Twitter (X) use predicts substantial changes in well-being, polarization, sense of belonging, and outrage (Communications Psychology 2024) ଜࢁଠҰ େࡕେֶ ࢈ۀՊֶݚڀॴ ウェブ・ソーシャルメディア論⽂読み会 第15回

2 ֓ཁ Twitter (X) use predicts substantial changes in well-being, polarization, sense of belonging, and outrage (Communications Psychology 2024) Victoria Oldemburgo de Mello, Felix Cheung, Michael Inzlicht (University of Toronto) l Nature系列の⼼理学専⾨のジャーナルから出版 l ஶऀ (Last Author): Michael Inzlicht l ૯Ҿ༻਺ l ࣾձ৺ཧֶઐ໳ l ιʔγϟϧϝσΟΞʹண໨ͨ͠ݚڀΑΓ΋ɺ4FMG$POUSPM΍&HPͳͲʹண໨ͨ͠ ݚڀ͕ϝΠϯ l ͲΜͳ࿦จʁ λΠτϧ௨Γɻ5XJUUFSΛར༻͢Δ͜ͱʹΑΔɺਓʑͷ8FMMCFJOH΍1PMBSJ[BUJPOʹର͢ΔޮՌΛݕূɻ 5XJUUFSͷར༻ͨ͠ਓ PS͠ͳ͔ͬͨਓΛൺֱ͢Δ͚ͩͰͳ͘ɺ5XJUUFSΛར༻͢Δલͱར༻ͨ͠ޙ΋ ݕূͷର৅ͱ͍ͯ͠Δɻ5XJUUFSΛར༻͢Δ͜ͱͰɺ8FMMCFJOHͷ௿Լɺ੓࣏తೋۃԽɺౖΓɺؼଐ ҙࣝͷ૿Ճͱ͍͏ෛͷޮՌ͕ଟ͘ݟΒΕͨͱ͍͏݁࿦ɻ

3 ֓ཁ Motivation l Twitter使⽤における⼼理的影響を⽰唆する研究は多く⾒られるが、議論は 様々 l 幸福感への影響はそこまで⼤きくない Orben, A. Teenagers, screens and social media: a narrative review of reviews and key studies. Soc. Psychiatry Psychiatr. Epidemiol. 55, 407‒414 (2020). l うつ病や孤独感を強める影響がある van den Eijnden, R., Koning, I., Doornwaard, S., van Gurp, F. & Ter Bogt, T. The impact of heavy and disordered use of games and social media on adolescentsʼ psychological, social, and school functioning. J. Behav. Addict. 7, 697‒706 (2018).

4 ֓ཁ Motivation l Twitter使⽤における⼼理的影響を⽰唆する研究は多く⾒られるが、議論は 様々 l 幸福感への影響はそこまで⼤きくない Orben, A. Teenagers, screens and social media: a narrative review of reviews and key studies. Soc. Psychiatry Psychiatr. Epidemiol. 55, 407‒414 (2020). l うつ病や孤独感を強める影響がある van den Eijnden, R., Koning, I., Doornwaard, S., van Gurp, F. & Ter Bogt, T. The impact of heavy and disordered use of games and social media on adolescentsʼ psychological, social, and school functioning. J. Behav. Addict. 7, 697‒706 (2018). ⇒ 個⼈内（時間の変化）で起こるプロセスと、⼈と⼈との間で⽣じるプロセス の2つを切り分けて分析できないのが要因では？ 個⼈内（時間の変化）で起こるプロセス、つまり⼀個⼈のTwitter利⽤前と利 ⽤後の⼼理的変化を捉えるサーベイを⾏い、回帰分析でTwitterの効果を明ら かにすることを⽬指す

5 4VSWFZํ๏ Survey対象 l ⽶国のTwitterアカウントを所有する252⼈の参加者 l アンケート参加者に前もって、性別、年齢などの基礎情報や、ビッグファイ ブ性格質問票を実施 l 調査期間: 7⽇間 l 1⽇に5回、午前9時から午後10時のランダムな時間帯に、少なくとも2時間の間隔を空け てサーベイ調査を送信 ⇒ 1⼈に対して何回もサーベイを⾏うことで、Twitter利⽤前と利⽤後による効果を検証 l 最低限の回答で5ドルの報酬

6 4VSWFZํ๏ 質問内容 Twitterについて ⼼理的特性について l 「30分以内にTwitterを利⽤したか？」 l （利⽤していた場合） l Twitterの利⽤機能について（Behavior） l Twitterの利⽤動機について（Function） 社会的相互について l 幸福感、経験した感情、感情の偏り、帰属意識など

7 4VSWFZํ๏ 質問内容：Twitterの利⽤機能について（Behavior） l タイムラインを⾒る l Like l Retweet l Tweetする l 返信する l DMする l トレンドトピックを⾒る l 他の⼈のプロフィールを⾒る

8 4VSWFZํ๏ 質問内容：Twitterの利⽤動機について（Function） l entertainment factor：⾃分を楽しませるため／楽しむため l escapism factor：気を紛らわすため l social interaction factor：コミュニティやグループと交流するため l self-promotion factor：⾃分⾃⾝や⾃分の仕事を宣伝するため l information seeking factor：情報やインスピレーションを求めるため

9 4VSWFZํ๏ 質問内容：Twitterの利⽤動機について（Function） l entertainment factor：⾃分を楽しませるため／楽しむため l escapism factor：気を紛らわすため l social interaction factor：コミュニティやグループと交流するため l self-promotion factor：⾃分⾃⾝や⾃分の仕事を宣伝するため l information seeking factor：情報やインスピレーションを求めるため

10 4VSWFZํ๏ 質問内容：⼼理的特性について l ⼼の動きに関するものを5段階のリッカート尺度で質問 l Well-being: positive/negativeな感情の度合い l Sad l Afraid l Joyful l Angry l Sense of belonging: グループに属している感覚があるかどうか l Polarization: 0から100の値でどちらの極性に良い感情を持ってるか

11 4VSWFZํ๏ 質問内容：社会的相互について l Twitterの利⽤以外の⼈々との会話や交流によって⼼理的特性の変化が⽣じて いる可能性を排除するために、他の⼈間との交流があったかどうかを調査 l 過去30分間に社会的相互作⽤があったかどうか l その相互作⽤がオンライン上だったのか、対⾯上だったのか l 相互作⽤の質の評価：5段階のリッカート尺度

12 4VSWFZํ๏ 質問内容 Twitterについて ⼼理的特性について l 「30分以内にTwitterを利⽤したか？」 l （利⽤していた場合） l Twitterの利⽤機能について（Behavior） l Twitterの利⽤動機について（Function） 社会的相互について l 幸福感、経験した感情、感情の偏り、帰属意識など

13 ෼ੳํ๏ Multi-level Bayesian Model l ユーザの個⼈の効果（ランダム効果）と、効果が個⼈の中の変化（within）、 もしくは、個⼈同⼠の差（between）によるのかをを考慮する回帰モデル設計 𝑌! = 𝛽" 𝑌!#" + 𝛽$ 𝑋!#" + 𝛽%&!'&&( 𝑋)&*( + 𝛽'+!,+( 𝑋! +(𝑌!#" + 𝑋!#" + 𝑋! |𝑝𝑎𝑟𝑡𝑖𝑐𝑖𝑝𝑎𝑛𝑡) 𝑌! :関⼼のある結果, 𝑋! : 時間𝑡における予測変数, 𝑋"#$% : 対象の予測変数の全体平均

14 ෼ੳํ๏ Multi-level Bayesian Model l ユーザの個⼈の効果（ランダム効果）と、効果が個⼈の中の変化（within）、 もしくは、個⼈同⼠の差（between）によるのかをを考慮する回帰モデル設計 𝑌! = 𝛽" 𝑌!#" + 𝛽$ 𝑋!#" + 𝛽%&!'&&( 𝑋)&*( + 𝛽'+!,+( 𝑋! +(𝑌!#" + 𝑋!#" + 𝑋! |𝑝𝑎𝑟𝑡𝑖𝑐𝑖𝑝𝑎𝑛𝑡) 𝑌! :関⼼のある結果, 𝑋! : 時間𝑡における予測変数, 𝑋"#$% : 対象の予測変数の全体平均 前回のサーベイ調査の 結果をコントロール

15 ෼ੳํ๏ Multi-level Bayesian Model l ユーザの個⼈の効果（ランダム効果）と、効果が個⼈の中の変化（within）、 もしくは、個⼈同⼠の差（between）によるのかをを考慮する回帰モデル設計 𝑌! = 𝛽" 𝑌!#" + 𝛽$ 𝑋!#" + 𝛽%&!'&&( 𝑋)&*( + 𝛽'+!,+( 𝑋! +(𝑌!#" + 𝑋!#" + 𝑋! |𝑝𝑎𝑟𝑡𝑖𝑐𝑖𝑝𝑎𝑛𝑡) 𝑌! :関⼼のある結果, 𝑋! : 時間𝑡における予測変数, 𝑋"#$% : 対象の予測変数の全体平均 ランダム効果

16 ෼ੳํ๏ Multi-level Bayesian Model l ユーザの個⼈の効果（ランダム効果）と、効果が個⼈の中の変化（within）、 もしくは、個⼈同⼠の差（between）によるのかをを考慮する回帰モデル設計 𝑌! = 𝛽" 𝑌!#" + 𝛽$ 𝑋!#" + 𝛽%&!'&&( 𝑋)&*( + 𝛽'+!,+( 𝑋! +(𝑌!#" + 𝑋!#" + 𝑋! |𝑝𝑎𝑟𝑡𝑖𝑐𝑖𝑝𝑎𝑛𝑡) 𝑌! :関⼼のある結果, 𝑋! : 時間𝑡における予測変数, 𝑋"#$% : 対象の予測変数の全体平均 Between: 対象ユーザの 変数の効果

17 ෼ੳํ๏ Multi-level Bayesian Model l ユーザの個⼈の効果（ランダム効果）と、効果が個⼈の中の変化（within）、 もしくは、個⼈同⼠の差（between）によるのかをを考慮する回帰モデル設計 𝑌! = 𝛽" 𝑌!#" + 𝛽$ 𝑋!#" + 𝛽%&!'&&( 𝑋)&*( + 𝛽'+!,+( 𝑋! +(𝑌!#" + 𝑋!#" + 𝑋! |𝑝𝑎𝑟𝑡𝑖𝑐𝑖𝑝𝑎𝑛𝑡) 𝑌! :関⼼のある結果, 𝑋! : 時間𝑡における予測変数, 𝑋"#$% : 対象の予測変数の全体平均 Within: 対象ユーザの 変数の効果

18 ෼ੳํ๏ Multi-level Bayesian Model 𝑌! = 𝛽" 𝑌!#" + 𝛽$ 𝑋!#" + 𝛽%&!'&&( 𝑋)&*( + 𝛽'+!,+( 𝑋! +(𝑌!#" + 𝑋!#" + 𝑋! |𝑝𝑎𝑟𝑡𝑖𝑐𝑖𝑝𝑎𝑛𝑡) l 例: ツイッターの利⽤がWell-beingに対してどのような効果をもたらすか？ l 𝑌! : 時間𝑡におけるWell-beingの値 l 𝑋! : 時間𝑡にTwitterを利⽤したかどうか (0 or 1) l 𝑋"#$% : サーベイ期間全体において対象のTwitter利⽤の平均値 (0 -- 1) l 𝛽!'##% (個⼈間変動): Twitterを利⽤する⼈のWell-beingの傾向 l 𝛽'(!)(% (ݸਓ಺มಈ): Twitterを利⽤したことによるWell-beingの変化

19 ෼ੳํ๏ Multi-level Bayesian Model l ユーザの個⼈の効果（ランダム効果）と、効果が個⼈の中の変化（within）、 もしくは、個⼈同⼠の差（between）によるのかをを考慮する回帰モデル設計 𝑌! = 𝛽" 𝑌!#" + 𝛽$ 𝑋!#" + 𝛽%&!'&&( 𝑋)&*( + 𝛽'+!,+( 𝑋! +(𝑌!#" + 𝑋!#" + 𝑋! |𝑝𝑎𝑟𝑡𝑖𝑐𝑖𝑝𝑎𝑛𝑡) ランダム効果 前回のサーベイ調査の 結果をコントロール 𝑌! : 関⼼のある結果, 𝑋! : 時間𝑡における予測変数, 𝑋"#$% : 対象の予測変数の全体平均 Between: 対象ユーザの 変数の効果 Within: 対象ユーザの 変数の効果

20 ෼ੳ݁Ռ Twitterの利⽤と⼼理的特性の変化

21 ෼ੳ݁Ռ Twitterの利⽤と⼼理的特性の変化 個⼈内効果 (within)：Twitterを利⽤するこ とで、Well-beingは下がり、退屈な気持ち になり、怒りの感情を持ちやすくなり、政 治的極性が強くなり、帰属意識が強くなる。 個⼈間効果 (between)：Twitterを利⽤す るユーザは、退屈で孤独感を感じやすい。

22 ෼ੳ݁Ռ Twitterの利⽤⽅法と⼼理的特性の変化

23 ٞ࿦ 集計された効果は実際的な有意性を持 つにもかかわらず、参加者間で不均⼀ な傾向

24 ٞ࿦ 論⽂を読んで… l Surveyに25ドル × 7⽇ × 約300⼈なので約52500ドルぐらいは掛かってる …？ l 論⽂から回帰モデルを完全に理解するのが難しいが、公開されてるコードが 簡単なのでそこから回帰モデルの形が理解できる l 細かなテクニックがいくつか⾒られる l Survey調査の有効⼈数の決定にMulti-level Simulationの活⽤ l Twitterの使い⽅のMotivation (Functions)の5分類の決め⽅もちゃんとしており、参考になる （Supplementに記載）