1．は
じ め に
インターネットの普及以降，人々が接触可能な情報 量は爆発的に増加しており，いかにして接触する情報 を選択するか，あるいは接触させる情報を推薦するか という点に対する関心が高まっている．その中で，機 械学習などの人工知能技術（AI）を用いた情報選択や 推薦の自動化が進められており [Das 07, Ricci 15]，情 報探索コストの大幅な低減が可能になった . 現在，検索 エンジンの結果の提示やニュース記事の推薦だけでな く，ソーシャルメディア上で提示される情報や，つなが る相手の推薦にも適用範囲を広げつつある．現状のソー シャルメディアでは，サービスの種類によって自動化の 程度に違いはあるが，情報選択における多くの場面では 利用者本人が判断しているように見える．今後さらに拡 大していく自動化の方向性として，多くの情報推薦シス テムがユーザの過去の行動履歴に基づいて選好を推測し ていることを考慮すれば，「見たいものだけ見る」とい う選択的接触を促進させるような方向性は有力な選択肢 の一つだろう．このような選択的接触の促進は，情報探 索のコスト低下やサービス満足度の向上などの利点が見 込める反面，社会的分断化を生じさせ，価値観の共有を 困難にしたり寛容性を低下させるなどの負の影響を及ぼ し，社会全体での合意形成のコストを上昇させる危険性 も秘めている [Pariser 11, Sunstein 01]．本稿では，こ れらのプロセスを整理したうえで，ソーシャルメディア （Twitter）における社会的分断化を検証した研究を紹介 する [Kobayashi 18]．現状のソーシャルメディアでは， つながる相手や閲覧情報の選択は完全には自動化されて はおらず，ユーザが自身の判断で選択する余地がある． このような現状のソーシャルメディア上で社会的分断化 がどの程度観察されるのかを確認し，今後の自動化の方 向性や社会的な影響について考察する．2．
選択的接触と社会的分断化
2･1 メディアにおける選択的接触 テレビや新聞などの伝統的なマスメディアと比べて， ソーシャルメディア上では各自が望む情報に選択的に接 触することが容易になっている．このような選択的接触 はメディア効果研究やコミュニケーション研究では重要 なテーマとなっている [e.g. Bennett 08, Prior 07]．選択 的接触の概念は古くから存在しており，メディアの効果 が限定的であるという限定効果論を説明する要因として 知られていた．投票時の意思決定における政党の宣伝 の影響力を検証するために 1940 年の米国大統領選挙時 に行われた調査では，人々は事前の選好に一致する宣 伝に選択的に接触する傾向があることが示されている [Klapper 60]．リベラルな考えの持ち主は民主党の宣伝 に優先的に接触し，保守的な考えの持ち主は共和党の宣 伝に優先的に接触していた．その結果，政党の宣伝によっ て投票先を変える人は少なく，元来もっていた態度や考 え方を補強する効果が最も生じやすいことが明らかにさ れた．選択的接触は認知的不協和理論による説明が可能 で [Festinger, 57]，自身の選好と反するような情報は認 知的な不協和を生み出し，逆に自身の選好と一致するよ うな情報は心地良さを感じさせるため優先的に接触され る．そのため，多様な情報がアクセス可能な状態で存在 していたとしても，人々は等しく情報に接触するのでは なく，リベラル─保守のようなイデオロギーベースで生 じる選択的接触や [Iyengar 09,Stroud 11]，政治に対す る関心が低いエンタテイメント（以下，エンタメと表記） 好きな人がエンタメ情報ばかりに接触する選好ベースの 選択的接触などが観察されている [稲増 16, Prior 05]． 2･2 選択的接触が引き起こす社会的分断化 選択的接触は個々の利用者にとっては快適な環境を生ソーシャルメディアにおける分断化と
情報選択の自動化
Audience Fragmentation and Algorithmic Exposure on the Social Media
鈴木 貴久
津田塾大学総合政策学部Takahisa Suzuki College of Policy Studies, Tsuda University. [email protected]
Keywords:
social media, twitter, selective exposure, audience fragmentation. 「道徳判断の自動化をめぐる問題：規範の選択と協力の進化」み出すが，社会的には望ましくない帰結を生み出す可能 性も指摘されている． 選択的接触が困難なメディア環境では，特定の情報の みに接触することが困難であるため，目当ての情報以外 にも接触する機会が多かった．例えば，従来のテレビ視 聴では，エンタメ好きな人であっても目当ての番組の前 後にもテレビをつけておくことで，偶発的に政治ニュー スに接触する機会があった．このように，意図しない情 報接触によって知識を獲得する副産物的学習を提供する ことがマスメディアの重要な役割の一つである．一方で， 選択的接触が容易な環境では，自身の選好と一致しない 情報に接触する機会が低下し，副産物的学習が生じにく くなっている．その結果，政治的関心が低くエンタメ情 報を好むような人は政治的な知識を獲得できず，政治に 関心がある人とない人の間で政治的知識の格差が拡大し やすい [Prior 07]． また，イデオロギーベースの選択的接触が生じると， 異なる思想の持ち主の間でコミュニケーションや情報流 通が行われなくなり，社会全体が分断化される可能性が ある [Stroud 10]．社会的に分断化された環境では，価 値観の共有が阻害されたり，自分と異なる思想に対する 社会的寛容性が低下しやすい [Mutz 02]．Sunstein は， 民主主義における社会的意思決定の質を高めるために は，自身の意見とは異なる多様な意見の存在を許容する ような社会的寛容性が重要であり，思想的に分断化され た環境は合意形成のコストを高め，社会的意思決定の質 を低下させる恐れがあると指摘している [Sunstein 01]． 特に，ソーシャルメディアは同質性の高いコミュニティ の構築に適しており，社会的分断化が生じやすい．こ のようなコミュニティ内では，成員は自らの思想の“こ だま”を聞くようなエコーチェンバ状況に陥りやすい [Bouryline 17]．エコーチェンバの内部では，局所的な 多数派意見であっても全域的な多数派意見であると誤っ て認識しやすくなり，異なる意見について考える機会が 低下する．その結果，内部の思想や意見が強化されるだ けでなく，グループ内部の意見と一致しない情報に接触 しても自分達に都合良く解釈しやすくなる [Del Vicario 16]．このような状況では，流通する情報の真偽を評価 する動機が低下するため，フェイクニュースが蔓延しや すくなることも指摘されている [Törnberg 18]．さらに， 接触する情報の選択が自動化され，パーソナライズされ た環境では，自身が接触している情報が全域的に共有さ れている一般的な情報なのか，分断化されて局所的に提 供されている情報なのかを意識することすらなくなる． Pariserは，このような環境を特定の情報のみを通過さ せる泡に包まれた状況に見立て，フィルタバブルと呼び， 思想的な孤立を生み出す要因であると指摘した [Pariser 11]．ソーシャルメディアにおけるエコーチェンバやフィ ルタバブルの問題は，社会的分断化と密接な関係にある． そのため，情報選択の自動化を進める際の指針について は，選択的接触や分断化の現状から指針を得ることが可 能だろう．そこで以降は，日本における Twitter 上の分 断化を検証した研究 [Kobayashi 18] を中心に取り上げ ながら，現状のソーシャルメディア上の分断化について 概観する．
3．ソーシャルメディア
上の分断化を検証した
従来研究
テレビや新聞といった伝統的マスメディアと比較し て，ソーシャルメディア上では選択的接触が容易なた め分断化の危険性が提唱されているが，現状における 実際の分断化の程度については議論が続いている [e.g. Barberá 15b]．例えば，人々が選択的接触する傾向自体 は多くの研究で観察され，選択的接触が分断化に結び付 くことが示されているが [Stroud 10]，一方で自身の選 好と一致しない情報を選択的に回避するような行動は少 ないとの知見もある [Garrett 09]．そうであれば，自身 の選好と一致する情報には優先的に接触するが一致しな い情報には全く接触しないわけではなく，ソーシャルメ ディア上のように多くの情報に接触できる環境であれば 分断化は深刻な状況ではない可能性もある． 社会的分断化は心理的側面や技術的側面など複数の 要因によってもたらされるマクロな現象である．そのた め，その程度を知るためには個人レベルの検証だけでな く，大規模なデータを用いた検証が必要になる．一例と して，米国のテレビ視聴データを分析した研究では，イ デオロギーに基づいて選択的にニュース番組を視聴して いる人は少数に限られており，米国でもテレビ視聴にお いては大きな分断化は生じていないという結果を示して いる [Prior 13]． 3･1 ソーシャルメディアデータを用いた検証 ソーシャルメディア上の社会的分断化の検証におい ては，blog[Adamic 05] や Twitter[Conover 11] などの データを収集して分析する手法が多く用いられている． ソーシャルメディア上の分断化を観察する方法として は，ネットワーク構造の可視化や，コミュニティ抽出 などがある．Conover らは 2010 年の米国の中間選挙の 6週間前からの政治関連 tweet を収集し，約 25 万件の re-tweetネットワークを可視化した（図 1）[Conover 11]．図 1 の左下半分はリベラル系 tweet で，右上半分 は保守系 tweet であり，イデオロギーごとにクラスタが 形成されていることがわかる．この結果からは，イデオ ロギー間の分断化が観察されるが，一方でメンションの ネットワークでは分断化は観察されず，クラスタを超え た何らかのコミュニケーションが行われていることも示 されている [Conover 11]．このような，イデオロギーが 異なるクラスタ間でのメンションの存在は他の研究でも 確認されており [Gruzd 14, Yardi 10]，フォロー関係が完全に同一クラスタ内にとどまらない可能性も示唆され ている．
さらに，ネットワーク構造の分析だけでなく，機械学 習などを用いた，ユーザのイデオロギー推定も行われて いる [Barberá 15a, Barberá 15b, Colleoni 14, Golbeck 14, 三輪 17]．Barberá は，Twitter ユーザはイデオロ ギーが類似した相手をフォローしているという前提のも と，フォローパターンから一般ユーザや政治家のイデオ ロギーをベイズ推定している [Barberá 15a]．その結果 から，Twitter 上ではイデオロギーに基づいた分断化が 生じていることを確認している． 3･2 従来研究の限界 ソーシャルメディアデータを用いた分析では，社会 調査よりも信頼性が高く，大規模なデータを対象にする ことが可能になるが，分析時に強い前提を設定すること が多い．例えば，イデオロギーの推定の際には，イデオ ロギーが類似した相手をフォローしているという前提が 設定されることが多い [e.g. Golbeck 14]．しかし，前節 のように，自身の選好と一致しない情報を積極的に回避 する行動は少なく [Garrett 09]，クラスタを超えたメン ションのやり取りも一定数観察されており [Conover 11, Yardi 10]，上記の前提は適切とは言いがたい．そのため， イデオロギーの推定の際には，フォローの関係性に特定 の前提を置かないことが望ましく，そのためにはネット ワーク構造以外の情報も考慮した推定が必要になる． また，多くの研究は米国のデータを対象としており， 一般化の可能性については十分な知見が蓄積されてい ない．米国は二大政党制が定着しており，個人のイデ オロギー的ポジションも明確になっているため，分断 化が観察されやすい環境である．それに対して日本で は，政党の変動が激しく，無党派層が多く，メディアご との政治的ポジションも比較的弱いため [Goldman 11]， 米国より分断化が観察されにくい環境である．例えば， 日本における Twitter のネットワーク構造を検証した Takikawaらは，イデオロギーの異なる六つのコミュニ ティを抽出している [Takikawa 17]．この結果だけから， 日本のソーシャルメディア上では米国よりも細かく分断 化しているのか，極端なコミュニティをブリッジングし やすい構造になっているのかを解釈することは難しい． ソーシャルメディアにおける分断化の現状を広く把握す るためには，米国とは異なる環境での知見の蓄積が求め られる．
4．
日本における Twitter 上の社会的分断化
こ こ で は， 前 章 で 指 摘 し た 限 界 を 解 決 し な が ら Twitter上の社会的分断化を検証した Kobayashi らの研 究を紹介する [Kobayashi 18]．この研究では，Twitter のデータだけを用いるのではなく，社会調査と組み合わ せることで，従来研究の強すぎる前提を回避しながら ユーザのイデオロギーを推定し，日本における Twitter 上の分断化を検討している．分断化の指標としては，テ レビ局や新聞社などのメディアアカウントのフォロワの 重複度としている．もし，保守的なユーザのみがフォロー するメディアアカウントとリベラルなユーザのみがフォ ローするメディアアカウントが明確に分かれている場 合，分断化しているといえる． 4･1 手 法 この研究では，フォローのネットワーク構造とユーザ のイデオロギーの情報を用いて，分断化を評価している． メディアアカウントをフォローしている一般ユーザの イデオロギーの推定には機械学習を用いるが，その教師 データには社会調査で測定したイデオロギーと国会議員 アカウントへのフォローのパターンを用いる．そのため， 対象となるのは，メディアアカウントと国会議員の両方 をフォローしている一般ユーザである．Twitter のデー タについては API を用いて収集している． ①オンライン社会調査：機械学習の教師データを作成 するために，Twitter ユーザを対象にした調査を行 う． ②調査非回答ユーザのイデオロギー推定：①で測定し たイデオロギーと Twitter 上のデータを用いて学習 を行い，社会調査に回答していないユーザのイデオ ロギーを機械学習によって推定する． ③メディアアカウントフォロワの分断化の評価：②で 推定した Twitter ユーザのイデオロギーを用いて， メディアアカウントのフォロワのイデオロギー分布 を確認し，分断化を評価する． 以下ではそれぞれについて詳しく説明する． § 1 オンライン社会調査 機械学習の教師データを作成するために，Twitter ユー 図 1 政治的 retweet のネットワーク構造 [Conover 11]ザを対象にしたオンライン社会調査を行う．対象者は， オンライン調査会社のモニタの中から以下の条件でスク リーニングされた．スクリーニング条件は，Twitter を 利用しており，一つ以上のメディアアカウントと一つ以 上の現職国会議員アカウントの両方をフォローしてい て，Twitter アカウントが公開されており，Twitter ID を教えてくれる人である．調査当時（2014 年 4 月）の 国会議員 722 人のうち，Twitter アカウントを開設して いた 418 人分の現職国会議員アカウントと，表 1 の 18 のメディアアカウントを対象としている．スクリーニン グの結果 3 420 人が抽出されたが，提供された Twitter IDを確認したところ，実際に条件に当てはまるのは 1 724人であった．この 1 724 人に対して調査を行い， 1 493人からの回答を得た．調査では対象者のイデオロ ギーと国会議員アカウントへのフォロー理由を質問して いる． イデオロギーの測定には，東京大学谷口将紀研究室・ 朝日新聞共同政治家調査＊1（以降，UTAS とする）と同 じ以下の 6 項目を用いた．「憲法を改正すべきだ」，「日 本の防衛力はもっと強化すべきだ」，「北朝鮮に対しては 対話よりも圧力を優先すべきだ」，「治安を守るために プライバシーや個人の権利が制約されるのは当然だ」， 「永住外国人の地方参政権を認めるべきだ（反転項目）」， 「道徳教育をもっと充実させるべきだ」をそれぞれ 5 段 階尺度で測定し，加算したものを 0 ∼ 1 の間に収まるよ うに調整してイデオロギー得点とした．値が大きいほど 保守的，小さいほどリベラルである．UTAS では国会議 員に対しても同じ項目を用いた調査を行っているため， 同一の尺度を用いて国会議員のイデオロギー得点が算出 できる． 国会議員アカウントへのフォロー理由については支持 しているかどうかを測定した．回答者ごとに，支持フォ ローと不支持フォローの比率を確認したところ，60％ の回答者は支持フォローのほうが多かったが，残りの 40％近くの回答者は不支持フォローが多いか，あるいは どちらでもないという結果であった．このことは，前章 で指摘した従来研究での前提が強すぎることの論拠でも あり，Twitter ユーザのイデオロギー推定においては， フォローしている国会議員全員のイデオロギー得点を平 均するだけでは推定精度に限界があることを示してい る．そのため，フォローパターンや tweet 内容などの情 報を用いた機械学習による推定が必要になる． § 2 機械学習（ランダムフォレスト） 表 1 のメディアアカウントと国会議員アカウントの両 方をフォローしている人は全部で 605 446 人存在してお り，調査非回答者のイデオロギー得点についてはランダ ムフォレストによって推定した．調査回答者の tweet 内 容と国会議員アカウントへのフォローパターンから，調 査回答者のイデオロギー得点を予測するモデルを作成 し，調査非回答者のイデオロギー得点を推定している． モデルの作成においては，フォローパターンと tweet 内容の片方だけを用いたモデルと両方を用いたモデル，
tweet内容の用い方として 1 gram と 2 gram のそれぞれ
を用いたモデルについて，10 分割交差検証による精度評 価を行った．その結果，フォローパターン＋ 2 gram の tweet内容を用いて，独立変数の数を 500 に設定した場 合に MSE が最小になったので，このモデルを採用した． 4･2 結 果 推定した 60 万人分のイデオロギー得点を用いて，メ ディアアカウントごとのフォロワのイデオロギー得点分 布を算出した（図 2）．図 2 から，東京新聞や産経新聞 以外のほとんどのメディアアカウントが全体の平均（平 均値 0.61）付近に位置しており，メディアアカウント によるイデオロギー分布に大きな違いがないことがわか る．一方で，産経新聞のフォロワは保守的な傾向があり （平均値 0.72），東京新聞のフォロワはリベラルな傾向が あることがわかる（平均値 0.46）． 表 1 対象としたメディアのアカウント ＊1 UTAS は，2003 年以降の国政選挙時に候補者全員と一般有権 者に対して調査を行い，その結果を公開している．
次に，メディアアカウントのフォロワの分断化を評価 するために，フォロワの重複度についてメディアアカウ ントのペアごとに Jaccard 係数を計算し，グラフを描画 した（図 3）．図 3 のノードの大きさはフォロワ数，ノー ドの色は推定されたフォロワのイデオロギー平均値，リ ンクの太さは結ばれているアカウント間の Jaccard 係 数の値を意味している．太いリンクで結ばれているアカ ウントどうしは，フォロワの重複度が高いことを意味し ている．上部に位置するアカウントを中心にすると，左 側に配置されているアカウントが保守的，右側に配置さ れているアカウントがリベラルとみなすことができる． フォロワ数が多いアカウントに注目すると，左右に配置 されたアカウント間を結ぶリンクが確認でき，主要アカ ウント間では分断化は生じていないといえる．一方で， 図 2 で両端にあった産経新聞と東京新聞のフォロワは他 のアカウントをフォローしている率が低く，孤立してい ることがわかる． 以上の結果から，現状の日本のソーシャルメディア上 では大きな分断化は生じていないといえる．先行研究で 見られた分断化は，ソーシャルメディアの特性だけで生 じているというよりも，米国という分断化が生じやすい 文脈に依存していた可能性が示唆された．
5．ソーシャルメディア
上の情報選択の自動化に
向けて
近年では，テレビ局や新聞社が Twitter 上にアカウ ントを開設してニュースを配信しており，SNS を通 じてニュースなどの情報を得ている人が増加している [Shearer 17]．このような環境の中で，ソーシャルメディ ア上の情報接触が自動化されるとしたら，社会的にどの ような影響がもたらされるであろうか．本稿では，日本 においてはソーシャルメディア上で大きな分断化が生じ ていないことを確認した [Kobayashi 18]．主要なメディ アアカウントのフォロワの間で分断化が生じていないこ とは，ソーシャルメディア全体でも米国ほど大きな分断 化は生じていないといえるだろう．ただし，今後ユーザ の選好に基づいた自動化が進むことによって，分断化が 促進され，エコーチェンバやフィルタバブル的状況が強 まる可能性は否定できない． 社会的分断化を促進しないように自動化を進めること はできるのか，その可能性について考察する．高選択な オンラインメディアであっても，選択的接触に関する理 論が説明するような望ましくない帰結が必ずしも生じる わけではないことも明らかにされている．例えば，ポー タルサイトでは政治知識に関する副産物的学習が行わ れることが示されている [e.g. Kobayashi 15, Kobayashi 17]．Yahoo! のトップページのようなポータルサイトに は，複数のジャンルの記事の見出しが並んでいる．仮 に，エンタメ好きな人が芸能記事を読みに訪れたとして も，少数でも政治記事の見出しが存在していれば，それ を目にすることで副産物的に学習が行われることが実験 によって示されている [Kobayashi 17]．この結果は，選 択的接触が容易な環境であったとしても，多様な情報 を目にする機会を提供できれば，望ましくない帰結が緩 和される可能性を示されている．ソーシャルメディア 上でも，ユーザの選好と一致する情報に優先的に接触し ていたとしても，それ以外の情報への接触機会を少しで も確保しておくことで極端な分断化は回避できる．実際 に，Twitter 上では非同質なフォロー関係も観察されて いる [Gruzd 14, Kobayashi 18]．これらを考慮すると， ソーシャルメディアにおける情報選択が自動化される場 合には，ユーザの選好と一致しない異質な意見や情報に 接触する機会をどのように確保するかが重要な争点と 図 2 メディアアカウントフォロワのイデオロギー得点分布 [Kobayashi 18] 図 3 メディアアカウント間のフォロワの重複度 [Kobayashi 18]なる．Sunstein はソーシャルメディアが普及する以前 の 2001 年に発行された著書の中で，政治的な内容を含 む Web サイトは反対意見を含むサイトへのリンクを張 ることで，異質な情報への接触機会を提供する必要があ ると主張している [Sunstein 01]．コミュニケーション 研究においても，多様な情報への横断的な接触は社会的 寛容性を高め [McClurg 06, Mutz 02]，熟慮を促すこと が示されている [Price 02]．重大な分断化を避けるため には多様な情報への接触機会をどのように提供するか， どの程度提供する必要があるのかを見極める必要がある [Helberger 18]． この点に関して，すでに実験的な試行も行われている． Gillaniは，Twitter ユーザに社会的分断化を可視化した グラフを見せたうえで，イデオロギー横断的なフォロー 相手を推薦すると，短期的にはネットワークの多様性が 上昇する効果が見られることを示した [Gillani 18]＊2． 一方で，ソーシャルメディア上で強制的に反対意見に接 触させることで，事前の態度がより強固になるという結 果も報告されている [Bail 18]．Bail らは Twitter 上で， 事前に測定されたユーザのイデオロギーと反対の情報を 発信する bot を 1 か月間フォローさせる実験を行った． その結果，リベラルな内容を発信する bot をフォローし た保守的なユーザは保守傾向をより強めるといった，反 発的な効果が見られたことを報告している．社会的分断 化の検証研究や関連する研究がさらに蓄積されれば，自 動化に向けて有益な示唆を得ることができるだろう． また，自動化された情報提供が利用者に対してどの ような効果をもたらすかについての検証も始まっている [Bakshy 15, Nguyen 14]．例えば，ソーシャルメディア 上の自動化に関しては，Twitter よりも Facebook の方 が進んでいる点があり，Facebook ではニュースフィー ドに掲載される記事は選択的接触を促進するようなア ルゴリズムによってソートされている．Bakshy らは Facebookデータを分析し，イデオロギー横断的な情報 接触の低下に対しては，ユーザ自身の選択よりも，アル ゴリズムによる要因のほうが小さいことを示している [Bakshy 15]． 自動化による選択的接触の促進は個人にとっては利益 が大きいが社会的分断化をもたらす恐れがあり，横断的 接触は個人レベルでは認知的不協和をもたらしつつも， 社会全体の合意形成においてはプラスの効果をもたら す．このような状況は，投票行動と同様に社会的ジレン マ構造であるといえる．それぞれの価値と両者のトレー ドオフを冷静に見極めつつ，議論を進める必要がある．
◇ 参 考 文 献 ◇
[Adamic 05] Adamic, L. A. and Glance, N.: The political blogosphere and the 2004 US election: Divided they blog, Proc. 3rd Int. Workshop on Link Discovery, pp. 36-43（2005） [Bail 18] Bail, C. A., Argyle, L. P., Brown, T. W., Bumpus, J. P.,
Chen, H., Hunzaker, M. B. F., Lee, J., Mann, M., Merhout, F. and Volfovsky, A.: Exposure to opposing views on social media can increase political polarization, Proc. National Academy of Sciences, Vol. 115, No. 37, pp. 9216-9221（2018）
[Bakshy 15] Bakshy, E., Messing, S. and Adamic, L. A.: Exposure to ideologically diverse news and opinion on Facebook, Science, Vol. 348, No. 6239, pp. 1130-1132（2015）
[Barberá 15a] Barberá, P.: Birds of the same feather tweet together: Bayesian ideal point estimation using Twitter data, Political Analysis, Vol. 23, No. 1, pp. 76-91（2015）
[Barberá 15b] Barberá, P., Jost, J. T., Nagler, J., Tucker, J. A. and Bonneau, R.: Tweeting from left to right: Is online political communication more than an echo chamber?, Psychological Science, Vol. 26, No. 10, pp. 1531-1542（2015）
[Bennett 08] Bennett, W. L. and Iyengar, S.: A new era of minimal effects? The changing foundations of political communication, J. of Communication, Vol.58, pp. 707-731（2008）
[Bouryline 17] Boutyline, A. and Willer, R.: The social structure of political echo chambers: Variation in ideological homophily in online networks, Political Psychology, Vol. 38, pp. 551-569 （2017）
[Colleoni 14] Colleoni, E., Rozza, A. and Arvidsson, A.: Echo chamber or public sphere? Predicting political orientation and measuring political homophily in Twitter using big data, J. of Communication, Vol. 64, No. 2, pp. 317-332（2014）
[Conover 11] Conover, M.D., Ratkiewicz, J., Francisco, M., Goncalves, B., Flammini, A. and Menczer, F.: Political polarization on twitter, Proc. 5th Int. AAAI Conf. on Weblogs and Social Media, pp. 89-96（2011）
[Das 07] Das, A. S., Datar, M., Garg, A. and Rajaram, S.: Google news personalization: scalable online collaborative filtering, Proc. 16th Int. Conf. on World Wide Web, pp. 271-280（2007） [Del Vicario 16] Del Vicario, M., Bessi, A., Zollo, F., Petroni, F.,
Scala, A., Caldarelli, G. and Quattrociocchi, W.: The spreading of misinformation online, Proc. National Academy of Sciences, Vol. 113, No. 3, pp. 554-559（2016）
[Festinger, 57] Festinger, L.: A Theory of Cognitive Dissonance, Stanford University Press（1957）
[Garrett 09] Garrett, R. K.: Politically motivated reinforcement seeking: Reframing the selective exposure debate, J. of Communication, Vol. 59, No. 4, pp. 676-699（2009）
[Gillani 18] Gillani, N., Yuan, A., Saveski, M., Vosoughi, S. and Roy, D.: Me, My Echo Chamber, and I: Introspection on social media polarization, Proc. 2018 World Wide Web Conference, pp. 823-831（2018）
[Golbeck 14] Golbeck, J. and Hansen, D.: A method for computing political preference among Twitter followers, Social Networks, Vol. 36, pp. 177-184（2014）
[Goldman 11] Goldman, S. K. and Mutz, D. C.: The friendly media phenomenon: A cross-national analysis of cross-cutting exposure, Political Communication, Vol. 28, No. 1, pp. 42-66 （2011）
[Gruzd 14] Gruzd, A. and Roy, J.: Investigating political polarization on Twitter: A Canadian perspective, Policy & Internet, Vol. 6, No. 1, pp. 28-45（2014）
[Helberger 18] Helberger, N., Karppinen, K..and D’Acunto, L.: Exposure diversity as a design principle for recommender systems, Information, Communication & Society, Vol. 21, No. 2, pp. 191-207（2018）
[稲増 16] 稲増一憲，三浦麻子： 「自由」なメディアの陥穽：有権者 の選好に基づくもうひとつの選択的接触，社会心理学研究，Vol. 31, No. 3, pp. 172-183（2016）
[Iyengar 09] Iyengar, S. and Hahn, K. S.: Red media, blue media: Evidence of ideological selectivity in media use, J. of ＊2 ただし，長期的にはネットワークの多様性が低下するという，
Communication, Vol. 59, pp. 19-39（2009）
[Klapper 60] Klapper, J. T.: The Effects of Mass Communication, Free Press（1960）
[Kobayashi 15] Kobayashi, T. and Inamasu, K.: The knowledge leveling effect of portal sites, Communication Research, Vol. 42, No. 4, pp. 482-502（2015）
[Kobayashi 17] Kobayashi, T., Hoshino, T. and Suzuki, T.: Inadvertent learning on a portal site: A longitudinal field experiment, Communication Research（2017）
[Kobayashi 18] Kobayashi, T., Ogawa, Y., Suzuki, T. and Yamamoto, H.: News audience fragmentation in the Japanese Twittersphere, Asian Journal of Communication（2018） [McClurg 06] McClurg, S. D.: The electoral relevance of political
talk: Examining disagreement and expertise effects in social networks on political participation, American Journal of Political Science, Vol. 50, No. 3, pp. 737-754（2006）
[三輪 17] 三輪洋文：Twitter データによる日本の政治家・言論人・ 政党・メディアのイデオロギー位置の推定，選挙研究，Vol. 33, No. 1），pp. 41-56（2017）
[Mutz 02] Mutz, D. C.: Cross-cutting social networks: Testing democratic theory in practice, American Political Science Review, Vol. 96, No. 1, pp. 111-126（2002）
[Nguyen 14] Nguyen, T. T., Hui, P. M., Harper, F. M., Terveen, L. and Konstan, J. A.: Exploring the filter bubble: the effect of using recommender systems on content diversity, Proc. 23rd Int. Conf. on World Wide Web, pp. 677-686（2014）
[Pariser 11] Pariser, E.: The Filter Bubble: What the Internet is Hiding from You, Penguin（2011）
[Price 02] Price, V., Cappella, J. N. and Nir, L.: Does disagreement contribute to more deliberative opinion?, Political Communication, Vol. 19, No. 1, pp. 95-112（2002）
[Prior 05] Prior, M.: News vs. entertainment: How increasing media choice widens gaps in political knowledge and turnout, American Journal of Political Science, Vol. 49, No. 3, pp. 577-592（2005）
[Prior 07] Prior, M.: Post-broadcast democracy: How Media Choice Increases Inequality in Political Involvement and Polarizes Election, Cambridge University Press（2007） [Prior 13] Prior, M.: Media and political polarization, Annual
Review of Political Science, Vol. 16, pp. 101-127（2013）
[Ricci 15] Ricci, F., Rokach, L. and Shapira, B.: Recommender Systems: Introduction and Challenges, Recommender Systems Handbook, pp. 1-34, Springer（2015）
[Shearer 17] Shearer, E. and Gottfried, J.: News Use Across Social Media Platforms 2017, Pew Research Center（2017） [Stroud 10] Stroud, N. J.: Polarization and partisan selective
exposure, J. of Communication, Vol. 60, No. 3, pp. 556-576 （2010）
[Stroud 11] Stroud, N. J.: Niche News: The Politics of News Choice, Oxford University Press（2011）
[Sunstein 01] Sunstein, C. R.: Republic.com, Princeton University Press（2001）
[Takikawa 17] Takikawa, H. and Nagayoshi, K.: Political polarization in social media: Analysis of the “Twitter political field” in Japan, Proc. 2017 IEEE Int. Conf. on Big Data（2017） [Törnberg 18] Törnberg, P.: Echo chambers and viral misinformation: Modeling fake news as complex contagion, PloS One, Vol. 13, No. 9, e0203958（2018）
[Yardi 10] Yardi, S. and Boyd, D.: Dynamic debates: An analysis of group polarization over time on twitter, Bulletin of Science, Technology & Society, Vol. 30, No. 5, pp. 316-327（2010）
2019年 1 月 15 日 受理
