Seekers, Providers, Welcomers, and Storytellers: Modeling Social Roles in Online Health Communities

Это исследование я рекомендую прочитать тем, кто занимается продуктами с групповыми/социальными фичами: Q&A-сервисы, ПО для коллективной работы, мультиплеерные игры, "социальный" e-commerce и т.д.

Группа ученых из Carnegie Mellon и Stanford решила изучить феномен "успеха" крупнейшего форума по теме рака в мире -- Cancer Survivor Network (CSN). Сайт существует с начала 2000-х и стал самым крупным в своем сегменте. Было много аналогичных площадок, но все рано или поздно затухали, а CSN развивается и по сей день.

У социологов возникла гипотеза -- на форуме сложилась определенная структура социальных ролей, которая обеспечивала "баланс" в сообществе и позволила ему развиваться. Осталось ее проверить на данных, которые были предоставлены American Cancer Society (а это вся переписка на сайте с 2003 по 2018 гг).

Но для начала надо формально определить, чем является "социальная роль" на данных. Для этого они обратились к теории. Социальная роль в науке определяется 4 факторами:
1. Цель -- у индивида в сообществе есть цель, которую он преследует исходя из собственных интересов.
2. Взаимодействия -- роль контактирует с другими участниками сообщества. На форуме эти взаимодействия проявляются по-разному: старт новой темы обсуждений, написание ответа, лайк комментария или обращение в директ.
3. Ожидания -- социальные роли при взаимодействии рассчитывают на определенную обратную связь. Например, на работе начальник и подчиненный знают чего ждать друг от друга и соответственно подбирают стиль общения. В онлайн-сообществах обычно нет явно формализованных ролей и только "старожилы" знают как и с кем общаться. Например, из-за этого новички на StackOverflow часто стесняют вступать в разговоры и задавать вопросы.
4. Контекст -- некоторые роли могут существовать только при определенных условиях. Например, "поставщик информации" существует во многих типах сообществах, включая Q&A сервисы, рабочие группы и форумы. А вот "коммитер" -- это специфичная роль для сообщества разработчиков (GitHub, Bitbucket). Приватность также играет большое значение. Поведение человека на публике обычно отличается от его поведения наедине или с родными.

Кратко про технические моменты:
1. При помощи кластеризации решили определить какие вообще есть роли, т.к. "доменные эксперты" (модераторы и другие сотрудники CSN) сами до конца не могли однозначно ответить на этот вопрос. Разметки не было.
2. В реальной жизни человек принадлежит к нескольким ролям одновременно. Например, на работе я одновременно "аналитик" и "спамер в slack". Чтобы учесть это, была использована Gaussian Mixture Model (GMM), которая позволяет отнести объект к нескольким группам с определенной вероятностью.
3. Для "генерации фич" были использованы подходы из сетевого анализа (SNA) и обработки текста (NLP). Всего было сделано 83 признака.
4. Количество кластеров -- это гиперпараметр модели, которые исследователи сами могли задавать. Они пробовали находить от 2 до 20 кластеров. После "игры" с данными, количество от 10 до 15 показалось им "адекватным".

Чтобы окончательно определиться с количеством ролей, были подключены доменные эксперты. После долгих дискуссий, пришли к оптимальному количеству кластеров -- 11.
Тем не менее, модераторы отметили, что модель не нашла один тип роли. Она редко встречается на форуме, но сильно запоминается.
Видимо, слишком мало подобных наблюдений было в датасете или ученые не нашли "нужные" фичи.