[论文解读] Quantifying social organization and political polarization in online platforms

Isaac Waller, Ashton Anderson|arXiv (Cornell University)|Oct 1, 2020

Social Media and Politics参考文献 34被引用 137

一句话总结

本文提出了一种神经嵌入方法，利用行为数据量化在线平台中的社会结构与政治极化，应用于14年间10,000个社区的51亿条Reddit评论。研究发现，2016年Reddit上的政治极化显著上升，主要归因于新加入的右翼用户，而非个体激进化；且极化具有非对称性，左翼社区未出现显著变化。

ABSTRACT

Optimism about the Internet's potential to bring the world together has been tempered by concerns about its role in inflaming the 'culture wars'. Via mass selection into like-minded groups, online society may be becoming more fragmented and polarized, particularly with respect to partisan differences. However, our ability to measure the social makeup of online communities, and in turn understand the social organization of online platforms, is limited by the pseudonymous, unstructured, and large-scale nature of digital discussion. We develop a neural embedding methodology to quantify the positioning of online communities along social dimensions by leveraging large-scale patterns of aggregate behaviour. Applying our methodology to 5.1B Reddit comments made in 10K communities over 14 years, we measure how the macroscale community structure is organized with respect to age, gender, and U.S. political partisanship. Examining political content, we find Reddit underwent a significant polarization event around the 2016 U.S. presidential election, and remained highly polarized for years afterward. Contrary to conventional wisdom, however, individual-level polarization is rare; the system-level shift in 2016 was disproportionately driven by the arrival of new and newly political users. Political polarization on Reddit is unrelated to previous activity on the platform, and is instead temporally aligned with external events. We also observe a stark ideological asymmetry, with the sharp increase in 2016 being entirely attributable to changes in right-wing activity. Our methodology is broadly applicable to the study of online interaction, and our findings have implications for the design of online platforms, understanding the social contexts of online behaviour, and quantifying the dynamics and mechanisms of online polarization.

研究动机与目标

• 为解决在大规模、匿名在线社区中测量社会结构的挑战，因自报数据不可靠。
• 理解政治极化在在线平台上的演变机制，特别是其是否源于个体激进化或社区层面的转变。
• 探究极化动态在意识形态维度上是否对称，或是否存在方向性非对称性。
• 开发一种完全基于聚合用户行为的方法，捕捉如党派倾向、年龄和性别等社会维度，避免自报或专家标注带来的偏差。

提出的方法

• 使用神经社区嵌入将社区表示为高维空间中的向量，基于用户成员模式。
• 采用两步算法：首先，识别在目标社会维度（如左翼与右翼政治）上存在差异的种子社区对；其次，从相似方向的社区对中计算共识向量，以定义该维度。
• 使用UMAP对社区嵌入进行可视化，并通过相对于均值的z得分衡量党派定位。
• 利用外部数据（如美国人口普查职业数据和Reddit用户自报身份）验证性别与政治倾向嵌入，确保与现实人口统计数据一致。
• 分析社区嵌入随时间的演变，检测极化随时间的变化，特别是在2016年美国大选期间。
• 通过政治社区中的词汇使用模式，解释党派维度两端所关联的语义内容。

实验结果

研究问题

• RQ1 平台层面的政治极化在多大程度上随时间变化？
• RQ2 个体用户在其政治活动上是否随时间变得更加极化，如果是，这些变化是否驱动了平台层面的极化？
• RQ3 极化动态在意识形态上是否对称？
• RQ4 新用户如何影响在线社区的宏观社会结构？

主要发现

• Reddit上的政治极化在2016年美国总统大选前后显著上升，此后多年保持高度极化状态。
• 2016年极化激增主要由新用户（尤其是右翼用户）的涌入驱动，而非个体层面的激进化。
• 个体层面的政治极化极为罕见；系统层面的转变并非源于用户随时间变得更为极端。
• Reddit上的政治极化与外部事件时间上高度一致，而非与用户先前的平台活动或算法推荐相关。
• 存在显著的意识形态非对称性：2016年极化上升完全可归因于右翼用户行为的变化，左翼社区未观察到相应转变。
• 该方法成功仅基于行为数据捕捉了党派倾向、年龄和性别等社会维度，且经外部人口统计数据基准验证有效。