A Method for Analyzing Collective Behavior Based on Structuring Topics on Large-Scale SNS
Project/Area Number |
21H03559
|
Research Category |
Grant-in-Aid for Scientific Research (B)
|
Allocation Type | Single-year Grants |
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) |
2021-04-01 – 2026-03-31
|
Project Status |
Granted (Fiscal Year 2023)
|
Budget Amount *help |
¥16,900,000 (Direct Cost: ¥13,000,000、Indirect Cost: ¥3,900,000)
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 / データマイニング / ビッグデータ解析 / 集合行動 / 多様性評価 / 反応分析 / Twitter全量分析 / 多様性 / 話題抽出 |
Outline of Research at the Start |
近年、ソーシャル・ネットワーキングサービス(以下SNS)では、デマ拡散や誹謗中傷といった非合理的かつ偶発的な群衆行動(集合行動)が頻発し、深刻な社会問題になっている。本研究では、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。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・大域的な構造を捉えることで、集合行動の俯瞰や検知への展開を目指す。
|
Outline of Annual Research Achievements |
1. 全量Twitterデータの分析 2022年度は、SNSにおける人々の反応を分析するために、これまでのマイクロクラスタリングをベースとした手法に加えて、一般的なクラスタリング手法 LDAを用いて、コロナワクチンに関する全量Twitterデータ(2021年1月から10月までにTwitter で投稿された「ワクチン」を含む1億件以上)の分析を行った。その結果として、2021 年 6 月から開始された職域接種を境に、人々の関心が社会的トピックから個人的事柄へと推移したこと、Twitterによる個人的体験の共有がワクチン接種への安心感を醸成した可能性を示すことができた。この結果をベースに、マイクロクラスタリングをベースとした分析に反映させていく予定である。この成果は、Medical Informatics のジャーナル論文に採択され、また、複数のメディアにも取り上げられ、大きく注目された研究となった。
2. Two-stage クラスタリング手法の効果測定 2021年度に提案した、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、コロナワクチンに加えて、オリンピック、選挙といった時事問題に関する全量Twitterデータを対象とした実験を実施した。実験にあたっては、効率的に実験を実施できる環境を構築した。実験の結果、コロナワクチンのような長期間続く時事問題に比べ、オリンピック、選挙のような短期的な事象に対しては、人々の関心が大きく変化することなどを確認することができ、SNS上の人々の反応をパターン化し、集合行動を把握するといった、当初の目的に近づく結果を得ることができた。結果を論文としてまとめる予定である。
|
Current Status of Research Progress |
Current Status of Research Progress
3: Progress in research has been slightly delayed.
Reason
Twitterの全量データを対象として、LDAを用いて、人々の反応分析を抽出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。そこで、効率的に実験ができる環境を構築するところから始めたが、その開発に3ヶ月ほどの時間を要した。そのため、遅れが生じたと言える。
|
Strategy for Future Research Activity |
1.Two-Stage Clustering 手法の効果確認と公開(論文発表) 2022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、効率的に実験可能となる環境の構築を行い、コロナワクチンに加え、オリンピックや選挙といった時事問題についても実験を行った。2023年度は、その結果をまとめ、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、SNSが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.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、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。
|
Report
(2 results)
Research Products
(21 results)
-
-
-
-
-
-
[Journal Article] Two-stage Clustering Method for Discovering People's Perceptions: A Case Study of the COVID-19 Vaccine from Twitter2021
Author(s)
Hashimoto, T., Uno, T., Takedomi, Y., Shepard, D., Toyoda, M., Yoshinaga, N., ... & Kobayashi, R.
-
Journal Title
021 IEEE International Conference on Big Data (Big Data)
Volume: 1
Pages: 614-621
DOI
Related Report
Peer Reviewed / Open Access / Int'l Joint Research
-
-
-
-
-
-
-
-
-
-
-
[Presentation] Two-stage Clustering Method for Discovering People's Perceptions: A Case Study of the COVID-19 Vaccine from Twitter2021
Author(s)
Hashimoto, T., Uno, T., Takedomi, Y., Shepard, D., Toyoda, M., Yoshinaga, N., ... & Kobayashi, R.
Organizer
2021 IEEE International Conference on Big Data (Big Data)
Related Report
Int'l Joint Research
-
-
-
-