[论文解读] Science, AskScience, and BadScience: On the Coexistence of Highly Related Communities

Jack Hessel, Chenhao Tan+1 more|arXiv (Cornell University)|Dec 22, 2016

Complex Network Analysis Techniques被引用 14

一句话总结

本文研究了Reddit上高度相关的在线社区共存现象，利用词缀分类法（如 'ask'、'bad'、'srs'）识别社区对。研究发现，那些探索新衍生社区的用户在之后反而在原社区中更加活跃——这与预期相反——表明此类社区可能增强而非削弱母社区的参与度。

ABSTRACT

When large social-media platforms allow users to easily form and self-organize into interest groups, highly related communities can arise. For example, the Reddit site hosts not just a group called food, but also HealthyFood, foodhacks, foodporn, and cooking, among others. Are these highly related communities created for similar classes of reasons (e.g., to focus on a subtopic, to create a place for allegedly more "high-minded" discourse, etc.)? How do users allocate attention between such close alternatives when they are available or emerge over time? Are there different types of relations between close alternatives such as sharing many users vs. a new community drawing away members of an older one vs. a splinter group failing to cohere into a viable separate community? We investigate the interactions between highly related communities using data from reddit.com consisting of 975M posts and comments spanning an 8-year period. We identify a set of typical affixes that users adopt to create highly related communities and build a taxonomy of affixes. One interesting finding regarding users' behavior is: after a newer community is created, for several types of highly-related community pairs, users that engage in a newer community tend to be more active in their original community than users that do not explore, even when controlling for previous level of engagement.

研究动机与目标

• 理解通过词缀派生在Reddit上形成的高度相关在线社区的结构与行为动态。
• 对社区命名中常用的词缀进行分类，并分析其对用户行为与社区凝聚力的影响。
• 研究用户在探索相关衍生社区后，其在原社区中的活跃度如何变化。
• 构建基于对照的框架，以衡量用户参与度的“探索效应”。
• 识别衍生社区增强或削弱母社区参与度的条件。

提出的方法

• 构建了一个包含97500万条Reddit帖子与评论的数据库，历时8年，以识别基于词缀的社区对。
• 将词缀分类为诸如“戏仿”（如 'shitty'、'circlejerk'）和“派生”（如 'srs'、'anti'）等类别。
• 将“探索者”定义为在事件发生前未在母社区发帖，但在新社区发帖的用户。
• 采用对照抽样方法，根据探索前的活跃度与时间，为每位探索者匹配一位活跃度相似的非探索者用户。
• 将“探索效应”计算为探索者与匹配非探索者在探索后活跃度提升的差异。
• 应用统计比较方法，评估探索者是否在原社区中表现出相对于非探索者更高的相对活跃度。

实验结果

研究问题

• RQ1 Reddit上用于形成高度相关社区的词缀类型有哪些？
• RQ2 在原社区中，探索者（加入新社区的用户）与非探索者（未加入新社区的用户）的行为有何不同？
• RQ3 参与衍生社区是否会导致母社区的活跃度上升或下降？
• RQ4 是否存在某些词缀类别中，探索效应更显著或甚至反转？
• RQ5 从母社区诞生衍生社区的过程中，有哪些时间模式特征？

主要发现

• 构建了词缀分类体系，识别出诸如“戏仿”（如 'shitty'、'lol'）和“派生”（如 'srs'、'anti'）等不同类别，各类别具有不同的行为影响。
• 在多个词缀类型中，探索新社区的用户在原社区中活跃度提升的比例，高于匹配的非探索者。
• 在多个词缀类别中，探索效应具有统计显著性，表明探索者在加入衍生社区后，其在母社区的活跃度反而提高。
• 探索效应的大小甚至符号随词缀类型及探索前的活跃度水平而变化，表明其动态具有情境依赖性。
• 相当数量的带词缀社区（如 'dota2'）在无词缀对应社区之前即已创建，挑战了命名层级的既有假设。
• 研究发现，衍生社区的早期参与者通常源自母社区，表明存在一种“源自母体”的关系。