Direct and Indirect Influence on Likes in Social Media

技術要約：ソーシャルメディアにおける「いいね」への直接的および間接的な影響

問題提起
本研究は、オンライン・ソーシャルネットワークにおける社会的伝染のメカニズムを調査するものであり、具体的にはVKontakte（VK）プラットフォームにおけるユーザーの「いいね」行動に焦点を当てている。既存の文献では、直接的な隣接ノード（距離 $d=1$）が行動の採用に与える影響については広く文書化されているが、アルゴリズムによるコンテンツ・キュレーションが存在する大規模な環境において、友人（friends-of-friends、距離 $d=2$）からの間接的な影響が、どの程度独立してユーザーの行動を形成しているのかについては、まだ十分に理解されていない。この領域における中心的な課題は、真の社会的影響と、混同要因（ホモフィリー：類似した個人同士が結びつく傾向、およびプラットフォームによる媒介的な露出：アルゴリズムが直接的なユーザー間の相互作用ではなくネットワーク構造に基づいてコンテンツを提示すること）を区別することである。著者らは、直接的な友人の活動を制御した場合でも、ユーザーが投稿に「いいね」をする確率が、二次の近傍の活動に依存するかどうかを判断することを目的としている。

手法
著者らは、ロシアのトムスク州におけるユーザーの巨大連結成分に特化した、VKontakteプラットフォームから抽出された約29万人のユーザーを含む大規模データセットを利用した。このデータセットには、友人関係の結びつきと、308件のローカルニュース投稿に対する「いいね」の時系列記録が含まれており、合計で36,286件の「いいね」（分析対象のネットワーク成分内のユーザーによるものは19,599件）が存在する。

分析には、記述統計とロジスティック回帰モデルの組み合わせを用いている。主な手法構成は以下の通りである：

1. ネットワーク指標： 本研究では、近傍の活動を定量化するためにいくつかの指標を定義し、分析している：
   • $k_1$：活動的な直接の友人（$d=1$）の数。
   • $k_2$：活動的な友人（friends-of-friends、$d=2$）の数。
   • $s$：構造的多様性指数。活動的な友人の間の連結成分の数として定義される。
   • $m$（誘導指数）：活動的な直接の近傍のうち、活動的な近傍が持つ最大活動数（Xie et al., 2022に従う）。
   • $m^*$（拡張誘導指数）：焦点となるノードのすべての直接的な近傍（それらの近傍自体が活動的であるか否かを問わない）における、最大活動数として定義される新しい指標。
2. 回帰分析： 著者らは、ユーザーが投稿に「いいね」をする確率を予測するために、一連のロジスティック回帰モデルを推定した。これらのモデルには、$k_1$、$k_1$ 内の結合密度（$\rho_1$）、構造的多様性（$s$）、および様々な形式の二次的活動（$k_2$、$m$、$m^*$）を含む共変量が段階的に組み込まれた。
3. 制御とフィルタリング： 時系列的な因果推論を確実にするため、分析には時系列フィルタリングを適用し、ユーザーの「いいね」の直前の活動的な近傍の状態を測定した。頑健性の確認として、ノード次数および局所的なクラスター係数によるデータの層別化が行われた。

主な貢献

1. 拡張誘導指数（$m^*$）の導入： 本論文は、$m^*$ を、元の誘導指数 $m$ や生の $d=2$ ノード数と比較して、間接的な影響を捉えるためのより優れた指標として提案している。$m$ は活動的な直接の近傍を条件としているのに対し、$m^*$ は非活動的な直接の近傍を経由して到達可能な二次的活動も考慮しており、それによって元の指数では不可視であった露出経路を捉えている。
2. 間接的影響の実証的検証： 本研究は、直接的な友人の活動を条件とした場合でも、二次的な活動（$d=2$）が「いいね」行動の有意な予測因子として存続するという実証的な証拠を提示している。
3. 直接的近傍効果の再評価： 分析の結果、直感に反する発見が得られた。記述統計においては、活動的な直接の友人（$k_1$）の生数が「いいね」と正の相関を示しているが、構造的多様性や二次的活動の指標を含む回帰モデルにおいては、その条件付き係数が負になることが明らかになった。

結果

• 二次的影響： 二次的活動と「いいね」の確率との間には、実質的な正の相関が見られた。拡張誘導指数 $m^*$ は、生の友人（$d=2$）の数（$k_2$）や元の誘導指数（$m$）よりも強力な単一の予測因子として浮上した。$m^*$ と「いいね」の確率との関係は、ほぼ線形であることが判明した。
• 閾値効果： 元の誘導指数 $m$ は、ステップ状のパターンを示し、$m=1$ および $m=3$ で「いいね」の確率が急激に上昇した。これは潜在的な局所的強化の閾値を示唆している。
• 構造的多様性： $m^*$ を用いたモデルにおいて、活動的な友人の間の連結成分の数（$s$）は、「いいね」の確率と正の相関があった。これは構造的多様性の仮説を支持している。
• 直接的近傍の負の相関： 構造的多様性と二次的活動を制御したモデルでは、活動的な直接の近傍の数（$k_1$）は、「いいね」の確率と負の相関を示した。著者らはこれを抑制効果ではなく、$k_1$ が単一のコミュニティ内における信号の集中度のプロキシ（代理指標）として機能しており、限定的な注意やプラットフォームのランキングアルゴリズムによって、ユーザーが知覚する実効的な構造的多様性を減少させている可能性を示すものと解釈している。
• 距離減衰： $d=1$ および $d=2$ の活動を考慮した後では、$d \ge 3$ のノードにおいて有意な相関は検出されなかった。
• デモグラフィックス： 男性であることは一般的に「いいね」の確率が低いことに関連していたが、この効果はクラスター係数や次数が高いサブサンプルにおいて変動した。ノード次数は「いいね」の確率と正の相関があった。

意義と主張
本論文は、大規模なオンライン・ソーシャルネットワークにおける誘導パーコレーション・メカニズムへの実証的な支持を提供し、間接的な影響経路（特に $d=2$）が行動の拡散を形成する上で中心的な役割を果たしていることを示している。著者らは、拡張誘導指数 $m^*$ の説明力が優れていることは、プラットフォーム媒介型の可視化メカニズム（推奨やランキングのアルゴリズムなど）が、直接的な近傍からの信号がない場合でも、友人の友人が支持するコンテンツにユーザーを露出させていることを示唆していると主張している。

本研究は、オンラインプラットフォームにおける行動拡散を理解するためには、高次の近傍構造が極めて重要であると結論付けている。これは「三次の影響」仮説が成立する可能性を示唆しているが、本データセットにおいて検出可能な最も強力な非局所的信号は、$d=2$ の距離に集中している。これらの知見は、社会的伝染が単なる直接的なピア・プレッシャーの関数ではなく、ネットワークの構造的多様性と、プラットフォームのアルゴリズムによって媒介される二次的な接続の可視性によって大きく調整されることを示唆している。著者らは、内部のランキングデータへのアクセスができないため、プラットフォーム媒介的な露出に関する解釈は推測の域を出ないとしているが、結果はそのようなメカニズムと整合している。