Modellierung der plattformübergreifenden narrativen Diffusion: ein stabiles Hawkes–ODE-Framework für Expositions- und Adoptionsdynamik

Zusammenfassung Das Verständnis, wie Erzählungen über soziale Medienplattformen verbreitet werden, erfordert ein Framework, das sowohl die stochastische Generierung von Beiträgen als auch die allmähliche Entwicklung des Nutzerengagements erfasst. Diese Studie schlägt ein plattformübergreifendes Diffusionsmodell vor, das einen markierten multivariaten Hawkes-Prozess mit einer beschränkten Expositions-Adoptions-Ordnungsgleichung (ODE) integriert. Die Hawkes-Komponente modelliert Eintreffen von Ereignissen und plattformübergreifende Erregung, während die ODE erfasst, wie Exposition im Laufe der Zeit in aktives Engagement umgesetzt wird. Angewendet auf den Diskurs über den Tarifkonflikt in den USA 2025, der 30.493 Instagram-, 11.218 TikTok-, 12.252 X- und 30.493 YouTube-Beiträge umfasst, die zwischen Januar und Mai 2025 gesammelt wurden, zeigt das Modell interpretierbare und stabile plattformübergreifende Einflussdynamiken. Die geschätzte Verzweigungs-Matrix (ρ(B) = 0,523) liegt gut unter dem kritischen Schwellenwert (ρ(B) = 1), was auf ein stabiles, selbstgedämpftes Diffusionsregime hinweist, in dem plattformübergreifende Kaskaden bestehen bleiben, aber nicht explodieren, mit dominierenden Wegen von Kurzformat- und Echtzeitplattformen zu Langformat-Kommentarkanälen. Die Expositions-Adoptions-ODE wurde durch ein Vorhersageexperiment validiert, das auf einem Prozentsatz jeder Trajektorie trainierte und die Zukunft bewertete, was eine genaue Extrapolation der Engagement-Trends und die Bestätigung der prädiktiven Kohärenz des Modells zeigte. Diese Ergebnisse zeigen zusammen, dass das vorgeschlagene Framework eine mathematisch fundierte und interpretierbare Perspektive für die Analyse bietet, wie Erzählungen entstehen, sich verbreiten und in vernetzten Medienökosystemen stabilisieren.