Facebook'ta Duygusal Bulaşma? Daha Kötü Araştırma Yöntemleri Gibi

Yakın zamanda bir şey gösteren bir çalışma (Kramer ve diğerleri, 2014) yayınlandı şaşırtıcı - Facebook durum güncellemelerinde ifade edildiği gibi, diğer insanların olumlu (ve olumsuz) ruh hallerinin varlığına veya yokluğuna bağlı olarak duygularını ve ruh hallerini değiştirdiler. Araştırmacılar bu etkiyi "duygusal bulaşıcılık" olarak adlandırdılar çünkü arkadaşlarımızın Facebook haber akışımızdaki sözlerinin kendi ruh halimizi doğrudan etkilediğini gösterdiklerini iddia ettiler.

Araştırmacıların aslında hiç kimsenin ruh halini ölçmediğini boşverin.

Ve çalışmanın ölümcül bir kusuru olduğunu boşverin. Diğer araştırmaların da gözden kaçırdığı bir tanesi - tüm bu araştırmacıların bulgularını biraz şüpheli hale getiriyor.

Bu tür araştırmalarda kullanılan saçma dili bir kenara bırakırsak (gerçekten, duygular “bulaşma” gibi yayılır mı?), Bu tür araştırmalar genellikle bulgularına dil analizi küçük metin parçalarında. Twitter'da gerçekten çok küçükler - 140 karakterden az. Facebook durum güncellemeleri nadiren birkaç cümleden fazladır. Araştırmacılar aslında kimsenin ruh halini ölçmüyor.

Peki, özellikle 689.003 durum güncellemelerinde bu tür bir dil analizini nasıl yaparsınız? Pek çok araştırmacı bunun için otomatikleştirilmiş bir araca, Dilbilimsel Sorgulama ve Kelime Sayımı uygulaması (LIWC 2007) adı verilen bir şeye başvurur. Bu yazılım uygulaması yazarları tarafından şu şekilde tanımlanmaktadır:

İlk LIWC uygulaması, dil ve açıklamanın keşfedici bir çalışmasının parçası olarak geliştirilmiştir (Francis, 1993; Pennebaker, 1993). Aşağıda açıklandığı gibi, ikinci sürüm olan LIWC2007, orijinal uygulamanın güncellenmiş bir revizyonudur.

Bu tarihleri ​​not alın. Sosyal ağlar kurulmadan çok önce, LIWC, bir kitap, makale, bilimsel makale, deneysel durumda yazılmış bir makale, blog girişleri veya bir terapi seansının bir transkripti gibi büyük metinleri analiz etmek için oluşturuldu. Bunların hepsinin ortak olan bir şeye dikkat edin - en az 400 kelimeden oluşan iyi uzunluktadırlar.

Araştırmacılar neden kısa metin parçacıkları için tasarlanmamış bir aracı iyi bir şekilde… kısa metin parçalarını analiz etmek için kullanırlar? Ne yazık ki bunun nedeni, büyük miktarda metni oldukça hızlı bir şekilde işleyebilen birkaç araçtan biri olmasıdır.

Metnin Ne Kadar Uzun Olduğuna Kim Bakar?

Orada oturup başınızı kaşıyor, bu araçla analiz etmeye çalıştığınız metnin ne kadar uzun olduğunun neden önemli olduğunu merak ediyor olabilirsiniz. Bir cümle, 140 karakter, 140 sayfa ... Uzunluk neden önemli?

Uzunluk önemlidir çünkü araç, Twitter ve Facebook araştırmacılarının görevlendirdiği şekilde metni analiz etmede çok iyi değildir. Bir metnin olumlu veya olumsuz duygularını analiz etmesini istediğinizde, incelenen metnin içindeki olumsuz ve olumlu kelimeleri sayar. Bir makale, deneme veya blog girişi için bu sorun değil - çoğu makale 400 veya 500 kelimeden uzun olduğundan size makalenin oldukça doğru bir genel özet analizini verecektir.

Ancak bir tweet veya durum güncellemesi için bu, kullanmak için korkunç bir analiz aracıdır. Bunun nedeni, farklılaştırmak için tasarlanmaması ve aslında yapamam diferansiye - cümledeki olumsuzlama kelimesi.1

Bunun neden önemli olduğuna dair iki varsayımsal örneğe bakalım. Yaygın olmayan iki örnek tweet (veya durum güncellemeleri) şunlardır:

"Mutlu değilim."

"Harika bir gün geçirmiyorum."

Bağımsız bir değerlendirici veya yargıç bu iki tweet'i olumsuz olarak değerlendirir - açıkça olumsuz bir duyguyu ifade ederler. Bu, negatif ölçekte +2 ve pozitif ölçekte 0 olur.

Ancak LIWC 2007 aracı bunu bu şekilde görmüyor. Bunun yerine, bu iki tweet'i pozitif için +2 ("harika" ve "mutlu" kelimeleri nedeniyle) ve negatif için +2 (her iki metindeki "değil" kelimesinden dolayı) olarak değerlendirir.

Tarafsız ve doğru veri toplama ve analiziyle ilgileniyorsanız bu çok büyük bir farktır.

Ve insan iletişiminin çoğu bunun gibi incelikleri içerdiğinden - alaycı, olumsuzlama kelimesi olarak hareket eden kısa el kısaltmaları, önceki cümleyi geçersiz kılan ifadeler, emojiler vb. Gibi incelikler içerdiğinden - ne kadar doğru veya yanlış olduğunu bile söyleyemezsiniz. bu araştırmacılar tarafından ortaya çıkan analiz. LIWC 2007, gayri resmi insan iletişiminin bu ince gerçeklerini görmezden geldiğinden, araştırmacılar da öyle.2

Belki de bunun nedeni araştırmacıların sorunun gerçekte ne kadar kötü olduğu hakkında hiçbir fikrinin olmamasıdır. Çünkü analiz motorunun nasıl kusurlu olduğunu gerçekten anlamadan tüm bu "büyük verileri" dil analiz motoruna gönderiyorlar. Bir olumsuzlama kelimesi içeren tüm tweetlerin yüzde 10'u mu? Ya da yüzde 50? Araştırmacılar sana söyleyemezdi.3

Doğru Olsa bile, Araştırma Küçük Gerçek Dünya Etkileri Gösteriyor

İşte bu yüzden, bu büyük metodolojik soruna rağmen bu araştırmanın gerçek değerine inansanız bile, sıradan kullanıcılar için çok az anlamı olan ya da hiç olmayan gülünç derecede küçük korelasyonları gösteren araştırmalarla baş başa kaldığınızı söylemeliyim.

Örneğin, Kramer ve ark. (2014)% 0,07 buldu - bu yüzde 7 değil, bu yüzde 1'in 1 / 15'i !! - Facebook haber akışlarındaki olumsuz gönderi sayısı azaldığında insanların durum güncellemelerinde olumsuz sözcüklerde azalma. Bu etki nedeniyle olumsuz bir kelime daha yazmadan önce kaç kelime okumanız veya yazmanız gerektiğini biliyor musunuz? Muhtemelen binlerce.

Bu, gerçek dünyada hiçbir anlamı olmayan istatistiksel bir patlama kadar "etki" değildir. Araştırmacılar, etki boyutlarının "küçük ( d = 0,001). ” Yine de önemli olduğunu öne sürmeye devam ediyorlar, çünkü aynı araştırmacılardan birinin siyasi oy kullanma motivasyonu üzerine bir Facebook araştırmasına ve psikolojik bir dergiden 22 yaşındaki bir tartışmaya atıfta bulunarak "küçük etkilerin toplu sonuçları büyük olabilir".

Ancak daha önceki cümlede kendileriyle çelişiyorlar ve bu duygunun "ruh halini etkileyen günlük deneyimler yelpazesi göz önüne alındığında etkilenmesinin zor olduğunu" öne sürüyorlar. Hangisi? Facebook durum güncellemeleri bireyin duygularını önemli ölçüde etkiliyor mu, yoksa duygular başkalarının durum güncellemelerini okumaktan o kadar kolay etkilenmiyor mu?

Tüm bu sorunlara ve sınırlamalara rağmen, sonuçta araştırmacıların “Bu sonuçlar, Facebook'ta başkaları tarafından ifade edilen duyguların, sosyal ağlar aracılığıyla büyük ölçekli bulaşma için deneysel kanıtlar oluşturarak kendi duygularımızı etkilediğini gösteriyor.” 5 Yine, tek bir kişinin duygularını veya ruh hallerini gerçekten ölçmemiş olsalar da, bunun yerine bunu yapmak için kusurlu bir değerlendirme ölçüsüne güveniyorlar.

Bana göre Facebook araştırmacılarının açıkça gösterdiği şey, kullandıkları araçlara, araçların önemli sınırlamalarını anlamadan ve tartışmadan çok fazla inandıklarıdır.6

Referans

Kramer, ADI, Guillory, JE, Hancock, JT. (2014). Sosyal ağlar aracılığıyla büyük ölçekli duygusal bulaşmanın deneysel kanıtı. PNAS. www.pnas.org/cgi/doi/10.1073/pnas.1320040111

Dipnotlar:

1. Bu, LIWC geliştiricilerine yapılan bir araştırmaya göre, "LIWC şu anda puanlamasında olumlu veya olumsuz bir duygu terimi kelimesine yakın bir olumsuzlama terimi olup olmadığına bakmıyor ve için etkili bir algoritma bulmak zor olurdu. bu yine de. " [↩]
2. Bu çalışmada ya da incelediğim diğer çalışmalarda asla tasarlanmadığı ya da tasarlanmadığı amaçlar için bir dil analizi aracı olarak LIWC'nin kullanımının sınırlamalarından söz bulamadım. [↩]
3. İnsanların gerçek ruh hallerini ölçmekle karşılaştırmak için bir pilot çalışma ile yöntemlerini doğrulamak için gerçekten zaman harcayıp harcamadıklarını size söyleyebilirler. Ancak bu araştırmacılar bunu başaramadı. [↩]
4. Facebook oylama çalışmasında, oy verme davranışındaki değişiklikleri, araştırmacıların yaptığı uzun bir varsayım listesiyle (ve sizin de aynı fikirde olmanız gereken) tek bir korelasyon değişkenine atfetmek olan bazı ciddi sorunlar var. [↩]
5. Yazarlar tarafından açıklama ve yorum talebi iade edilmedi. [↩]
6. Bu, doğru amaçlarla ve doğru ellerde kullanıldığında mükemmel bir araştırma aracı olabilecek LIWC 2007'deki bir kazı değildir. [↩]