第37回ウェブソーシャルメディア論⽂読会

Transcript

1. Chen Ling, Ihab AbuHilal, Jeremy Blackburn, Emiliano De Cristofaro, Savvas Zannettou, Gianluca Stringhini Dissecting the Meme Magic: Understanding Indicators of Virality in Image Memes (CSCW1 2021) 第37回ウェブソーシャルメディア論⽂読会 2026/01/22 市川慧(東京科学⼤学)
2. 1 論⽂概要 タイトル：Dissecting the Meme Magic: Understanding Indicators of Virality in Image Memes ▪論⽂(会議)について ▪どのドメインの研究か ACM SIGCHI Conference on Computer- Supported Cooperative Work & Social Computingの略でHCIのトップカンファレンス の⼀つ。 ミーム研究の中でも画像を含むインターネット ミームの画像表現に着⽬した研究。 ▪著者について 筆頭著者はボストン⼤学の博⼠学⽣(当時)。 Binghamton University, UCL, Max planck Instituteと複数機関の定性・定量研究者が共同 して発表。 ▪どのような研究か 拡散される画像ミームのどのような要素が 拡散に寄与しているのかを混合研究法 (定量・定性の組み合わせ)で分析した研究。
3. 2 背景 画像ミームの拡散能⼒ ソーシャルメディア上で画像を含むインターネットミームはテキストのみの投稿よりも多く拡散される傾向にある。 テキストによる投稿 画像を含むインターネットミーム 画像ミームの⽅が共有される
4. 3 背景 画像を含むインターネットミームの拡散の危険性 画像ミームは誤情報やプロパガンダとして拡散されることが多いなど、世論に悪影響を及ぼす可能性がある。 オルタナ右翼を代表するミーム「ぺぺ」 トランプ⽀持者を扱ったミーム →⼀⽅でどのような画像ミームが拡散されるか？を調べた研究はテキストのミームと⽐較して少ない。
5. 4 背景 インターネットミームとは Dawkinsによりミームの概念が提唱されたのち、インターネット上で拡散されるミームの研究も進められてきた。 Dawkinsによるミームの定義 遺伝に依らない⾏動はすべて、 変異・選択・保持のプロセスを経て 集団内に拡散し、宿主の注意資源を めぐって互いに競争する。 Kuipersのインターネットミームの定義 パロディや模倣、再利⽤を通じて コンテンツを変形し、それを視覚的 メディア⽂化の内部に組み込むもの。
6. 5 背景 本研究で扱うインターネットミーム ⽪⾁や喜劇的要素を含む⽂化的断⽚の⼀つであり、オンライン上で共有されることで影響⼒を持つもの。 共有を繰り返されることでより影響⼒が増していく。
7. 6 背景 画像を含むインターネットミームの拡散の危険性 画像ミームは誤情報やプロパガンダとして拡散されることが多いなど、世論に悪影響を及ぼす可能性がある。 オルタナ右翼を代表するミーム「ぺぺ」 トランプ⽀持者を扱ったミーム →⼀⽅でどのような画像ミームが拡散されるか？を調べた研究はテキストのミームと⽐較して少ない。
8. 7 研究⼿法 定性・定量を組み合わせたミックスドメソッドで探索的に研究を進⾏。 (1)データセットの収集・作成、拡散要素の探索的特定 (2)ミームの要素毎の分類分け、拡散の有無の識別 ④識別モデルの作成 左記のデータを⽤い画像 ミームの拡散の有無を 識別する学習モデルを 作成。テストデータと して別途画像ミームを 収集し精度を検証。 ③画像を要素毎に分類分け 6⼈の評価者により定性的 ⼿法で100のイメージを 分類分け。 ②拡散される要素を特定 拡散される要素(3カテゴリ、9 要素)を定性的⼿法で特定して コードブックを作成。 ② ③ ① ①拡散される/ないミームを収集 4chanʼsの/pol/スレッド からZannettou(2018) の⼿法(/pol/上での該当の ミームの投稿数)を⽤いて拡散 される/ない画像ミームを研究者 が定性的⼿法で収集。
9. 8 研究⼿法 定性・定量を組み合わせたミックスドメソッドで探索的に研究を進⾏。 (1)データセットの収集・作成、拡散要素の探索的特定 (2)ミームの要素毎の分類分け、拡散の有無の識別 ④識別モデルの作成 ③画像を要素毎に分類分け 6⼈の評価者により定性的 ⼿法で100のイメージを分 類分け。 ②拡散される要素を特定 拡散される要素(3カテゴリ、9 要素)を定性的⼿法で特定して コードブックを作成。 ② ③ ① ①拡散される/ないミームを収集 4chanʼsの/pol/スレッド からZannettou(2018) の⼿法(/pol/上での該当の ミームの投稿数)を⽤いて拡散 される/ない画像ミームを研究者 が定性的⼿法で収集。 左記のデータを⽤い画像 ミームの拡散の有無を 識別する学習モデルを 作成。テストデータと して別途画像ミームを 収集し精度を検証。
10. 9 Research Hypothesis(RH) ミームの拡散に寄与するものとして下記の3カテゴリに着⽬し、カテゴリのどの要素が拡散に寄与するか検証。 RH1:Composition 視覚芸術における美的特徴(例:キャラクタの特徴をハイコントラストの⾊で記述したものは聴衆の⽬を 惹きつけるなど)を持たない画像ミームは広く拡散されにくい。 RH2:Subject 主題を明確に描いていないミームは広く拡散されにくい。 RH3:Target Audience ミームが特定の⽂脈を共有するものにしか理解されないようなトピックを対象とした場合、ミームは 広く拡散されにくい。
11. 10 拡散されるミームの拡散要因の特定 “Composition”,”Subject”,”Target Audience”の3カテゴリのもとに下記9つの要素を拡散要因として抽出。 RH1:Composition 視覚芸術における美的特徴(例:キャラクタの 特徴をハイコントラストの⾊で記述したもの は聴衆の⽬を惹きつけるなど)を持たない 画像ミームは広く拡散されにくい。 RH2:Subject 主題を明確に描いていないミームは広く拡散 されにくい。 RH3:Target Audience ミームが特定の⽂脈を共有するものにしか 理解されないようなトピックを対象とした 場合、ミームは広く拡散されにくい。 Number of panels Types of the images Scale Movement Type of subject Attributes of the subject Characterʼs emotion Contains words Intended audience コマの枚数 画像の種類(写真/スクショ/イラスト) スケール(アップ/中距離ショット/遠景ショット) ⾝体的動きを含む/⾝体的動きとそれに伴う動きを 含む/⾝体的動き,それに伴う動き,感情的動きを含む 主題(物体/キャラクタ/シーン/⽣き物) 主題に関わるもの(表情/姿勢/ポスタ/看板/ スクショ/シーン/未加⼯の写真) 感情(ポジティブ/ネガティブ/ニュートラル) ⽂字あり/⽂字なし ⽂化を超えて⼈⼀般に共通するもの /特定の⽂化にのみ共有されるもの 要素
12. 11 Composition(1) 視覚芸術における美的特徴要素 1. Number of panels(コマの枚数) 3. Types of the images(画像の種類) 2. Scale(画像スケール) (a)Single panel (b)Multiple panels (a)Close up (b)Medium shot (c)Long shot (a)Photo (b)screenshot (c)illustration
13. 12 Composition(2) 視覚芸術における美的特徴要素 4. Movement(画像内の⼈物・ものの動作) (a) an image that includes physical movement (b) an image that combines physical movement and causal movement (c) an image that contains physical movement, emotional movement, and causal movement.
14. 13 Subject(1) ミームが主として扱うもの。 5. Type of subject(画像で扱われる主題) 7. Attributes of the subject(主題の属性) 6. Characterʼs emotion(主題の表す感情) (a)Positive (b)negative (c)Neutral (a)Object (b)character (c)scene (d)creature (a)facial expression (b)posture (c)poster (d)sign (b)screenshot (c)scene (d)Unprocessed photo
15. 14 Subject(2) ミームが主として扱うもの。 8. Contains words(⽂字を含むか否か) (a)No words (b)With words
16. 15 Target audience ミームが対象とする受け⼿。 9. Intended audience(どの聴衆を想定するか) (a) The meme “manning face” as an example of “human common” (b) The meme “happy merchant” as an example of “cultural specific” meme
17. 16 研究⼿法 定性・定量を組み合わせたミックスドメソッドで探索的に研究を進⾏。 (1)データセットの収集・作成、拡散要素の探索的特定 (2)ミームの要素毎の分類分け、拡散の有無の識別 ④識別モデルの作成 ③画像を要素毎に分類分け 6⼈の評価者により定性的 ⼿法で100のイメージを分 類分け。 ②拡散される要素を特定 拡散される要素(3カテゴリ、9 要素)を定性的⼿法で特定して コードブックを作成。 ② ③ ① ①拡散される/ないミームを収集 左記のデータを⽤い画像 ミームの拡散の有無を 識別する学習モデルを 作成。テストデータと して別途画像ミームを 収集し精度を検証。 4chanʼsの/pol/スレッド からZannettou(2018) の⼿法(/pol/上での該当の ミームの投稿数)を⽤いて拡散 される/ない画像ミームを研究者 が定性的⼿法で収集。
18. 17 要素分け(アノテーション)結果 研究者6⼈のタグ付けの⼀致率をFleiss kappa係数で計算。 Number of panels(コマの枚数) Scale(画像スケール) Types of the images(画像の種類) Type of subject(画像で扱われる主題) Movement(画像内の⼈物・ものの動作) Attributes of the subject(主題の属性) Characterʼs emotion(主題の表す感情) Intended audience(どの聴衆を想定するか)
19. 18 ミームに含まれる語数と拡散の関係性 ミーム画像からOCRで⽂字を読み込み、拡散されている/されていないミームごとに累積分布関数を描画。 K-S検定によりミーム中 に含まれる語数が拡散性 に影響を与えないという 帰無仮説が棄却(p<.005) ミームに含まれる語数 累積分布関数(CDF) 拡散される 拡散されない
20. 19 研究⼿法 定性・定量を組み合わせたミックスドメソッドで探索的に研究を進⾏。 (1)データセットの収集・作成、拡散要素の探索的特定 (2)ミームの要素毎の分類分け、拡散の有無の識別 ④識別モデルの作成 ③画像を要素毎に分類分け 6⼈の評価者により定性的 ⼿法で100のイメージを分 類分け。 ②拡散される要素を特定 拡散される要素(3カテゴリ、9 要素)を定性的⼿法で特定して コードブックを作成。 ② ③ ① ①拡散される/ないミームを収集 左記のデータを⽤い画像 ミームの拡散の有無を 識別する学習モデルを 作成。テストデータと して別途画像ミームを 収集し精度を検証。 4chanʼsの/pol/スレッド からZannettou(2018) の⼿法(/pol/上での該当の ミームの投稿数)を⽤いて拡散 される/ない画像ミームを研究者 が定性的⼿法で収集。
21. 20 拡散される/されないミームの識別モデルの精度 拡散される/されていないを⽬的変数に先に挙げた特徴量(合計30個)を⽤い、下記の8つの決定⽊ベース/⾮決定⽊ ベースのモデルで10分割の交差検証を10回繰り返しAUCを算出。 ←決定⽊モデルで最も精度が⾼い ←⾮決定⽊ベースのモデルで最も 精度が⾼い
22. 21 重要度の⾼い特徴量 変数の各カテゴリに実数を対応させる。 よく拡散されたミームのうち42/50が感情表現を持ち、 あまり拡散されなかったミームのうち19/50が感情表現を持っていた。 ①Facial Expression ポジティブな感情表現を含むと拡散されやすく(拡散されやすいミームのうち39%が ポジティブ)、ネガティブな感情表現を含む場合も拡散されやすい(拡散されやすい ミームのうち27%がネガティブ) ②Character emotion あまり拡散されなかったミームのうち30%のミームしか画像の主題が特徴的な姿勢 を保持していなかった⼀⽅、拡散されるミームの主題の46%が特徴的な姿勢を保持 していた。 ③Character posture 中距離からの撮影はよく拡散されたものとされなかったものとで差がなかった⼀⽅、 よく拡散されたものの中には近距離撮影のものが多く、拡散されにくかったものは 遠距離から撮影されたものが多かった。 ④Image scale よく拡散されたものの中にはキャラクタを含むものが多く、よく拡散されたミーム のうち93%がキャラクタを含んでいた。 ⑤Character as subject
23. 22 RHの検証 RH1, RH2は⽀持。 RH1:Composition →仮説の⽀持 拡散されやすいミームの中に近距離撮影の画像が多かったことから画像の構図がミーム画像は拡散性に 影響を与えると考えられるためRH1は⽀持された。 RH2:Subject →仮説の⽀持 被写体がキャラクタであるか否か、画像の主題の表情が感情を表すものであるか、画像の主題が特定 の姿勢を取っているか、などの要素の有無が拡散されたものとされなかったもので異なっており、 画像の主題の特徴は拡散性に影響を与えると考えられるため、RH2は⽀持された。 RH3:Target Audience →仮説は⽀持されず ミームが特定の閲覧者を想定したものであるか否かは拡散されやすいものとそうでないものとで違い はなかったため、RH3は⽀持されなかった。
24. 23 モデルが汎⽤性を持つか検証 先⾏研究よりReddit/Twitterより取得した下記20の拡散されやすいミームを取得し、本研究と同様の⼿法で分類 分けを⾏ったのちモデルでミームが拡散されたものか否か識別を⾏ったところ、19/20のミームを正しく多く 拡散されたミームであると識別することに成功。 ※*はよく拡散されたミームであるにも関わらず、モデルによって正しく拡散されたミームと 識別することができなかったミーム。 ※Postsの数(%)は先⾏研究で集められたミーム全体のうち、該当のミームが占める数・割合。
25. 24 結果を踏まえたケーススタディ(1) よく拡散されるミームの⼀つであるSmug Frogは、本研究における拡散されやすい要素をいくつか含んでいた。 Smug Frog Scale: 近距離での構図 Type of subject: キャラクタもの Characterʼs emotion: ポジティブな感情を含む Attributes of the subject: Posture(⼿を顎に当てる仕草)
26. 25 結果を踏まえたケーススタディ(2) あまり拡散されなかったミームは、拡散されやすいミームと対象的な特徴を持っていることが多かった。 Smug Frog Scale: 中・遠距離での構図 Type of subject: キャラクタではない Characterʼs emotion: 主題が⼈でないことが多くほとんど⾒られず Attributes of the subject:主題が⼈でないことが多くほとんど⾒られず
27. 26 ディスカッション 本研究における貢献 • 画像のスケール、キャラクタの有無、感情表現の有無、画像の主題の姿勢がミームの拡散性に影響を 与えることを⽰した。 • オンラインでの画像を⽤いたコミュニケーションの理解を促進し、CSCWコミュニティによる オンライン上でのコンテンツモデレーションのあり⽅に貢献。 Limitation • 選定されたミームは先⾏研究を踏まえたものであるが、必ずしも全てが最もよく知られたものでは ない可能性がある。 • 本研究での拡散性の定義はミームを含む/pol/上で共有された投稿数だが、「いいね」やリツイート 数といった他の指標を拡散性の指標に⽤いても良いかもしれない。 • ミームの特性は⽇々変化しているため時間変化を考慮に⼊れる必要がある。