Eksploracja mediów społecznościowych

Eksploracja mediów społecznościowych to proces pozyskiwania dużych zbiorów danych z treści generowanych przez użytkowników w serwisach społecznościowych i aplikacjach mobilnych w celu wyodrębnienia możliwych do zastosowania wzorców, sformułowania wniosków na temat użytkowników i działania na podstawie informacji, często w celu reklamowania użytkownikom lub przeprowadzania badania. Termin ten jest analogią do procesu wydobycia zasobów w górnictwie dla rzadkich minerałów. Wydobywanie zasobów wymaga od firm wydobywczych przeszukiwania ogromnych ilości surowej rudy w celu znalezienia cennych minerałów; podobnie eksploracja mediów społecznościowych wymaga od analityków danych ludzkich i zautomatyzowanych programów przeglądania ogromnych ilości nieprzetworzonych danych z mediów społecznościowych w celu rozpoznania wzorców i trendów związanych z korzystaniem z mediów społecznościowych, zachowaniami online, udostępnianiem treści, powiązaniami między osobami, zachowaniami zakupowymi online , i więcej. Te wzorce i trendy są interesujące dla firm, rządów i organizacji non-profit, ponieważ organizacje te mogą wykorzystywać te wzorce i trendy do projektowania swoich strategii lub wprowadzania nowych programów, nowych produktów, procesów lub usług.

Eksploracja mediów społecznościowych wykorzystuje szereg podstawowych pojęć z zakresu informatyki , eksploracji danych , uczenia maszynowego i statystyki . Eksploratorzy mediów społecznościowych opracowują algorytmy odpowiednie do badania ogromnych plików danych z mediów społecznościowych. Eksploracja mediów społecznościowych opiera się na teoriach i metodologiach analizy sieci społecznościowych , nauki o sieciach , socjologii , etnografii , optymalizacja i matematyka. Obejmuje narzędzia do formalnego przedstawiania, mierzenia i modelowania znaczących wzorców na podstawie wielkoskalowych danych z mediów społecznościowych. W 2010 roku duże korporacje, rządy i organizacje non-profit zaangażowały się w eksplorację mediów społecznościowych w celu uzyskania danych o klientach, klientach i obywatelach.

Tło

Jak zdefiniowali Kaplan i Haenlein, media społecznościowe to „grupa aplikacji internetowych, które opierają się na ideologicznych i technologicznych podstawach Web 2.0 i które umożliwiają tworzenie i wymianę treści tworzonych przez użytkowników”. Istnieje wiele kategorii mediów społecznościowych, w tym między innymi sieci społecznościowe ( Facebook lub LinkedIn ), mikroblogi ( Twitter ), udostępnianie zdjęć ( Flickr , Instagram , Photobucket lub Picasa ), agregacja wiadomości ( Czytnik Google , StumbleUpon lub Feedburner ), udostępnianie wideo ( YouTube , MetaCafe ), transmisje na żywo ( Ustream lub Twitch ), wirtualne światy ( Kaneva ), gry społecznościowe ( World of Warcraft ), wyszukiwanie społecznościowe ( Google , Bing lub Ask.com ) oraz natychmiastowe wiadomości ( Google Talk , Skype lub komunikator Yahoo! ).

Pierwsza witryna społecznościowa została wprowadzona przez GeoCities w 1994 roku. Umożliwiła ona użytkownikom tworzenie własnych stron domowych bez posiadania zaawansowanej wiedzy na temat kodowania HTML . Pierwszy serwis społecznościowy SixDegrees.com , został wprowadzony w 1997 roku. Od tego czasu wprowadzono wiele innych serwisów społecznościowych, z których każdy obsługuje miliony ludzi. Te jednostki tworzą wirtualny świat, w którym współistnieją jednostki (atomy społeczne), byty (treści, witryny itp.) i interakcje (między jednostkami, między podmiotami, między jednostkami i podmiotami). Normy społeczne i ludzkie zachowania rządzą tym wirtualnym światem. Rozumiejąc te normy społeczne i modele ludzkich zachowań oraz łącząc je z obserwacjami i pomiarami tego wirtualnego świata, można systematycznie analizować i eksplorować media społecznościowe. Eksploracja mediów społecznościowych to proces przedstawiania, analizowania i wydobywania znaczących wzorców z danych w mediach społecznościowych, wynikających z interakcji społecznościowych. Jest to interdyscyplinarna dziedzina obejmująca techniki z informatyki, eksploracji danych, uczenia maszynowego, analizy sieci społecznościowych, nauki o sieciach, socjologii, etnografii, statystyki, optymalizacji i matematyki. Eksploracja mediów społecznościowych stoi przed wielkimi wyzwaniami, takimi jak paradoks dużych zbiorów danych, uzyskiwanie wystarczających próbek, błąd usuwania szumu i dylemat oceny. Eksploracja mediów społecznościowych przedstawia wirtualny świat mediów społecznościowych w sposób obliczeniowy, mierzy go i projektuje modele, które mogą pomóc nam zrozumieć jego interakcje. Ponadto eksploracja mediów społecznościowych zapewnia niezbędne narzędzia do eksploracji tego świata w poszukiwaniu interesujących wzorców, analizowania rozpowszechniania informacji, badania wpływu i homofilii, dostarczania skutecznych rekomendacji i analizowania nowych zachowań społecznych w mediach społecznościowych.

Używa

Eksploracja mediów społecznościowych jest wykorzystywana w kilku branżach, w tym w rozwoju biznesu, badaniach nauk społecznych, usługach zdrowotnych i celach edukacyjnych. Gdy otrzymane dane przejdą przez analizę mediów społecznościowych , można je następnie zastosować w różnych dziedzinach. Często firmy wykorzystują wzorce łączności, które przenikają sieci społecznościowe, takie jak różnorodność — społeczne podobieństwo między użytkownikami, które jest wywoływane przez wpływ, homofilię, wzajemność i przechodniość. Siły te są następnie mierzone za pomocą analizy statystycznej węzłów i połączeń między tymi węzłami. Analityka społeczna wykorzystuje również analizę nastrojów , ponieważ użytkownicy mediów społecznościowych często przekazują pozytywne lub negatywne opinie w swoich postach. Zapewnia to ważne informacje społecznościowe na temat emocji użytkowników na określone tematy.

Te trzy wzorce mają kilka zastosowań poza czystą analizą. Na przykład wpływ można wykorzystać do określenia najbardziej wpływowego użytkownika w określonej sieci. Firmy byłyby zainteresowane tymi informacjami, aby zdecydować, kogo mogą zatrudnić do influencer marketingu . Te osoby mające wpływ są określane na podstawie rozpoznawalności, generowania aktywności i nowości — trzech wymagań, które można zmierzyć za pomocą danych uzyskanych z tych witryn. Analitycy cenią sobie również miary homofilii: skłonność dwóch podobnych do siebie osób do zaprzyjaźnienia się. Użytkownicy zaczęli polegać na informacjach zawartych w opiniach innych użytkowników, aby zrozumieć różnorodną tematykę. Analizy te mogą również pomóc w tworzeniu rekomendacji dla osób o dostosowanych zdolnościach. Mierząc wpływy i homofilię, firmy internetowe i offline są w stanie sugerować konkretne produkty indywidualnym konsumentom i grupom konsumentów. Sieci społecznościowe mogą same wykorzystywać te informacje, aby sugerować swoim użytkownikom potencjalnych znajomych do dodania, strony do obserwowania i konta do interakcji.

Postrzeganie

Współczesna eksploracja mediów społecznościowych to kontrowersyjna praktyka, która doprowadziła do wykładniczego wzrostu liczby użytkowników dla gigantów technologicznych, takich jak Facebook, Inc., Twitter i Google . Firmy takie jak te, uważane za „ Big Tech „ to firmy, które budują algorytmy, które wykorzystują dane wejściowe użytkownika, aby zrozumieć jego preferencje i utrzymać go na platformie tak długo, jak to możliwe. Te dane wejściowe, które mogą być tak proste, jak czas spędzony na danym ekranie, dostarczają danych do wydobywania, i prowadzić do tego, że firmy czerpią duże zyski z wykorzystywania tych danych do czerpania korzyści z niezwykle dokładnych prognoz dotyczących zachowań użytkowników. Rozwój platform gwałtownie przyspieszył po wprowadzeniu tych strategii. Większość największych platform ma obecnie średnio ponad 1 miliard aktywnych użytkowników miesięcznie od 2021.

Tristan Harris czy Chamath Palihapitiya , twierdziło, że niektóre firmy (zwłaszcza Facebook) ceniły rozwój ponad wszystko i ignorowały potencjalne negatywne skutki taktyk inżynierii wzrostu.

Jednocześnie użytkownicy stworzyli teraz własne arbitraże danych za pomocą własnych danych, poprzez monetyzację treści i stając się influencerami . Użytkownicy zazwyczaj mają dostęp do zróżnicowanego zestawu danych analitycznych specyficznych dla osób, które wchodzą z nimi w interakcje w mediach społecznościowych, i mogą wykorzystywać je jako elementy składowe własnych strategii kierowania i rozwoju poprzez reklamy i posty dostosowane do ich odbiorców. Influencerzy często promują również produkty i usługi uznanych marek, tworząc jedną z największych branż cyfrowych: marketing wpływowy. Instagram, Facebook, Twitter, YouTube, Google i inne firmy od dawna zapewniają dostęp do danych analitycznych platformy, a także zezwalają stronom trzecim na dostęp do tych informacji, czasami nawet bez wiedzy użytkownika, którego dane są przeglądane/kupowane.

Badania

Obszary badawcze

  • Wykrywanie wydarzeń w mediach społecznościowych – Sieci społecznościowe umożliwiają użytkownikom swobodną komunikację między sobą i dzielenie się najnowszymi wiadomościami, bieżącymi działaniami lub poglądami na różne tematy. W rezultacie można je postrzegać jako potencjalnie realne źródło informacji umożliwiające zrozumienie pojawiających się obecnie tematów/wydarzeń.
  • Monitorowanie i obserwacja zdrowia publicznego — wykorzystanie szeroko zakrojonej analizy mediów społecznościowych do badania dużych kohort pacjentów i ogółu społeczeństwa, np. w celu uzyskania wczesnych sygnałów ostrzegawczych o interakcjach między lekami i niepożądanymi reakcjami na leki lub zrozumienia reprodukcji człowieka i zainteresowań seksualnych.
  • Struktura społeczności (Wykrywanie/Ewolucja/Ocena społeczności) — identyfikacja społeczności w sieciach społecznościowych, sposób ich ewolucji oraz ocena zidentyfikowanych społeczności, często bez podstawowej prawdy.
  • Miary sieciowe – Mierzenie centralności, przechodniości, wzajemności, równowagi, statusu i podobieństwa w mediach społecznościowych.
  • Modele sieci — Symuluj sieci o określonych cechach. Przykłady obejmują grafy losowe (modele ER), modele przywiązań preferencyjnych i modele małych światów.
  • Kaskada informacji – Analiza sposobu rozprzestrzeniania się informacji w serwisach społecznościowych. Przykłady obejmują zachowania stadne, kaskady informacyjne, dyfuzję innowacji i modele epidemii.
  • Wpływ i homofilia – Pomiar różnorodności sieci oraz pomiar i modelowanie wpływu i homofilii.
  • Rekomendacja w mediach społecznościowych – polecanie znajomych lub przedmiotów w serwisach społecznościowych.
  • Wyszukiwanie społecznościowe – Wyszukiwanie informacji w sieci społecznościowej.
  • Analiza nastrojów w mediach społecznościowych – Identyfikacja zbiorczo subiektywnych informacji, np. pozytywnych i negatywnych, na podstawie danych z mediów społecznościowych.
  • Wykrywanie spamerów społecznościowych — Wykrywanie spamerów społecznościowych, którzy wysyłają niechciane treści spamowe pojawiające się w sieciach społecznościowych i dowolnej witrynie z treściami generowanymi przez użytkowników do docelowych użytkowników, często potwierdzając to w celu zwiększenia ich wpływu społecznego, legitymacji i wiarygodności.
  • Wybór funkcji za pomocą danych z mediów społecznościowych — przekształcanie wyboru funkcji w celu wykorzystania mocy mediów społecznościowych.
  • Zaufanie w mediach społecznościowych – Badanie i zrozumienie zaufania w mediach społecznościowych.
  • Nieufność i negatywne linki – Badanie negatywnych linków w mediach społecznościowych.
  • Rola mediów społecznościowych w sytuacjach kryzysowych – Media społecznościowe, w szczególności Twitter, nadal odgrywają ważną rolę w sytuacjach kryzysowych. Badania pokazują, że możliwe jest wykrywanie trzęsień ziemi i plotek za pomocą tweetów publikowanych w czasie kryzysu. Aktywnym obszarem badań jest opracowywanie narzędzi pomagających osobom udzielającym pierwszej pomocy w analizowaniu tweetów w celu lepszego reagowania na sytuacje kryzysowe oraz opracowywanie technik zapewniających im szybszy dostęp do odpowiednich tweetów.
  • Eksploracja sieci społecznościowych oparta na lokalizacji — Wydobywanie mobilności ludzi w celu uzyskania spersonalizowanych zaleceń POI w sieciach społecznościowych opartych na lokalizacji.
  • Pochodzenie informacji w mediach społecznościowych – Pochodzenie informuje użytkownika o źródłach pochodzenia danej informacji. Media społecznościowe mogą pomóc w identyfikacji pochodzenia informacji ze względu na ich unikalne cechy: treści generowane przez użytkowników, profile użytkowników, interakcje użytkowników oraz informacje przestrzenne lub czasowe.
  • Zarządzanie lukami w zabezpieczeniach — podatnością użytkownika na serwisy społecznościowe można zarządzać w trzech kolejnych krokach: (1) identyfikowanie nowych sposobów narażenia użytkownika na ataki, (2) ilościowe określanie lub mierzenie podatności użytkownika oraz (3) zmniejszanie lub łagodzenie ich.
  • Eksploracja opinii o kandydatach/partiach – Media społecznościowe są popularnym medium dla kandydatów/partii do prowadzenia kampanii i mierzenia reakcji opinii publicznej na kampanie. Media społecznościowe mogą być również wykorzystywane jako wskaźnik opinii wyborców. Niektóre badania naukowe wykazały, że prognozy dokonane za pomocą postów w mediach społecznościowych mogą odpowiadać (lub nawet poprawiać) tradycyjne sondaże.

Miejsca publikacji

Artykuły badawcze dotyczące eksploracji mediów społecznościowych są publikowane na konferencjach i czasopismach z zakresu informatyki, nauk społecznych i eksploracji danych:

Konferencje

Artykuły konferencyjne można znaleźć w materiałach Knowledge Discovery and Data Mining (KDD), World Wide Web (WWW), Association for Computational Linguistics (ACL), Conference on Information and Knowledge Management (CIKM), International Conference on Data Mining (ICDM) , Internetowa Konferencja Pomiarowa (IMC).

  • KDD Conference – ACM SIGKDD Conference on Knowledge Discovery and Data Mining
  • Konferencja WWW – Międzynarodowa Konferencja WWW
  • Konferencja WSDM - Konferencja ACM na temat wyszukiwania w sieci i eksploracji danych
  • Konferencja CIKM – Konferencja ACM dotycząca zarządzania informacją i wiedzą
  • Konferencja ICDM – Międzynarodowa konferencja IEEE poświęcona eksploracji danych
  • Stowarzyszenie Lingwistyki Komputerowej (ACL)
  • Konferencja ASONAM - Międzynarodowa konferencja IEEE/ACM poświęcona postępom w analizie i eksploracji sieci społecznościowych
  • Konferencja dotycząca pomiarów internetowych (IMC)
  • Międzynarodowa konferencja na temat sieci i mediów społecznościowych (ICWSM)
  • Międzynarodowa konferencja na temat mediów społecznościowych i społeczeństwa
  • Międzynarodowa Konferencja Inżynierii Sieci (ICWE)
  • Europejska Konferencja nt. uczenia maszynowego oraz zasad i praktyki odkrywania wiedzy w bazach danych (ECML/PKDD),
  • Międzynarodowe Wspólne Konferencje nt. Sztucznej Inteligencji (IJCAI),
  • Stowarzyszenie na rzecz Rozwoju Sztucznej Inteligencji (AAAI),
  • Systemy rekomendujące (RecSys)
  • Interakcja komputer-człowiek (CHI)
  • Modelowanie i prognozowanie behawioralno-kulturowe obliczeń społecznościowych (SBP).
  • Konferencja HT - Konferencja ACM na temat hipertekstu
  • Konferencja SDM – Międzynarodowa konferencja SIAM na temat eksploracji danych ( SIAM )
  • Konferencja PAKDD - coroczna konferencja w regionie Pacyfiku i Azji poświęcona odkrywaniu wiedzy i eksploracji danych

Czasopisma

  • Konferencja DMKD – Problemy badawcze eksploracji danych i odkrywania wiedzy
  • Konferencja ECML-PKDD – Europejska konferencja nt. uczenia maszynowego oraz zasad i praktyki odkrywania wiedzy w bazach danych
  • IEEE Transactions on Knowledge and Data Engineering (TKDE),
  • Transakcje ACM dotyczące odkrywania wiedzy z danych (TKDD)
  • Transakcje ACM dotyczące inteligentnych systemów i technologii (TIST)
  • Analiza i eksploracja sieci społecznościowych (SNAM)
  • Systemy Wiedzy i Informacji (KAIS)
  • Transakcje ACM w Internecie (TWEB)
  • Dziennik internetowy
  • Portale społecznościowe
  • Matematyka internetowa
  • Inteligentne systemy IEEE
  • Eksploracja SIGKDD.

Eksploracja mediów społecznościowych jest również obecna na wielu konferencjach dotyczących zarządzania danymi / bazami danych, takich jak Konferencja ICDE, Konferencja SIGMOD i Międzynarodowa konferencja na temat bardzo dużych baz danych .

Zobacz też

Metody
Domeny aplikacji
Firmy
Tematy pokrewne

Linki zewnętrzne

Pobrane z „ https://en.wikipedia.org/w/index.php?title=Social_media_mining&oldid=1129069285 ”