Menschliche dynamische Aktivitäten in Online-Diskussionsgruppen Human dynamics in online discussion groups

Transkript

1 Menschliche dynamische Aktivitäten in Online-Diskussionsgruppen Human dynamics in online discussion groups Altmann, Eduardo G. Max-Planck-Institut für Physik komplexer Systeme, Dresden Korrespondierender Autor Zusammenfassung Der Zugang zu Internetdaten erlaubt bisher unerreichte quantitative Untersuchungen von menschlichen Aktivitäten. Hier wird über Beobachtungen an Tausenden von Nutzern über mehr als 10 Jahre in Usenet- Onlinegruppen berichtet. Statistische Analysen von Worthäufigkeiten erlauben einen einzigartigen Einblick in die Interessen der Nutzer und in die Entwicklung der Sprache. Summary The access to internet data allows for unprecedented quantitative investigations of human activities. An investigation of the communication between thousands of users across more than a decade will be reported here. The statistical analysis of word frequencies provides insights on the interests of the users and also on how language is used and changes. Einführung Eine der größten wissenschaftlichen Herausforderungen unserer Zeit ist zu verstehen, wie Menschen miteinander interagieren und komplexe soziale Strukturen bilden. Die Probleme sind nicht unbedingt neu und nicht ausschließlich mit den neuen Technologien verbunden. Zum Beispiel hat die Verbreitung von Krankheiten im weltweiten Verkehrsnetz viele ähnliche Eigenschaften mit der Verbreitung von Ideen im Internet. Allerdings geben die neuen Kommunikationsmöglichkeiten vielen dieser Probleme eine neue Dimension. Die neuen Technologien bringen auch neue Forschungsmöglichkeiten, die zu Problemlösungen führen können. Verschiedenste Daten sind für Untersuchungen frei verfügbar und erlauben zum ersten Mal, die Kommunikation von Tausenden Menschen in Echtzeit zu verfolgen. Viele Fragen, die früher nur durch indirekte und begrenzte Statistik (z. B. Fragebogen) untersucht wurden, können jetzt mit unvergleichbarer quantitativer Genauigkeit erforscht werden [1]. Der Umgang mit diesen Informationen bringt ernstzunehmende Bedenken hinsichtlich der Verletzung der Privatsphäre mit sich. Hier spielt die öffentliche wissenschaftliche Untersuchung anonymisierter Daten eine wichtige Rolle, weil ein effektiver Schutz gegen Missbrauch nur durch öffentlichen Umgang mit den erlangten Kenntnissen möglich ist Max-Planck-Gesellschaft 1/5

2 A bb. 1: Verteilung der Zeit, zu der bestim m te Wörter in einer Diskussionsgruppe auftreten. Alle drei Wörter wurden 200-m al in dem gezeigten Zeitintervall genutzt. Die Gruppierung (Clustering) steigt von unten nach oben an und wird durch den Param eter B quantifiziert [7]. Die Zeit wird in Anzahl von Wörtern gem essen. Com m ons Attribution" in [7] Zu diesem neuen multi-disziplinären Forschungsgebiet tragen auch Physiker mit ihrer Erfahrung in statistischer Analyse, Modellierung und dynamischen Systemen bei [2]. Die Analysen von Kommunikationsverhältnissen konzentrierten sich zuerst auf die Aktivitätszeiten einzelner Individuen [3] und auf die Verbindungen zwischen Paaren [4]. Erst seit kurzem wird der Inhalt quantifiziert. Wörter-Statistik Statistiken von einzelnen Wörtern geben einen ersten quantitativen Einblick über den Inhalt spezifischer Beiträge. Die Verteilung von Wörtern in verschiedenen Dokumenten hat interessante statistische Eigenschaften [5], die Anwendungen in Information Retrieval und Suchmaschinen finden [6]. Die dahintersteckende Grundidee ist, dass Wörter, die sich in wenige Dokumente gruppieren, die relevantesten sind. Wörter zeigen solche Gruppierung (oder Clustering) nicht nur in Dokumenten sondern auch in der Zeit [5] und zwischen verschiedenen Nutzern [6]. Diese Eigenschaften wurden in englischsprachigen Online- Diskussionsgruppen (USENET groups), die länger als 10 Jahre aktiv waren, untersucht Max-Planck-Gesellschaft 2/5

3 A bb. 2: Streuung der Gruppierungsparam eter B verschiedener Wörter [7]. Die Wörter wurden nach ihren sem antischen Rollen in vier sem antische Klassen aufgeteilt: von konkreten Objekten (Klasse 1) bis abstrakte Operatoren (Klasse 4). Die Wörter in Abbildung 1 wurden als Klasse 2 (theory) und Klasse 4 (also) klassifiziert. Die Ergebnisse zeigen einen deutlichen Zusam m enhang zwischen B und sem antischer Klasse. Com m ons Attribution" in [7] Abbildung 1 zeigt, wie sich zwei Wörter mit gleicher Frequenz, theory (deutsch: Theorie) und als o (deutsch: auch), in einer Diskussionsgruppe verteilen. Im Vergleich zu einem zufällig verteilten Wort zeigen die beiden Wörter eine deutliche Gruppierung. Allerdings zeigt das Wort theory eine stärkere Gruppierung als also. Es wurde gezeigt, dass sich diese Gruppierung gut mit einer gedehnten exponentiellen Verteilung der Zeit zwischen zwei in Folge erscheinenden Wörtern modellieren lässt. Die Gruppierung wird von dem Exponenten B dieser Funktion quantifiziert (B 0 bedeutet stärkere Gruppierung, B 1 bedeutet zufällig verteilt). Abbildung 2 fasst die systematische Untersuchung häufiger Wörter zusammen. Sie zeigt, dass B mit der semantischen Klasse der Wörter korreliert ist [7]. Die Quantifizierung der Wörtergruppierung zwischen Nutzern folgte einer teilweise ähnlichen Strategie [8]. Die Anzahl von Nutzern (N), die ein spezifisches Wort benutzt haben, wurde mit der erwarteten Anzahl von Nutzern (M), die durch einen zufälligen Text ermittelt wurde, verglichen. Die Nutzer-Dissemination jedes Wortes wurde als D=N/M definiert. Die Beobachtungen liefern die Aussage, dass die meisten Wörter eine Dissemination kleiner als eins aufweisen [8]. Sprachwandlung 2012 Max-Planck-Gesellschaft 3/5

4 A bb. 3: Nutzungshäufigkeit von zwei Wörtern: lol wird in der Um gangssprache des Internets als Abkürzung für laut lachen genutzt. Gnom e ist eine Desktop-Um gebung für Linux-Betriebsystem e. Die Häufigkeit (y-achse) wurde durch die Anzahl von Wörtern in einem halbjährigen Zeitintervall norm alisiert, der Wert 1 repräsentiert das Maxim um der Gesam tkurve [8]. Com m ons Attribution" in [8] Eine detaillierte quantitative Untersuchung der Sprachwandlung ist ein interessantes Beispiel der Möglichkeiten, die die statistische Untersuchung der Worthäufigkeiten eröffnet [9]. Neue Wörter und Begriffe werden häufig erfunden und weiter verwendet. Zwei Beispiele sind in Abbildung 3 gezeigt. Ob diese Wörter von einem breiteren Spektrum von Sprechern akzeptiert werden, hängt unter anderem von komplexen sozialen Faktoren ab, die auch bei anderen Aspekten der Sprachwandlung aktiv sind. Langfristiger Erfolg kann nur erreicht werden, wenn die Wörter kurzfristige Fluktuationen überleben. Durch eine systematische Analyse von häufig auftretenden Wörtern wurde eine klare statistische Tendenz entdeckt, die zeigt, dass Wörter mit einem kleineren Wert von D zu einer zukünftigen niedrigeren Häufigkeit führen, und dass Wörter mit einem größeren Wert von D stabiler sind. A bb. 4: Beispiele von Wörtern, die zwischen 1998 und 2000 ihre Häufigkeit entsprechend der gefundenen Tendenz änderten [8]. Die norm alisierte Häufigkeit wird als f_1998 bzw. f_2000 dargestellt. Wörter m it einer kleineren Dissem ination im Jahr 1998 (D_1998) haben tendenziell eine niedrigere Häufigkeit im Jahr Max-Planck-Institut für Physik kom plexer System e Abbildung 4 zeigt Beispiele von Wörtern, die dieser Tendenz folgen. Die gleiche Tendenz wird beobachtet, 2012 Max-Planck-Gesellschaft 4/5

5 wenn anstatt Nutzer-Dissemination die ähnlich definierte Themen-Dissemination benutzt wird. Für den Erfolg neuer Wörter heißt das, dass es besser ist, selten von verschiedenen Nutzern (Themen) als öfter von wenigen Nutzern (Themen) benutzt zu werden. [1] Watts, D. Connections: A twenty-first century science Nature 445, 489 (2007) [2] Castellano, C.; Fortunato, S.; Loreto, V. Statistical physics of social dynamics Review of Modern Physics 81 (2), (2009) [3] Barabási, A.-L. Bursts: the hidden pattern behind everything we do Dutton, London, England (2010) [4] Watts, D. J. Six degrees: the science of a connected age Norton, New York, Vereinigte Staaten von Amerika (2004) [5] Harald Baayen, R. Word Frequency Distributions Kluwer Academic Publishers, Dordrecht, Niederlande (2002) [6] Schütze, H. Foundations of statistical natural language processing MIT Press, Cambridge, Vereinigte Staaten von Amerika (1999) [7] Altmann, E. G.; Pierrehumbert, J. B.; Motter, A. E. Beyond Word Frequency: Bursts, Lulls, and Scaling in the Temporal Distributions of Words Public Library of Science ONE 4 (11), e7678 (2009) [8] Altmann, E. G.; Pierrehumbert, J. B.; Motter, A. E. Niche as a Determinant of Word Fate in Online Groups Public Library of Science ONE 6 (5), e19009 (2011) [9] Michel, J.-B.; Shen, Y. K.; Aiden, A.P.; Veres, A.; Gray, M. K.; Pickett, J. P.; Hoiberg, D. Clancy, D.; Norvig, P.; Orwant, J; Pinker, S; Nowak, M. A.; Aiden, E. L. Quantitative Analysis of Culture Using Millions of Digitized Books Science 331 (6014), (2011) 2012 Max-Planck-Gesellschaft 5/5