「弱いつながりはソーシャルメディアでの怒りの伝染を強める」英語論文をChatGPTで日本語要約
少し前の論文記事ですが、こちらのTwitter記事が気になったので日本語要約しました。
Studies of social media find that most posts are actually positive in mood, but angry posts spread more widely. Why?
— Ethan Mollick (@emollick) May 18, 2023
Joyful posts only spread within our tight social network, but anger is universal & moves more easily across the weak ties between networks https://t.co/yFJOrLwLxE pic.twitter.com/Ah0iBjQOn4
ー研究論文ー
ー研究者ー
概要
対面でのコミュニケーションと同様に、人間の感情がオンラインのソーシャルメディアでも拡散することを示唆する証拠が増えています。しかし、この感情の伝染の根底にあるメカニズム、たとえば、さまざまな感情が思いがけない方法で広がるかどうか、感情の広がりがソーシャルネットワークとどのように関係しているかなどは、ほとんど研究されていません。実際、コストが高く、時空間的な制限があるため、従来のアンケートや対照実験を使用してこのテーマを探求するのは困難です。オンライン ソーシャル メディア サイトは、大規模な個人の自然な感情反応の収集ポイントであるため、計算社会科学の観点からこの問題に取り組むための理想的な代替手段を提供します。この論文では、Weibo の数百万件のツイートの分析に基づいて、驚くべきことに、怒りは喜びよりも弱い絆に沿って伝わりやすいことがわかりました。つまり、見知らぬ人がそのようなコンテンツをより頻繁に共有するため、怒りはさまざまなコミュニティに侵入し、地元の罠から解放される可能性があります。単純な拡散モデルを通じて、伝播速度と適用範囲のメトリクスの両方を適用することで、つながりが弱いと怒りが加速することを明らかにしました。私たちの知る限り、喜びと怒りが伝播するメカニズムの違いを明らかにする長期的な定量的証拠が提示されたのはこれが初めてです。急成長を遂げるソーシャルメディアで弱いつながりが広範囲に蔓延する中、私たちの結果は、怒りの伝染が大幅に強化されてその悪影響が世界的に拡大する可能性があることを示唆している。単純な拡散モデルを通じて、伝播速度と適用範囲のメトリクスの両方を適用することで、つながりが弱いと怒りが加速することを明らかにしました。私たちの知る限り、喜びと怒りが伝播するメカニズムの違いを明らかにする長期的な定量的証拠が提示されたのはこれが初めてです。急成長を遂げるソーシャルメディアで弱いつながりが広範囲に蔓延する中、私たちの結果は、怒りの伝染が大幅に強化されてその悪影響が世界的に拡大する可能性があることを示唆している。単純な拡散モデルを通じて、伝播速度と適用範囲のメトリクスの両方を適用することで、つながりが弱いと怒りが加速することを明らかにしました。私たちの知る限り、喜びと怒りが伝播するメカニズムの違いを明らかにする長期的な定量的証拠が提示されたのはこれが初めてです。急成長を遂げるソーシャルメディアで弱いつながりが広範囲に蔓延する中、私たちの結果は、怒りの伝染が大幅に強化されてその悪影響が世界的に拡大する可能性があることを示唆しています。
1.弱い絆がソーシャルメディアにおける怒りの伝染を強める
本研究では、オンラインソーシャルメディアにおいて、対面での交流と同様に、感情がどのように伝播していくかを調べています。しかし、異なる感情がどのように伝播するのか、あるいはソーシャルネットワークとどのように関連しているのかなど、この感情の広がりのメカニズムを理解することは、調査や実験といった従来の研究手法では費用や限界があるため困難です。
本研究では、この現象を研究するためのより現実的な方法として、多数の人々の自然な感情反応を捉えるプラットフォームであるオンライン・ソーシャルメディアを活用した。この研究では、中国のソーシャルメディアであるWeibo上の数百万件の投稿を分析し、怒りは喜びよりも弱い社会的つながりによってより容易に拡散することを発見しました。つまり、怒りのコンテンツは、ゆるやかなつながりのある個人によってより頻繁に共有されるため、さまざまなコミュニティに浸透し、地元にとどまることがないのです。
さらに研究チームは、単純な拡散モデルと伝播速度や伝播範囲の指標を用いて、こうした弱いつながりが怒りの拡散を加速させることを明らかにしました。これは、喜びと怒りがオンラインでどのように広がるかの違いを示す、長期的かつ定量的な証拠を提供する初めての研究である。ソーシャルメディアが拡大し、弱いつながりがより一般的になるにつれ、怒りの広がりは強まり、世界的に悪影響が拡大する可能性があると研究者は指摘しています。
感情は人間の意思決定や行動に大きく影響し、コミュニケーションや相互作用を通じて人から人へと広がっていく「伝染性」を持つことがあります。この「感情の伝染」は、特にソーシャルネットワークが発達した現代において、社会的相互作用や集団行動に影響を与える可能性があります。これを理解することで、集団行動を理解し、感情管理を改善することができるかもしれませんが、ソーシャルネットワーク内で感情が広がる正確なメカニズムはまだ明らかではありません。
実験室のような従来の方法では、現実の環境でも感情の伝染が起こることが確認されていますが、そのメカニズムの詳細を理解することは困難です。従来の方法では、大規模なソーシャルネットワークを構築し、ネットワークメンバー内のさまざまな感情を刺激し、その感情の広がりを長期間にわたって追跡することに苦労しています。また、社会構造と感情伝染の関係を調べるには、人間関係の強さなどの要素を考慮する必要があり、実験の信頼性を損なう変数が入り込む可能性があります。
多くの人の自然な感情反応が含まれるオンラインのソーシャルメディアは、これを研究するための新しい視点を提供します。オンラインでの交流と対面でのコミュニケーションは、感情の伝染という点で共通点があるようです。FacebookとTwitterに関する研究では、ソーシャルメディア上で感情の伝染が起こることが示されており、プラットフォームはエンゲージメントを高めるためにユーザーの感情を高めることさえあります。
本論文では、感情をポジティブかネガティブかに単純化するのではなく、より幅広い感情（喜び、怒り、嫌悪、悲しみ）を考慮することで、この理解を深めることを目的としています。また、ソーシャルネットワーク内のつながりの強さと感情の広がりの関係についても検討します。より詳細な感情の状態やつながりの強さの影響を見ることで、感情の伝染とその基礎的なメカニズムについての理解が深まるでしょう。
2.結果
本研究では、中国のソーシャルメディアであるWeiboから2015年3月までに収集したデータセット（同プラットフォーム上のユーザーのネットワークを含む）を利用しました。データセットに含まれる各感情的なツイートは、機械学習アルゴリズムによって、喜び、怒り、嫌悪、悲しみの表現に分類されました。ただし、本研究では、嫌悪と悲しみについては伝染の可能性が低いため、怒りと喜びに焦点を当てました。
そして、約10万人の被験者で構成されるソーシャルネットワークの構造を探りました。弱い絆（ソーシャルネットワーク上の人々のつながり）がソーシャルメディアにおける怒りの拡散を加速させるという仮説を検証するために、シンプルなモデルを用いました。
その結果、喜びと比較して、怒りは弱い絆でより広がりやすいようです。ソーシャルネットワークの文脈では、この「絆」は、ある人から他の人へ感情を広げるチャンネルとなる関係性です。感情的な投稿を共有する可能性が高い友人を予測できるようになれば、感情の広がりを理解し、コントロールするための鍵になるかもしれません。
このような絆の強さは、オンライン上のやり取りで測定することができます。興味深いことに、この研究では、怒りは喜びよりも弱い絆で拡散される可能性が高いことがわかりました。これは、この研究で使用された3つの異なる指標によって裏付けられており、観察された違いは統計的に有意であったため、偶然によるものではない可能性が高いです。
この研究では、ソーシャルメディアユーザー間のつながり、すなわち「絆」の強さを3つの指標で測定しました。
1. 2人のユーザー間の共通の友人の割合
2. 相互リツイートの割合（相互リツイートの数が多いほど、つながりが強いことを意味します）
3. 2人のユーザー間のリツイート数（リツイート数が多いほど交流が盛んで、結びつきが強いことを意味します）
研究者は、喜びのツイートと比較して、怒りのツイートは弱い絆でより拡散する傾向があることを発見しました。これは、ソーシャルネットワークにおける弱いつながりは、あまり交流のない異なるコミュニティをつなぐことで、より広く情報を伝えるのに役立つことが多いため、重要な意味を持ちます。
怒りのツイートが弱い絆で拡散される傾向は、怒りのツイートがソーシャルネットワーク上のより多くのコミュニティに到達し、影響を与えることができることを意味し、同じ時間枠で喜びのツイートよりもより広く拡散されることを意味します。
この研究では、ポジティブな感情とネガティブな感情がどのようにオンラインで広がるかという話題にも触れ、長年議論されてきたテーマです。ポジティブなコンテンツはバイラルになりやすいという研究結果もあれば、ネガティブなコンテンツはユーザーアクティビティを高めるという研究結果もある。今回の研究は、ネット上での感情の広がり方をより深く理解するためには、さまざまなネガティブな感情を区別するなど、感情についてよりニュアンス豊かに理解することが重要であることを示唆しています。
研究チームは、ソーシャルメディア「Weibo」上での感情の広がりをシミュレートするモデルを作成しました。このモデルは「Susceptible-Infected」システムに基づいており、感情を持たないユーザー（Susceptible）が近隣のユーザー（Infected）の感情を「キャッチ」することを意味しています。
影響を受けやすいユーザーが感染する可能性は、2つの要因に依存します。
1. 伝染傾向（γ）：γが高いほど、感情がより伝染しやすいことを示す。
2. 関係性の強さの好み（α）：αがプラスであれば、感情は強い関係性で広がりやすく、αがマイナスであれば、弱い関係性を好むことを意味し、αが0であれば、感情はどんな関係性でもランダムに広がる可能性がある。
研究者は、強い絆（α＝1）よりも弱い絆（α＝-1）を好む方が、感情がより広く広がることを発見しました。これは、弱い結びつきが、感情がネットワークのさまざまな部分に到達するのを助けるという考えを再び支持するものであります。
さらに、γが高いほど、つまり伝染傾向が高いほど、感情の局所的なクラスターが密になり、すぐ近くの隣人がより多く感染することも分かりました。
次に、このモデルを用いて、どのようなγとαの組み合わせが感情の拡散を早めることができるかを調べることを計画しました。
研究者らは、ネット上の感情の「高速拡散」を、感情が広がり始めた瞬間（覚醒瞬間）からピークに達するまでに、感情の投稿が急激に増加することと定義しました。彼らは、これらの瞬間を正確に特定し、拡散のスピードを測定する方法を用いました。
その結果、α（関係の強さの選好度）が-0.5程度のとき、感情の拡散速度が最も速くなることが分かりました。つまり、感情は弱い関係を通じて拡散することが好ましいということです。また、γ値（伝染傾向）が高いほど、広がりのスピードが速くなることが分かりました。
このことは、感情が弱い絆で広がることを好む場合、ネットワークのより遠くの部分まで届き、より多くのユーザーに影響を与えることができることを示唆しています。
怒りと喜びに最適なαとγの値を見つけるために、研究者は実データとモデル結果の結びつきの強さの分布を比較しました。その結果、どちらの感情もαが小さいときに最もよく広がり、αが大きくなるにつれてより発散することがわかりました。γの値はこの結果に影響を与えないようです。このことから、怒りも喜びも、弱い結びつきによってより効果的に広がることが示唆されました。
最後に、怒りの最小発散値は喜びの最小発散値よりも常に低かったことから、このモデルは怒りの広がりによく適合していることが示唆されました。
研究チームは、KL距離とWasserstein距離という、モデルと実証データの伝染の強さの乖離や差異を評価する2つの指標を用いて、モデルの結果と現実のデータとの比較を行いました。その結果、喜びと怒りはともに友人間で広がりやすいが、怒りはより弱い絆で広がることをわずかに好むことが示唆されました。
この結果をさらに裏付けるために、研究者たちはWeibo（ソーシャルメディアプラットフォーム）上の600以上のコミュニケーションイベントを調査しました。これらのイベントでは、感情的なツイートの60％以上を占める感情が支配的でありました。その結果、怒りが支配的なイベントが37件、喜びが支配的なイベントが200件ありました。
傾きで計算された拡散速度の平均結果は、イベントのピークボリュームを割って正規化され、その結果、怒りが支配的なイベントは0.027、喜びが支配的なイベントは0.020となりました。このことから、怒りが支配的な事象は、喜びが支配的な事象に比べて、覚醒からピークまでの拡散速度が速い傾向にあることが示唆されました。
モデルによるシミュレーションと現実のデータを総合すると、Weiboのようなソーシャルメディア上では、喜びよりも怒りの方が早く拡散することが示唆されました。これは、怒りがより弱い絆で広がる傾向にあることが一因と思われます。
本研究は、ソーシャルメディアネットワークであるWeiboの自然な感情投稿を利用して、感情がオンラインでどのように広がるかを調査し、怒りは弱いつながりを好むため、喜びよりも速く、広く広がるという証拠を提供しました。この研究は、個人のアンガーマネジメントやソーシャルメディア上の集団行動を理解するための洞察を提供します。
しかし、この研究には限界があります。感情表現は一般に、文化や性別などの属性に影響されることが知られています。したがって、今後の研究では、Twitterのような異なるプラットフォームで怒りがどのように広がるか、感情伝染に対する男性と女性の反応がどのように異なるかを探ることができます。
研究グラフは論文PDFで確認してみてください。
タイトルに全て集約されているなぁーと思う私でありました。
面白い論文でした( ^ω^ )
この記事が気に入ったらサポートをしてみませんか？