論文の概要: Signals in the Noise: Decoding Unexpected Engagement Patterns on Twitter
- arxiv url: http://arxiv.org/abs/2509.08128v1
- Date: Tue, 09 Sep 2025 20:10:17 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-09-11 15:16:52.241274
- Title: Signals in the Noise: Decoding Unexpected Engagement Patterns on Twitter
- Title（参考訳）: ノイズの信号: 予期せぬエンゲージメントパターンをTwitterで復号する
- Authors: Yulin Yu, Houming Chen, Daniel Romero, Paramveer S. Dhillon,
- Abstract要約: 特定のツイートが、他のツイートと比較して、予期しないほど高いエンゲージメントを受け取っている理由について検討する。
60万以上のツイートを分析した結果、コンテンツ特性が予期せぬエンゲージメントにどのように影響するかが明らかになりました。
- 参考スコア（独自算出の注目度）: 3.222797320629009
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Social media platforms offer users multiple ways to engage with content--likes, retweets, and comments--creating a complex signaling system within the attention economy. While previous research has examined factors driving overall engagement, less is known about why certain tweets receive unexpectedly high levels of one type of engagement relative to others. Drawing on Signaling Theory and Attention Economy Theory, we investigate these unexpected engagement patterns on Twitter (now known as "X"), developing an "unexpectedness quotient" to quantify deviations from predicted engagement levels. Our analysis of over 600,000 tweets reveals distinct patterns in how content characteristics influence unexpected engagement. News, politics, and business tweets receive more retweets and comments than expected, suggesting users prioritize sharing and discussing informational content. In contrast, games and sports-related topics garner unexpected likes and comments, indicating higher emotional investment in these domains. The relationship between content attributes and engagement types follows clear patterns: subjective tweets attract more likes while objective tweets receive more retweets, and longer, complex tweets with URLs unexpectedly receive more retweets. These findings demonstrate how users employ different engagement types as signals of varying strength based on content characteristics, and how certain content types more effectively compete for attention in the social media ecosystem. Our results offer valuable insights for content creators optimizing engagement strategies, platform designers facilitating meaningful interactions, and researchers studying online social behavior.
- Abstract（参考訳）: ソーシャルメディアプラットフォームは、コンテンツライク、リツイート、コメントといった複数の手段をユーザーに提供し、注意経済の中で複雑なシグナリングシステムを作成する。
これまでの研究では、全体的なエンゲージメントを駆動する要因を検討したが、あるツイートが他のツイートと比較して予期せぬほど高いエンゲージメントを受け取っている理由についてはあまり分かっていない。
信号理論と注意経済理論に基づいて、予測されたエンゲージメントレベルから逸脱を定量化する「予期せぬ商」を開発するために、これらの予期せぬエンゲージメントパターンをTwitter(現在「X」と呼ばれている)で調査する。
60万以上のツイートを分析した結果、コンテンツ特性が予期せぬエンゲージメントにどのように影響するかが明らかになりました。
ニュース、政治、ビジネスツイートは予想以上にリツイートやコメントを受け取り、ユーザーは情報コンテンツの共有と議論を優先する。
対照的に、ゲームやスポーツ関連の話題は予想外の好き嫌いやコメントを集め、これらの領域への感情的な投資が増えていることを示唆している。
主観的なツイートはより多くのリツイートを受け取り、客観的なツイートはより多くのリツイートを受け取り、長くて複雑なツイートは予想外に多くのリツイートを受け取ります。
これらの結果は、ユーザーがコンテンツ特性に基づく様々な強みの信号として異なるエンゲージメントタイプをどのように利用するか、ソーシャルメディアエコシステムにおいて、特定のコンテンツタイプがより効果的に注目を競うかを示す。
コンテントクリエーターにとって,エンゲージメント戦略の最適化,意味のあるインタラクションを促進するプラットフォームデザイナ,オンラインソーシャル行動を研究する研究者に貴重な洞察を提供する。
関連論文リスト
- DISHONEST: Dissecting misInformation Spread using Homogeneous sOcial NEtworks and Semantic Topic classification [2.6356166840419717]
新型コロナウイルス(COVID-19)のパンデミックにより、Twitterなどのオンラインプラットフォームに誤報が拡散した。
我々は、Twitterのリツイートネットワークを使って、ソーシャルインタラクションやトピックモデリングを研究し、ツイートコンテンツを調査しています。
論文 参考訳（メタデータ） (2024-12-12T18:53:46Z) - Decoding the Silent Majority: Inducing Belief Augmented Social Graph
with Large Language Model for Response Forecasting [74.68371461260946]
SocialSenseは、既存のソーシャルネットワーク上に信念中心のグラフを誘導するフレームワークであり、グラフベースの伝播によって社会的ダイナミクスを捉える。
本手法は,ゼロショット設定と教師あり設定の両方に対する実験的な評価において,既存の最先端技術を超えている。
論文 参考訳（メタデータ） (2023-10-20T06:17:02Z) - ViralBERT: A User Focused BERT-Based Approach to Virality Prediction [11.992815669875924]
本稿では、コンテンツとユーザベースの機能を用いて、ツイートのバイラル性を予測できるViralBERTを提案する。
ハッシュタグやフォロワー数などの数値的特徴を合成してテキストをツイートし、2つのBERTモジュールを利用する手法を用いる。
ViralBERTをトレーニングするために330kのツイートのデータセットを収集し、この分野での現在の研究からベースラインを使用して、モデルの有効性を検証する。
論文 参考訳（メタデータ） (2022-05-17T21:40:24Z) - What goes on inside rumour and non-rumour tweets and their reactions: A
Psycholinguistic Analyses [58.75684238003408]
ソーシャルメディアのテキストの心理言語学的分析は、誤情報を緩和するために意味のある結論を導くのに不可欠である。
本研究は,様々な事象に関する噂の深い心理言語学的分析を行うことによって貢献する。
論文 参考訳（メタデータ） (2021-11-09T07:45:11Z) - News consumption and social media regulations policy [70.31753171707005]
我々は、ニュース消費とコンテンツ規制の間の相互作用を評価するために、反対のモデレーション手法であるTwitterとGabを強制した2つのソーシャルメディアを分析した。
以上の結果から,Twitterが追求するモデレーションの存在は,疑わしいコンテンツを著しく減少させることがわかった。
Gabに対する明確な規制の欠如は、ユーザが両方のタイプのコンテンツを扱う傾向を生じさせ、ディスカウント/エンドレスメントの振る舞いを考慮に入れた疑わしいコンテンツに対してわずかに好みを示す。
論文 参考訳（メタデータ） (2021-06-07T19:26:32Z) - Understanding Information Spreading Mechanisms During COVID-19 Pandemic
by Analyzing the Impact of Tweet Text and User Features for Retweet
Prediction [6.658785818853953]
新型コロナウイルスは世界の経済や、ほぼすべての人々の日常生活に影響を与えている。
ソーシャルメディアプラットフォームは、情報を共有できる他のユーザーと情報を共有できる。
CNNとRNNをベースとした2つのモデルを提案し、これらのモデルの性能を公開のTweetsCOV19データセットで評価する。
論文 参考訳（メタデータ） (2021-05-26T15:55:58Z) - Causal Understanding of Fake News Dissemination on Social Media [50.4854427067898]
我々は、ユーザーがフェイクニュースを共有するのに、ユーザー属性が何をもたらすかを理解することが重要だと論じている。
偽ニュース拡散において、共同創設者は、本質的にユーザー属性やオンライン活動に関連する偽ニュース共有行動によって特徴づけられる。
本稿では,偽ニュース拡散における選択バイアスを軽減するための原則的アプローチを提案する。
論文 参考訳（メタデータ） (2020-10-20T19:37:04Z) - Privacy-Aware Recommender Systems Challenge on Twitter's Home Timeline [47.434392695347924]
ACM RecSysが主催するRecSys 2020 Challengeは、このデータセットを使用してTwitterと提携している。
本稿では,ユーザエンゲージメントを予測しようとする研究者や専門家が直面する課題について述べる。
論文 参考訳（メタデータ） (2020-04-28T23:54:33Z) - That Message Went Viral?! Exploratory Analytics and Sentiment Analysis
into the Propagation of Tweets [0.0]
我々は100万ツイート以上のデータセットについて探索分析を行った。
我々は、最も人気のあるメッセージを特定し、複数の内因性次元でつぶやきを分析した。
私たちはいくつかの興味深いパターンを発見し、研究者や実践者が人気のあるバイラルツイートの振る舞いをよりよく理解するための新たな洞察を明らかにしました。
論文 参考訳（メタデータ） (2020-04-21T02:38:53Z) - Echo Chambers on Social Media: A comparative analysis [64.2256216637683]
本研究では,4つのソーシャルメディアプラットフォーム上で100万ユーザが生成した100万個のコンテンツに対して,エコーチャンバーの操作的定義を導入し,大規模な比較分析を行う。
議論の的になっているトピックについてユーザの傾きを推測し、異なる特徴を分析してインタラクションネットワークを再構築する。
我々は、Facebookのようなニュースフィードアルゴリズムを実装するプラットフォームが、エコーチャンバの出現を招きかねないという仮説を支持する。
論文 参考訳（メタデータ） (2020-04-20T20:00:27Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。