针对两极分化事件中的社交媒体话语进行的无监督框架分析

《ACM Transactions on the Web》：Unsupervised Framing Analysis for Social Media Discourse in Polarizing Events

在线极化中的框架分析及多平台验证方法研究，提出融合机器学习与网络分析的框架识别方法，并引入同质性和相关性指标进行评估。通过2021年智利大选的Twitter与WhatsApp数据验证，揭示平台特性对框架演变的影响机制。

　　

摘要

本研究探讨了在线极化领域中“框架”（frames）的概念，重点关注社交媒体平台。该研究深化了对框架的理解——这些框架是新兴的、复杂的，且往往具有微妙性——如何在极化的在线对话中变得突出。研究提出了一种综合方法，用于识别和描述这些框架，整合了机器学习技术、网络分析算法和自然语言处理工具。该方法旨在实现跨多个平台和用户参与类型的通用性。为了严格评估识别出的框架候选者，引入了两个新的指标：“同质性”（homogeneity）和“相关性”（relevance）。

基于几个基本假设（包括主题和多词表达在框架构建中的作用），该研究揭示了框架如何在数字社区中形成并获得重要性。研究探讨的问题包括识别框架的方法、这些框架的变异性和重要性，以及不同计算技术在此背景下的有效性。

为了验证这种方法，我们以2021年智利总统选举为例进行了案例研究，使用了来自$X$（前身为Twitter）和WhatsApp平台的数据。这一实际应用有助于考察框架如何随着事件的变化而波动，以及平台的具体运作机制。总体而言，该研究为该领域做出了多项重要贡献，提供了分析在线极化复杂性的新见解和方法论，为未来关于在线社区动态的研究奠定了基础，尤其是那些与明显极化事件相关的社区。