Integrating Social Network Analysis and Topic Modeling in Social Media Research: A Systematic Literature Review of Open-Access Scopus Studies (2016-2026)
2016年から2026年までのScopusに掲載された194件のオープンアクセス研究を対象としたこの系統的文献レビューは、ソーシャルメディア研究におけるソーシャルネットワーク分析とトピックモデリングの統合が急速に拡大しており、主にTwitterを介した健康と政治に焦点を当てている一方で、現在の応用は依然として極めて表層的かつ並行的であることを明らかにしており、これを受けて著者は、手法の深化と検証基準を進展させるための包括的な分類学、研究モデル、およびアジェンダを提案している。
原論文は CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) でライセンスされています。 これは以下の論文のAI生成解説です。著者が執筆または承認したものではありません。技術的な正確性については原論文を参照してください。 免責事項の全文を読む
ソーシャルメディアは、私たちがスクロールしたり、投稿したり、シェアしたりするたびに、2つの異なる種類の足跡を残します。一つはコンテンツそのものです。私たちが打ち込む言葉、表明する意見、そして語る物語です。もう一つはコネクション（つながり）です。リツイートしたり、返信したり、誰かをフォローしたりするという行為は、誰が誰の言葉を聞いているのか、そしてアイデアがいかにして人々の間を移動しているのかを明らかにします。長年、研究者たちはこれらの足跡を別々に研究してきました。あるチームはコミュニティがいかに形成され、影響がいかに広がるかを見るためにコネクションをマッピングし、また別のチームは人々が実際に何を語っているのかを理解するためにテキストを分析してきました。しかし、デジタル世界を真に理解するためには、関係性の地図と会話の地図の両方を同時に見なければなりません。課題は、どちらかの詳細を失うことなく、これら2つの異なる地図をいかに織り交ぜるかということでした。
ブワイ・ジャヤ・サプトラ（ブラウィジャヤ大学の研究者）による最近の系統的レビューは、科学者たちが過去10年間にわたり、どのようにこれら2つの手法を組み合わせようと試みてきたかについて、包括的な視点を提供しています。この研究は、ソーシャルネットワーク分析とトピックモデリングを統合しようとした、2016年から2026年までに発表された194件のオープンアクセス研究論文を調査しました。その目的は、単に存在する研究の数を数えることではなく、それらがどのように構築され、何を発見し、そしてこの分野がどこへ向かっているのかを理解することにありました。このレビューは、急速に成長しているものの、多くの場合、研究者が2つの分析を並行して行うだけで、両者を一つのより深い理解へと織り交ぜるまでには至っていない、表面的な段階で止まっている分野の姿を明らかにしています。
レビューは、ソーシャルメディアのデータに対してネットワーク分析とトピックモデリングの両方を用いた研究を、主要な学術データベースで検索することから始まりました。英語で書かれ、かつ無料で利用可能な論文に絞り込んだ結果、研究者たちは560件の候補論文を、厳格な基準を満たす194件にまで絞り込みました。これらの研究は、健康に関する議論から政治論争、ビジネスの動向、環境問題に至るまで、幅広いトピックを扱っています。データは多くのプラットフォームから収集されましたが、そのうちの1つのプラットフォームであるX（旧Twitter）が、研究の半分以上を提供していました。Reddit、YouTube、Weiboといった他のプラットフォームの使用は時間の経過とともに増加しており、これは研究の領域が単一のソースを超えて広がっていることを示唆しています。
研究者たちがこれらの研究がどのように実施されているかを調べたところ、これら2つの手法を組み合わせる方法において明確なパターンが見つかりました。大多数のケース、すなわち約71パーセントにおいて、研究者たちは「パラレル（並行）」なアプローチを用いていました。これは、人々が何を話しているかを見るためのトピック分析と、誰が繋がっているかを見るためのネットワーク分析をそれぞれ行い、単に両方の結果を比較するというものです。これは、都市の道路の地図と人気のショップのリストを別々に見て、「それらが重なっているようだ」とメモするだけで、実際には道路がどのようにショップへと通じているのかを辿っていない状態に似ています。この手法は一般的であり、概況を把握するには有用ですが、レビューによれば、両者の間の繋がりが本物なのか、それとも単なる偶然なのかを検証することはほとんどありませんでした。
ごく一部の研究、約9パーセントのみが、ネットワークとテキストを単一の数学的枠組みの中で同時に分析する「ジョイント（結合）」アプローチを試みています。これらの研究は、コミュニティの構造と会話の内容を同時に推定しようとするため、より複雑です。また、人々を特定した後に、それらの特定のグループが何を話しているのかを分析するという「ネットワーク・トゥ・トピック（ネットワークからトピックへ）」のアプローチを用いた研究のグループもありました。さらに稀な第4のグループとして、議論されているトピックの類似性に基づいて人々の間の繋がりを構築する「トピック・トゥ・ネットワーク（トピックからネットワークへ）」のアプローチを用いる研究が、5パーセント未満存在しました。このレビューは、分野がより洗練された手法へと移行している一方で、単純なパラレル・アプローチが依然として多くの研究者のデフォルトとなっていることを示唆しています。
テキストを分析するためのツールも進化してきました。長い間、大量のテキストから隠れたテーマを見つけ出すための手法として、潜在的ディリクレ配分法（LDA）が標準でした。これはレビューされた研究の約3分の1に登場しました。しかし、近年では、BERTopicのような高度な言語理解を用いる新しい手法が登場し始めています。このような技術的な転換にもかかわらず、レビューは重大な透明性の欠如を指摘しました。研究の半分は、抄録（アブストラクト）の中で使用した具体的なアルゴリズムを明記していませんでした。さらに、自身の発見の正確性をどのように確認したかについて、明確な説明を含んでいる研究は極めて少数でした。ほとんどの抄録は、異なる設定や異なるツールを使用した場合に結果が変わるかどうかを、研究者がテストしたかどうかに言及していませんでした。
研究者たちは、これら2つの手法を組み合わせることが今やソーシャルメディア研究の定型となっている一方で、その統合はしばしば浅薄であることを結論付けました。この分野は2016年のわずか1件の記事から2025年には36件の記事へと成長しており、関心の明確な加速を示しています。しかし、研究のデザイン自体は、その成長に追いついていません。このレビューは、科学者が単に2つの別々の分析を実行する段階を超え、ネットワークとテキストがどのように相互作用するか（それがトピックからネットワークを構築することであれ、特定のコミュニティ内のトピックを分析することであれ）という具体的な経路を選択することを促す、新しい研究フレームワークを提案しています。決定的なことに、著者は、研究者が組み合わせた知見を検証し、人と言葉の間の繋がりが異なる条件下でも維持されるかどうかをテストすべきであると主張しています。
将来を見据えて、このレビューは次の10年間の研究のアジェンダを概説しています。それは、現在過小評価されているビデオベースのサイトやメッセージングアプリを含む、X以外のプラットフォームに関する研究を増やすよう求めています。また、米国や中国の支配的な研究を超えて、これまで無視されてきた言語や地域を研究対象に含めるよう研究者に促しています。最後に、このレビューは、最も有望な道筋は、ネットワークの構造と会話の内容を、単一の相互接続されたシステムとして扱うモデルの開発にあると示唆しています。そうすることで、研究者はソーシャルメディアで起きていることを単に記述する段階から、人々の間の繋がりがいかにして彼らが共有するアイデアを形作っているのかを真に理解する段階へと進むことができるのです。
自分の分野の論文に埋もれていませんか？
研究キーワードに一致する最新の論文のダイジェストを毎日受け取りましょう——技術要約付き、あなたの言語で。