Persistent Structural Inequality of Online Interactions Across Platforms

技術要約：オンライン・インタラクションにおける構造的不平等の持続性

問題提起
ソーシャルメディアにおけるインタラクションは、少数のユーザーが活動の大部分を獲得する一方で、大多数のユーザーが周縁に留まるという、極めて不均衡な分布によって特徴付けられる。この現象はしばしばべき乗則（パワーロー）分布として記述されるが、それが特定のプラットフォーム構成（アルゴリズム、コンテンツタイプ、ガバナンスモデルなど）に起因する一時的なアーティファクトなのか、あるいはデジタル環境に固有の持続的な構造的制約なのかは明らかになっていない。既存の文献は、単一のプラットフォームや孤立した事象に焦点を当てることが多く、異なる時間軸、多様なプラットフォーム、および異なるインタラクション形式（能動的な貢献 vs 受動的なエンゲージメント）を横断して、インタラクションの不平等が一定の軌跡を辿るのかどうかを体系的に評価できていない。本研究は、支配的な貢献者の出現がオンライン・エンゲージメントにおける構造的な特徴なのか、それとも特定の社会技術的コンテキストによる可変的な結果なのかという理解における空白を埋めるものである。

手法
著者らは、ネットワークベースのアプローチを用いて、主要なエコシステム（X、YouTube）から異なるガバナンスモデルを持つ代替ネットワーク（Gab）に至るまで、複数のソーシャルメディア・プラットフォームにおけるユーザー・投稿の二部グラフ（bipartite networks）を分析している。本研究では、幅広いトピック（例：COP26、ロシア・ウクライナ紛争、日常的な会話）と、2006年から2025年までの期間をカバーする広範なデータセットを利用している。

プラットフォーム間の比較可能性を確保するため、著者らは用語（投稿、いいね、コメント）を標準化し、時間を重複のない5日間のウィンドウに離散化している。各ウィンドウにおいて、外れ値に対する堅牢性を確保するために中央値を用いてポストレベルの指標（例：受け取ったコメント数や「いいね」数）を集計し、ユーザーレベルの統計量を導出している。

分布の特性と不平等の定量化には、以下の3つの補完的な指標を用いている：

1. KLダイバージェンス比 ($R_{KL}$)：分布の関数形態を評価するため、経験的分布に対して指数分布とべき乗則モデルの両方を適合させる。経験的分布とべき乗則モデルとの間のカルバック・ライブラー（KL）ダイバージェンスと、指数モデルとの間の比率により、どちらの分布がデータをより良く近似するかを決定する。比率が1未満であれば、べき乗則への適合を示す。
2. 逆変動係数 (ICV)：平均を標準偏差で割った比率 ($\mu/\sigma$) として定義され、この指標はテールの優位性と分散を特徴付ける。ICVの値が低いほど、ヘビーテイル（厚い裾）と高い異質性を示し、高いほどより均質な分布であることを示す。
3. 対数変換されたジニ係数：極端にヘビーテイルな分布で見られる飽和効果を回避しながら全体の集中度を定量化するため、対数変換された変数 ($Y = \log(X + 1)$) に対してジニ係数を算出する。これにより、極端な値のスケールを圧縮しつつ、順序構造を保持する。

これらの指標の時系列トレンドは、単調性を評価するためにマン・ケンドール検定を用いて評価される。

主な結果

• 分布の形状：ほぼすべてのデータセットおよびインタラクション形式において、経験的分布は指数分布よりも系統的にべき乗則の形態に近い ($R_{KL} < 1$)。このヘビーテイルな挙動は、能動的な貢献（投稿）と受動的なエンゲージメント（「いいね」、コメント）の両方に共通しており、共通の基礎的な統計構造を示唆している。
• 分散と集中：逆変動係数 (ICV) はほとんどのプラットフォームで一貫して0に近い値を維持しており、大幅な分散と長いテールが存在することを示している。一般に、受動的なインタラクションは能動的なものよりも強いヘビーテイル特性を示す。対数変換されたジニ係数は、高い集中度 ($G_{log} \approx 1$) を明らかにしており、少数のユーザーが不釣り合いに大きなシェアのインタラクションを占めていることを裏付けている。
• 時系列の安定性：主要な知見は、不平等の安定性である。各プラットフォーム内において、集中度（ICVおよびジニ係数で測定）は極めて安定しており、不平等が一時的な事象の結果ではなく、持続的な構造的特性であることを示唆している。一部のデータセット（例：XのCOP26）はヘビーテイル化が進む傾向を示すが、他のデータセットは安定しているか、あるいはべき乗則への近似からわずかに離れる動きを見せている。
• プラットフォーム間の整合性：不平等の程度は、規模、ガバナンスモデル、トピックの焦点が異なるプラットフォーム間でも一貫している。同一プラットフォームからのデータセットは、特定のコミュニティやトピックに関わらず同様の集中レベルを示しており、これはプラットフォーム固有のメカニズム（例：可視化アルゴリズム、インタラクションのアフォーダンス）がこれらのパターンを形成する上で重要な役割を果たしていることを示唆している。

意義と主張
本論文は、デジタル環境におけるインタラクションの不平等は、特定のアルゴリズムやコンテンツのダイナミクス、あるいはユーザーの好みの付随的な副産物ではなく、限定されたアテンション（注意）とプラットフォームが媒介する可視性を中心に構築されたシステムの構造的な帰結であると主張している。このパターンの再帰性は、多様なコンテキストを通じて確認されており、不平等が表面的な介入に対して抵抗力を持つ「システム的なアトラクター（引き込み子）」として機能していることを示唆している。

著者らは、これらの知見が、デザインレベルの介入だけでインタラクションのパターンを再形成できるという概念に異議を唱えるものであると論じている。むしろ、本研究は、参加のアーキテクチャそのものが、可視性と参加がどのように分配されるかに対して構造的な制約を課していると断じている。したがって、デジタルプラットフォームにおけるオープンアクセスと平等なエンゲージメントの機会という約束は、これらの固有の構造的規則性によって制限されており、アテンションは必然的に少数の目立つアクターへと集中していくのである。