Zoals bewezen door een recent extreem, controversiële incidenten, zoals het Facebook- en Cambridge Analytica-schandaal, sociale media kunnen een echte goudmijn zijn voor gebruikersinformatie. In feite, de meeste sociale onderzoekers en analysebedrijven beschouwen sociale media als een van de meest waardevolle bronnen voor het begrijpen van de publieke opinie en hoe individuen reageren op specifieke gebeurtenissen.

Met dit in gedachten, onderzoeksgroepen over de hele wereld hebben geprobeerd tools te ontwikkelen om sociale media-activiteit te analyseren en automatisch informatie te verzamelen over de standpunten van mensen over specifieke onderwerpen. In een recente studie, een groep onderzoekers van de Universiteit van Edinburgh heeft een aantal van de belangrijkste factoren onthuld die kunnen helpen bij het bepalen van de standpunten van individuen op basis van hun sociale-mediaprofielen. hun papier, voorgepubliceerd op arXiv, biedt interessante nieuwe inzichten die kunnen leiden tot de ontwikkeling van meer geavanceerde analysetools.

"Stance-voorspelling op sociale media speelt een cruciale rol in verschillende analytische onderzoeken die gericht zijn op het peilen van de publieke opinie over verschillende onderwerpen, "Abeer Aldayel, een van de onderzoekers die het onderzoek heeft uitgevoerd, vertelde TechXplore . "De laatste tijd, onderzoeksstudies hebben verschillende methoden voorgesteld om de houding op sociale media te modelleren. Deze studie onderzoekt hoe de houding van mensen over specifieke onderwerpen kan worden voorspeld uit sociale-mediagegevens met behulp van meerdere online interactiesignalen. Een van de belangrijkste boodschappen van onze paper is dat er echte bezorgdheid bestaat over de privacy van gebruikers. We hopen dat deze studie zal worden gebruikt om mensen bewust te maken van hun online activiteiten en hoe deze kunnen worden gebruikt."

Om online signalen beter te begrijpen die het standpunt van een gebruiker over een evenement of onderwerp kunnen onthullen, de onderzoekers hebben een diepgaande studie uitgevoerd op een populaire dataset voor houdingsdetectie, de SemEval-houdingsdataset genoemd. De SemEval-standgegevensset bevat 4000 tweets over vijf politieke, sociale en religieuze onderwerpen.

Aldayel en haar collega Dr. Magdy analyseerden de mogelijke online factoren voor het voorspellen van standpunten op sociale media met behulp van drie belangrijke netwerkinteractiefactoren. De eerste factor, zogenaamde 'interactienetwerken, ' omvat de accounts en webdomeinen waarmee gebruikers communiceren of citeren in hun tweets. De seconde, genaamd 'voorkeursnetwerken, ' bestaat uit indirecte interacties met andere accounts en webdomeinen in berichten die gebruikers leuk vinden. De derde en laatste factor, het 'aansluitnetwerk' genoemd, ' omvat alle accounts die de gebruikers volgen en die de gebruikers volgen.

"Het is vermeldenswaard dat deze netwerkfactoren onafhankelijk zijn van het feit dat gebruikers hun standpunt over het onderwerp van analyse kenbaar maken, aangezien deze factoren afhankelijk zijn van de sociale interacties en websites waarmee de gebruikers interactie hebben gehad, ongeacht de inhoud van hun tweets, ' legde Aldayel uit.

De door de onderzoekers verzamelde resultaten suggereren dat de houding van een gebruiker kan worden gedetecteerd door meerdere aspecten van haar online activiteit te analyseren, inclusief berichten, accounts waarmee ze communiceren of volgen, websites die ze bezoeken, en inhoud die ze leuk vinden. interessant, bij het analyseren van alleen netwerkfuncties, het team behaalde een vergelijkbare prestatie als die van state-of-the-art modellen die zich alleen richten op de tekstuele inhoud van berichten. In aanvulling, bij het combineren van netwerkfuncties (d.w.z. de online verbindingen van een gebruiker) en inhoudsfuncties (d.w.z. berichten van een gebruiker), de onderzoekers bereikten de hoogste standdetectieprestaties die tot nu toe zijn gerapporteerd, met een F-maat van 72,49 procent.

"Onze studie toont expliciet aan, door het gebruik van online netwerkfuncties, hoe men de onuitgesproken houding kan voorspellen door het gebruik van verschillende netwerkinteractiesignalen, "Zei Aldayel. "De meeste belangrijke online functies kunnen soms geen verband houden met het onderwerp van analyse en toch een grote impact hebben op het bepalen van de houding. Bijvoorbeeld, de interacties met accounts zoals @goodreads en @SkyNews helpen bij het detecteren van de houding ten opzichte van feministische beweging (FM) en klimaatverandering (CC), respectievelijk."

De meeste eerdere onderzoeken gericht op houdingsdetectie hebben niet aangetoond hoe elk van de online 'sporen' die door gebruikers zijn achtergelaten, kan helpen om hun standpunt over een bepaalde kwestie te detecteren. Aldayel en haar collega's, anderzijds, specifiek inzicht verzameld over de betekenis van elke actie die een individuele gebruiker van sociale media online uitvoert, inclusief 'stille', zoals het volgen van accounts of het leuk vinden van berichten van anderen.

"Een andere interessante bevinding van ons onderzoek is dat de algemene overeenkomst tussen accounts in elk van de drie netwerken minuscuul is, " voegde Aldayel toe. "Dit betekent dat gebruikers de neiging hebben om interactief te zijn met inhoud van gebruikers buiten hun verbindingsnetwerk en om tweets leuk te vinden met links die over het algemeen verschillen van de domeinen die ze in hun tweets linken. Dit is een zeer interessante bevinding, omdat het verdere onderzoeksvragen oproept over de reden van het hebben van een vergelijkbare prestatie voor de drie netwerken in standdetectie wanneer ze meestal verschillend zijn."

In de toekomst, de observaties die door Aldayel en haar collega's zijn verzameld, zouden kunnen bijdragen aan de ontwikkeling van meer geavanceerde analysetools om de standpunten van mensen te detecteren op basis van hun interacties op sociale media. Hun werk, echter, biedt ook belangrijke informatie voor gebruikers van sociale media, benadrukken hoeveel kan worden afgeleid over hun standpunten en meningen op basis van hun online acties.

"We werken nu aan het ontwerpen van een methodologisch kader dat kan helpen om de privacy van gebruikers op sociale media te beschermen, ' zei Aldayel.

© 2019 Wetenschap X Netwerk