D-MODD: A Diffusion Model of Opinion Dynamics Derived from Online Data

本論文は、経験的に再構成されたドリフト項と拡散項を備えたランジュバン型方程式を用いて分極化されたトピックにおける現実世界の世論動態を正確に記述する、縦断的ソーシャルメディアデータから導出された初のデータ駆動型連続時間確率モデルであるD-MODDを紹介する。

要約

「D-MODD」という論文を、平易な言葉と日常的な比喩を用いて解説します。

全体像：世論の「天気図」を描く

インターネットを、人々の意見が水面に浮かぶ船のような巨大で混沌とした海だと想像してください。通常、これらの船は、ツイートやニュースの見出し、友人のコメントといった波や風によって、ランダムに流されていると考えられています。

この論文は、単純な問いを投げかけます：これらの船が単に流されているように見えても、彼らを導く隠れた地図や目に見えない海流が存在するのでしょうか？

著者たちは、気候変動に関するツイッター（現在の X）のデータを用いて、そうであると述べています。彼らはD-MODD（データに由来する意見動態の拡散モデル）と呼ばれる数学的モデルを構築し、オンライン上の意見が単にランダムに跳ね回っているのではなく、丘を流れる水のように、特定の予測可能な規則に従っていることを証明しました。

彼らがどう行ったか：「タイムトラベル」地図

これらの規則を見つけるために、研究者たちはある一日の人々の考え方のスナップショットを撮っただけではありませんでした。代わりに、1 年間にわたる 5700 万件のツイートの「タイムラプス動画」を観察しました。

1. 2 つの谷： 彼らは、意見の「海」が平坦ではないことを発見しました。そこには 2 つの深い谷（または盆地）があります。
   • 一つの谷は、気候変動を信じる人々（気候肯定派）のためのものです。
   • もう一つの谷は、それを否定する人々（否定派）のためのものです。
2. 目に見えない重力： 大多数の人々の意見は、自然とこれらの 2 つの谷のいずれかに転がり落ち、そこに留まります。誰かが自分の谷から流れ出ようとするとき、目に見えない「重力」（ドリフト）が彼らを中に引き戻します。
3. 揺れ： 人々が谷の中にいる間、彼らは完全に静止しているわけではありません。少し揺れ動きます。この「揺れ」が拡散です。揺れが小さい場合（安定した意見）もあれば、大きい場合（不安定な意見）もあります。

2 つの主要な発見

1. ゲームの規則（ドリフトと拡散）

著者たちは、「重力」の強さと人々がどの程度「揺れる」かを正確に測定しました。

• 引き戻す力： あなたが気候変動を信じる人で、誰かがあなたに気候変動を否定させようとした場合、あなたのコミュニティの「重力」があなたを元の側へ引き戻します。否定派についても同様です。
• 中間地点： 2 つの谷の真ん中には、平坦で不安定な場所があります。もしあなたがちょうど真ん中にいるなら、すぐに 2 つの谷のいずれかに押しやられる可能性が高いです。長期間中立を保つのは困難です。

2. 「頑固な人」と「ぐらつく人」

これが彼らの発見の中で最も興味深い部分です。彼らは、誰がどの谷に住んでいるかを調べ、彼らがどの程度「ぐらつく」かに大きな違いがあることを発見しました。

• 気候変動否定派（岩）： 否定派の谷にいる人々は、重い岩のようです。一度そこに入ると、ほとんど揺れません。彼らの意見は極めて安定しており、一貫しています。この論文は、これらのアカウントの多くが特定の政治グループ（米国では MAGA サポーターなど）と関連しており、ほとんど意見を変えない「頑固な」エージェントのように振る舞うことを発見しました。
• 気候肯定派（葉）： 気候肯定派の谷にいる人々は、風の中の葉に似ています。彼らはまだ谷の中にいますが、はるかに多く揺れ動きます。彼らの意見はより頻繁に変動します。この論文は、このグループには多様なトピックについて議論する多くの機関、ジャーナリスト、科学者が含まれており、そのため彼らの「意見のシグナル」はノイズが多く、より硬直していないことを示唆しています。

モデルの「魔法」

研究者たちは、これらの現実世界の規則を用いてコンピュータシミュレーション（D-MODD モデル）を構築しました。

• 彼らはモデルに、データから発見した「重力」と「揺れ」の規則を入力しました。
• 彼らは、人々が意見を変える架空のシミュレーションをコンピュータに実行させました。
• 結果： その架空のシミュレーションは、実際のツイッターのデータとほぼ完全に一致しました。

これは、オンライン上の意見動態が、粒子の動きを記述するために物理学で使われる特定の種類の方程式を含む、単純な数学的方程式のセットで記述できることを証明しています。つまり、会話の「地形」を知っていれば、意見がどのように移動するかを予測できることを意味します。

要約の比喩

気候変動の議論をボーリング場だと考えてください。

• そこには 2 つの溝（2 つの極端な意見）があります。
• 大多数の人々は、どちらかの溝に引っかかるボーリングボールです。
• 否定派の溝は非常に粘着性の高い床を持っています；ボールが一度入ると、ほとんど動きません。
• 気候肯定派の溝は、少し滑りやすい床を持っています；ボールは少しだけ転がります。
• レーンの中央は、ボールを素早くどちらかの溝へ押しやる傾斜路です。

この論文の主な成果は、これらの溝がどの程度粘着性があり、どの程度滑りやすいかを正確に測定し、ソーシャルメディアの混沌の中にも、私たちが議論し合意する過程には、隠れた数学的な秩序が存在することを証明したことです。

技術概要

技術的概要：オンラインデータから導出された意見動力学の拡散モデル（D-MODD）

問題提起

意見動力学モデル（例：DeGroot モデル、有界信頼モデル、有権者モデル）は、合意形成、分極化、エコーチェンバーを理解するための理論的枠組みを提供してきたが、実世界の時系列データを用いて較正されたものはほとんど存在しない。既存の実証研究は、静的な調査スナップショットや集計された感情尺度に依存することが多く、個人の意見の連続的な進化を捉えきれていない。さらに、エージェントベースシミュレーションは創発的行動の再現は可能であるものの、微視的行動を支配する特定の確率法則を特定する能力に欠けることが多い。個々の行動痕跡を、分析的かつ連続時間の概念化を通じて巨視的結果に結びつけるという点に、決定的なギャップが存在する。本論文は、縦断的ソーシャルメディアデータを用いて、分極化したトピックにおける意見動力学の確率モデルを実証的に導出するという課題に取り組む。

手法

データ収集と前処理

本研究は、2022 年の気候変動に関連する 5,700 万件のツイートからなる「Climatoscope」データセットを利用した。これは Twitter の track API を通じて収集されたものである。データセットは、気候懐疑論者・否定論者と気候擁護ユーザーとの間に強く分極化した景観を明らかにしている。

• グラフ構築: 3 週間期間のリツイートネットワークを用いて動的相互作用グラフを構築し、7 日間のスライディングウィンドウを適用した。その結果、年間 50 のグラフが生成された。エッジはリツイート数を表し、閾値（>1）でフィルタリングされ、691,993 人の一意のユーザーが含まれた。
• 潜在空間埋め込み: グラフはnode2vecを用いて埋め込まれた。既知の気候擁護または否定論者の立場を持つ「アンカーアカウント」で訓練された教師ありUMAPによる 2 次元縮小が適用された。
• 座標変換: 線形変換により、気候擁護および否定論者のアンカーの重心をそれぞれ座標 $(+2, +2)$ と $(-2, -2)$ に整列させた。これにより、ユーザーの座標 $(x_i, y_i)$ がその意見状態を表す 2 次元潜在空間 $O$ が作成された。第一座標 $x(t)$ は、その安定性と分離の支配的軸としての役割から、主要な連続的意見変数として選択された。

推定された意見の検証

推定された意見の軌跡は、以下の 2 つの主要な方法で検証された。

1. クラスタリングとの比較: 先行研究 [16] で分類された 27,700 件のアカウントとの比較において、気候擁護ユーザー（$x > 1$）で 99%、否定論者ユーザー（$x < -1$）で 97% の一致を示した。
2. LLM によるスタンス分類: 無作為に選択されたユーザーのオリジナルツイートのスタンスをLlama-3.1を用いて分類することで、独立した検証が行われた。テキストベースのスタンスが一貫しているユーザー（$\pm 2$）において、自動化された動的埋め込みは96% の精度で一致を示した。

確率的再構成

著者らは、意見増分 $\Delta x = x_{t+\Delta t} - x_t$ の条件付きモーメントを計算し、ドリフト $A(x)$ と拡散 $D(x)$ 関数を推定した。
$$A(x) = \frac{1}{\Delta t} \mathbb{E}[\Delta x \mid x_t = x]$$
$$D(x) = \frac{1}{2\Delta t} \mathbb{V}[\Delta x \mid x_t = x]$$
これらの実証関数は、意見密度 $p(x,t)$ の進化を支配する Fokker–Planck 演算子の係数に対応する。

主要な貢献と結果

1. D-MODD モデル

本論文は、行動軌跡から直接較正された連続時間ランジュバンモデルであるD-MODD（データから導出された意見動力学の拡散モデル）を導入する。ユーザー $x(t)$ の意見進化は、以下の確率微分方程式で記述される。
$$dx_t = F(x_t) dt + \sqrt{2D(x_t)} dW_t$$
ここで、$W_t$ は標準ウィーナー過程である。ドリフト場 $F(x)$ は、アトラクタ（$x^* = \pm 2$）への経験的に観測された復元力を維持しつつ、大域的安定性を確保するようにモデル化されている。
$$F(x) = |A(x)| (x^* - x)$$
拡散項 $D(x)$ は状態依存ノイズを捉え、アトラクタ近傍では揺らぎが最小であるが、決定論的復元力が弱まる領域では増幅することを明らかにしている。

2. 遷移カーネルの実証的再構成

大規模オンラインソーシャルネットワークにおいて初めて、著者らはデータから直接1 段階条件付き遷移確率 $P(x_{t+\Delta t} \mid x_t)$ を再構成した。

• マルコフ性の検証: 本研究はChapman–Kolmogorov (CK) 整合性条件をテストした。CK によって予測された 2 段階カーネルは、経験的な 2 段階カーネルと密接に一致しており（平均 Wasserstein-1 偏差は 0.7 バイン）、この分極化したトピックにおける短時間スケールの意見動力学がマルコフ記述を許容するという直接的な証拠を提供した。
• モデル忠実度: D-MODD モデルは経験的遷移カーネルを成功裡に再現した。遷移演算子のスペクトル分析により、経験的およびモデルの固有値分布間に高い重なりが示された（Wasserstein 距離 $W_1 = 7.2 \times 10^{-3}$）。これは、緩和時間スケールや混合行動を含む大域的動力学構造をモデルが捉えていることを示している。

3. 意見安定性の非対称性

ユーザープロファイルの分析により、2 つのアトラクタ盆地間に顕著な非対称性が明らかになった。

• 否定論者アトラクタ: 否定論者盆地（$x < -1$）のユーザーは、低い意見変動性（標準偏差 $\langle \sigma_x \rangle = 0.89$）とより極端な平均意見（$\langle x \rangle = -1.95$）を示した。最も安定したアカウント（最低の $\sigma_x$）を手動で検査したところ、それらは主に米国に拠点を置き、MAGA に同調する個人であり、強硬で一貫したスタンスを持っていたことが判明した。
• 気候擁護アトラクタ: 気候擁護盆地（$x > 1$）のユーザーは、高い変動性（$\langle \sigma_x \rangle = 1.21$）とやや極端でない平均意見（$\langle x \rangle = 1.86$）を示した。高変動性のアカウントは、多様なコンテンツを持つ機関や専門家（NGO、ジャーナリスト、科学者）であることが多く、より多様な相互作用パターンをもたらしていた。

意義と主張

本論文は、分極化したトピックにおけるオンライン意見動力学が、演算子レベルにおいてマルコフ過程によって記述しうるという最初の直接的証拠を提供すると主張する。社会物理学、行動データ、複雑系モデリングを架橋することで、著者らは以下の点を実証している。

1. 効果的確率演算子: 実世界の意見揺らぎは構造化されていないノイズではなく、明確なアトラクタ盆地と空間的に不均一なノイズを持つ一貫した拡散様過程に従う。
2. データ駆動型較正: D-MODD 枠組みにより、理論モデルを実証的行動データに対して直接較正、テスト、改良することが可能となり、純粋なエージェントベースシミュレーションを超えた進展を可能にする。
3. 分極化のメカニズム: 本研究は、分極化の持続性が状態依存変動性によって駆動されている可能性を示唆している。すなわち、特定のサブグループ（否定論者）の「頑固さ」（低変動性）がより安定したアトラクタを創出し、外部情報シグナルとは独立して合意への収束を妨げている可能性がある。

著者らは、このアプローチが微視的ユーザー軌跡をコンパクトな巨視的記述に結びつける厳密な生成モデルを提供し、大規模社会システムにおける情報フローと集合的行動の予測モデリングの基盤を築くと結論づけている。