contagion émotionnelle sur facebook plus comme mauvaises méthodes de recherche quelle est la valeur de Bitcoin aujourd’hui

Une étude (. Kramer et al, 2014) a été publié récemment qui a montré quelque chose d’étonnant – les gens ont modifié leurs émotions et les humeurs en fonction de la présence ou l’absence d’humeurs positives (et négatives) des autres, exprimées sur les mises à jour de statut Facebook. Les chercheurs ont appelé à cet effet une « contagion émotionnelle », parce qu’ils prétendaient montrer que nos paroles d’amis sur notre flux de nouvelles Facebook directement touchés notre humeur.

En mettant de côté la langue ridicule utilisée dans ce genre d’études (vraiment, les émotions se répandent comme une « contagion »?), Ce genre d’études arrivent souvent à leurs résultats en effectuant une analyse des langues sur des petits morceaux de texte Bitcoin site d’échange. Sur Twitter, ils sont vraiment minuscule – moins de 140 caractères.


Facebook mises à jour de statut sont rarement plus de quelques phrases COME minerar Bitcoins pelo android. Les chercheurs ne mesurent pas vraiment l’humeur de tout le monde.

Alors, comment menez-vous cette analyse linguistique, en particulier sur les 689,003 mises à jour de statut? De nombreux chercheurs se tournent vers un outil automatisé pour cela, ce qu’on appelle l’enquête linguistique et Word Count application (liwc 2007). Cette application logicielle est décrit par ses auteurs comme:

La première application de liwc a été développé dans le cadre d’une étude exploratoire du langage et de la communication (Francis, 1993; Pennebaker, 1993) bitcointalk antshares. Comme cela est décrit ci-dessous, la deuxième version, LIWC2007, est une révision à la mise à jour de la demande initiale.

Notez ces dates. Bien avant que les réseaux sociaux ont été créés, le liwc a été créé pour analyser les grands corps de texte – comme un livre, article, article scientifique, un essai écrit dans une condition expérimentale, les entrées de blog, ou une transcription d’une séance de thérapie Bitcoin New York. Notez la seule chose que toutes ces actions en commun – ils sont de bonne longueur, à 400 mots minimum.

Pourquoi les chercheurs utilisent un outil non conçu pour de courts extraits de texte, eh bien … analyser de courts extraits de texte? Malheureusement, c’est parce que c’est l’un des rares outils disponibles qui peuvent traiter de grandes quantités de texte assez rapidement. Qui se soucie Combien de temps le texte est à la mesure?

Vous pourriez être assis gratter là-bas votre tête, se demandant pourquoi il importe combien de temps le texte est que vous essayez d’analyser avec cet outil. Une phrase, 140 caractères, 140 pages … Pourquoi importe la longueur?

les questions de longueur car l’outil est en fait pas très bon à l’analyse du texte de la manière que Twitter et Facebook ont ​​chargé les chercheurs avec comment obtenir Bitcoin porte-monnaie. Lorsque vous demandez d’analyser le sentiment positif ou négatif d’un texte, simplement compte des mots négatifs et positifs dans le texte à l’étude mieux mineur Bitcoin pour Android. Pour un article, l’entrée d’essai ou blog, c’est très bien – ça va vous donner une analyse sommaire dans l’ensemble assez précis de l’article étant donné que la plupart des articles sont plus de 400 ou 500 mots.

Pour un tweet ou mettre à jour le statut, cependant, cela est un outil d’analyse horrible à utiliser. C’est parce qu’il n’a pas été conçu pour différencier – et en fait, ne peut pas différencier – un mot de négation dans une phrase. 1

Un évaluateur indépendant ou juge évalueriez ces deux tweets négatifs – ils exprimer clairement une émotion négative acheter Bitcoin à Wal-Mart. Ce serait 2 sur l’échelle négative, et 0 sur l’échelle positive.

Mais l’outil liwc 2007 ne le voit pas de cette façon. Au lieu de cela, il évalueriez ces deux tweets positifs pour marquer 2 (à cause des mots « grand » et « heureux ») et 2 pour le négatif (à cause du mot « non » dans les deux textes).

Et comme une grande partie de la communication humaine comprend les subtilités comme celui – sans même se plonger dans le sarcasme, les abréviations sténographie qui agissent comme des mots de négation, des phrases qui nient la phrase précédente, emoji, etc. – vous ne pouvez même pas dire à quel point précis ou inexactes l’analyse qui en résulte par ces chercheurs est. Depuis le liwc 2007 ne tient pas compte de ces réalités subtiles de la communication humaine informelle, de même les chercheurs. 2

Peut-être est parce que les chercheurs ne savent pas à quel point le problème est en fait Bitcoin convertisseur de devises. Parce qu’ils sont tout simplement envoyer cette « grande données » dans le moteur d’analyse linguistique, sans comprendre réellement comment le moteur d’analyse est viciée achat Bitcoin pas cher. Est-ce 10 pour cent de tous les tweets qui incluent un mot de négation? Ou 50 pour cent? Les chercheurs ne peuvent pas vous dire. 3 Même si vrai, la recherche montre minuscules effets réels du monde

Ce qui est la raison pour laquelle je dois dire que même si vous croyez que cette recherche à leur valeur nominale, malgré cet énorme problème méthodologique, vous êtes toujours à gauche avec la recherche montrant des corrélations dérisoires qui ont peu ou pas de sens pour les utilisateurs ordinaires.

Par exemple, Kramer et al. (2014) ont trouvé une 0,07% – qui est pas 7 pour cent, qui est 1 / 15ème d’un pour cent !! – diminution des mots négatifs dans les mises à jour du statut des personnes lorsque le nombre de messages négatifs sur leur flux de nouvelles Facebook a diminué. Savez-vous combien de mots vous auriez à lire ou écrire avant que vous avez écrit un mot moins négatif dû à cet effet? Probablement des milliers.

Ce n’est pas un « effet » tant en tant que blip statistique qui n’a pas de sens dans le monde réel. Les chercheurs reconnaissent eux-mêmes autant, faisant remarquer que leurs tailles d’effet étaient « petits (aussi petit que d = 0,001). » Ils vont à suggérer, çA parce que « les petits effets peuvent avoir des conséquences globales », citant une étude Facebook sur le vote politique motivation par l’un des mêmes chercheurs, et un argument de 22 ans d’un journal psychologique. 4

Mais ils se contredisent dans la phrase précédente, ce qui suggère que l’émotion « est difficile à influencer étant donné la diversité des expériences quotidiennes qui influencent l’humeur. » Ce qui est-il? Sont mises à jour de statut Facebook émotions répercussions importantes de l’individu, ou sont des émotions pas si facilement influencés par la simple lecture d’autres mises à jour du statut des gens ??

En dépit de tous ces problèmes et limitations, aucune d’elle arrête les chercheurs à la fin de la proclamation, « Ces résultats indiquent que les émotions exprimées par d’autres sur Facebook influencent nos propres émotions, ce qui constitue des preuves expérimentales de contagion massif échelle via les réseaux sociaux. » 5 Encore une fois, peu importe qu’ils ne mesurent réellement les émotions d’une seule personne ou les états d’humeur, mais reposait plutôt sur une mesure d’évaluation erronée de le faire.

Ce que les chercheurs Facebook montrent clairement, à mon avis, est-ce qu’ils mettent trop de foi dans les outils qu’ils utilisent sans comprendre – et discuter – limites importantes des outils. 6

Kramer, ADI, Guillory, JE, Hancock, JT. (2014) fenêtres de mineur de Bitcoin. Les données expérimentales de contagion émotionnelle énorme échelle par le biais des réseaux sociaux. PNAS. www.pnas.org/cgi/doi/10.1073/pnas.1320040111

• Ce selon une enquête aux développeurs liwc qui ont répondu, « liwc ne semble pas actuellement s’il y a un terme de négation à proximité d’un mot émotion positive ou négative terme dans son notation et il serait difficile de trouver un algorithme efficace pour cela de toute façon. »[↩]

• Je ne pouvais trouver aucune mention des limites de l’utilisation de l’liwc comme outil d’analyse linguistique à des fins, il n’a jamais été conçu ou destiné à être dans la présente étude, ou d’autres études, j’ai examiné. [↩]

• Eh bien, ils pourraient vous dire s’ils ont effectivement passé le temps de valider leur méthode avec une étude pilote à comparer à mesurer les humeurs réelles des gens. Mais ces chercheurs ne le faire. [↩]

• Il y a des problèmes graves avec l’étude de vote Facebook, le moindre est l’attribution des changements dans le comportement de vote à une variable corrélative, avec une longue liste d’hypothèses, les chercheurs ont fait (et que vous auriez d’accord avec). [↩]