[论文解读] Social media polarization and echo chambers: A case study of COVID-19.

Julie Jiang, Xiang Ren+1 more|arXiv (Cornell University)|Mar 19, 2021

Misinformation and Its Impacts被引用 6

一句话总结

本研究提出Retweet-BERT，一种结合基于BERT的自然语言处理与Twitter网络结构的可扩展模型，用于估算美国新冠疫情话语中的用户极性。研究发现，右倾用户更为主动且更具发声力，党派用户主导影响力网络，且政治回音室显著加剧了极化，对公共卫生传播具有重要启示。

ABSTRACT

During 2020, social media chatter has been largely dominated by the COVID-19 pandemic. In this paper, we study the extent of polarization of COVID-19 discourse on Twitter in the U.S. First, we propose Retweet-BERT, a scalable and highly accurate model for estimating user polarity by leveraging language features and network structures. Then, by analyzing the user polarity predicted by Retweet-BERT, we provide new insights into the characterization of partisan users. Right-leaning users, we find, are noticeably more vocal and active in the production and consumption of COVID-19 information. Our analysis also shows that most of the highly influential users are partisan, which may contribute to further polarization. Crucially, we provide empirical evidence that political echo chambers are prevalent, exacerbating the exposure to information in line with pre-existing users' views. Our findings have broader implications in developing effective public health campaigns and promoting the circulation of factual information online.

研究动机与目标

• 理解美国新冠疫情Twitter话语中政治极化的程度。
• 开发一种结合语言和网络数据的可扩展且准确的用户极性估算方法。
• 探究党派用户在塑造信息接触和强化回音室中的作用。
• 为在线健康话语中政治回音室的普遍性和影响提供实证证据。

提出的方法

• 提出Retweet-BERT，一种通过引入转发网络特征增强的微调BERT模型，用于预测用户极性。
• 利用标注的Twitter数据训练模型，基于语言内容和转发模式将用户分类为左倾或右倾。
• 使用网络中心性度量识别有影响力的用户，并分析其党派一致性。
• 将模型应用于大规模美国Twitter用户数据集，分析其在新冠疫情讨论中的极性分布与网络影响力。
• 通过测量转发网络中的同质性及信息接触模式，实现回音室检测。
• 通过基准比较和用户聚类的定性分析验证模型性能。

实验结果

研究问题

• RQ1 美国新冠疫情Twitter话语中政治极化在多大程度上明显？
• RQ2 在疫情期间，右倾与左倾用户在活动水平和信息消费模式上存在哪些差异？
• RQ3 党派用户在塑造社交媒体上信息的可见性和传播范围中发挥何种作用？
• RQ4 在公共卫生危机期间，Twitter上回音室在多大程度上形成并强化了极化的信息接触？
• RQ5 有影响力的用户如何促进健康相关话语中党派叙事的放大？

主要发现

• 右倾用户在产生和消费与新冠疫情相关的内容方面，其活跃度显著高于左倾用户。
• 疫情期间Twitter上最具影响力的用户中，多数具有政治党派属性，表明影响力集中在意识形态群体内部。
• 政治回音室在实证上普遍存在，用户主要接触与其既有观点一致的信息。
• 转发网络的结构通过限制跨党派信息流动，强化了极化。
• Retweet-BERT模型通过整合语言特征与网络层面特征，在极性估计中实现了高准确率。
• 研究结果表明，党派影响者在公共卫生紧急事件期间对信息环境的塑造起着关键作用。