Trait, Not State: The Durability of Reading Identity in Social Highlighting

技術要約：特性（Trait）であって状態（State）ではない：ソーシャル・ハイライティングにおける読書アイデンティティの持続性

問題提起
ソーシャル・ウェブにおけるハイライティングに関する先行研究は、読書行動における個性の所在は、主に「選択」（ユーザーがどのドキュメントをハイライトするか）にあり、「顕著性」（ドキュメント内のどこをハイライトするか）にはないことを確立した。しかし、これらの知見は時間を固定的に扱う横断的なものであった。本論文が取り組む中心的な問いは、時間的（temporal）なものである。すなわち、読者の「選択のシグネチャー」は、特性（耐久性があり安定したアイデンティティ）なのか、それとも状態（直近の事象に左右される一時的な条件）なのか、という点である。

この区別は、実用面において相反する示唆を持つ。もし選択が「状態」であるならば、レコメンデーション・システムは短期的なセッション・モデルと積極的な忘却処理に依存しなければならない。もしそれが「特性」であるならば、長期的なユーザー・プロファイルは正当かつ持続的な資産となる。プロダクション環境のレコメンダーは多くの場合、直近性を重視する重み付けをデフォルトとしているが、心理計量学の文献は、デジタル・トレースが安定した属性を予測できることを示唆している。本研究は、読者の選択における優位性の減衰を測定することで、この緊張関係を解消することを目指す。

手法
本研究は、ソーシャル・ウェブ・ハイライターであるGlaspのデータを利用し、ヘビーかつ長期利用しているユーザーの厳格なコホートに焦点を当てている。

• コホート: 191,223件のランダムサンプリングされたユーザー・レコードから、405名の適格な読者を特定した。適格条件は、$\ge$60件のクリーンなウェブ・ドキュメント、$\ge$12ヶ月にわたる活動期間、および$\ge$8ヶ月の異なる月における活動とした。中央値としてのユーザーは133件のドキュメントを有していた。
• プロファイル構築: 各ユーザーについて、最初の6ヶ月間のハイライトを「凍結」してプロファイルを作成した。このプロファイルは、ハイライト範囲のテキスト埋め込み（512次元 text-embedding-3-small）のセントロイドで構成され、$K=20$個のドキュメントでキャップされている。
• 評価設計:
  • ポジティブ: プロファイル凍結からの時間差（0–1, 1–3, 3–6, 6–12, 12–24, 24+ ヶ月）ごとにビン分割された、当該ユーザーのその後のドキュメント選択。
  • ネガティブ: 「サプライ・ドリフト」（利用可能なコンテンツの変化）が個人のドリフトとして誤認されるのを防ぐため、ネガティブは時間的にマッチングさせた。これらは、ポジティブと同じ暦上のインターバルにおける他の読者の選択から抽出された。
  • 2つのレジーム:
    1. 粗い（Coarse/Easy）: ネガティブおよびコントロール群をグローバルなコホートから抽出。
    2. 細かい（Fine/Hard/Primary）: ネガティブおよびコントロール群を、ユーザーの最もプロファイルが類似している上位25名のピア（関心領域の近傍）から抽出。このレジームは、より困難で関連性の高いベースラインに対してアイデンティティをテストするために、プライマリ（主要）として指定された。
• 指標: 主要指標は、平均適合率（AP）の優位性（$Own - Other$）である。ここで「Own」は、ユーザーの凍結されたプロファイルによる候補セットのランキングのAPであり、「Other」は、同一のセットに対する3人のコントロール・ユーザーのプロファイルの平均APである。
• 保持分析（Retention Analysis）: 生存者バイアス（遠いビンには長期利用ユーザーのみが含まれること）を避けるため、主要な分析では**ペア保持（paired retention）**アプローチを用いる。これは、特定のユーザーの後のビン（例：6–12 ヶ月）における優位性を、自身の0–1 ヶ月のベースラインと比較するものである。

主な結果

1. ハーネスの検証: ファイン・レイヤーにおける「アンカー」セル（プロファイル凍結直後の評価）は、+0.188（95% CI: [0.160, 0.216]）の優位性を示した。これは先行研究の横断的な推定値である+0.169を再現しており、実験設定の妥当性を検証している。
2. 検出可能な減衰の不在（特性としての振る舞い）:
   • ファイン・レイヤー: 6–12 ヶ月のホライゾンにおけるペア保持比（$R$）は1.00（CI: [0.85, 1.18]）であり、統計的に検出可能な低下は見られなかった。24ヶ月以上経過した場合でも、区間にはゼロが含まれており、点推定値は緩やかな低下を許容している。
   • 粗いレイヤー: 12–24 ヶ月において、粗いレイヤーでのみ統計的に有意な低下（約13%の減少）が観察された。これは、広範なトピックの混合はわずかにドリフトする可能性がある一方で、微細なアイデンティティは安定していることを示唆している。
   • 結論: 2年間において、ファイン・レイヤーでは「半減期」となるビンは観察されなかった。
3. ソースの反復からの独立性: この耐久性のあるシグナルは、単にユーザーが同じドメインを繰り返しハイライトしている結果ではない。すべてのプロファイル・ドメインを候補セットから除外した場合でも、優位性は全ホライゾンを通じて**約90%**の値を維持した。
4. 緩やかな個人内ドリフト: アイデンティティは他者に対しては安定しているが、静止しているわけではない。ユーザーの履歴の「直近の半分」から構築されたプロファイルは、「古い半分」から構築されたものよりも**+0.042** AP高かった。しかし、古い半分は直近の半分のスコアの約91%を保持しており、新しいテーマへの置き換えではなく、緩やかな蓄積が起きていることを示している。
5. 将来的な実行可能性: 個人のプロファイル（たとえ20ヶ月前のドキュメントに基づいたものであっても）は、非個人的な事前分布（全期間の普及度、近傍の共同読解、直近性、ランダム）よりも、当該ユーザーの実際の次の読書を約3倍のAPでランク付けした。特筆すべきは、個別のレベルでの評価において、グローバルな普及度に基づく事前分布はランダムな推測と同等の性能であったことである。

意義と主張
本論文は、自然な形でのエンゲージメントが確認された読書選択における、初のアイデンティティ減衰曲線を提供すると主張している。その「特性」の操作的定義は、継続的なプラットフォーム利用下における、安定した個人固有の選択シグネチャーである。

• 理論的貢献: 本研究は、ドキュメント内の顕著性シグナルは共有され状況的なものである一方で、選択のレイヤーは個人的かつ持続的であることを証明している。これは、ユーザーの嗜好は純粋に「状態」に基づいたものであり、絶え間ない更新が必要であるというレコメンダー・システムの仮定に異を唱えるものである。
• 実用的示唆: このデータを利用するシステムにとって、「積極的な忘却」は不当である。選択シグナルについては、長期的なプロファイルを保持し、緩やかな直近性への適応と組み合わせるべきである。シグナルは、ユーザーの最初期のドキュメント（中央値20ヶ月前）から構築されたプロファイルであっても、依然として実行可能である。
• 限界と範囲: 著者らは、これらの知見が特定のプラットフォーム（Glasp）のヘビーな長期利用者に適用されるものであることを明記している。本研究は、インプレッション・ログが利用できないため、「露出（exposure）」と「選択（choice）」を分離できておらず、「特性」は「環境における人間」というシステムの特性である。観察された耐久性は、継続的なエンゲージメントを条件としている。つまり、エンゲージメント自体が永続的であることを主張しているわけではない。また、測定器としての（凍結されたタイトル／スパンの埋め込み）は意図的に単純化されており、より複雑なモデルであれば異なるドリフト・パターンを示す可能性がある。

要約すると、本論文は、熱心な読者にとって、「何を」読むかを選択するシグネチャーは、数年間にわたって持続し、未経験のソースにも転移する耐久性のある「特性」である一方で、「どこを」ハイライトするかというシグナルは、一過性で共有されるものであると結論付けている。