論文の概要: Investigating the Validity of Botometer-based Social Bot Studies
- arxiv url: http://arxiv.org/abs/2207.11474v1
- Date: Sat, 23 Jul 2022 09:31:30 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-19 10:02:19.133785
- Title: Investigating the Validity of Botometer-based Social Bot Studies
- Title（参考訳）: ボトメーターを用いた社会ボット研究の妥当性の検討
- Authors: Florian Gallwitz and Michael Kreil
- Abstract要約: ソーシャルボットは、世論を操作することを目的として悪意あるアクターが運営するソーシャルメディアアカウントの自動化だと考えられている。
社会ボットの活動は、アメリカ合衆国大統領選挙を含む様々な政治的文脈で報告されている。
ソーシャルボットの普及率を推定するために広く利用されている研究設計の根本的な欠点を指摘する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The idea that social media platforms like Twitter are inhabited by vast
numbers of social bots has become widely accepted in recent years. Social bots
are assumed to be automated social media accounts operated by malicious actors
with the goal of manipulating public opinion. They are credited with the
ability to produce content autonomously and to interact with human users.
Social bot activity has been reported in many different political contexts,
including the U.S. presidential elections, discussions about migration, climate
change, and COVID-19. However, the relevant publications either use crude and
questionable heuristics to discriminate between supposed social bots and humans
or -- in the vast majority of the cases -- fully rely on the output of
automatic bot detection tools, most commonly Botometer. In this paper, we point
out a fundamental theoretical flaw in the widely-used study design for
estimating the prevalence of social bots. Furthermore, we empirically
investigate the validity of peer-reviewed Botometer-based studies by closely
and systematically inspecting hundreds of accounts that had been counted as
social bots. We were unable to find a single social bot. Instead, we found
mostly accounts undoubtedly operated by human users, the vast majority of them
using Twitter in an inconspicuous and unremarkable fashion without the
slightest traces of automation. We conclude that studies claiming to
investigate the prevalence, properties, or influence of social bots based on
Botometer have, in reality, just investigated false positives and artifacts of
this approach.
- Abstract（参考訳）: twitterのようなソーシャルメディアプラットフォームには膨大な数のソーシャルボットが住んでいるという考えは近年広く受け入れられている。
ソーシャルボットは、世論を操作する目的で悪意のある俳優が運営する自動ソーシャルメディアアカウントであると仮定されている。
彼らは、コンテンツを自律的に制作し、人間のユーザーと対話する能力を持っている。
社会ボットの活動は、アメリカ合衆国大統領選挙、移民に関する議論、気候変動、COVID-19など、さまざまな政治的文脈で報告されている。
しかし、関連する出版物は粗雑で疑わしいヒューリスティックを使用して、推定されたソーシャルボットと人間を区別するか、または、ほとんどの場合、ボット検出ツールの出力に完全に依存している。
本稿では,ソーシャルボットの普及率を推定するために広く用いられている研究デザインの根本的な理論的欠陥を指摘する。
さらに,ソーシャルボットとして数えられる数百のアカウントを密に,体系的に調査することで,ピアレビューボトメーターに基づく研究の有効性を実証的に検証した。
一つのソーシャルボットを見つけることができなかった。
その代わり、ほとんどのアカウントは、間違いなく人間のユーザーによって運営されており、その大多数は、ほんのわずかな自動化の痕跡なしに、目立たず、目立たない方法でtwitterを使っている。
ボットメータに基づくソーシャルボットの有病率、特性、影響について調査する研究は、事実、このアプローチの偽陽性と成果物を調査しただけだと結論づけた。
関連論文リスト
- Entendre, a Social Bot Detection Tool for Niche, Fringe, and Extreme Social Media [1.4913052010438639]
オープンアクセス、スケーラブル、プラットフォームに依存しないボット検出フレームワークであるEntendreを紹介した。
われわれは、ほとんどのソーシャルプラットフォームが一般的なテンプレートを共有しており、ユーザーはコンテンツを投稿し、コンテンツを承認し、バイオを提供することができるという考えを生かしている。
Entendreの有効性を示すために、私たちは、現在定義されている右翼プラットフォームであるParlerに人種差別的コンテンツを投稿するアカウントの中で、ボットの存在を調査するために使用しました。
論文 参考訳（メタデータ） (2024-08-13T13:50:49Z) - Unmasking Social Bots: How Confident Are We? [41.94295877935867]
本稿では,ボット検出と不確実性の定量化の両方に対処することを提案する。
この二重焦点は、各予測の定量化の不確実性に関連する追加情報を活用することができるため、非常に重要である。
具体的には,予測を高い信頼性で行う場合のボットに対する標的的介入を促進するとともに,予測が不確実な場合の警告(例えば,より多くのデータ収集)を提案する。
論文 参考訳（メタデータ） (2024-07-18T22:33:52Z) - Adversarial Botometer: Adversarial Analysis for Social Bot Detection [1.9280536006736573]
ソーシャルボットは人間の創造性を模倣するコンテンツを制作する。
悪意のあるソーシャルボットは、非現実的なコンテンツで人々を騙すようになる。
テキストベースのボット検出器の動作を競合環境下で評価する。
論文 参考訳（メタデータ） (2024-05-03T11:28:21Z) - My Brother Helps Me: Node Injection Based Adversarial Attack on Social Bot Detection [69.99192868521564]
Twitterのようなソーシャルプラットフォームは、数多くの不正なユーザーから包囲されている。
ソーシャルネットワークの構造のため、ほとんどの手法は攻撃を受けやすいグラフニューラルネットワーク(GNN)に基づいている。
本稿では,ボット検出モデルを欺いたノードインジェクションに基づく逆攻撃手法を提案する。
論文 参考訳（メタデータ） (2023-10-11T03:09:48Z) - You are a Bot! -- Studying the Development of Bot Accusations on Twitter [1.7626250599622473]
地上の真実データがないと、研究者たちは群衆の知恵を取り入れたいかもしれない。
本研究は,Twitter上でのボットの告発に関する大規模な研究である。
この言葉は、ソーシャルメディアの会話において、ボットという用語が非人間化の道具になったことを示している。
論文 参考訳（メタデータ） (2023-02-01T16:09:11Z) - Should we agree to disagree about Twitter's bot problem? [1.6317061277457]
ボットに類似した行動、検出方法、検査された人口に対する仮定が、Twitter上でのボットの割合の推定にどのように影響するかを論じる。
当社は、プラットフォームがユーザに影響を与える可能性のある脅威に対処する上で、警戒し、透明性を保ち、バイアスを負わないことの責任を強調しています。
論文 参考訳（メタデータ） (2022-09-20T21:27:25Z) - Identification of Twitter Bots based on an Explainable ML Framework: the
US 2020 Elections Case Study [72.61531092316092]
本稿では,ラベル付きTwitterデータに基づくTwitterボット識別システムの設計に焦点をあてる。
Supervised Machine Learning (ML)フレームワークは、Extreme Gradient Boosting (XGBoost)アルゴリズムを用いて採用されている。
また、MLモデルの予測を説明するためにShapley Additive Explanations (SHAP)をデプロイした。
論文 参考訳（メタデータ） (2021-12-08T14:12:24Z) - Characterizing Retweet Bots: The Case of Black Market Accounts [3.0254442724635173]
我々は、ブラックマーケットからリツイートを購入することで発見されたリツイートボットを特徴付けている。
偽アカウントなのか偽アカウントなのか、それとも偽アカウントなのかを検知する。
また,人的管理アカウントとの違いも分析した。
論文 参考訳（メタデータ） (2021-12-04T15:52:46Z) - CheerBots: Chatbots toward Empathy and Emotionusing Reinforcement
Learning [60.348822346249854]
本研究では,複数の共感型チャットボットがユーザの暗黙の感情を理解し,複数の対話のターンに対して共感的に応答する枠組みを提案する。
チャットボットをCheerBotsと呼びます。CheerBotsは検索ベースまたは生成ベースで、深い強化学習によって微調整されます。
共感的態度で反応するため,CheerBotsの学習支援としてシミュレーションエージェントである概念人間モデルを開発し,今後のユーザの感情状態の変化を考慮し,共感を喚起する。
論文 参考訳（メタデータ） (2021-10-08T07:44:47Z) - A ground-truth dataset and classification model for detecting bots in
GitHub issue and PR comments [70.1864008701113]
ボットはGithubリポジトリで、分散ソフトウェア開発プロセスの一部である反復的なアクティビティを自動化するために使用されている。
本稿では,5000のGithubアカウントのプルリクエストとコメント発行に関する,高い相互契約を伴う手動分析に基づいて,基幹トラスデータセットを提案する。
ボットを検出する自動分類モデルを提案し,各アカウントの空のコメント数と空でないコメント数,コメントパターンの数,コメントパターン内のコメント間の不平等を主特徴とする。
論文 参考訳（メタデータ） (2020-10-07T09:30:52Z) - Detection of Novel Social Bots by Ensembles of Specialized Classifiers [60.63582690037839]
悪意ある俳優は、社会ボットとして知られるアルゴリズムによって部分的に制御される不正なソーシャルメディアアカウントを作成し、誤情報を広め、オンラインでの議論を扇動する。
異なるタイプのボットが、異なる行動特徴によって特徴づけられることを示す。
本稿では,ボットのクラスごとに専門的な分類器を訓練し,それらの決定を最大ルールで組み合わせる,教師付き学習手法を提案する。
論文 参考訳（メタデータ） (2020-06-11T22:59:59Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。