Detailansicht
Text mining and computational modeling of collective emotions in online discussions
Raffael Andre
Art der Arbeit
Masterarbeit
Universität
Universität Wien
Fakultät
Fakultät für Philosophie und Bildungswissenschaft
Studiumsbezeichnung bzw. Universitätlehrgang (ULG)
Masterstudium Joint Degree Programme MEi :CogSci Cognitive Science
Betreuer*in
David Garcia
DOI
10.25365/thesis.62683
URN
urn:nbn:at:at-ubw:1-16286.67249.721067-9
Link zu u:search
(Print-Exemplar eventuell in Bibliothek verfügbar)
Abstracts
Abstract
(Deutsch)
In dieser Studie untersuchen wir kollektive Emotionen in Online Diskussionen durch Anwendung von agentenbasierender Computermodellierung und Sentiment-Analyse. Simulationen unseres Cyberemotions-Modells zeigen einen Skalierungsexponenten in der Beziehung zwischen der Anzahl der Agenten und der generierten emotionalen Ausdrücke, der fast analog zu realen Werten steht. Der Wert fällt in einen Bereich, der in der sozialen Skalierung von Information omnipräsent ist, was suggeriert, dass unser Modell unterliegende soziale Dynamiken realistisch darstellen kann. Die Resultate unserer LIWC Sentiment-Analyse des One-Million-Posts-Korpus, ein Datensatz von über einer Million Kommentaren des Diskussionsforums einer österreichischen Nachrichten-Website, suggerieren die Möglichkeit den emotionalen Inhalt eines Kommentars und affektive Reaktionen darauf durch frühere Kommentare vorherzusagen. Während Ersteres durch die Prozent-zahl emotionaler Wörter der Nachricht gemessen wird, betrifft Letzteres dessen Bewertung durch Upvotes und Downvotes Anderer. Allerdings scheint es durch Messen von LIWC-Variablen nicht möglich, in Kommentaren kognitive Muster zu entdecken die System 1 oder 2 entsprechen, wie es von kognitiven Dual-Prozess-Theorien postuliert wird. Unsere Ergebnisse geben weitere Einblicke in die Beziehung zwischen emotionalem Inhalt von Nach-richten-Artikeln und dessen Kommentaren und die Erfassung von Emotionen durch Forum-Moderatoren.
Abstract
(Englisch)
We study collective emotions using agent-based modeling and sentiment analysis of online discussions. Simulation results using an implementation of the Cyberemotions framework show a scaling exponent in the relationship between the numbers of agents and emotional expressions that is almost analogous to that of real-world data. It corresponds to a range of values that is omnipresent in the social scaling of information, suggesting our implemented model may capture underlying social dynamics realistically. Applying the sentiment analysis tool LIWC on the One Million Posts corpus, a dataset containing over a million comments posted in the online forum of an Austrian news website, our results indicate that it may be possible to predict the emotional content and affective reaction of a post, measured as percentage of emotion words and upvotes, based on data of previous posts in the discussion. However, we failed to capture patterns of cognitive systems 1 and 2, as they are described by dual-process theories of the mind, using LIWC variables as indicators of cognitive complexity. Our results provide further insights into the relationship between the emotional content of a news article and its comments, and the ability of moderator annotations to predict sentiment.
Schlagwörter
Schlagwörter
(Englisch)
Collective Emotions Agent-Based Modeling Text Mining Online Discussions Social Media Computational Social Science Social Data Science Social Psychology Cognitive Science
Schlagwörter
(Deutsch)
Kollektive Emotionen Agentenbasierende Modellierung Online-Diskussionen Soziale Medien Sozialpsychologie Kognitionswissenschaft
Autor*innen
Raffael Andre
Haupttitel (Englisch)
Text mining and computational modeling of collective emotions in online discussions
Paralleltitel (Deutsch)
Text Mining und Computermodellierung von kollektiven Emotionen in Online-Diskussionen
Publikationsjahr
2020
Umfangsangabe
88 Seiten : Diagramme
Sprache
Englisch
Beurteiler*in
David Garcia
AC Nummer
AC16054070
Utheses ID
55397
Studienkennzahl
UA | 066 | 013 | |