数据持久性偏差对社交媒体研究的影响

社交媒体研究常回顾性收集数据以分析公众舆论。社交媒体数据可能随时间衰减，这种衰减可能阻碍完整数据集的收集。结果，所收集的数据集可能与完整数据集不同，研究可能遭受数据持久性偏差。过去研究表明，就文本内容而言，回顾性收集的数据集在很大程度上能代表原始数据集。然而，尚无研究分析数据持久性偏差对诸如聚焦争议性话题的社交媒体研究的影响。在本研究中，我们分析三类数据集上的数据持久性及其引入的偏差：争议性话题、趋势性话题和议题框架。我们报告了这些数据集中哪些话题更可能遭受数据持久性。我们使用政治取向变化、潜在有害内容和话题的存在作为度量来量化数据持久性偏差。我们发现争议性数据集更可能遭受数据持久性，且在重新收集时偏向政治左派。包含潜在有害内容的数据在非争议性数据集上的留存率显著更低。总体而言，我们发现由右派倾向用户推动的话题更可能遭受数据持久性。账户封禁是导致数据移除的主要因素，即便不是唯一因素。我们的结果强调了当所使用的数据集易受数据持久性偏差影响时，通过实时收集数据来考虑该偏差的重要性。