在线极化现象近年来引起了研究者的广泛关注，其对社会的影响令人担忧。设计个性化的去极化策略成为解决这一问题的关键，而这些策略必须依赖于精确的测量和对极化行为的清晰理解。目前文献中缺乏对极化行为的细致特征描述。为此，我们提出了 GRAIL，这是一种基于多因素的个体极化度量指标。GRAIL 通过熵来评估这些因素，并基于可适应的广义加性模型进行构建。我们在与 COVID-19 疫苗高度争议相关的 Twitter 数据集上评估了该指标，实验结果证实了 GRAIL 区分极化行为的能力。此外，我们通过创新的评估框架进一步提供了对识别行为的更细致特征化和解释。
博主点评： GRAIL 的提出为分析社交媒体上的极化行为提供了新的视角，其结合熵和广义加性模型的方式，能够更全面地捕捉用户的极化特征，具有重要的理论与实践意义。未来的研究可以继续探讨如何将该度量应用于不同的社交媒体平台。