TAIGR：構造化された語用論的推論によるソーシャルメディア上のインフルエンサー・コンテンツのモデリングに向けて

TL;DR（結論）

健康分野のインフルエンサーは、事実の断定よりも個人的な物語や修辞的戦略を多用するため、従来の「主張」単位の検証では、視聴者が受け取る真の意図（テイクアウェイ）を正確に評価できないという課題がある。 本研究が提案する「TAIGR」は、動画から核心的な推奨事項を特定し、それを支える論証構造をグラフ化して外部の科学的根拠（PubMed）と照合することで、語用論的な意味に基づいた信頼性判定を可能にする新しいフレームワークである。 TikTokの動画を用いた検証では、従来手法を最大で9.7ポイント上回る精度を達成し、情報の信頼性は動画の拡散力とは無関係であり、論理的な構成よりも個人的なエピソードを重視する動画ほど信頼性が低いことが判明した。

なぜこの問題か

ソーシャルメディアのインフルエンサーは、健康や金融といった専門的な分野において、公衆の理解や行動を形成する「非公式な知識仲介者」として極めて大きな影響力を持つようになっている。しかし、彼らが発信するコンテンツは、伝統的なニュースメディアや学術的な報告とは異なり、客観的な事実の提示よりも、個人的な物語、実演、説得力のあるストーリーテリングの中に情報が埋め込まれていることが多い。このため、アドバイス、個人の信念、そして科学的な証拠の境界線が極めて曖昧になりがちである。例えば、あるインフルエンサーが「ビタミンDは感染症を治す」という直接的な主張をせず、「私が陽性だったとき、パニックにならずにこれを飲んだら3時間で熱が下がった」という個人的なエピソードを語ったとする。この場合、従来の自然言語処理で用いられてきた「主張中心」の検証手法では、個々の発言が事実であるかどうかを確認するだけで終わってしまう。しかし、視聴者がこの動画から受け取る実質的なメッセージ、すなわち語用論的な意味は「感染症にはビタミンDが有効である」という推奨事項である。…

核心：何を提案したのか

本研究では、インフルエンサーの言説を分析するための新しい構造化フレームワーク「TAIGR（Takeaway Argumentation Inference with Grounded References）」を提案している。このフレームワークの最大の特徴は、人間がコミュニケーション情報を評価する際の認知メカニズムである「認識論的警戒（epistemic vigilance）」の理論に着想を得ている点にある。認識論的警戒とは、人間が他者からの情報によって操作されるのを防ぐために、メッセージの内容、その正当化のプロセス、そして情報の信頼性を能動的に評価する仕組みを指す。TAIGRは、単にテキストを主張の集合として扱うのではなく、視聴者が情報をどのように解釈し、評価するかというプロセスを模倣するように設計されており、大きく分けて3つの主要な段階で構成される。…

続きはログイン/プランで閲覧できます。