Som bevisats av någon nyligen ytterlighet, kontroversiella händelser, som Facebook- och Cambridge Analytica-skandalen, sociala medier kan vara en riktig guldgruva för användarinformation. Faktiskt, de flesta sociala forskare och analysföretag uppfattar sociala medier som en av de mest värdefulla resurserna för att förstå opinionen och hur individer reagerar på specifika händelser.

Med detta i åtanke, forskargrupper över hela världen har försökt utveckla verktyg för att analysera sociala mediers aktivitet och automatiskt samla in information om människors ställningstaganden i specifika ämnen. I en nyligen genomförd studie, en grupp forskare vid University of Edinburgh har bestämt sig för att avslöja några av nyckelfaktorerna som kan hjälpa till att bestämma individers ställningstaganden baserat på deras sociala medieprofiler. Deras papper, förpublicerad på arXiv, erbjuder intressant ny insikt som kan leda till utvecklingen av mer avancerade analysverktyg.

"Stansförutsägelser på sociala medier spelar en avgörande roll i olika analysstudier som syftar till att mäta den allmänna opinionen om olika ämnen, "Abeer Aldayel, en av forskarna som genomförde studien, berättade TechXplore . "Nyligen, forskningsstudier har föreslagit olika metoder för att modellera hållning på sociala medier. Denna studie undersöker hur människors inställning till specifika ämnen kan förutses från sociala mediedata med hjälp av flera interaktionssignaler online. Ett av huvudbudskapen i vår tidning är att det finns en verklig oro för användarnas integritet. Vi hoppas att denna studie kommer att användas för att öka medvetenheten hos individer om deras aktivitet online och hur den kan användas."

För att bättre förstå onlinesignaler som kan avslöja användarnas syn på en händelse eller ett ämne, forskarna genomförde en djupgående studie av en populär datauppsättning för ställningsdetektion, kallas SemEval stance dataset. SemEvals hållningsdatauppsättning innehåller 4000 tweets på fem politiska, sociala och religiösa ämnen.

Aldayel och hennes kollega Dr Magdy analyserade möjliga onlinefaktorer för ställningsprognoser på sociala medier med hjälp av tre viktiga nätverksinteraktionsfaktorer. Den första faktorn, kallas 'interaktionsnätverk, ' inkluderar konton och webbdomäner som användare interagerar med eller citerar i sina tweets. Den andra, så kallade preferensnätverk, ' består av indirekta interaktioner med andra konton och webbdomäner som finns i inlägg som användare har gillat. Den tredje och sista faktorn, kallat 'anslutningsnätverket', ' inkluderar alla konton som följer användarna och som användarna följer.

"Det är värt att notera att dessa nätverksfaktorer är oberoende av att användarna uttrycker sin inställning till analysämnet, eftersom dessa faktorer beror på de sociala interaktioner och webbplatser som användarna interagerar med oavsett innehållet i deras tweets, " förklarade Aldayel.

Resultaten som samlats in av forskarna tyder på att en användares hållning kan upptäckas genom att analysera flera aspekter av hennes onlineaktivitet, inklusive inlägg, konton de interagerar med eller följer, webbplatser de besöker, och innehåll de gillar. Intressant, när man endast analyserar nätverksfunktioner, teamet uppnådde en liknande prestation som den för toppmoderna modeller som fokuserar på textinnehållet i inlägg enbart. Dessutom, när du kombinerar nätverksfunktioner (dvs. en användares onlineanslutningar) och innehållsfunktioner (dvs. en användares inlägg), forskarna uppnådde den högsta ställningsdetekteringsprestanda som hittills rapporterats, med ett F-mått på 72,49 procent.

"Vår studie visar uttryckligen, genom att använda nätverksfunktioner online, hur man kan förutsäga den outtryckta hållningen genom att använda olika nätverksinteraktionssignaler, "Aldayel sa." De flesta nyckelfunktioner på nätet kan ibland vara topiskt oberoende av ämnet för analys och ändå ha en stor inverkan på att bestämma ståndpunkten. Till exempel, interaktionerna med konton som @goodreads och @SkyNews hjälper till att upptäcka hållningen till feministisk rörelse (FM) och klimatförändringar (CC), respektive."

De flesta tidigare studier som fokuserar på ställningsdetektion visade inte hur vart och ett av de "spår" som användarna lämnar online kan hjälpa till att upptäcka deras ställningstagande i en viss fråga. Aldayel och hennes kollegor, å andra sidan, samlat specifik insikt om betydelsen av varje handling som en enskild användare av sociala medier utför online, inklusive "tysta" som att följa konton eller gilla andras inlägg.

"Ett annat intressant fynd av vår studie är att den övergripande likheten mellan konton i vart och ett av de tre nätverken är minimal, " Aldayel tillade. "Detta betyder att användare tenderar att interagera och gilla innehåll från användare utanför deras anslutningsnätverk och gillar tweets med länkar som vanligtvis skiljer sig från de domäner de länkar i sina tweets. Detta är ett mycket intressant fynd, eftersom det väcker ytterligare forskningsfrågor om anledningen till att ha en liknande prestanda för de tre nätverken för att upptäcka positioner när de mestadels är olika. "

I framtiden, observationerna som samlats in av Aldayel och hennes kollegor kan informera utvecklingen av mer avancerade analysverktyg för att upptäcka människors ståndpunkter baserat på deras sociala medier. Deras arbete, dock, ger också viktig information för användare av sociala medier, belyser hur mycket man kan sluta sig till om deras åsikter och åsikter baserat på deras handlingar online.

"Vi arbetar nu med att utforma ett metodiskt ramverk som kan hjälpa till att skydda användarnas integritet på sociala medier, sa Aldayel.

© 2019 Science X Network