論文の概要: Social bots sour activist sentiment without eroding engagement

• arxiv url: http://arxiv.org/abs/2403.12904v1
• Date: Tue, 19 Mar 2024 16:58:45 GMT
• ステータス: 処理完了
• システム内更新日: 2024-03-20 13:24:34.120837
• Title: Social bots sour activist sentiment without eroding engagement
• Title（参考訳）: ソーシャルボットは、アクティビストの感情を損なうことなく損なう
• Authors: Linda Li, Orsolya Vasarhelyi, Balazs Vedres,
• Abstract要約: ボットは、加熱されたオンライン期間に、その逆よりも人間の行動に大きな影響を及ぼすことがわかった。 政治的妨害ボットは活動量を増やし、他のボットは活動量を減少させる。 個々のボットの遭遇による影響は小さいように見えるが、ボットの通信量が多すぎるため、累積効果は深刻なものである。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Social media platforms have witnessed a substantial increase in social bot activity, significantly affecting online discourse. Our study explores the dynamic nature of bot engagement related to Extinction Rebellion climate change protests from 18 November 2019 to 10 December 2019. We find that bots exert a greater influence on human behavior than vice versa during heated online periods. To assess the causal impact of human-bot communication, we compared communication histories between human users who directly interacted with bots and matched human users who did not. Our findings demonstrate a consistent negative impact of bot interactions on subsequent human sentiment, with exposed users displaying significantly more negative sentiment than their counterparts. Furthermore, the nature of bot interaction influences human tweeting activity and the sentiment towards protests. Political astroturfing bots increase activity, whereas other bots decrease it. Sentiment changes towards protests depend on the user's original support level, indicating targeted manipulation. However, bot interactions do not change activists' engagement towards protests. Despite the seemingly minor impact of individual bot encounters, the cumulative effect is profound due to the large volume of bot communication. Our findings underscore the importance of unrestricted access to social media data for studying the prevalence and influence of social bots, as with new technological advancements distinguishing between bots and humans becomes nearly impossible.
• Abstract（参考訳）: ソーシャルメディアプラットフォームは、ソーシャルボットの活動が大幅に増加し、オンライン会話に大きな影響を与えているのを目撃している。 本研究は,2019年11月18日から2019年12月10日までの排他的反乱の気候変動抗議活動に関連するボットエンゲージメントの動的性質について検討した。 ボットは、加熱されたオンライン期間に、その逆よりも人間の行動に大きな影響を及ぼすことがわかった。 人間のボットコミュニケーションの因果的影響を評価するため,ボットと直接対話する人間ユーザと,そうでない人間ユーザとのコミュニケーション履歴を比較した。 以上の結果から,ボット同士の相互作用がその後の人間の感情に一貫したネガティブな影響が示され,露呈したユーザは他者よりも有意にネガティブな感情を呈示することがわかった。 さらに、ボットの相互作用の性質は、人間のツイート活動や抗議に対する感情に影響を及ぼす。 政治的妨害ボットは活動量を増やし、他のボットは活動量を減少させる。 抗議に対する感情の変化は、ユーザの本来のサポートレベルに依存し、ターゲット操作を示す。 しかし、ボットの相互作用は活動家の抗議への関与を変えるものではない。 個々のボットの遭遇による影響は小さいように見えるが、ボットの通信量が多すぎるため、累積効果は深刻なものである。 我々の研究は、ボットと人間を区別する新しい技術進歩がほぼ不可能になるのと同様に、ソーシャルボットの流行と影響を研究するために、ソーシャルメディアデータへの制限のないアクセスの重要性を浮き彫りにしている。

関連論文リスト

• Sleeper Social Bots: a new generation of AI disinformation bots are already a political threat [0.0]
  Sleeper Socialbots」は、偽情報を広め、世論を操るために作られたAI駆動のソーシャルボットである。 予備的な発見は、これらのボットが人間のユーザーとして説得力を持って通過し、会話に積極的に参加し、偽情報を効果的に広めることができることを示唆している。 私たちの研究の意味は、2024年の米国大統領選挙以降でソーシャルボットがもたらす重大な課題を示している。
  論文  参考訳（メタデータ） (2024-08-07T19:57:10Z)
• 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)
• Neural Generation Meets Real People: Building a Social, Informative Open-Domain Dialogue Agent [65.68144111226626]
  Chirpy Cardinalは、情報と会話の両方をねらっている。 ユーザーとボットの両方を交互に会話に駆り立てる。 Chirpy Cardinalは、Alexa Prize Socialbot Grand Challengeで9つのボットのうち2位にランクインした。
  論文  参考訳（メタデータ） (2022-07-25T09:57:23Z)
• Investigating the Validity of Botometer-based Social Bot Studies [0.0]
  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。
  論文  参考訳（メタデータ） (2022-07-23T09:31:30Z)
• 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)
• BotNet Detection On Social Media [0.0]
  ソーシャルメディアは、これらのプラットフォームを使って他のユーザーを操作しようとするユーザー(ボット)アカウントにとって、オープンな場となっている。 ボットが選挙結果を操作している証拠は、全国、つまり世界にとって大きな脅威となる可能性がある。 私たちの目標は、セマンティックなWebマイニング技術を活用して、これらの活動に関わる偽のボットやアカウントを特定することです。
  論文  参考訳（メタデータ） (2021-10-12T00:38:51Z)
• 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)
• Put Chatbot into Its Interlocutor's Shoes: New Framework to Learn Chatbot Responding with Intention [55.77218465471519]
  本稿では,チャットボットに人間のような意図を持つための革新的なフレームワークを提案する。 我々のフレームワークには、ガイドロボットと人間の役割を担うインターロケータモデルが含まれていた。 本フレームワークを3つの実験的なセットアップを用いて検討し,4つの異なる指標を用いた誘導ロボットの評価を行い,柔軟性と性能の利点を実証した。
  論文  参考訳（メタデータ） (2021-03-30T15:24:37Z)
• A Decade of Social Bot Detection [0.9137554315375922]
  2016年のアメリカ合衆国大統領選挙の余波で、世界はソーシャルメディアで広範囲にわたる詐欺の重大さを認識し始めた。 このソーシャルボットのパンデミックを阻止するためには、どのような戦略を強制すべきだろうか? 2016年以降、社会的、政治的、経済的なアナリストが脳卒中を起こしたのは、少なくとも2010年以降、コンピュータ科学者にとって、詐欺と自動化が問題となっている。
  論文  参考訳（メタデータ） (2020-06-23T13:46:38Z)
• 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。