Die Rolle der mehrschichtigen Netzwerkanalyse im Bereich Social Media: Analysis am Beispiel der Identifizierung von Persönlichkeitsmerkmalen

Bibtex

@Select Types{,
	  
  
   
  
   
   Journal   = "Band-1",
  Title    = "Die Rolle der mehrschichtigen Netzwerkanalyse im Bereich Social Media: Analysis am Beispiel der Identifizierung von Persönlichkeitsmerkmalen", 
  Author    = "Kai Heinrich, Adrian Fischer, Michael Seifert", 
  Doi    = "https://doi.org/10.30844/wi_2020_c5-heinrich", 
  Abstract    = "Die Netzwerktheorie erfährt gerade in den letzten Jahren einen Aufschwung: Während ursprünglich mit Hilfe klassischer Graphen lediglich gleichartige Beziehungen zwischen gleichartigen Knoten dargestellt werden konnten, besteht durch die Verfügbarkeit von großen Mengen an Netzwerkdaten, insbesondere aus dem Bereich der sozialen Medien, die Notwendigkeit komplexere Netzwerkmodelle einzusetzen. Diese sind bspw. in der Lage, unterschiedliche Kantentypen und Knotenarten zu berücksichtigen. In diesem Beitrag wird das bisher eindimensional betrachtete Problem der Identifikation von Persönlichkeitsmerkmalen anhand von Social-Media-Daten betrachtet. Dabei existieren im Hinblick auf die Analyse der Persönlichkeit zurzeit kein geeignetes mehrschichtiges Netzwerkmodell sowie keine Systematisierung von geeigneten Kennzahlen zur Auswertung eines solchen Modells. Zur Bearbeitung dieser Forschungslücken wird zunächst ein passendes mehrschichtiges Netzwerkmodell unter Einbeziehung von Facebook-Daten erstellt und anschließend passende Kennzahlen zur Auswertung vorgeschlagen. Diese Kennzahlen werden dann in einer Korrelationsstudie mit empirisch erhobenen Ausprägungswerten der Persönlichkeitsmerkmale verglichen. Als Ergebnis können Korrelationen zwischen mehreren Strukturmerkmalen der Netzwerke und den Persönlichkeitsmerkmalen nachgewiesen werden. Abschließend werden daraus verschiedene Hypothesen zum Umgang mit sozialen Medien unter Berücksichtigung der jeweiligen Persönlichkeitsmerkmale aufgestellt.

", 
  Keywords    = "Multilayer Network Analysis, Personality Traits, Big Five, Social Media Analysis, Facebook", 
}

Abstract

Abstract

Die Netzwerktheorie erfährt gerade in den letzten Jahren einen Aufschwung: Während ursprünglich mit Hilfe klassischer Graphen lediglich gleichartige Beziehungen zwischen gleichartigen Knoten dargestellt werden konnten, besteht durch die Verfügbarkeit von großen Mengen an Netzwerkdaten, insbesondere aus dem Bereich der sozialen Medien, die Notwendigkeit komplexere Netzwerkmodelle einzusetzen. Diese sind bspw. in der Lage, unterschiedliche Kantentypen und Knotenarten zu berücksichtigen. In diesem Beitrag wird das bisher eindimensional betrachtete Problem der Identifikation von Persönlichkeitsmerkmalen anhand von Social-Media-Daten betrachtet. Dabei existieren im Hinblick auf die Analyse der Persönlichkeit zurzeit kein geeignetes mehrschichtiges Netzwerkmodell sowie keine Systematisierung von geeigneten Kennzahlen zur Auswertung eines solchen Modells. Zur Bearbeitung dieser Forschungslücken wird zunächst ein passendes mehrschichtiges Netzwerkmodell unter Einbeziehung von Facebook-Daten erstellt und anschließend passende Kennzahlen zur Auswertung vorgeschlagen. Diese Kennzahlen werden dann in einer Korrelationsstudie mit empirisch erhobenen Ausprägungswerten der Persönlichkeitsmerkmale verglichen. Als Ergebnis können Korrelationen zwischen mehreren Strukturmerkmalen der Netzwerke und den Persönlichkeitsmerkmalen nachgewiesen werden. Abschließend werden daraus verschiedene Hypothesen zum Umgang mit sozialen Medien unter Berücksichtigung der jeweiligen Persönlichkeitsmerkmale aufgestellt.

Keywords

Schlüsselwörter

Multilayer Network Analysis, Personality Traits, Big Five, Social Media Analysis, Facebook

References

Referenzen

1. Rogers, E.M.: Progress, problems and prospects for network research. Social Networks. 9, 285–310 (1987).
2. Venturini, T., Latour, B.: The Social Fabric: Digital Traces and Quali-quantitative Methods. Presented at the Proceedings of Future En Seine 2009: The Digital Future of the City (2010).
3. Whelan, E., Teigland, R., Vaast, E., Butler, B.: Expanding the horizons of digital social networks. Information and Organization. 26, 1–12 (2016).
4. Natarajan, M.: Role of Text Mining in Information Extraction and Information Management. DESIDOC Bulletin of Information Technology. 25, 31–38 (2005).
5. Hansen, D.L., Shneiderman, B., Smith, M.A.: Introduction to Social Media and Social Networks. In: Hansen, D.L., Shneiderman, B., and Smith, M.A. (eds.) Analyzing Social Media Networks with NodeXL.Insights from a Connected World. pp. 3–9. Morgan Kaufmann Publishers, Burlington, USA (2010).
6. Wang, D., Pedreschi, D., Song, C., Giannotti, F., Barabasi, A.-L.: Human mobility, social ties, and link prediction. In: Proceedings of the 17th ACM SIGKDD international conference on Knowledge discovery and data mining. pp. 1100–1108. ACM (2011).
7. Barabási, A.-L., Albert, R., Jeong, H.: Mean-field theory for scale-free random networks. Physica A: Statistical Mechanics and its Applications. 272, 173–187 (1999).
8. Kivela, M., Arenas, A., Barthelemy, M., Gleeson, J.P., Moreno, Y., Porter, M.A.: Multilayer networks. Journal of Complex Networks. 2, 203–271 (2014).
9. Bollobás, B. ed: Modern Graph Theory. Springer New York, New York, NY (1998).
10. Szell, M., Lambiotte, R., Thurner, S.: Multirelational organization of large-scale social networks in an online world. Proceedings of the National Academy of Sciences of the United States of America. 107, 13636–13641 (2010).
11. Filiposka, S., Gajduk, A., Dimitrova, T., Kocarev, L.: Bridging online and offline social networks. Physica A: Statistical Mechanics and its Applications. 471, 825–836 (2017).
12. Berlingerio, M., Coscia, M., Giannotti, F., Monreale, A., Pedreschi, D.: The pursuit of hubbiness. Journal of Computational Science. 2, 223–237 (2011).
13. Bindu, P.V., Thilagam, P.S., Ahuja, D.: Discovering suspicious behavior in multilayer social networks. Computers in Human Behavior. 73, 568–582 (2017).
14. Sharma, R., Magnani, M., Montesi, D.: Effects of missing data in multilayer networks. Soc. Netw. Anal. Min. 6, 509 (2016).
15. Hristova, D., Noulas, A., Brown, C., Musolesi, M., Mascolo, C.: A multilayer approach to multiplexity and link prediction in online geo-social networks. EPJ Data Sci. 5, 203 (2016).
16. Socievole, A., Rango, F.D., Caputo, A.: Opportunistic mobile social networks. Computer Communications. 87, 1–18 (2016).
17. Suo, Q., Sun, S., Hajli, N., Love, P.E.D.: User ratings analysis in social networks through a hypernetwork method. Expert Systems with Applications. 42, 7317–7325 (2015).
18. Khadangi, E., Bagheri, A.: Presenting novel application-based centrality measures for finding important users based on their activities and social behavior. Computers in Human Behavior. 73, 64–79 (2017).
19. Soldz, S., Vaillant, G.E.: The Big Five Personality Traits and the Life Course. Journal of Research in Personality. 33, 208–232 (1999).
20. Ozer, D.J., Benet-Martínez, V.: Personality and the Prediction of Consequential Outcomes. Annual Review of Psychology. 57, 401–421 (2006).
21. Neyer, F.J., Asendorpf, J.B.: Personality–Relationship Transaction in Young Adulthood. Journal of Personality and Social Psychology. 81, 1190–1204 (2001).
22. Farnadi, G., Sitaraman, G., Sushmita, S., Celli, F., Kosinski, M., Stillwell, D., Davalos, S., Moens, M.-F., Cock, M.: Computational Personality Recognition in Social Media. User Model User-Adap Inter. 26, 109–142 (2016).
23. Kleanthous, S., Herodotou, C., Samaras, G., Germanakos, P.: Detecting Personality Traces in Users’ Social Activity. Presented at the Social Computing and Social Media.8th International Conference , Toronto, ON, Canada (2016).
24. Liu, D., Campbell, W.K.: The Big Five Personality Traits, Big Two Metatraits and Social Media. Journal of Research in Personality. 70, 229–240 (2017).
25. Farnadi, G., Zoghbi, S., Moens, M.-F., Cock, M.: Recognising Personality Traits Using Facebook Status Updates. AAAI Technical Report. (2013).
26. Bai, S., Hao, B., Li, A., Yuan, S., Gao, R., Zhu, T.: Predicting Big Five Personality Traits of Microblog Users. Presented at the Proceedings of the 2013 IEEE/WIC/ACM International Joint Conference on Web Intelligence and Intelligent Agent Technology – Workshops WI-IAT 2013 , Atlanta, GA, USA (2013).
27. Rammstedt, B.: Die deutsche Version des Big Five Inventory (BFI), (1997).
28. Rammstedt, B., Danner, D.: Die Facettenstruktur des Big Five Inventory (BFI). Diagnostica. 63, 70–84 (2017).
29. Lang, F.R., Lüdtke, O., Asendorpf, J.B.: Testgüte und psychometrische Äquivalenz der deutschen Version des Big Five Inventory (BFI) bei jungen, mittelalten und alten Erwachsenen. Diagnostica (Online-Ausgabe). 47, 111–121 (2001).
30. Azucar, D., Marengo, D., Settanni, M.: Predicting the Big 5 Personality Traits from Digital Footprints on Social Media. Personality and Individual Differences. 124, 150–159 (2018).
31. Kaushal, V., Patwardhan, M.: Emerging Trends in Personality Identification Using Online Social Networks—A Literature Survey. ACM Trans. Knowl. Discov. Data. 12, 1–30 (2018).
32. Feiler, D.C., Kleinbaum, A.M.: Popularity, Similarity, and the Network Extraversion Bias. Psychological Science. 26, 593–603 (2015).
33. McNiel, J.M., Fleeson, W.: The causal effects of extraversion on positive affect and neuroticism on negative affect: Manipulating state extraversion and state neuroticism in an experimental approach. Journal of Research in Personality. 40, 529–550 (2006).
34. Youyou, W., Kosinski, M., Stillwell, D.: Computer-based Personality Judgments Are More Accurate than Those Made by Humans. Proceedings of the National Academy of Sciences of the United States of America. 112, 1036–1040 (2015).
35. Bleidorn, W., Hopwood, C.J.: Using Machine Learning to Advance Personality Assessment and Theory. Personality and Social Psychology Review.

Most viewed articles

Meist angesehene Beiträge

GITO events | library.gito