| Project/Area Number |
23K21728
|
|---|
| Project/Area Number (Other) |
21H03559 (2021-2023)
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (B)
|
| Allocation Type | Multi-year Fund (2024)
Single-year Grants (2021-2023) |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 62020:Web informatics and service informatics-related
|
|---|
| Research Institution | Chiba University of Commerce |
|---|
Principal Investigator |
橋本 隆子 千葉商科大学, 商経学部, 教授 (80551697)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
宇野 毅明 国立情報学研究所, 情報学プリンシプル研究系, 教授 (00302977)
栗田 和宏 名古屋大学, 情報学研究科, 助教 (40885266)
小林 亮太 東京大学, 大学院新領域創成科学研究科, 准教授 (70549237)
久保山 哲二 学習院大学, 付置研究所, 教授 (80302660)
申 吉浩 学習院大学, 付置研究所, 教授 (60523587)
|
|---|
| Project Period (FY) |
2024-04-01 – 2026-03-31
|
| Project Status |
Granted (Fiscal Year 2024)
|
| Budget Amount *help |
¥16,900,000 (Direct Cost: ¥13,000,000、Indirect Cost: ¥3,900,000)
Fiscal Year 2025: ¥3,380,000 (Direct Cost: ¥2,600,000、Indirect Cost: ¥780,000)
Fiscal Year 2024: ¥3,380,000 (Direct Cost: ¥2,600,000、Indirect Cost: ¥780,000)
Fiscal Year 2023: ¥3,640,000 (Direct Cost: ¥2,800,000、Indirect Cost: ¥840,000)
Fiscal Year 2022: ¥2,860,000 (Direct Cost: ¥2,200,000、Indirect Cost: ¥660,000)
Fiscal Year 2021: ¥3,640,000 (Direct Cost: ¥2,800,000、Indirect Cost: ¥840,000)
|
|---|
| Keywords | ソーシャルメディア / 集合行動 / データマイニング / 反応分析 / ビックデータ解析 / ビッグデータ解析 / ソーシャルメディア分析 / データ研磨 / 時系列分析 / Tweets全量分析 / 多様性評価 / Twitter全量分析 / 多様性 / 話題抽出 |
|---|
| Outline of Research at the Start |
本研究では、意味理解ではなく、集合行動のメカニズムや特徴の理解により、SNS上のデマや誹謗中傷といった行動を捉える手法を開発する。集合行動発生時に観測されるSNS上の話題構造に注目し、多様性の低下や対立、急激な成長といった構造及びその変化をモデル化することで集合行動を可視化する。複数のSNSを対象とし、自然言語的・社会ネットワーク的な時系列データにおけるコミュニティやバーストのような局所的・大域的な構造から算出可能な形質情報（クラスタ数、占有率、類似度など）を用い、話題を構造化する。意味理解の困難さを避けることで、新たなタイプの集合行動や、他言語への対応も容易となる。
|
| Outline of Annual Research Achievements |
本研究では、SNSにおけるユーザの振る舞いを、意味理解ではなく、集合行動（パニック、暴動、社会運動など、人々が社会において共同で行動する様々な現象を指す社会学的な概念を示す言葉）として捉え、そのメカニズムや特徴の理解により、SNS上のデマや誹謗中傷といった行動を捉える手法を開発する。集合行動発生時に観測されるSNS上の話題構造に注目し、多様性の低下や対立、急激な成長といった構造及びその変化をモデル化することで集合行動を可視化する。複数のSNSを対象とし、自然言語的・社会ネットワーク的な時系列データにおけるコミュニティやバーストのような局所的・大域的な構造から算出可能な形質情報（クラスタ数、占有率、類似度など）を用い、話題を構造化する。
2024年度の実績は以下のとおりである。
Two-Stage Clustering 手法の他データへの適応と公開
マイクロクラスタリングと時系列クラスタリングを組み合わせた Two-Stage Clustering 手法に関して、これまでのワクチンに加えて選挙のデータ（Yahoo! Japan のNewsコメント）を収集し、それを対象とした実験を実施した。結果を国際学会に投稿し、採択され、発表を行った。Yahooコメントの収集にあたっては、効率的にリプライまで収集できる環境を構築した。この実験により、選挙のようなイベントの場合の人々の反応の時系列変化を可視化し、選挙前後の人々の気持ちの変化を考察することができた。
また、ワクチンについては、我々のジャーナル論文（LDAによって構造化し、手動で内容を分析）と同様の考察を、Two-Stage Clustering 手法によりクラスタリングをし、生成AI（ClaudeとChatGPT等）を用いて分析することに取り組んでいる。その結果を、トップジャーナルへに投稿すべく、準備をしている。
|
| Current Status of Research Progress |
Current Status of Research Progress
3: Progress in research has been slightly delayed.
Reason
Yahooコメントの収集にあたっては、効率的にリプライまで収集できる環境を構築できたことは非常に大きな成果であったが、Two-stage クラスタリング手法の実験結果を生成AIで適切に分析することに予想以上に時間がかかり、結果を論文化できなかったことは、若干の遅れと言える。
Two-stage クラスタリング手法の実験は、大規模データを対象とした実験であり、実験に多大な時間がかかる。複数回実験を行うことで、時間がかかってしまうことも遅れの原因とも言える。
|
| Strategy for Future Research Activity |
１．Two-Stage Clustering 手法の多様なSNS上での効果確認と公開
2024年度は、SNSにおける人々の反応を分析するために、マイクロクラスタリングと時系列クラスタリングを組み合わせた Two-Stage Clustering 手法に対して、Yahoo! Japan のNewsのユーザーコメントを収集できる環境を構築し、ユーザーコメントの分析実験を行い、国際学会論文を投稿・発表した。2025年度は、さらにその実験をすすめ、時事問題の種類による人々の反応の違いや、パターン化を論文として公開し、社会に発表する。それにより、多様なSNS上で、時事問題に与える影響や、人々の集合行動把握へとつなげていく。
2．生成AIを活用したSNS上で発生する集合行動の分類・整理の精緻化
Two-Stage Clustering手法の分析結果を受け、Claude、ChatGPTなどの生成AIを活用し、その結果を分析する手法を確立し、SNS上でどのような集合行動が発生しているか、その際に対象話題に対してどのような構造変化が起きているかの観察・分析・整理を行い、集合行動を把握するためのモデル化の基礎となる概念の体系化を行う。社会科学的観点から集合行動を調査・考察し、SNS上での人々の集合行動が誘発するであろう現象の考察と、それらの現象の実データでの検証も行う。
|
