소셜 미디어에서 선택적 노출(Selective exposure) 문제를 해결하기 위한 인텔리전트 시스템 관련 연구입니다.
읽은 날짜 2023.09.19
카테고리 #news, #SelectiveExposure, #viewpoint
Burst Your Bubble! An Intelligent System for Improving Awareness of Diverse Social Opinions
- Authors: Mingkun Gao, Hyo Jin Do,Wai-Tat Fu
- DOI: https://doi.org/10.1145/3172944.3172970
- Keywords: Intelligent System; Social Opinion; Selective Exposure;
- Issue Date: March 2018
- Publisher: IUI '18: 23rd International Conference on Intelligent User Interfaces
ABSTRACT
배경 > 문제점 > 목표(RQ) > 방법 > 평가 > 결과 > 의의
배경: 사람들은 자신의 기존 신념과 입장을 강화하는 (rainforce their pre-existing beliefs and stances) 의견을 찾는 경우가 많고, 이는 사회적 양극화(social polarization)를 심화시킨다.
문제점: 전통적인 소셜 미디어는 일렬로 된 리스트 구조(linear list format)로 의견을 보여주는데, 이는 사람들이 다양한 뷰포인트를 탐색할 수 있는 구조가 아니며, 선택적 노출(selective explore)를 더 악화시킨다.
목표: 이러한 문제를 해결하기 위하여, 다양한 사회적 의견에 대한 사용자의 인식을 향상시키는 인텔리전트 시스템을 설계한다.
방법: 다양한 지표(indicators)를 통해 다양한 측면(예: 뉴스 기사, 댓글)에 대한 시각적인 힌트(Visual hints)와 추천을 제공한다.
평가: Obama care 폐지 문제에 대한 뉴스 기사와 Facebook의 해당 사용자 의견을 우리 시스템에서 보여주고, 평가를 진행한다.
결과: 우리의 시스템은 사람들이 그들의 입장(stances)과 의견 선택 선호도에 대한 인식을 높일 수 있었고, 이를 통해 선택적 노출을 완화하며 사회적 의견에 대한 더 균형잡힌 인식을 유도할 수 있다.
1. INTRODUCTION
■ 이 논문의 연구 질문
RQ1: Can our system help people become more aware of their stances and social opinion selection preferences?
(우리 시스템은 사람들이 자신의 입장과 사회적 의견 선택 선호도를 더 잘 인식하도록 도울 수 있습니까?
RQ2: Can our system mitigate selective exposure when people use it to read social opinions?
(우리 시스템은 사람들이 사회적 의견을 읽기 위해 사용할 때 선택적 노출을 완화할 수 있습니까?)
2. RELATED WORK
2.1 Unconscious Bias and Awareness of Stance
-
2.2 Selective Exposure to Information
-
2.3 Interface Design for Social Opinions
-
2.4 Sentiment Analysis
-
3. SYSTEM DESIGN AND IMPLEMENTATION
3.1 Data
3.1.1 Data for Sentiment Analysis
-
3.1.2 Data for System Implementation
-
3.2 Sentiment and Stance Analysis
-
3.3 System Design Principle
(1) Highlight visual differences when opinion selection bias is detected
-
(2) Show the trace of people's stances
-
(3) Recommend social opinions from an opposite stance with positive indicators
-
(4) Recommend social opinions in the same stance with negative indicators
-
3.4 Visual Encoding and Implementation
■ Visual Hints (DP-1, DP-2)
-
■ Social Opinion Recommendation (DP-3, DP-4)
-
4. USER STUDY
4.1 Participant
- 총 12명의 실험 참여자 모집
4.2 Experimental Design and Task
8개의 선택된 뉴스 기사 (CNN 4개, Fox news 4개) 를 2개의 그룹(A, B)으로 나누어,
각 그룹(A, B)에 CNN 2개, Fox news 2개 할당
A그룹 - Control interface
B그룹 - New interface
참여자는 with in study로 A, B 그룹 인터페이스를 다 테스트 한다.
각 인터페이스 별로 48개의 data entries가 수집됨. (각 인터페이스 별로 12명* 뉴스기사 4개)
참여자별로 인터페이스와 뉴스 기사 그룹의 순서를 변경
<실험 과정>
(1) background survey
(2) following tasks for each interface
- tutorial video 시청 후, task 수행
- task 내용: 인터페이스 별로 각 기사를 읽고,
(3) two-part in-study survey
5. RESULTS
5.1 Improving Awareness of Diverse Opinions (RQ1, RQ2)
-
5.2 Usability Improvement
-
5.3 Evaluation of System Features
-
5.4 Qualitative Analysis
-
6. DISCUSSION
■ Analyzing People's Sentiments for Controversial Topics
-
■ Social Opinion Recommendation
-
■ Limitations
-
7. CONCLUSION
- 중요한 결론 -
- 이론적 함의 -
- 실재적 함의 (practical implications) -
- Future work
- (1)
- (2)
나의 의견
논문을 선택한 이유
(1) 예전에 가볍게 읽었던 논문인데, 실험 방법과 과정을 참고하고자 다시 한번 읽게 되었다.
읽고 난 후 의견
- 논문에 첨부된 이미지로만 판단했을 때, 사실 인터페이스는 좀 허술해보였는데, 논문을 읽어보니 연구적으로 프로세스가 생각보다 더 탄탄한 연구였다.
- 사람들의 sentiment를 예측하기 위한 classifier를 만들고 classifier를 평가한 후, 이 classifier를 시용하여 판별한 페이스북의 글을 실험에 활용했다는 내용이, 연구자들이 섬세하게 연구를 진행했고, 어느 한 부분도 자의적으로 하지 않았다는 인상을 주었다.
- SEI (Selective Exposure Index)를 정의하는 건 탁월한 방법이다. 무조건 용어를 지어내는 것도 옳지 않지만, 해당 분야에 적당한 metric이 없다면 만들어내는 것도 좋다. 언젠가 내가 선택적 노출과 관련된 연구를 하게 되면 이 연구의 SEI score를 인용할 것이다.
이 외에, 개인적으로 느낀점.
- "원하는 타겟 컨퍼런스 또는 저널이 있다면 해당 컨퍼런스/저널의 논문을 많이 읽어보는 것이 중요하다" 라는 당연한 사실을 최근에서야 마음 깊이 깨달았다. 앞으론 꾸준히 연구 논문을 읽어야 겠다고 다시 한번 다짐한다.
