כשציוץ מצוטט כדי להפוך את עמדתו, הרגש שבמקור מסייע לחזות זאת

מושגי יסוד בקצרה

ציוץ מקור הוא ההודעה שמשתמש אחר מצטט, וציוץ ציטוט מוסיף לה טקסט חדש. היפוך עמדה הוגדר כאי־התאמה בין תווית המקור לתווית הציטוט כלפי ישראל — תמיכה, ניטרליות או התנגדות.

ROC-AUC מודד עד כמה מודל מדרג מקרי היפוך מעל מקרים ללא היפוך לאורך ספי החלטה שונים. ערך 0.5 דומה לדירוג אקראי ו־1 מושלם, אך ציון גבוה אינו הופך את מאפייני החיזוי לסיבות.

שרשרת מדידה בת כמה שכבות

לפני חיזוי ההיפוך היה צורך לקבוע אילו ציוצים רלוונטיים ומהי עמדתם. החוקרים בנו תחילה מסווג רלוונטיות, אחר כך מסווג קוטביות כלפי ישראל, והוסיפו מדד רגש כללי של VADER.

כל שכבה מעבירה לשלב הבא גם את שגיאותיה. לפיכך 41% הוא שיעור המבוסס על סיווג אוטומטי של קטגוריות עמדה, ולא ספירה ידנית חסרת טעות של כל זוג.

שלושה סוגים של שינוי בין מקור לציטוט

ההגדרה הרחבה כוללת יותר מסתירה ישירה: ציטוט יכול לעבור מתמיכה להתנגדות, להפוך מקור ניטרלי לעמדה מפורשת, או לנטרל מקור שתמך או התנגד. לכן המונח ״היפוך״ כולל גם מעבר אל ניטרליות וממנה, ולא רק הבעת הדעה ההפוכה.

הבחנה זו חשובה לפרשנות התוצאה. רק שליש ממקרי ההיפוך היו סתירה ישירה בין תמיכה להתנגדות, ואילו רובם שינו את מידת המפורשות של העמדה.

חיזוי של סיכון תקשורתי, לא קריאה של כוונה

מודל היער האקראי השתמש רק במאפייני המקור והכותב כדי לאמוד אם יופיע ציטוט בעל תווית אחרת. הוא לא קרא את מחשבת המצטט, לא זיהה בהכרח אירוניה ולא קבע אם ההיפוך היה ביקורת, טרולינג, תיקון או שינוי נושא.

היישום האפשרי הוא הערכת הסיכוי שמסר יאומץ מחדש בהקשר מנוגד. שימוש נורמטיבי במודל דורש זהירות, מפני שניסיון למנוע ביקורת או להתאים מסרים רק לשם שליטה בהפצה עלול לפגוע בשיח פתוח.

כיצד הוגדר היפוך עמדה במחקר?

היפוך נרשם כאשר קטגוריית העמדה כלפי ישראל בציוץ הציטוט לא הייתה זהה לקטגוריה בציוץ המקור. זו הגדרה חישובית לשלוש קטגוריות, ולכן היא אינה מוכיחה שהמצטט פירש נכון את המקור או התכוון להפוך אותו.

מה כלל מאגר הציוצים?

המאגר כלל 715,894 ציוצים באנגלית שפורסמו בין 6 בינואר 2008 ל־12 בפברואר 2018 וכללו אחת מ־30 מילות מפתח הקשורות לישראל. המסנן העריך שכ־89% מהם אכן רלוונטיים לאחר שהוציא שימושים כגון מזג אוויר, ספורט או ראשי תיבות בעלי משמעות אחרת.

עד כמה היו תוויות הרלוונטיות והעמדה אמינות?

הסכמת המתייגים הייתה גבוהה מאוד ברלוונטיות, קאפה 0.95, וטובה אך נמוכה יותר בקוטביות, קאפה 0.804. גם מסווג הקוטביות לא היה מושלם — דיוקו 79% — ולכן יש לקרוא את האחוזים כאומדנים התלויים במודל.

כמה מן הציטוטים סווגו כהיפוך?

ב־41% מן הזוגות הרלוונטיים קטגוריית הציטוט הייתה שונה מזו של המקור. מתוך מקרי ההיפוך, 33% עברו ישירות בין תמיכה להתנגדות, 49% עברו מניטרליות לעמדה ו־18% עברו מעמדה לניטרליות.

מה פירוש הנתון של 69% מנפח המאגר?

זוגות המקור–ציטוט היו קשורים ל־69% מסך הלייקים והציוצים מחדש במאגר, אף שהיו מעטים יחסית במספר. זהו מדד נפח מעורבות ולא שיעור מכלל הציוצים, והוא גם אינו מגלה אם המעורבות תמכה במסר או התנגדה לו.

איזה מודל חזה את ההיפוך בצורה הטובה ביותר?

מבין רגרסיה לוגיסטית, רשת עצבית, יער אקראי ו־XGBoost, היער האקראי היה הטוב ביותר במבחן שנערך. הוא השיג ROC-AUC של 0.835 ו־F1 של 0.82 בחלוקת אימון–בדיקה של 90% ו־10%.

אילו מאפיינים תרמו לחיזוי?

מאפייני תוכן, ובפרט הקוטביות והרגש של המקור, סיפקו כ־80% מחשיבות המאפיינים המצטברת. פחד, כעס וגועל היו משפיעים יותר משמחה, בעוד שנתוני פרופיל ופעילות קודמת הוסיפו מידע קטן יותר.

מדוע מקורות תומכי ישראל עברו יותר היפוכים?

במדגם הזה מקור בעל תמיכה חזקה בישראל עבר היפוך בהסתברות 0.63, פי שלושה ממקור שהתנגד לה בחוזקה, 0.21. המחקר מתאר אסימטריה בשיח שנדגם ואינו מזהה את מנגנונה, ולכן אי אפשר להסיק ממנה נטייה אוניברסלית של משתמשים או פלטפורמות.

כיצד תוכן שאינו פוליטי נכנס לשיח על ישראל?

ב־973 זוגות, שהם 14% מן הזוגות שנמצאו, המקור לא עסק בישראל אך הציטוט קישר אותו לתחום. בממוצע נשמרה עוצמת הרגש הכללית של המקור, גם כאשר המצטט החליף את הנושא והעניק לרגש יעד פוליטי חדש.

האם רגש שלילי גורם להיפוך עמדה?

לא ניתן לקבוע זאת מן המודל. רגשות הם מנבאים שעשויים לשקף גורמים אחרים — נושא, קהל, ניסוח או מחלוקת קיימת — והמחקר לא הקצה ציוצים באקראי לרמות רגש שונות.

מדוע מעורבות אינה מדד בטוח לתמיכה ציבורית?

ציוץ ציטוט יכול להרחיב מאוד את החשיפה למקור ובאותה עת למסגר אותו באופן ביקורתי או עוין. בלי לנתח את הטקסט הנוסף, ספירת שיתופים ולייקים עלולה לחבר יחד הסכמה, התנגדות ולעג ולתארם בטעות כתמיכה אחת.

אילו מגבלות מונעות הכללה רחבה?

הנתונים מוגבלים לשיח באנגלית על ישראל בטוויטר היסטורי, ותוויות העמדה נוצרו בידי סטודנטים ישראלים גם אם נעשה שימוש בסכמה ובהסכמה בין מתייגים. המודל לא כלל את מבנה הרשת או את פער הזמן בין מקור לציטוט, ולכן אינו מתאר את כל תהליך ההפצה ואינו מלמד בהכרח על פלטפורמות או עימותים אחרים.