Тщательный всесторонний анализ пула из 14 млн твитов ставит точку в обвинительном заключении против социальных ботов (соцботов). Остановить скатывание к 100%но фейковой инфореальности может лишь «договор о взаимном контроле» над этим типом «супер-инфо-вооружений». В качестве тизера два поразительных примера: 1) Соцботы уже довели людей до крайней степени кретинизма, когда среди фейковых новостей самыми виральными становятся наиболее идиотские. Online virality of content. a Probability distribution (density function) of the number of tweets for articles from both low-credibility (blue circles) and fact-checking (orange squares) sources. The distributions of the number of accounts sharing an article are very similar (see Supplementary Fig. 2). As illustrations, the diffusion networks of two stories are shown: b a medium-virality misleading article titled “FBI just released the Anthony Weiner warrant, and it proves they stole election”, published a month after the 2016 US election and sh
Тщательный всесторонний анализ пула из 14 млн твитов ставит точку в обвинительном заключении против социальных ботов (соцботов).
- Именно соцботам мир обязан превращению нашей медиасреды в фейковую инфореальность. Без них и только силами людей было бы невозможно достижение сегодняшнего уровня доминирования фейковых новостей над фактчекинговой правдой.
- Сила соцботов не только в их способности генерировать вирусные каскады сообщений, но и в умении ловко манипулировать людьми путем использования когнитивных предубеждений и слабостей последних.
- По сути, инфовойна е-Зла и е-Добра не просто уже идет, а почти что неостановима, т.к. её супероружием — соцботами — уже пользуются ВСЕ конфликтующие стороны.
Остановить скатывание к 100%но фейковой инфореальности может лишь «договор о взаимном контроле» над этим типом «супер-инфо-вооружений».
В качестве тизера два поразительных примера:
1) Соцботы уже довели людей до крайней степени кретинизма, когда среди фейковых новостей самыми виральными становятся наиболее идиотские.
Online virality of content. a Probability distribution (density function) of the number of tweets for articles from both low-credibility (blue circles) and fact-checking (orange squares) sources. The distributions of the number of accounts sharing an article are very similar (see Supplementary Fig. 2). As illustrations, the diffusion networks of two stories are shown: b a medium-virality misleading article titled “FBI just released the Anthony Weiner warrant, and it proves they stole election”, published a month after the 2016 US election and shared in over 400 tweets; and c a highly viral fabricated news report titled “Spirit cooking”: Clinton campaign chairman practices bizarre occult ritual, published 4 days before the 2016 US election and shared in over 30,000 tweets. In both cases, only the largest connected component of the network is shown. Nodes and links represent Twitter accounts and retweets of the article, respectively. Node size indicates account influence, measured by the number of times an account was retweeted. Node color represents bot score, from blue (likely human) to red (likely bot); yellow nodes cannot be evaluated because they have either been suspended or deleted all their tweets. An interactive version of the larger network is available online (iunetsci.github.io/HoaxyBots/). Note that Twitter does not provide data to reconstruct a retweet tree; all retweets point to the original tweet. The retweet networks shown here combine multiple cascades (each a “star network” originating from a different tweet) that all share the same article link
2) Основным инструментом распространения фейковой заразы для соцботов становятся «люди-супер-распространители» — самые популярные люди в сети, играющие для соцботов роль «полезных е-идиотов».
Anomalies. The distribution of types of tweet spreading articles from a low-credibility and b fact-checking sources are quite different. Each article is mapped along three axes representing the percentages of different types of messages that share it: original tweets, retweets, and replies. When user Alice retweets a tweet by user Bob, the tweet is rebroadcast to all of Alice’s followers, whereas when she replies to Bob’s tweet, the reply is only seen by Bob and users who follow them both. Color represents the number of articles in each bin, on a log scale. cCorrelation between popularity of articles from low-credibility sources and concentration of posting activity. We consider a collection of articles shared by a minimum number of tweets as a popularity group. For articles in each popularity group, a violin plot shows the distribution of Gini coefficients which measure concentration of posts by few accounts (see Supplementary Methods). In violin plots, the width of a contour represents the probability of the corresponding value, and the median is marked by a colored line. d Bot score distributions for a random sample of 915 accounts who posted at least one link to a low-credibility source (orange), and for the 961 “super-spreaders” that most actively shared content from low-credibility sources (blue). The two groups have significantly different scores (p < 10−4 according to the Mann–Whitney U test): super-spreaders are more likely bots
В только что опубликованном отчете The spread of low-credibility content by social bots еще много интересных графиков, а интерактивная версия доступна здесь.
Предысторию вопроса см. по тэгу #Соцботы в Телеграм-канале.
_____________
Если вам понравился этот пост — не забудьте:
- нажать “палец вверх”;
- подписаться на обновления канала на платформе Яндекс Дзен;
- оставить комментарий.
Еще больше материалов на моем Телеграм канале
«Малоизвестное интересное». Подпишитесь