Figure montrant le chevauchement entre les trois interactions du réseau. Le graphique montre le chevauchement entre les comptes de trois réseaux :(1) IN@ :la liste des comptes pour lesquels l'utilisateur retweete, répondre à, ou mentionner dans leur fil d'actualité, (2) PN@ la liste des comptes mentionnés dans les tweets que l'utilisateur aime, et (3) CN_FR la liste des abonnés/amis, c'est-à-dire les comptes que l'utilisateur suit. Crédit :Aldayel &Dr Magdy.
Comme le prouvent certains extrêmes récents, incidents controversés, comme le scandale Facebook et Cambridge Analytica, les médias sociaux peuvent être une véritable mine d'or pour l'information des utilisateurs. En réalité, la plupart des chercheurs en sciences sociales et des sociétés d'analyse perçoivent les médias sociaux comme l'une des ressources les plus précieuses pour comprendre l'opinion publique et la façon dont les individus réagissent à des événements spécifiques.
Avec ça en tête, des groupes de recherche du monde entier ont essayé de développer des outils pour analyser l'activité des médias sociaux et recueillir automatiquement des informations sur les positions des gens sur des sujets spécifiques. Dans une étude récente, un groupe de chercheurs de l'Université d'Édimbourg a entrepris de dévoiler certains des facteurs clés qui peuvent aider à déterminer les positions des individus en fonction de leurs profils sur les réseaux sociaux. Leur papier, prépublié sur arXiv, offre de nouvelles perspectives intéressantes qui pourraient conduire au développement d'outils d'analyse plus avancés.
"La prédiction de position sur les médias sociaux joue un rôle essentiel dans diverses études analytiques visant à évaluer l'opinion publique sur divers sujets, " Abière Aldayel, l'un des chercheurs qui a mené l'étude, Raconté TechXplore . "Dernièrement, Des études de recherche ont proposé diverses méthodes pour modéliser la position sur les médias sociaux. Cette étude examine comment la position des gens sur des sujets spécifiques peut être prédite à partir des données des médias sociaux en utilisant plusieurs signaux d'interaction en ligne. L'un des principaux messages de notre article est qu'il existe une réelle préoccupation concernant la confidentialité des utilisateurs. Nous espérons que cette étude servira à sensibiliser les individus à leur activité en ligne et à la manière dont elle peut être utilisée."
Pour mieux comprendre les signaux en ligne qui peuvent dévoiler le point de vue d'un utilisateur sur un événement ou un sujet, les chercheurs ont mené une étude approfondie sur un ensemble de données de détection de position populaire, appelé ensemble de données de position SemEval. L'ensemble de données de position SemEval contient 4000 tweets sur cinq politiques, sujets sociaux et religieux.
Aldayel et son collègue, le Dr Magdy, ont analysé les facteurs en ligne possibles pour la prédiction de position sur les médias sociaux à l'aide de trois facteurs clés d'interaction avec le réseau. Le premier facteur, appelés « réseaux d'interaction », ' comprend les comptes et les domaines Web avec lesquels les utilisateurs interagissent ou citent dans leurs tweets. La deuxième, appelés « réseaux préférentiels », ' est composé d'interactions indirectes avec d'autres comptes et domaines Web contenus dans des publications que les utilisateurs ont aimées. Le troisième et dernier facteur, appelé le "réseau de connexion, ' comprend tous les comptes qui suivent les utilisateurs et que les utilisateurs suivent.
« Il convient de noter que ces facteurs de réseau sont indépendants du fait que les utilisateurs expriment leur position vis-à-vis du sujet de l'analyse, étant donné que ces facteurs dépendent des interactions sociales et des sites Web avec lesquels les utilisateurs ont interagi, quel que soit le contenu de leurs tweets, " expliqua Aldayel.
Les résultats recueillis par les chercheurs suggèrent que la position d'un utilisateur peut être détectée en analysant de multiples aspects de son activité en ligne, y compris les messages, les comptes avec lesquels ils interagissent ou qu'ils suivent, les sites Web qu'ils visitent, et le contenu qu'ils aiment. De façon intéressante, lors de l'analyse uniquement des caractéristiques du réseau, l'équipe a atteint une performance similaire à celle des modèles de pointe qui se concentrent uniquement sur le contenu textuel des messages. En outre, lors de la combinaison de fonctionnalités de réseau (c'est-à-dire, les connexions en ligne d'un utilisateur) et les fonctionnalités de contenu (c'est-à-dire, les messages d'un utilisateur), les chercheurs ont atteint les performances de détection de position les plus élevées signalées à ce jour, avec une F-mesure de 72,49 pour cent.
"Notre étude démontre explicitement, grâce à l'utilisation de fonctionnalités de réseau en ligne, comment prédire la position inexprimée grâce à l'utilisation de différents signaux d'interaction réseau, " a déclaré Aldayel. " La plupart des fonctionnalités en ligne clés peuvent parfois être topiquement sans rapport avec le sujet de l'analyse et pourtant avoir un impact important sur la prise de position. Par exemple, les interactions avec des comptes tels que @goodreads et @SkyNews aident à détecter la position envers le mouvement féministe (FM) et le changement climatique (CC), respectivement."
La plupart des études précédentes axées sur la détection de position n'ont pas démontré comment chacune des « traces » en ligne laissées par les utilisateurs peut aider à détecter leur position sur un sujet donné. Aldayel et ses collègues, d'autre part, a recueilli des informations spécifiques sur l'importance de chaque action qu'un utilisateur individuel de médias sociaux effectue en ligne, y compris les « silencieux » tels que suivre des comptes ou aimer les publications des autres.
"Une autre conclusion intéressante de notre étude est que la similitude globale entre les comptes de chacun des trois réseaux est minuscule, " a ajouté Aldayel. " Cela signifie que les utilisateurs ont tendance à interagir et à aimer les contenus d'utilisateurs extérieurs à leur réseau de connexion et à aimer les tweets avec des liens généralement différents des domaines qu'ils lient dans leurs tweets. C'est une découverte très intéressante, car cela soulève d'autres questions de recherche sur la raison d'avoir des performances similaires pour les trois réseaux dans la détection de position alors qu'ils sont pour la plupart différents."
À l'avenir, les observations recueillies par Aldayel et ses collègues pourraient éclairer le développement d'outils d'analyse plus avancés pour détecter les positions des gens en fonction de leurs interactions sur les réseaux sociaux. Leur travail, cependant, fournit également des informations importantes pour les utilisateurs de médias sociaux, soulignant tout ce qui peut être déduit de leurs points de vue et opinions sur la base de leurs actions en ligne.
« Nous travaillons actuellement à la conception d'un cadre méthodologique qui pourrait aider à protéger la vie privée des utilisateurs sur les médias sociaux, " dit Aldayel.
© 2019 Réseau Science X
