Figura que muestra la superposición entre las tres interacciones de red. El gráfico demuestra la superposición entre las cuentas de tres redes:(1) IN @:la lista de cuentas para las que el usuario retuitea, responder a, o mencionar en su cronología de inicio, (2) PN @ la lista de cuentas mencionadas en los tweets que le gustan al usuario, y (3) CN_FR la lista de seguidores / amigos, es decir, cuentas que sigue el usuario. Crédito:Aldayel y Dr. Magdy.
Como lo demuestra algún extremo reciente, incidentes controvertidos, como el escándalo de Facebook y Cambridge Analytica, Las redes sociales pueden ser una verdadera mina de oro para la información del usuario. De hecho, la mayoría de los investigadores sociales y las empresas de análisis perciben las redes sociales como uno de los recursos más valiosos para comprender la opinión pública y cómo reaccionan las personas ante eventos específicos.
Teniendo esto en cuenta, Los grupos de investigación de todo el mundo han estado tratando de desarrollar herramientas para analizar la actividad de las redes sociales y recopilar automáticamente información sobre las posturas de las personas sobre temas específicos. En un estudio reciente, un grupo de investigadores de la Universidad de Edimburgo se ha propuesto desvelar algunos de los factores clave que pueden ayudar a determinar las posturas de las personas en función de sus perfiles en las redes sociales. Su papel prepublicado en arXiv, ofrece información nueva e interesante que podría conducir al desarrollo de herramientas de análisis más avanzadas.
"La predicción de la postura en las redes sociales juega un papel fundamental en varios estudios analíticos destinados a evaluar la opinión pública sobre diversos temas, "Abeer Aldayel, uno de los investigadores que realizó el estudio, dicho TechXplore . "Últimamente, Los estudios de investigación han propuesto varios métodos para modelar la postura en las redes sociales. Este estudio examina cómo se puede predecir la postura de las personas sobre temas específicos a partir de los datos de las redes sociales utilizando múltiples señales de interacción en línea. Uno de los principales mensajes de nuestro artículo es que existe una preocupación real por la privacidad del usuario. Esperamos que este estudio se utilice para concienciar a las personas sobre su actividad en línea y cómo se puede utilizar ".
Para comprender mejor las señales en línea que pueden revelar el punto de vista de los usuarios sobre un evento o tema, los investigadores llevaron a cabo un estudio en profundidad sobre un popular conjunto de datos de detección de posturas, llamado el conjunto de datos de la postura SemEval. El conjunto de datos de la postura SemEval contiene 4000 tweets sobre cinco políticas, temas sociales y religiosos.
Aldayel y su colega, la Dra. Magdy, analizaron los posibles factores en línea para la predicción de la postura en las redes sociales utilizando tres factores clave de interacción en la red. El primer factor, llamadas 'redes de interacción, 'incluye las cuentas y los dominios web con los que los usuarios interactúan o citan en sus tweets. El segundo, llamadas 'redes de preferencias, 'se compone de interacciones indirectas con otras cuentas y dominios web contenidos en las publicaciones que les han gustado a los usuarios. El tercer y último factor, llamada la 'red de conexión, 'incluye todas las cuentas que siguen a los usuarios y que los usuarios siguen.
"Vale la pena señalar que estos factores de red son independientes de que los usuarios expresen su postura hacia el tema de análisis, Dado que estos factores dependen de las interacciones sociales y los sitios web con los que interactuaron los usuarios, independientemente del contenido de sus tweets, "Explicó Aldayel.
Los resultados recopilados por los investigadores sugieren que la postura de un usuario puede detectarse analizando múltiples aspectos de su actividad en línea. incluyendo publicaciones, cuentas con las que interactúan o siguen, sitios web que visitan, y contenido que les gusta. Curiosamente, al analizar solo las características de la red, el equipo logró un rendimiento similar al de los modelos de vanguardia que se centran únicamente en el contenido textual de las publicaciones. Además, al combinar funciones de red (es decir, conexiones en línea de un usuario) y características de contenido (es decir, publicaciones de un usuario), los investigadores lograron el rendimiento de detección de postura más alto informado hasta la fecha, con una medida F del 72,49 por ciento.
"Nuestro estudio demuestra explícitamente, mediante el uso de funciones de red en línea, cómo se puede predecir la postura no expresada mediante el uso de diferentes señales de interacción de red, "Dijo Aldayel." La mayoría de las características clave en línea a veces pueden no estar relacionadas de forma tópica con el tema de análisis y, sin embargo, tener un gran impacto en la decisión de la postura. Por ejemplo, las interacciones con cuentas como @goodreads y @SkyNews ayudan a detectar la postura hacia el movimiento feminista (FM) y el cambio climático (CC), respectivamente."
La mayoría de los estudios anteriores centrados en la detección de posturas no demostraron cómo cada uno de los 'rastros' en línea que dejan los usuarios puede ayudar a detectar su postura sobre un asunto determinado. Aldayel y sus colegas, por otra parte, recopiló información específica sobre la importancia de cada acción que un usuario individual de las redes sociales realiza en línea, incluidos los "silenciosos", como seguir cuentas o dar me gusta a las publicaciones de otros.
"Otro hallazgo interesante de nuestro estudio es que la similitud general entre las cuentas en cada una de las tres redes es minúscula, "Agregó Aldayel." Esto significa que los usuarios tienden a interactuar y les gusta el contenido de los usuarios fuera de su red de conexión y les gustan los tweets con enlaces generalmente diferentes de los dominios que vinculan en sus tweets. Este es un hallazgo muy interesante, ya que plantea más preguntas de investigación sobre la razón de tener un rendimiento similar para las tres redes en la detección de posición cuando en su mayoría son diferentes ".
En el futuro, las observaciones recopiladas por Aldayel y sus colegas podrían informar el desarrollo de herramientas de análisis más avanzadas para detectar las posturas de las personas en función de sus interacciones en las redes sociales. Su trabajo, sin embargo, también proporciona información importante para los usuarios de las redes sociales, destacando cuánto se puede inferir sobre sus puntos de vista y opiniones en función de sus acciones en línea.
"Ahora estamos trabajando en el diseño de un marco metodológico que podría ayudar a proteger la privacidad del usuario en las redes sociales, "Dijo Aldayel.
© 2019 Science X Network
