ネットワークグラフの特異値分解を用いた社会的極端化の測定

核心概念

ネットワークグラフの特異値分解を用いることで、社会的相互作用の相関構造の変化を捉え、政治的極端化の進行を定量的に評価できる。

要約

本研究では、ソーシャルメディアのユーザー間の相互作用を表すネットワークグラフを分析することで、政治的極端化の進行を定量的に評価する手法を提案している。
ネットワークグラフをランダム点積グラフ(RDPG)としてモデル化し、その最適埋め込み次元数の変化を追跡することで、社会的相互作用の相関構造の変化を捉えている。次元数の減少は、相関の増加、つまり政治的極端化の進行を示唆する。
この手法を、ニュージーランドのTwitterユーザーによる気候変動に関する議論、および国連気候変動枠組み条約締約国会議(COP)に関する議論のデータに適用した。その結果、両方のデータセットにおいて、時間とともに次元数が減少し、政治的極端化が進行していることが示された。
さらに、ブロックモデルを用いた合成データの分析から、グループ間の相互作用確率の低下や特定のグループの優位化が、ネットワークの次元数の減少、すなわち極端化につながることが明らかになった。
本手法は、従来の二極化検出手法とは異なり、政治的対立軸の特定を必要とせず、ネットワーク全体の相関構造の変化を捉えられるため、多党制の政治システムにも適用可能である。また、感情的極端化の捕捉など、さらなる発展の余地がある。

統計

ニュージーランドのTwitterデータ:

2017-2020年のネットワーク次元数は39.0、2020-2023年は27.0と減少している。
2017-2020年のネットワークエントロピーは0.980229、2020-2023年は0.97439と減少している。
COPデータ:

COP20からCOP26にかけて、ネットワーク次元数は14.0 -> 2.0 -> 2.0と減少している。
ネットワークエントロピーは0.9802473 -> 0.9754415と変動している。

引用

なし

抽出されたキーインサイト

The process of polarisation as a loss of dimensionality

by Sage Anastas... 場所 arxiv.org 03-28-2024

https://arxiv.org/pdf/2403.18191.pdf

深掘り質問

ネットワークの次元数減少と感情的極端化の関係をどのように捉えられるか?

この研究では、ネットワークの次元数の減少が極端化の指標として使用されています。具体的には、社会的ネットワークの埋め込み次元数が減少することは、極端化が進行していることを示唆しています。このアプローチは、極端化が進むと、ネットワーク内の相互作用がより限定され、政治的立場が狭まることを示しています。感情的極端化との関係については、この研究ではポジティブな相互作用のみを考慮しており、短い敵対的反応をポジティブな社会的結びつきと誤解する可能性があることが指摘されています。感情的極端化を考慮するためには、符号付き行列やセンチメント分析などの手法を組み合わせることが重要であり、これによりネットワークの次元数が過大評価されるリスクを軽減できます。

ネットワーク分析以外の手法を組み合わせることで、政治的極端化の背景にある社会的要因をより深く理解できるか?

ネットワーク分析以外の手法を組み合わせることで、政治的極端化の背景にある社会的要因をより深く理解することが可能です。例えば、感情的極端化や社会的格差などの要因を考慮することで、極端化がどのように形成されるかを包括的に理解できます。社会学的アプローチや心理学的視点からの分析を組み込むことで、個人レベルや集団レベルでの意識や行動の影響をより詳細に把握できます。さらに、歴史的な文脈や文化的要因を考慮することで、政治的極端化の根源をより深く探ることができます。

ネットワーク構造の変化と、実際の政治的対立の激化や民主主義の劣化との関係はどのように考えられるか?

ネットワーク構造の変化と実際の政治的対立の激化、民主主義の劣化との関係は複雑です。ネットワークの次元数の減少が極端化を示す一方で、実際の政治的対立や民主主義の劣化にはさまざまな要因が関与します。例えば、ネットワークの次元数が減少することで、政治的立場が狭まり、対立が増大する可能性がありますが、これが直接的に民主主義の劣化につながるわけではありません。実際の政治的対立や民主主義の劣化は、情報操作、権力の集中、市民の政治参加の減少など、さまざまな要因によって引き起こされる可能性があります。したがって、ネットワーク構造の変化と政治的対立、民主主義の劣化との関係を理解するには、複数の視点からの分析が必要です。