« 2014年1月 | トップページ | 2014年3月 »

2014年2月

ACM CSCW 2014 参加報告2日目・第1セッション

Values & Social Norms
Chair: Ingrid Erickson, Rutgers University, USA
 
Cursing in English on Twitter
Wenbo Wang, Wright State University, USA
Lu Chen, Wright State University, USA
Krishnaprasad Thirunarayan, Wright State University, USA
Amit P. Sheth, Wright State University, USA
 
Img_6481
 
「Oh!」,「Fuck」,「Shit」とかを,curse wordと呼んでいる.現実世界ではよく使っている.
 
実世界はプライベートでface-to-face,TwitterはPublicでオンラインという違いがあるが,Social mediaでどのようにcurse wordを使っているのかを調査した研究.
 
データセットは1400万ユーザを対象とした5100万ツイート.4つのcurse wordのリストに含まれるwordを2人のネーティブスピーカーにより,curseが,cursingでのみ使われるか,cursingとnon-cursingの両方で使われるか,普通cursingでは使われないかに分類し,cursingでのみ使われるものを対象にしている.
 
Twitter上では,非常にcurse wordを使っている割合が高いことを報告している(その理由の一つとして,文が短いからかもしれない).また,非常に少ない種類のword(fuck, shit, ass, bitch, nigga, hell)で全体の90%を締めている.
 
機械学習でcurse wordのidentificationもやっている.
 
一般の単語の感性(sentiment orientation)とcurse wordの感性とを比較すると,curse wordの方が悲しみや怒りなどネガティブな意味で用いられることが多いことを示している.
 
また,発見したcurse wordと,そのタイプを6つに分けてその内訳を示している.また,内容のカテゴリごとに,cursing tweetの割合も示している.そうすると,高校に関するツイートに関しては,非常にcursing tweetが多いことが分かった.
 
cursing tweetの割合は,午後3時から深夜2時に向かって,非常に多くなる.曜日でいうと,月曜日が最も多く,週末に向かうに従い,そして週末は少なくなる.みんな仕事がたいへんになってくると,cursing tweetが多くなってくるのだろう.
 
性別の区別で言うと,From Male to Maleが最もcursing tweetが多い.From Female to Maleがもっとも少ない
 
彼とはコーヒーブレイクでも話をしたが,多角的に調査している点が非常に高く評価できる.大変面白い研究だと思う.
 
 
How to See Values in Social Computing: Methods for
Studying Values Dimensions
Katie Shilton, University of Maryland, USA
Jes A. Koepfler, University of Maryland, USA
Kenneth R. Fleischmann, University of Texas at Austin, USA
 
Img_6485
 
Social media上での人間の価値観をどう見るのかというフレームワークを提案している.Ethnography, interaction design, content analysis, technical investigation, interview,という5つの分析方法において,以下の5つの軸において,どの方向性を重視して分析すべきかと言う提言をしている.
 
individual<->collective, homogenous<->hybrid
subject<->object
peripheral<->central
accidental<->purpose
potential<->performance
何か方法を提案するとか,システムを実装するかとか,実験をするかという研究ではなく,あくまで提言のみ.日本人には真似できないタイプの研究.
 
ACM CSCW2014 公式HP

|

ACM CSCW 2014 参加報告1日目・インタラクティブセッション

インタラクティブセッションで私が興味を持ったポスターを紹介します.インタラクティブセッションは,Facebookから無料のスナックとお酒が振る舞われる中で行われました.
 
Img_6439
 
Img_6440
 
From Implicit to Explicit Knowledge: A Tool for Preserving
and Sharing Mental Links in Science
Philipp Andelfinger, Karlsruhe Institute of Technology (KIT), Germany
Matthias Keller, Karlsruhe Institute of Technology (KIT), Germany
Holger Kuhner, Karlsruhe Institute of Technology (KIT), Germany
Hannes Hartenstein, Karlsruhe Institute of Technology (KIT), Germany
 
Img_6442
 
たいそうな名前がついているが,やっているのは,過去に先人がサーベイした論文群を,後から初心者が勉強しようと思った時に,その論文群を知ることができ,またその論文群の関係(参照関係で,過去の研究を発展させたものか,全く異なる方法なのか,主張の補強なのか)も知ることができるようにするというもの.
 
アイディアとしては,先人Aは,読んだ論文群の関係性を,自分でグラフで明示する.そして,その関係性も自分で入力する.さらに別の先人Bも,これと同様のことをする.これら複数人の先人のグラフを統合して,初学者に見せるというもの.統合時のweightingとかは考えていない.
 
アプリケーションとしては面白い.
 
 
The Properties of Twitter Network Communications among Teenagers
Gili Rusak, Siena College, USA
 
Img_6448
 
高校生のツイッターの利用傾向を調べたもの.2つの高校で調査している.一般ユーザよりもフォロー数が多いことを示している.
面白いと思ったのは,同性のみフォローしているのか,それとも異性もフォローしているのかというグラフ.一つの高校は,男女とも50-50の割合でフォローしている.一方の高校は,女性のみ50-50の割合だが,男性はやや男性のみでフォローし合っている.日本でやったら,もっと同一性が高くなるだろうなと思う.
 
 
Achieve: Evaluating the Impact of Progress Logging and Social Feedback on Goal Achievement 
Zachary Porges, Cornell University, USA
Xi Yang, The University of Hong Kong, Hong Kong
Apurva Desai, Cornell University, USA
Catherine Ho, Cornell University, USA
Ruwan Pallegedara, Cornell University, USA
Raisa Razzaque, Cornell University, USA
Dan Cosley, Cornell University, USA
 
Img_6450
 
ダイエットとか,TOEICで良い点をとるとか,そういうゴールに対して,どうすれば達成できるかという論文.比較しているのは,何も表示しないもの.1人のエージェントがTwitterの応援メッセージを送ってくれるもの.複数人のエージェントがTwitterの応援メッセージを送ってくれるもの.
 
役に立ったかどうかと,実際の達成度合い,迷惑だったかどうかを聞いている.違いはほとんど出ていないが,迷惑だったかどうかだけは,複数人のエージェントを用いた場合のみ高くなっている.
 
 
What Motivates Members to Contribute to Enterprise Online Communities?
Kate Ehrlich, IBM Research, USA
Michael Muller, IBM Research, USA
Tara Matthews, IBM Research, USA
Ido Guy, IBM Research, Israel
Inbal Ronen, IBM Research, Israel
 
Img_6453
 
企業でのオンライコミュニティにおいて自発的リーダーと任命したリーダーとの発言数の違いや,インターネットコミュニティと企業コミュニティの特徴の違いなどを調査している.自発的リーダーの発言数の方が多いのが興味深い.後者の調査は定量的な結果がないので,信頼性がどこまであるか不明.
 
Studying the Application of Mobile Technology to Local
Communities
Kyungsik (Keith) Han, Penn State University, USA
 
Img_6457

 
珍しく開発系の論文.地域コミュニティ向けに,空いた時間をシステムに報告することで,その時間に他人からのヘルプを助けてあげるというシステム.一度他人を助けると,ポイントが付き,逆に他人にヘルプを求めることができるようになるというもの.アプリケーションとしてのアイディアは面白い.ただ,ネット上でできる仕事に限られそうな気がすることと,ヘルプを求める人は,ヘルプばかり求め,助ける人は助けてばかりということに陥りそうな気がし,システムとしてはうまく運用できないような気がする.

|

ACM CSCW 2014 参加報告1日目・第2セッション

Filter Bubbles & News
Chair: Kate Starbird, University of Washington, USA
 
Can You Hear Me Now? Mitigating the Echo Chamber Effect by Source Position Indicators
Q. Vera Liao, University of Illinois at Urbana-Champaign, USA
Wai-Tat Fu, University of Illinois at Urbana-Champaign, USA
 
Img_6386
 
controversialなトピックに対して,pro/conの割合を示したposition indicatorがあるが,たとえばconの人が,proばかりのindicatorについてconを付けやすいか?あるいは逆にconばかりのindicatorなら天邪鬼的に,proを付けたりしないかということを研究している.
 
具体的には,以下の5つを調べている.
・position indicatorは人のpro/conの選択行動に影響を与えるか?
・indicatorが偏った状態(100%proや100%con)において人々の行動は異なるか?
・indicatorがバランスを持った状態(50%前後のpro/con)は,選択行動に影響を与えるか?
・position indicatorは,人々のポジションに対するそのユーザの知覚に影響を与えるか?
・position indicatorは,人々のポジションに対するそのユーザの共感に影響を与えるか?
 
実験では,6つの賛否両論のトピックに対する,pro/conを与えるものである.control群はposition indicatorなし,experimetal群はposition indicatorあり(100%pro, 100%con, 60%ぐらいpro, 60%ぐらいcon).
 
ただし実験結果はどう解釈すればよいのか分からなかった.実験結果の見方をちゃんと説明していなかったため(もしかすると聞き逃しかも).
 
 
Deep Twitter Diving: Exploring Topical Groups in Microblogs at Scale
Parantapa Bhattacharya, IIT Kharagpur, India / Max Planck Institute of Software Systems, Germany
Saptarshi Ghosh, Bengal Engineering and Science University Shibpur, India / Max
Planck Institute of Software Systems, Germany
Juhi Kulshrestha, Max Planck Institute of Software Systems, Germany
Mainack Mondal, Max Planck Institute of Software Systems, Germany
Muhammad Bilal Zafar, Max Planck Institute of Software Systems, Germany
Niloy Ganguly, IIT Kharagpur, India
Krishna P. Gummadi, Max Planck Institute of Software Systems, Germany
 
Img_6415
 
あるトピックのエキスパートとそれに興味を持っているシーカーとのグループを特定する研究.グループの発見に関する既存研究には,グラフベースの方法とコンテンツベースの方法があった.しかし,双方に問題はあった.グラフベースはidentity-basedなコミュニティを見つけにくい(おそらく実世界の組織に基づくコミュニティを見つけにくいという意味だと思う).
 
同じ(ような)名前のたくさんのTwitter リストに含まれているユーザはエキスパート.あるトピックのエキスパートをたくさんフォローしている人は,そのシーカー.非常に単純な方法.後者のアイディアの本質は,HITSアルゴリズムと同じ.
 
前者は,
Cognos: crowdsourcing search for topic experts in microblogs, SIGIR
を参考にしている.
 
グループを発見することが目的と言うよりは,発見したグループの分析を行うことが主.
・トピカルグループの中では,エキスパート間のインタラクションはわずかにあるが,エキスパートとシーカー間はわずか.
・エキスパートのトピックは非常にトピカル.(あるトピックに関連したURLのみつぶやいている)
 
データセットは,3800万ユーザのデータ.8800万のリンクと15億のリンクを利用.
 
エキスパートとシーカーのインタラクションや行動の違いを,もっと分析すると面白くなる.
 
 
Characterizing the Life Cycle of Online News Stories Using Social Media Reactions
Carlos Castillo, Qatar Computing Research, Qatar
Mohammed El-Haddad, Al Jazeera English, Qatar
Jurgen Pfeffer, Carnegie Mellon University, USA
Matt Stempeck, Massachusetts Institute of Technology, USA
 
Img_6430
 
オンラインのニュース記事のソーシャルメディア上でのライフサイクルについて調査している.ニュースが公開されてから,それにアクセスする人の数や,TwiiterやFacebookでのツイート・シェア数の数位などをを調べている. 
 
速報性の高いニュース(NEWS)と,つっこんだ(掘り下げて説明した)記事(In-depth)を比較しており,この2つで,アクセス数やツイート数の推移が異なることを示している.ここが面白いところである.
 
NEWSはすぐにvisit数やtweet数が落ちるが,In-depthはその落ち込みが緩やかである.NEWSはTwitterでつぶやかれやすく,In-depthはFacebookでシェアされがちである.
 
30分後の上記のデータから7日間のvisit数の推移が予測できるかも調べている.ここでも予測の精度に,速報性の高いニュース(NEWS)と,つっこんだ(掘り下げて説明した)記事(In-depth)で違いがあることを示している.
 
ACM CSCW2014 公式HP

|

ACM CSCW 2014 参加報告1日目・第1セッション

Friendsourcing
Chair: Sharoda Paul, GE Global Research, USA
 
Help is on the Way: Patterns of Responses to
Resource Requests on Facebook
Cliff Lampe, University of Michigan, USA
Rebecca Gray, Michigan State University, USA
Andrew T Fiore, Facebook, USA
Nicole Ellison, University of Michigan, USA
 
人々はFacebook上で質問し,ヘルプを受け取っています.このようなヘルプを求める行動をmobilizationと呼んでいます.この研究では,Facebook上でのmobilizationのパターンや回答の傾向などを分析しています.
 
分析対象のデータセットは,Facebook社から提供された20000のオープンなstatus updatesです.mobilizationかどうかは,人手でラベル付しています.21.5%のstatus updatesがmobilizationに関するものだったと報告しています.
 
まずは,mobilizationの回答の数をタイプ別で出しています.タイプとは,推薦,事実的知識,意見,社会的調整などです.推薦では比較的高いコメント数を得ていると報告しています.また,56%のmobilizationが少なくとも一つの回答を得ていると報告しています.
 
mobilizationは,ヘルプを求めるだけでなく,ソーシャルなつながりを維持するために行っていると述べています.
 
 
To Search or to Ask: The Routing of Information Needs
Between Traditional Search Engines and Social Networks
Anne Oeldorf-Hirsch, University of Connecticut, USA
Brent Hecht, University of Minnesota, USA
Meredith Ringel Morris, Microsoft Research, USA
Jaime Teevan, Microsoft Research, USA
Darren Gergle, Northwestern University, USA
 
Img_6358
 
人々は,調べ物をするのに,検索ではなく,ソーシャルメディア上での質問をする傾向があり,それについて調べています.これをSMQAと呼んでいます.この論文では,SMQAについてユーザの行動を調査しています.
 
情報取得の要求の20%において,検索でなくSMでの質問(SMQA)をしています.
 
searchとSMQAのどちらを行うかと言うのを,情報取得のニーズの種類ごとにその割合を調べています.種類とは,従来からあるnavigational, Factual knowledge, recommendation, opinionなどで,下に行くほどSMQAで聞く割合が高くなることを報告しています.
 
ゆくゆくはSMQAと検索をマージするのが良いと主張しています.
 
アンケートで,情報の価値はsocialよりもsearchが良いと言っています.満足度では,searchよりもsocialの方が良いと言っています.パフォーマンスと満足度が一致しないという典型例.非常に面白い結果です.
 
 
What Do Teens Ask Their Online Social Networks?
Social Search Practices among High School
Students
Andrea Forte, Drexel University, USA
Michael Dickard, Drexel University, USA
Rachel Magee, Drexel University, USA
Denise E. Agosto, Drexel University, USA
 
Img_6368

 
158人の高校生を調査し,オンライン上の質問と回答の実例を調査しています.どの年齢が多く質問しているのか,何を質問しているのか,どのサイトで質問しているのかなどを調査しています.プライバシーや自己顕示などについてもインタビューしています.
 
高校生への,これまでQAサイトで質問したことがありますか?という質問への回答比率がすごいです.質問したことあり83%,回答したことあり63%.日本と違って,オンラインでも積極的.
 
質問を行うサイトでは,Facebookがダントツ1位,2位はTwitter.また,事実的知識,意見,招待,好み,推薦 など別で何を質問しているのかを聞いています.事実的知識が39%,意見が25%とのこと.質問内容は,学校,学校のアクティビティ,大学,買い物,クラブなど,高校生らしい質問が並ぶ.
 
ACM CSCW2014 公式HP

|

ACM CSCW 2014 参加報告1日目

CSCW(Computer Supported Cooperative Work)の国際会議である,ACM CSCW 2014に参加してきました.
 
ACM CSCW 2014 公式HP
 
ACM CSCWは,GroupLensが発表された国際会議でもあり,私も昔からよく知っている国際会議ですが,この歳になり初めて参加しました.参加して初めて気づいたのですが,正式な国際会議名は「Computer Supported Cooperative Work and Social Computing」と「Social Computing」が付いていたんですね.初めて知りました.
 
今回は,2014年2月15日~19日まで,USのBaltimore(ボルチモア)で行われました.ボルチモアは,着いてみれば結構雪が積もっていて,気温もかなり低いです.観光スポットのInner Harborでは,運河が凍ってました.
 
雪の残るInner Harbor
Yuki
 
凍りつく運河
Ice
 
今年のCSCWは,参加者513名.うち学生227名.29か国からの参加とのこと.投稿論文数は497本.27%増加とのこと.38か国から投稿があったとのこと.
 
査読プロセスですが,投稿論文のうち42.5%がReviseのプロセス(Rebutalかな?)に通り,最終的な採択率は27%とのこと.意外と高め?と思ったのですが,おそらく採択率うんぬんは関係なく,相当厳しいのでしょう.
 
Img_6312
 
採択論文の傾向としては,36.6%がquantitative,45.5%がqualitative,17.8%technicalとのことです(重複カウントかな?).ただ,実際に聴講している感じでは,technicalはもっと低いように思いました.
 
Social eventも多く,Welcome Reception, Interactive Reception, Facebook Reception,Conference Receptionとレセプションだけでも4回.しかもそのほとんどがスポンサー提供で無料.また,初めて参加した人向けに,常連の参加者と交えた少人数ランチなどもあり,より良いコミュニティにしようとする努力がそこかしこに見られます.
 
ポスターレセプションの様子
Img_6439
 
オープニングセレモニーの後,キーノート.
 
Opening Plenary and Keynote:
Mary Flanagan, Sherman Fairchild Distinguished Professor in Digital Humanities Dartmouth College
Making a Difference In and Through Playful Design
 
デジタルゲーム(遊び)中の,ステレオタイプに対する偏見(性別とか職業とか)を考慮したデザインの話をしているらしいのですが,いかんせんしゃべりが速い上に,スライドに文字がなかったため,内容はほとんど推測です...
 
Img_6323
 
Img_6333
 
それでは,次のポスト以降,一般セッションの報告をいたします.
 

|

TV視聴傾向の調査(性別・年齢別)

仕事で,TV視聴の傾向について調べている.
 
ちょっと古い(2005年5月)がネットリサーチのTV視聴傾向の調査結果が面白い.
 
【TV番組・TVCM視聴質・1】報告書
 
私が興味を持ったもので,比較的顕著な結果が出ている結果をまとめると,以下の通り.
 
(チャンネル嗜好)
・年齢が上がるとNHKが好きになる
・若い子にはフジテレビ系列が人気
・年齢が上がるとBSが好きになる
 
(ジャンル嗜好)
・年齢が上がるとニュース・報道が好きになる
・若い子はバラエティが好き.年齢が上がるほど,嫌いになっていく.
・スポーツ番組は女性には人気がないが,女性でもお年寄りには人気
・若い女性には音楽番組が人気.
・全年齢で,ドラマは女性には人気.男性には不人気.
 
(TVCM嗜好)
・若い人ほどCMが好き
 
 
推薦手法としては目新しさはないが,デモグラフィック情報は結構効いてくるということが分かる.上の結果は,だいたいはすでに分かっていたような内容ではあるが,新たな発見もある.中でも注目は,女性はスポーツ番組は嫌いではあるが,高齢者になると好きになるという点である.それまで全く人気がなかったのに,60代からは急に好きになっている点が面白い.
 
また,若い人には,ニュースや報道番組が全く人気がないのも興味深い点であるが,同時に失望も感じる.政治家が若い人にはアピールしようとしないのもよく分かる.
 
最後に面白いのが,年齢が上がるほどテレビへの依存度(視聴時間)が上がっているのだが,肝心のTVCMに関しては,影響力が落ちている点である.最もTVCMの影響を受けるのは若い世代.感受性が高く,ワンフレーズや音楽,俳優やアイドルからの影響が大きいからと思われる.お金を持つ高齢者が大多数の視聴者であるのに,そこへのアピールができないという所に,テレビの苦境が見られる.
 
調査結果とは関係ないが,報告書中,
テレビ大好き派の対極として,インターネット大好き派を,「堀エ門派」と書いている点に時代を感じさせる.
 

|

« 2014年1月 | トップページ | 2014年3月 »