論文の概要: Public interest in science or bots? Selective amplification of scientific articles on Twitter
- arxiv url: http://arxiv.org/abs/2410.01842v1
- Date: Sat, 28 Sep 2024 07:48:44 GMT
- ステータス: 処理完了
- システム内更新日: 2024-11-04 14:34:44.435296
- Title: Public interest in science or bots? Selective amplification of scientific articles on Twitter
- Title（参考訳）: 科学やボットに対する大衆の関心 : Twitter上の科学的記事の選択的増幅
- Authors: Ashiqur Rahman, Ehsan Mohammadi, Hamed Alhoori,
- Abstract要約: Twitter APIとBotometer APIを通じて収集されたデータと組み合わせて、Altmetricデータセットを使用しました。
論文の異なる特徴に基づいて,ボット活動の可能性について分析した。
このデータセットを使用して機械学習モデルをトレーニングし、任意の記事において可能なボットアクティビティを特定しました。
- 参考スコア（独自算出の注目度）: 1.1606619391009658
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: With the remarkable capability to reach the public instantly, social media has become integral in sharing scholarly articles to measure public response. Since spamming by bots on social media can steer the conversation and present a false public interest in given research, affecting policies impacting the public's lives in the real world, this topic warrants critical study and attention. We used the Altmetric dataset in combination with data collected through the Twitter Application Programming Interface (API) and the Botometer API. We combined the data into an extensive dataset with academic articles, several features from the article and a label indicating whether the article had excessive bot activity on Twitter or not. We analyzed the data to see the possibility of bot activity based on different characteristics of the article. We also trained machine-learning models using this dataset to identify possible bot activity in any given article. Our machine-learning models were capable of identifying possible bot activity in any academic article with an accuracy of 0.70. We also found that articles related to "Health and Human Science" are more prone to bot activity compared to other research areas. Without arguing the maliciousness of the bot activity, our work presents a tool to identify the presence of bot activity in the dissemination of an academic article and creates a baseline for future research in this direction.
- Abstract（参考訳）: ソーシャルメディアは、すぐに一般大衆にリーチできる驚くべき能力によって、学術的な記事を共有して公衆の反応を測定するのに欠かせないものになっている。
ソーシャルメディア上のボットによるスパムは、会話をコントロールし、現実世界の人々の生活に影響を及ぼす政策に影響を及ぼす、与えられた研究に対する偽の公的な関心を示す可能性があるため、この話題は批判的な研究と注意を保証している。
Twitter Application Programming Interface(API)とBotometer APIを通じて収集されたデータと組み合わせて、Altmetricデータセットを使用しました。
それらのデータを、学術論文、記事のいくつかの特徴、そしてTwitter上で過度なボット活動があったかどうかを示すラベルと組み合わせた。
論文の異なる特徴に基づいて,ボット活動の可能性について分析した。
また、このデータセットを使用して機械学習モデルをトレーニングして、任意の記事において可能なボットアクティビティを特定しました。
私たちの機械学習モデルは、0.70の精度で、あらゆる学術論文で可能なボットアクティビティを識別できる。
また,「健康と人間科学」に関する記事は,他の研究分野と比較してボット活動の傾向が強いことも見出した。
本研究は,ボット活動の悪意を論じることなく,学術論文の普及におけるボット活動の存在を識別し,今後の研究のベースラインを作成するためのツールを提供する。
関連論文リスト
- Exploring social bots: A feature-based approach to improve bot detection in social networks [1.5186937600119894]
私たちの日常生活におけるソーシャルメディアの重要性は、誤った情報、政治的メッセージ、悪意のあるリンクの拡散に繋がった。
これらのアクティビティを実行する最も一般的な方法の1つは、自動化されたアカウントを使用することである。
本稿では,ユーザアカウントプロファイルとそのコンテンツに基づく特徴の探索によってこの問題に対処し,将来的なボット検出装置の改良の基礎として,各特徴の関連性を理解することを目的とする。
論文 参考訳（メタデータ） (2024-11-10T23:19:08Z) - 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) - Unsupervised Sentiment Analysis of Plastic Surgery Social Media Posts [91.3755431537592]
ソーシャルメディアプラットフォームにまたがる膨大なユーザー投稿は、主に人工知能(AI)のユースケースに使われていない。
自然言語処理(NLP)は、コーパス(corpora)として知られるドキュメントの体系を利用して、人間のような言語理解でコンピュータを訓練するAIのサブフィールドである。
本研究は, 教師なし解析の応用により, コンピュータがプラスティック手術に対する否定的, 肯定的, 中立的なユーザ感情を予測できることを示した。
論文 参考訳（メタデータ） (2023-07-05T20:16:20Z) - BotArtist: Generic approach for bot detection in Twitter via semi-automatic machine learning pipeline [47.61306219245444]
Twitterは、ボットや偽アカウントのターゲットとなり、偽情報や操作の拡散につながった。
本稿では,機械学習モデル開発に関連する課題に対処するために,セミオートマチック機械学習パイプライン(SAMLP)を提案する。
ユーザプロファイル機能に基づいたボット検出モデルBotArtistを開発した。
論文 参考訳（メタデータ） (2023-05-31T09:12:35Z) - ManiTweet: A New Benchmark for Identifying Manipulation of News on Social Media [74.93847489218008]
ソーシャルメディア上でのニュースの操作を識別し,ソーシャルメディア投稿の操作を検出し,操作された情報や挿入された情報を特定することを目的とした,新しいタスクを提案する。
この課題を研究するために,データ収集スキーマを提案し,3.6K対のツイートとそれに対応する記事からなるManiTweetと呼ばれるデータセットをキュレートした。
我々の分析では、このタスクは非常に難しいことを示し、大きな言語モデル(LLM)は不満足なパフォーマンスをもたらす。
論文 参考訳（メタデータ） (2023-05-23T16:40:07Z) - Machine Learning-based Automatic Annotation and Detection of COVID-19
Fake News [8.020736472947581]
新型コロナウイルス(COVID-19)は世界のあらゆる地域に影響を与えるが、感染の誤報はウイルスよりも速く移動した。
既存の作業は、拡散の触媒として働くボットの存在を無視する。
そこで本稿では,Twitterデータセット上で事実確認文をラベル付けする手法を提案する。
論文 参考訳（メタデータ） (2022-09-07T13:55:59Z) - 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) - Human-in-the-Loop Disinformation Detection: Stance, Sentiment, or
Something Else? [93.91375268580806]
政治とパンデミックは、機械学習対応の偽ニュース検出アルゴリズムの開発に十分な動機を与えている。
既存の文献は、主に完全自動化されたケースに焦点を当てているが、その結果得られた技術は、軍事応用に必要な様々なトピック、ソース、時間スケールに関する偽情報を確実に検出することはできない。
既に利用可能なアナリストを人間のループとして活用することにより、感情分析、アスペクトベースの感情分析、姿勢検出といった標準的な機械学習技術は、部分的に自動化された偽情報検出システムに使用するためのもっとも有効な方法となる。
論文 参考訳（メタデータ） (2021-11-09T13:30:34Z) - 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。