期待と言語:Twitterからの洞察
未来を語る際に、未来学者がTwitterでどんな言葉を使っているかを探ってみる。
― 1 分で読む
期待ってのは、未来のことを考えて計画する能力のことだよ。人間らしい部分で、いろんなシチュエーションで見られる。期待できると、複雑で不確実な未来に対処するのに役立つ。このスキルで、起こりそうな結果に備えられるんだ。
ほとんどの人は、次に何が起こるかを予測しようとするよね。いつも変わる世界では、期待が課題やチャンスを管理するための鍵だよ。人が未来についてどう考えるかを知ることは、今後にうまく対処するために重要なんだ。
言語と期待
言語は、未来についての考え方を示す重要な役割を持ってる。特定の言葉やフレーズは、私たちの期待を示すことができる。でも、これが自然言語処理とどうつながるかについては、あまり研究が進んでない。この研究は、Twitter上で未来について語るフューチャリストたちの言葉の選び方が、ソーシャルメディアユーザーの未来への考え方にどんな影響を与えるかを調べることに焦点を当ててる。
私たちが答えたい主な質問は:
- Twitterのフューチャリストたちはどんな未来について話してるの?
- これらの期待された未来をソーシャルデータを使ってどう分析できるの?
これを理解するために、期待についての過去の研究や言語の役割、未来についてのさまざまな考え方を分類する方法を探るよ。この基盤があれば、Twitter上のフューチャリストたちが共有するメッセージを調査し、それがどんな未来のシナリオを示しているかを検討できるんだ。
Twitterからの洞察
この研究は、Twitterのインフルエンサーが共有する未来のアイデアと、その言語がソーシャルメディアユーザーの考え方にどう影響するかを強調することを目指してる。フューチャリストのツイートを分析して、浮かび上がるテーマについての深い洞察を得るつもり。
研究の一部では、言語が未来について考えることにどのように影響するかを論じてる。また、未来を過去や現在のイベントとの関連に基づいて分類して、Twitterのインフルエンサーがどんな未来を伝えているかを理解する手助けをしてる。
データ収集と処理
この研究のデータは、公開されているツイートをスクレイピングする方法でTwitterから収集したよ。分析は2021年1月1日から2023年3月31日までで、120万以上のツイートを集めた。ツイートは、期待について議論する可能性が高い250人ほどの慎重に選ばれたフューチャリストから得られた。
ツイートの分析には、LDA(潜在ディリクレ配分)とBERTopicの2つの主な方法を使った。この2つの方法で、ツイートで話されている主要なトピックを抽出できるんだ。
トピックモデリングの結果
LDAからの発見
LDAのアプローチでデータを分析したとき、15個のトピックを特定したよ。これらのトピックは、常に明確に分かれてるわけじゃなく、重なることもある。例えば、人工知能に関するトピックは、テクノロジーにおけるテーマにも関連してる。
ツイートは短いから、異なるトピックを特定するのが難しいこともあるけど、LDAモデルはそこそこまとまりがあった。時間が経っても、主要なトピックは安定してる。これは、ツイートで扱われるテーマが常に関連性を持っていて、時間とともに重要性が大きく変わることはないってことを示してる。
BERTopicからの発見
一方、BERTopicは文章の意味をよりよく捉えることができる。この方法で、期待に関連するテーマの約100の詳細なクラスタが明らかになった。主要なトピックは、ロボティクス、オートメーション、デジタルトランスフォーメーション、仕事の変わりゆく性質などが含まれてる。
このアプローチを通じて、これらのトピックがどう繋がっているかも可視化できる。結果は、いくつかのテーマが安定している一方で、新しい情報や出来事が現れることで、他のテーマが出現したり進化したりし、ソーシャルメディアユーザーに不確実性をもたらしていることを示している。
インフルエンサーの役割
私たちの発見の一つの興味深い点は、インフルエンサーが他の人の未来への期待を形作る役割だ。インフルエンサーはソーシャルメディアでユニークな立ち位置にいることが多い。彼らの意見は重要だから、他の人もより注意深く彼らの言うことを聞く。
これは特にTwitterのようなプラットフォームで当てはまって、インフルエンサーが自分の考えをすぐに共有できる。だから、彼らのメッセージはフォロワーたちの期待を引き起こし、未来のシナリオについて考えさせることがあるんだ。
言語の合図と期待
言語は未来のアイデアを伝える強力なツールだ。書かれた言葉は、何が起こりうるかについての考えを導く信号として働く。期待を含むツイートは、さまざまな未来を投影できて、ソーシャルメディアユーザーが自分の潜在的な未来をどう見るかに影響を与える。
言語をうまく使うのが重要で、それがフォロワーの注意を引くんだ。人々が技術や経済の変化についての可能性のある未来イベントについての投稿を読むと、彼らは自分の状況を振り返り、どう準備するかを考えやすくなる。
未来の種類
未来を2つの主なタイプに分類するよ:
現在の未来
これらの未来は過去の出来事や経験に基づくよ。人々がすでに経験したことに根ざしてる。現在の未来は往々にしてより具体的で、確立されたデータや予測に基づいて計算しやすいんだ。
未来の現在
一方、未来の現在はより抽象的で、時間とともに変わる可能性がある。これはまだ形成中のアイデアを表していて、無限の可能性を持つタイプの未来だ。
これらのカテゴリーを理解することで、異なるタイプの未来が考え方や行動にどんな影響を与えるかを認識できるんだ。
研究の限界
私たちの研究は貴重な洞察を提供してるけど、いくつかの限界もある。分析は特定のグループのTwitterユーザーに焦点を当てているから、成果を広く応用できる範囲が限られるかもしれない。今後の研究では、より多様なインフルエンサーを含むことができるかもしれない。
もう一つの限界は、すべてのツイートがインフルエンサーの個人的な期待を反映しているわけではないことだ。一部はリツイートや他のユーザーの引用かもしれなくて、オリジナルな考えの分析が複雑になることがある。
さらに、ツイート自体を分析しただけではなく、ユーザーのコメントも見れば、インフルエンサーが言及した未来に対する彼らの視点をよりよく理解できると思う。
今後の方向性
この研究は、Twitter上でフューチャリストたちが話しているトピックを調べたものだ。このプラットフォームは、フューチャリストを含むインフルエンサーが未来のイベントやトレンドについて自分の意見を表現できるから選ばれたよ。
今後、分析手法をさらに洗練させることを目指してる。観察されたトレンドに基づいて今後の機会を予測できるよう、モデルの能力を拡張したいと思ってる。質の高いデータと、パターンを効果的に特定できるモデルの重要性を認識してる。
Twitterのようなプラットフォームから得られるソーシャルデータを使うことで、ツイートを通じて提示される期待される未来についての洞察を得られる。これには、新たに生じるトレンドについての洞察を提供するパターンを特定できるといういくつかの利点がある。こうした期待される洞察に基づいて変化に備えることで、個人は未来の不確実性によりうまく対処できるようになるんだ。
期待とともに言語に焦点を当て続けることで、人々が未来についてどう考え、どう準備するかの理解を深めていきたい。デジタル世界における未来の研究はまだ進化していて、発見すべきことがたくさん残ってるんだ。
タイトル: What Twitter Data Tell Us about the Future?
概要: Anticipation is a fundamental human cognitive ability that involves thinking about and living towards the future. While language markers reflect anticipatory thinking, research on anticipation from the perspective of natural language processing is limited. This study aims to investigate the futures projected by futurists on Twitter and explore the impact of language cues on anticipatory thinking among social media users. We address the research questions of what futures Twitter's futurists anticipate and share, and how these anticipated futures can be modeled from social data. To investigate this, we review related works on anticipation, discuss the influence of language markers and prestigious individuals on anticipatory thinking, and present a taxonomy system categorizing futures into "present futures" and "future present". This research presents a compiled dataset of over 1 million publicly shared tweets by future influencers and develops a scalable NLP pipeline using SOTA models. The study identifies 15 topics from the LDA approach and 100 distinct topics from the BERTopic approach within the futurists' tweets. These findings contribute to the research on topic modelling and provide insights into the futures anticipated by Twitter's futurists. The research demonstrates the futurists' language cues signals futures-in-the-making that enhance social media users to anticipate their own scenarios and respond to them in present. The fully open-sourced dataset, interactive analysis, and reproducible source code are available for further exploration.
著者: Alina Landowska, Marek Robak, Maciej Skorski
最終更新: 2023-07-20 00:00:00
言語: English
ソースURL: https://arxiv.org/abs/2308.02035
ソースPDF: https://arxiv.org/pdf/2308.02035
ライセンス: https://creativecommons.org/licenses/by/4.0/
変更点: この要約はAIの助けを借りて作成されており、不正確な場合があります。正確な情報については、ここにリンクされている元のソース文書を参照してください。
オープンアクセスの相互運用性を利用させていただいた arxiv に感謝します。
参照リンク
- https://dl.acm.org/ccs.cfm
- https://developer.twitter.com/en/products/twitter-api/academic-research
- https://www.plantuml.com/plantuml/uml/JP1DJyCm38Rl-HMMTe4J7z8kxO5z3AH9xD9ESBPQhusM9b7iK27bnnDIGFYMl7aUEzwmO90u6SLNRJq6d60EwDzrBoCyhE__tK_QxWqo_sIFQvLM9oVw0qKxcreNGqUSL56gwYLA30H7Up6HR4vgLPrd8g40RPTxKAYpOUkzqTsYQ7260mgcFxe0cGpa2GKg9hdhHhG3GHcAlnN7oHkQoCfYEJklEpYvdepHTaZgui9LGQxgzR2jon5mG6qXrnBidfk2rOfi3mL8grO22WsVwGsDxXVvxoJpg0t1JO4OzcwaG5QURZEsYwmjCQU6E1hX_9lbMQrOd5URt29l_0i0
- https://mdpi-res.com/bookfiles/book/7110/Sensors_and_Communications_for_the_Social_Good.pdf?v1683276001
- https://github.com/akbog/urban_data/blob/master/Notebooks/Historical_Notebooks/TestingCustomPipeline.ipynb
- https://www.acm.org/publications/proceedings-template
- https://capitalizemytitle.com/
- https://www.acm.org/publications/class-2012
- https://dl.acm.org/ccs/ccs.cfm
- https://ctan.org/pkg/booktabs
- https://goo.gl/VLCRBB
- https://www.acm.org/publications/taps/describing-figures/