• 评估个体差异（如开放性及对画像的认同感）如何影响用户对偶然发现式推荐的感知。
• 探究“观点差距”——即被推荐者与推荐者之间的意识形态距离——在塑造用户对多样化内容接受度方面的作用。
• 开发并测试一种整合主题相关性与立场多样性特征的数据画像范式，用于推荐系统。

提出的方法

• 通过在用户推文上应用TF-IDF识别其特征主题，形成个性化数据画像。
• 使用立场分类器将用户对敏感议题（如智利的堕胎问题）的观点估计为亲生命与亲选择立场的线性组合。
• 基于用户偏好主题的相关性以及衡量与用户意识形态距离的“观点差距”指标，选择推荐推文。
• 数据画像采用有机视觉布局，结合词云与环形排列，以表示用户主题及其关系。
• 系统将来自观点相反用户的推荐推文注入画像中，并将其置于用户自身内容的语境下。
• 通过用户研究比较三种条件：基线（仅偏好）、处理I（偏好+观点差距）、处理II（带观点差距的有机数据画像）。

实验结果

研究问题

• RQ1 与标准推荐界面相比，通过有机数据画像呈现来自观点对立用户的推荐内容，是否能减少负面情绪反应？
• RQ2 用户对数据画像的认同感在多大程度上影响其对偶然发现式推荐的感知？
• RQ3 个体差异（如对敏感议题讨论的开放性）如何影响用户对推荐内容的评估？
• RQ4 该数据画像范式能否有效提示用户对多样化内容的潜在兴趣，即使内容挑战其自身观点？
• RQ5 有机视觉设计是否能提升用户对意识形态不同来源内容的参与度与容忍度？

主要发现

• 有机视觉设计显著减少了用户对来自观点对立用户推荐内容的负面情绪反应，逆转了基线条件下观察到的负面效应。
• 对自身数据画像认同感越强的用户，越倾向于将推荐内容评为具有偶然发现性，并表达出更愿意在Twitter上使用该系统的意愿。
• 在敏感议题上表达开放性的用户，其对推荐内容的有趣程度和与自身偏好的相似性感知也更高。
• 数据画像的设计有效提示了用户潜在的偶然发现可能性，且认同感与对推荐内容的积极评价密切相关。
• 研究证明，通过个性化、视觉上有机的数据画像实现的间接推荐，可有效缓解通常与意识形态对立者内容相关的负面情绪抵抗。
• 尽管推荐内容质量中等，该数据画像范式在使多样化内容更具可接受性与吸引力方面展现出强大潜力，有助于缓解群体极化。