Causal evidence for social group sizes from Wikipedia editing data
通过分析维基百科编辑历史,发现临时编辑群体规模存在涌现的连贯性峰值,并利用二分信任的 Promise Theory 模型推导出适用于群体规模分布的标度律,为自发社群的自组织性提供了因果证据。
2024-04-08 cs.MA cs.SI nlin.AO
Regional properties of global communication as reflected in aggregated Twitter data
Twitter是一个受欢迎的公共对话平台,拥有全球受众和用户之间多种形式的联系。在本文中,我们引入了聚合区域Twitter网络的概念,以描述地缘政治区域之间的通信。我们提出了一个追随者和一个提到图创建一个广泛的数据集收集在今年下半年的$2012$的研究。通过k-壳层分解揭示了系统的核心-外围结构,并通过改进的区域SIR模型考虑了系统的基本信息传播特性。
2013-11-06 cs.SI physics.soc-ph
Is Twitter a Public Sphere for Online Conflicts? A Cross-Ideological and Cross-Hierarchical Look
Twitter的流行引发了关于其对公众舆论影响的辩论。乐观主义者预计,由于社交媒体的个人化和互动性,在线参与和民主化将有所增加。另一方面,网络悲观主义者解释了社交媒体如何导致选择性曝光,并可被当权者用作传播偏见信息的伪装。为了实证地调查这场辩论,我们使用四个指标来评估Twitter作为公共领域:平等,多样性,互惠和质量。使用这些测量,我们分析了不同层次和意识形态的个人之间的通信模式。我们在三个不同冲突的背景下这样做:以色列-巴勒斯坦,美国民主党-共和党,以及巴塞罗那-皇家马德里。在所有情况下,我们都围绕代表两个主要政党的一对中心Twitter帐户收集数据。我们的研究结果以定量的方式表明,Twitter不是民主对话的理想公共领域,等级效应是其原因的一部分。
2014-10-02 cs.SI physics.soc-ph
Firms' Challenges and Social Responsibilities during Covid-19: a Twitter Analysis
2019冠状病毒病大流行对个人、企业和社会造成了破坏性影响。在本文中,我们就企业在2019冠状病毒病大流行中面临的主要问题和挑战,以及他们对企业社会责任(CSR)主题的关注提供了见解。为此,我们调查了意大利大型公司在疫情爆发前9个月在Twitter上的讨论。我们下载了2020年3月1日至2020年11月17日期间意大利最大公司(即拥有250名或更多员工的公司)的所有Twitter帖子。然后,我们构建了账户和主题标签的二分网络,并使用基于熵的空模型作为基准,将网络中包含的信息投影到账户层中,识别出一个账户网络,其中一个链接表明它们在使用主题标签方面具有非平凡的相似性。我们发现对话集中在13个社区,其中10个社区包括新冠肺炎主题。该网络的核心由5个社区组成,涉及环境可持续性、数字创新和安全。公司的所有权类型似乎并不影响对话。13个社区中有10个提到了与企业社会责任相关的标签,其中环境和社会层面是最普遍的。有趣的是,在处理数字创新和安全的社区中,社会维度似乎更相关。然而,CSR主题标签的相关性在单个消息级别非常小,但在特定社区中会出现一些特殊性。总体而言,我们的论文强调了网络方法在Twitter数据上的作用,它可以支持管理者和政策制定者设计他们的战略和决策,捕捉企业的新问题和相关主题。
2021-03-11 cs.SI physics.data-an physics.soc-ph
Measuring Political Polarization: Twitter shows the two sides of Venezuela
我们说,当一个群体被分成两个规模相同、观点相反的群体时,它是完全两极化的。在本文中,我们提出了一种方法来研究和衡量两极分化的出现,从社会互动。我们首先提出了一个模型来估计意见,其中少数有影响力的个人通过社交网络传播他们的意见。该模型的结果是一个意见概率密度函数。接下来,我们提出了一个指数来量化的程度,由此产生的分布是两极分化。最后,我们将所提出的方法应用于关于已故委内瑞拉总统乌戈·查韦斯的Twitter对话,发现我们的结果与离线数据之间存在很好的一致性。因此,我们表明,我们的方法可以检测不同程度的极化,这取决于网络的结构。
2015-05-15 cs.CY cs.SI physics.soc-ph
The statistical mechanics of Twitter
我们建立了Twitter社区中社会状态分布的模型。状态可以通过围绕关键词的对话中个人的参与与沉默来定义,我们使用最大熵原理来近似这些二元变量的联合分布,找到与个人推文的平均概率及其成对相关性相匹配的结构最少的模型。这些模型对这些社交网络中的高阶结构提供了非常准确的定量描述。这些模型的参数似乎在可能的模型空间中接近临界表面,并且我们观察到粗粒度下数据的缩放行为。这些结果表明,简单的模型,在统计物理学的基础上,可以提供一个有用的观点,更大的数据集,现在出现在复杂的社会系统。
2018-12-17 physics.soc-ph
Multi-dimensional Conversation Analysis across Online Social Networks
随着互联网的发展,普通用户已经在在线社交网络上创建了多个个人账户,并且这些社交网络用户之间的交互最近被标记有位置信息。在这项工作中,我们观察两个流行的在线社交网络,Facebook和Twitter的用户交互,并分析哪些因素导致转发/喜欢的互动推文/职位。除了这些数据项中的命名实体、词汇错误和表达的情感之外,我们还考虑了共享用户位置对用户交互的影响。特别是,我们表明,用户的地理位置可以极大地影响社交网络帖子/推文将被喜欢/转推。我们相信,我们的分析结果可以帮助研究人员了解哪些社交网络内容将具有更好的可见性。
2013-12-24 cs.SI physics.soc-ph
Online reactions to the 2017 'Unite the Right' rally in Charlottesville: Measuring polarization in Twitter networks using media followership
我们研究了2017年8月在弗吉尼亚州夏洛茨维尔举行的“团结右翼”集会后的Twitter对话,使用网络分析和数据科学工具。我们使用Twitter上的媒体关注度和主成分分析(PCA)来计算一维轴上的“左”/“右”媒体评分来表征节点。然后,我们使用这些分数,与转推关系相结合,来研究一个由大约30万个使用#夏洛茨维尔标签进行通信的账户组成的转推网络的结构。转推网络是急剧极化的,相对于媒体PCA分数的符号,具有0.8的反推系数。社区发现使用两种方法,一个鲁汶方法和信息地图,产生很大程度上同质社区的左/右节点组成。当比较推文内容时,我们发现关于“特朗普”的推文在左翼和右翼都很普遍,尽管伴随的语言并不奇怪。在左翼社区中具有较大程度的节点包括与不同领域相关的账户,包括激进主义,商业,艺术和娱乐,媒体和政治。对唐纳德·特朗普的支持是右翼社区的一条共同主线,将社区与引用白人至上主义仇恨符号的账户、具有另类右翼影响力人物的社区以及最大的右翼社区(包括Twitter账户FoxNews)联系起来。
2019-10-09 cs.SI nlin.AO physics.soc-ph
A Systematic Identification and Analysis of Scientists on Twitter
来自Twitter和其他社交媒体的数据--通常被称为altmetrics--越来越多地用于评估学术的更广泛的社会影响。然而,这些努力可能会产生高度误导性的结果,因为在这些平台上参与科学对话的实体在很大程度上是未知的。例如,如果测高活动主要是由科学家发起的,那么它真的能捕捉到科学更广泛的社会影响吗?在这里,我们提出了一个系统的方法来识别和分析Twitter上的科学家。我们的方法可以识别许多学科的科学家,而不依赖于外部书目数据,并且很容易适应于识别科学中的其他利益相关者群体。我们调查的人口统计数据,分享行为,以及确定的科学家的相互联系。我们发现,Twitter已经被跨学科的学者所采用,社会和计算机和信息科学家的代表性过高;数学,物理和生命科学家的代表性不足;与学术出版相比,女性的代表性更好。对URL共享的分析揭示了学术网站的明显印记,但只有一小部分共享URL与科学有关。我们发现,在科学家之间的网络中,学科的混合是一种不确定性,这表明在社交媒体中维护学科墙。我们的工作在方法论和概念上都为文献做出了贡献-我们提供了新的方法来消除歧义和识别社交媒体上的特定行为者,并描述科学家的行为,从而为基于社交媒体指标的指标的构建和使用提供了基础信息。
2017-04-13 cs.DL cs.SI physics.soc-ph
Drivers of social influence in the Twitter migration to Mastodon
通过分析约75,000名用户从Twitter向Mastodon的迁移行为,发现社会影响、网络结构、承诺信号及心理语言学因素共同驱动了在线群体的协调行为与集体迁移。
2023-11-28 cs.CY physics.soc-ph
The 'who' and 'what' of #diabetes on Twitter
社交媒体正越来越多地用于健康促进,但人们对这些论坛的用户、信息和互动情况知之甚少。关于社交媒体和糖尿病的研究主要集中在患者或解决问题的公共机构上,但没有广泛关注所有参与者或他们贡献的内容的多样性。我们通过系统分析8个月内收集的250万条推文及其作者之间的互动来研究有关糖尿病的Twitter对话。我们解决三个问题:(1)这些推文中出现了什么主题?(2)谁是最有影响力的用户?(3)哪种类型的用户对哪些主题做出贡献?我们回答这些问题,使用混合方法的方法,整合技术,从人类学,网络科学和信息检索,如专题编码,时间网络分析,社区和主题检测。与糖尿病相关的推文属于广泛的主题组:健康信息,新闻,社交互动和商业。与此同时,幽默的信息和对流行文化的引用出现一致,超过任何其他类型的推文。我们根据作者的时间“枢纽”和“权威”分数对作者进行分类。虽然枢纽景观随着时间的推移是分散和流动的,但最高权威机构在时间上是高度持久的,包括与糖尿病有关的博客,倡导团体和非政府组织,以及没有特定糖尿病专业知识的营利性实体。最高权力机构根据其Twitter追随者网络分为七个利益群体。我们的研究结果对公共卫生专业人员和政策制定者有影响,他们寻求将社交媒体作为参与工具,并为政策设计提供信息。
2017-01-30 cs.CY cs.IR cs.SI
Storywrangler: A massive exploratorium for sociolinguistic, cultural, socioeconomic, and political timelines using Twitter
University of Vermont(佛蒙特大学)
社交媒体数据实时地强烈影响着世界事件、流行文化和数百万普通人的日常对话,其规模几乎没有被常规化和记录。至关重要的是,许多标准语料库(如书籍和新闻档案)都没有共享和评论机制,这些机制是社交媒体平台固有的,使我们能够量化社交放大(即,流行)的趋势故事情节和当代文化现象。在这里,我们描述了Storywrangler,一个自然语言处理工具,旨在从2008年到2021年对超过1000亿条tweet(包含大约1万亿1克)进行持续的日规模管理。每天,我们将推文分为一元、二元和三元,跨越100多种语言。我们跟踪n-gram的使用频率,并为单词、标签、句柄、数字、符号和表情符号生成Zipf分布。我们通过交互式时间序列查看器提供数据集,并作为可下载的时间序列和每日分发。虽然Storywrangler利用Twitter数据,但我们提取和跟踪n-gram动态变化的方法可以扩展到任何类似的社交媒体平台。我们展示了几个例子,我们的目标是使许多可能的研究途径,包括如何通过“传染图”可以可视化的社会放大。我们还提出了一些示例案例研究,将n-gram时间序列与不同的数据源连接起来,以探索名人的社会技术动态,票房成功和社会动荡。
2021-07-16 cs.CL cs.SI physics.soc-ph
Evolution of Online User Behavior During a Social Upheaval
社交媒体是大众传播和信息扩散的有力工具。他们在世界各地最近的社会起义和政治动员中发挥了关键作用。在这里,我们提出了一个研究的Gezi公园运动在土耳其通过Twitter的镜头。我们分析了在2013年5月至6月的25天抗议活动中产生的230多万条推文。我们首先描述的时空性质的谈话有关的格济公园示威,讨论的趋势反映了地理线索的相似性。然后,我们描述了参与此对话的用户的特征以及他们扮演的角色。我们研究了角色和个人影响力在动荡时期是如何演变的。这一分析表明,随着事件的展开,对话变得更加民主,随着时间的推移,用户群体中的影响力会重新分配。我们通过观察线上和线下世界是如何紧密交织在一起的来得出结论,表明外源事件,如政治演讲或警察行动,会影响社交媒体对话并引发个人行为的变化。
2014-06-27 cs.CY cs.SI physics.data-an
On the Interplay between Social and Topical Structure
人们的兴趣和人们的社会关系直观地联系在一起,但理解它们的相互作用以及它们是否可以帮助预测彼此仍然是一个悬而未决的问题。我们研究了两个决定性结构的界面,这两个结构形成了在线社交媒体的支柱:社交网络的图形结构--谁与谁联系--以及主题从属关系的集合结构--谁对什么感兴趣。在研究这个接口,我们确定的关键关系,使这些结构中的每一个可以理解的其他方面。我们分析的背景是Twitter,一个复杂的社交网络,既有追随者关系,也有沟通关系。在Twitter上,“标签”被用来标记对话主题,我们研究标签的使用与这些社会结构。我们发现,用户采用的标签可以预测他们的社会关系,并且标签的初始采用者之间的社会关系可以预测该标签的未来流行度。通过研究加权社交关系,我们观察到,虽然强互惠关系是最容易从标签结构中预测的,但在预测标签受欢迎程度方面,它们也不如弱定向关系有用。重要的是,我们表明,计算简单的结构决定因素可以在这两项任务中提供显着的性能。虽然我们的分析集中在Twitter上,但我们认为我们的研究结果广泛适用于各种不同背景下的主题从属关系和社会关系,包括人们观看的电影,人们喜欢的品牌或人们经常光顾的地点。
2013-03-28 cs.SI physics.soc-ph
Gender Asymmetries in Reality and Fiction: The Bechdel Test of Social Media
性别不平等的主观性质促使人们分析和比较真实和虚构的人类互动数据。我们提出了一个计算扩展的Bechdel测试:一个流行的工具,以评估如果一部电影包含一个男性性别偏见,通过寻找两个女性角色谁讨论的东西除了一个男人。我们提供的工具来量化Bechdel分数为两种性别,我们衡量他们在电影剧本和MySpace和Twitter的用户之间的对话的大型数据集。比较电影和社交媒体用户,我们发现电影和Twitter对话具有一致的男性偏见,这在分析MySpace时不会出现。此外,Twitter的叙事更接近那些没有通过Bechdel测试的电影,而不是那些通过它的电影。我们将电影的属性与分享这些电影预告片的用户联系起来。我们的分析揭示了通过Bechdel测试的电影的一些特殊性:它们的预告片不太受欢迎,女性用户比男性用户更有可能分享它们,并且分享它们的用户往往与男性用户互动较少。基于我们的数据集,我们定义了性别独立测量,以分析社会的性别偏见,如通过在线行为的数字痕迹所表现的那样。使用Twitter用户的个人资料信息,我们发现更大的性别独立的城市用户相比,农村的。此外,父母的性别不对称性较大,而学生的性别不对称性较小。性别不对称在美国各州各不相同,随着平均收入和纬度的增加而增加。这指出了性别不平等与社会的社会,经济和文化因素之间的关系,以及性别角色如何存在于虚构叙事和公共在线对话中。
2014-04-01 cs.CY cs.SI physics.soc-ph
Cross-Platform Social Dynamics: An Analysis of ChatGPT and COVID-19 Vaccine Conversations
本研究分析超过1200万条跨平台数据,采用主题建模和情感分析,比较ChatGPT发布与COVID-19疫苗讨论的传播动态,发现疫苗话题因即时性传播更快,而ChatGPT话题传播较缓。
2023-10-17 cs.CY physics.soc-ph