ソーシャルメディアリサーチにおける検索エンジンへのシフト

最近、TwitterやRedditみたいなソーシャルメディア企業が、アプリケーションプログラミングインターフェース（API）の無料アクセスをやめることにしたんだ。この変更は、データを使って研究をしているインターネット研究者にとって大きな問題を引き起こしてる。ソーシャルメディアデータにアクセスできないと、オンライン行動やコミュニケーションに関する重要な研究がずっとやりづらくなる。このデータアクセスの変化を、私たちは「ポストAPI時代」って呼んでる。

#問題を理解する

研究者がソーシャルメディアデータを使うと、傾向を分析したり、人々のコミュニケーションの仕方を理解したり、さまざまな社会問題を研究したりするための情報を集めるんだ。無料アクセスを終わらせるって決定は、研究者がこのデータを簡単に集められなくなるってこと。今、私たちはGoogleみたいな検索エンジンが、ソーシャルメディアデータを集める代わりになるのかを知りたいんだ。

2つの主要な質問に焦点を当てるよ：Googleの検索エンジンはソーシャルメディアデータの正確で完全なビューを提供してるのか？検索エンジンの結果は、ソーシャルメディアAPIへの直接アクセスの信頼できる代替になるのか？答えを見つけるために、Googleの検索結果とTwitterやRedditの実際のデータを比較したんだ。

#検索エンジンの結果の課題

誰かがGoogleで何かを検索すると、見える結果は多くの要因に影響されることがある。結果がソーシャルメディアで起こってることの完全な絵を示してるかどうかを考えるのが大事。TwitterやRedditへの直接アクセスができない代わりに、研究者は検索エンジンの結果に頼ることになるけど、それは同じ深みのデータを提供するわけじゃないかもしれない。

Googleや他の検索エンジンはソーシャルメディアのコンテンツを集められるけど、問題は：実際にどれくらいのコンテンツを表示してるのか？このコンテンツは何かしら偏ってるのか？これらの問題を理解することは、検索エンジンの結果をソーシャルメディア研究に使うのが良いアイデアかどうか判断するために重要だ。

#ウェブスクレイパーの使用

APIへのアクセスが限られている中でソーシャルメディアデータを得る一つの方法は、ウェブスクレイパーを使うことだ。これは、普通のユーザーがソーシャルメディアのフィードをブラウジングするのを模倣してデータを集めるツールなんだ。しかし、ウェブスクレイパーは非効率的で、APIが提供できるデータに比べて十分な情報を集められないかもしれない。だから、ウェブスクレイパーだけに頼るのは、APIが以前提供していた直接アクセスを置き換えることはできない。

#データソースの比較

この問題を研究するために、私たちはAPIを停止した2つの人気ソーシャルメディアプラットフォーム、RedditとTwitterのデータに焦点を合わせたよ。まず、これらのプラットフォームから関連データを集めて、2つの完全なデータセットを作成した。次に、Googleの検索結果がこのデータとどのくらい一致しているかを分析した。

Redditのデータは、Redditの活動をキャッチするためのサービスを使って集めて、ほぼ完全な投稿とコメントのセットが得られた。2023年1月の活動に焦点を当て、数百万の投稿とコメントを含んでいた。Twitterについては、COVID-19パンデミックに関連するデータを集めて、かなりの数のツイートを確保したんだ。

#検索エンジンの結果を集める

データセットを取得した後、Google検索を使ってRedditデータセットのキーワードに基づく結果を集めた。私たちは、これらのキーワードで検索結果に返される投稿が何なのかを確認するためにGoogleにクエリを発行した。この方法で、Googleが表示する内容と実際のソーシャルメディアデータとの重複の程度を見られるようになる。

#違いを分析する

データを分析した結果、Googleから返された情報とRedditやTwitterの直接のソーシャルメディアデータの間にいくつかの重要な違いがあることがわかった。

#1. 人気の偏り

検索エンジンの結果は、人気のある投稿を優先する傾向があることがわかった。例えば、TwitterやRedditで多くの注目を集めた投稿は、Googleの検索結果に表示される可能性が高いんだ。つまり、あまり人気がないけど重要なコンテンツが見落とされてるってわけ。

さらに、私たちの分析では、投稿の人気とGoogleの結果のランキングには明確な関係がないことが明らかになった。言い換えれば、人気があるからと言って検索結果での上位にあることは保証されないんだ。

#2. 言語とトーン

もう一つの重要な発見は、検索エンジンの投稿で使われている言語が元の投稿と比べてかなり異なるってこと。特に、Googleの検索結果は政治的な内容がずっと少なくて、全体的にソーシャルメディアデータに比べてポジティブだった。これは、検索エンジンがもっとネガティブまたは論争のあるコンテンツをフィルタリングしている可能性があることを示唆してる。

また、私たちの分析では、Googleから返されたコンテンツは、強い感情の言葉が不足していて、全体的に中立的またはポジティブに見えることがわかった。このトーンの違いは、Googleの検索結果を通じて伝えられる感情の信憑性について懸念を引き起こす。

#3. テーマ的カバレッジ

Googleの検索結果でカバーされているトピックとRedditやTwitterの投稿でカバーされているトピックも調査した。私たちは、Googleが返すトピックにいくつかのギャップがあることを特定した。例えば、政治やポルノ、他の敏感なトピックに関連する内容が、検索結果ではしばしば欠けているか、過小評価されていた。

トピックの分布を比較することで、検索エンジンの結果にはいくつかの分野で不足があることが見えてきた。これは、研究者が検索エンジンの結果だけに頼っていると、重要な情報を見逃す可能性があることを示している。

#コストの影響

これらの分析に加えて、さまざまな方法でソーシャルメディアデータを取得するコストを探ることにした。RedditとTwitterは現在、APIアクセスに対して料金を請求していて、かなり高額になることがある。一方で、検索エンジンの結果にアクセスするのはずっと安価だ。

でも、検索エンジンはコスト効果の高い解決策を提供する一方で、データの偏った表現によって、研究者が完全な絵を得られない可能性がある。検索エンジンのデータを使うと、欠陥のある or 不完全な研究結果を導く可能性がある。

#課題と限界

Googleからの結果にいくつかの違いや偏りを特定したとはいえ、この研究には限界があるのを認識することが重要だ。一つには、RedditやTwitterから集めたデータが削除やモデレーションなどのさまざまな要因で重要な投稿を見逃してしまった可能性がある。

さらに、検索エンジンは常にアルゴリズムを更新しているから、検索結果はクエリごとに大きく異なることがある。つまり、これらの結果に基づいて行われた分析は、検索結果の生成方法の変化に影響される可能性があるんだ。

#結論

まとめると、Googleのような検索エンジンを直接のソーシャルメディアAPIアクセスの代わりに使うのは、いくつかの課題があるってこと。私たちの研究結果は、検索エンジンの結果が人気のある投稿に偏っていて、しばしば重要なトピックが欠けていることを示してる。それに、検索エンジンのデータはソーシャルメディアデータに比べてもっとポジティブなトーンを示してる。

研究者がポストAPI時代に適応する中で、検索エンジンデータを慎重に扱うことが重要だ。検索エンジンは特定のコンテキストでは貴重なツールになり得るけど、かつて研究者が享受していた直接アクセスの完全な代替とは見なされるべきじゃない。今後は、検索エンジンデータのニュアンスをよく理解し、それが社会科学の研究努力をどう支えるか、あるいは妨げるかを探るさらなる調査が必要だ。

最終的には、研究者は検索エンジン結果の限界を意識し、ソーシャルメディアの風景を正確に反映するデータを集めるために、さまざまな方法を使用する必要がある。