Comment la position des gens sur un sujet peut être déduite de leur activité en ligne

Comme le prouvent certains incidents extrêmes et controversés récents, tels que les scandales Facebook et Cambridge Analytica, les médias sociaux peuvent être une véritable mine d'or pour les informations des utilisateurs. En fait, la plupart des chercheurs en sciences sociales et des sociétés d'analyse considèrent les médias sociaux comme l'une des ressources les plus précieuses pour comprendre l'opinion publique et la manière dont les individus réagissent à des événements spécifiques.

Dans cet esprit, des groupes de recherche du monde entier ont essayé de développer des outils pour analyser l'activité des médias sociaux et rassembler automatiquement des informations sur les positions des gens sur des sujets spécifiques. Dans une étude récente, un groupe de chercheurs de l'Université d'Edimbourg a entrepris de dévoiler certains des facteurs clés pouvant aider à déterminer les positions des individus en fonction de leurs profils dans les médias sociaux. Leur article, pré-publié sur arXiv, offre de nouvelles informations 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 jauger l'opinion publique sur divers sujets", a déclaré Abeer Aldayel, l'un des chercheurs qui a mené l'étude. TechXplore. "Récemment, des études ont proposé diverses méthodes pour modéliser la position sur les médias sociaux. Cette étude examine comment prédire la position des gens sur des sujets spécifiques à partir de données de médias sociaux utilisant de multiples signaux d'interaction en ligne. L'un des principaux messages de notre document est qu'il existe une réelle préoccupation concernant la vie privée des utilisateurs. Nous espérons que cette étude sera utilisée pour sensibiliser les individus à leur activité en ligne et à son utilisation. "

Pour mieux comprendre les signaux en ligne susceptibles de révéler le point de vue d'un utilisateur sur un événement ou un sujet, les chercheurs ont mené une étude approfondie sur un jeu de données de détection de posture populaire, le jeu de données de posture stance SemEval. Le jeu de données de position SemEval contient 4000 tweets sur cinq sujets politiques, 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 d'interaction de réseau clés. Le premier facteur, appelé "réseaux d'interaction", inclut les comptes et les domaines Web avec lesquels les utilisateurs interagissent ou citent dans leurs tweets. Le second, appelé "réseaux de préférences", est constitué d'interactions indirectes avec d'autres comptes et domaines Web contenus dans des publications que les utilisateurs ont appréciées. Le troisième et dernier facteur, appelé "réseau de connexion", comprend tous les comptes qui suivent les utilisateurs et que les utilisateurs suivent.

"Il est intéressant de noter que ces facteurs de réseau sont indépendants du fait que les utilisateurs expriment leur position sur le sujet de l'analyse, car ils dépendent des interactions sociales et des sites Web avec lesquels les utilisateurs ont interagi, quel que soit le contenu de leurs tweets", a expliqué Aldayel.

Les résultats rassemblés par les chercheurs suggèrent que la position d'une utilisateur peut être détectée en analysant de multiples aspects de son activité en ligne, notamment les publications, les comptes avec lesquels il interagit ou qu'il suit, les sites Web qu'il visite et le contenu qu'ils aiment. Il est intéressant de noter que lorsqu’elle n’a analysé que les caractéristiques du réseau, l’équipe a obtenu une performance similaire à celle des modèles de pointe qui se concentrent uniquement sur le contenu textuel des publications. En outre, en combinant les fonctionnalités réseau (connexions en ligne d’un utilisateur) et les fonctionnalités de contenu (publications de l’utilisateur), les chercheurs ont obtenu les performances de détection de posture les plus élevées jusqu’à présent, avec une mesure F de 72,49%.

"Notre étude montre explicitement, grâce à l'utilisation de fonctions de réseau en ligne, qu'il est possible de prédire la position inexprimée grâce à l'utilisation de différents signaux d'interaction de 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 le choix de la 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 posture ne montraient pas comment chacune des «traces» laissées en ligne par les utilisateurs pouvait aider à détecter leur posture sur un sujet donné. Aldayel et ses collègues, quant à eux, ont recueilli des informations spécifiques sur la signification de chaque action qu'un utilisateur de média social effectue en ligne, y compris des actions "silencieuses" telles que suivre des comptes ou aimer les publications des autres.

"Une autre conclusion intéressante de notre étude est que la similarité 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 en dehors de leur réseau de connexion et de tweets avec des liens généralement différents des domaines qu'ils lient dans leurs tweets. Cette découverte est très intéressante, car elle soulève d'autres questions de recherche sur la raison ayant des performances similaires pour les trois réseaux en détection de position quand 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 permettant de détecter les positions des personnes en fonction de leurs interactions sur les réseaux sociaux. Cependant, leur travail fournit également des informations importantes aux utilisateurs de médias sociaux, en soulignant combien on peut en déduire à propos 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", a déclaré Aldayel.

© 2019 Science X Network