利用带吸引子的协同演化潜空间网络模型解耦社交媒体互动中的正向与负向党派性
应用统计
2022-08-16 v4 统计方法学
摘要
我们发展了一类广泛适用的带吸引子的协同演化潜空间网络（CLSNA）模型，其中节点表示假设位于未知潜空间中的个体社会行动者，边表示行动者之间指定互动的存在，并在潜空间层面加入吸引子以捕捉吸引力和排斥力的概念。我们应用CLSNA模型来理解社交媒体上党派极化的动态，其中我们预期共和党人和民主党人越来越多地与本党互动并与对立党派脱离。利用来自社交媒体平台Twitter和Reddit的纵向社交网络，我们分别调查政治精英与公众中正向（吸引）和负向（排斥）力的相对贡献。我们的目标是在党派内部和党派之间解耦正向与负向力，并探究它们是否以及如何随时间变化。我们的分析证实了政治精英和公众的社交媒体互动中均存在党派极化。此外，虽然正向党派性在整个研究期间是公众和民主党精英互动的驱动力，但自2016年总统大选筹备以来，负向党派性已成为共和党精英互动的主导力量。
引用
@article{arxiv.2109.13129,
title = {Disentangling positive and negative partisanship in social media interactions using a coevolving latent space network with attractors model},
author = {Xiaojing Zhu and Cantay Caliskan and Dino P. Christenson and Konstantinos Spiliopoulos and Dylan Walker and Eric D. Kolaczyk},
journal= {arXiv preprint arXiv:2109.13129},
year = {2022}
}
备注
revised version