[论文解读] The Anatomy of Brexit Debate on Facebook

Michela Del Vicario, Fabiana Zollo+3 more|arXiv (Cornell University)|Oct 21, 2016

Opinion Dynamics and Social Influence参考文献 20被引用 5

一句话总结

本研究利用2016年1月至7月期间来自38个英国新闻页面的Facebook数据，分析了脱欧相关讨论，揭示了由用户参与模式驱动的两个截然不同的回音室。通过结合帖子和评论的自动主题提取与情感分析，研究发现主题在不同语境下的表述与感知存在显著情感差异，表明极化现象既塑造了叙事框架，也影响了用户反应，关键议题如‘移民’和‘主权’的情感距离超过0.2。

ABSTRACT

Nowadays users get informed and shape their opinion through social media. However, the disintermediated access to contents does not guarantee quality of information. Selective exposure and confirmation bias, indeed, have been shown to play a pivotal role in content consumption and information spreading. Users tend to select information adhering (and reinforcing) their worldview and to ignore dissenting information. This pattern elicits the formation of polarized groups -- i.e., echo chambers -- where the interaction with like-minded people might even reinforce polarization. In this work we address news consumption around Brexit in UK on Facebook. In particular, we perform a massive analysis on more than 1 Million users interacting with Brexit related posts from the main news providers between January and July 2016. We show that consumption patterns elicit the emergence of two distinct communities of news outlets. Furthermore, to better characterize inner group dynamics, we introduce a new technique which combines automatic topic extraction and sentiment analysis. We compare how the same topics are presented on posts and the related emotional response on comments finding significant differences in both echo chambers and that polarization influences the perception of topics. Our results provide important insights about the determinants of polarization and evolution of core narratives on online debating.

研究动机与目标

• 调查英国脱欧公投期间Facebook上在线政治辩论的结构与行为动态。
• 识别并探究用户是否以及如何基于参与模式自我组织为不同社群。
• 考察在极化语境下，不同社群在主题框架与情感反应方面的差异，特别是关键政治议题上的表现。
• 开发并应用一种结合主题建模与情感分析的创新方法，以衡量在线话语中的极化程度。
• 理解社群间的情感距离如何反映并强化关键政治议题上的叙事极化。

提出的方法

• 通过Facebook Graph API，从2016年1月至7月期间收集了38个英国新闻页面的公开Facebook数据（包括帖子、点赞与评论）。
• 基于用户互动构建新闻页面网络，揭示了两个在无预先内容分类的情况下形成的独立社群。
• 应用自动主题提取技术，识别每个社群帖子中讨论最频繁的100个概念。
• 使用AlchemyAPI对115,958条评论计算情感得分，分别计算每篇帖子和每位用户的平均情感得分。
• 将社群间的情感距离定义为每项主题在帖子表述与用户评论反应中平均情感的绝对差值。
• 提出双重指标：(1) 不同社群在主题呈现上的情感分歧，以及(2) 用户反应与帖子内容之间的情感差异，用于评估极化强度。

实验结果

研究问题

• RQ1 用户参与模式如何在Facebook上的在线政治辩论中催生出不同的社群？
• RQ2 在高关注度的公投期间，同一政治议题在对立回音室中是否呈现出显著的情感框架分歧？
• RQ3 用户对某条帖子的情感反应与该帖子本身表达的情感相比如何？这种差异在不同社群中是否存在？
• RQ4 社群间的情感距离在多大程度上影响了关键政治议题的感知与叙事构建？
• RQ5 结合主题建模与情感分析的方法是否能有效识别并量化在线政治话语中的极化现象？

主要发现

• 两个明显分离、互不重叠的社群自发地从用户互动模式中浮现，且未依赖预先的内容分类。
• 用户极化表现出明显的双峰分布，表明存在两个具有明显关注模式差异的主要群体。
• 在社群C1中，52个概念的情感距离超过0.2；在社群C2中，48个概念的情感距离超过0.2，表明在‘移民’和‘主权’等关键议题上存在高度极化。
• 用户对帖子的反应始终比帖子本身表达的情感更负面，这一趋势在两个社群中均被观察到。
• 用户对帖子的情感反应与帖子本身的情感存在显著差异，尤其在争议性议题上，表明回音室内部负面情绪被放大。
• 本研究提出的创新方法——结合主题提取与情感分析——通过测量内容框架与用户反应之间的情感分歧，成功识别出高极化议题。