論文の概要: Unmasking Superspreaders: Data-Driven Approaches for Identifying and Comparing Key Influencers of Conspiracy Theories on X.com

• arxiv url: http://arxiv.org/abs/2602.04546v1
• Date: Wed, 04 Feb 2026 13:36:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-05 19:45:11.54317
• Title: Unmasking Superspreaders: Data-Driven Approaches for Identifying and Comparing Key Influencers of Conspiracy Theories on X.com
• Title（参考訳）: Unmasking Superspreaders: X.comにおける陰謀理論の重要影響を識別・比較するためのデータ駆動アプローチ
• Authors: Florian Kramer, Henrich R. Greve, Moritz von Zahn, Hayagreeva Rao,
• Abstract要約: 新型コロナウイルス(COVID-19)パンデミックによる700万件以上のツイートを利用して、ヒューマンスーパースプレッダーとボットの主な違いを分析します。 スーパースプレッダーは、ハッシュタグや絵文字のような構造要素に頼らずに、より複雑な言語や実体的コンテンツを使う傾向がある。 ボットは、よりシンプルな言語と戦略的なハッシュタグのクロスユースを好んでおり、アクセシビリティを高め、トレンドの議論に浸透し、リーチを拡大する可能性がある。
• 参考スコア（独自算出の注目度）: 0.12599533416395764
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Conspiracy theories can threaten society by spreading misinformation, deepening polarization, and eroding trust in democratic institutions. Social media often fuels the spread of conspiracies, primarily driven by two key actors: Superspreaders -- influential individuals disseminating conspiracy content at disproportionately high rates, and Bots -- automated accounts designed to amplify conspiracies strategically. To counter the spread of conspiracy theories, it is critical to both identify these actors and to better understand their behavior. However, a systematic analysis of these actors as well as real-world-applicable identification methods are still lacking. In this study, we leverage over seven million tweets from the COVID-19 pandemic to analyze key differences between Human Superspreaders and Bots across dimensions such as linguistic complexity, toxicity, and hashtag usage. Our analysis reveals distinct communication strategies: Superspreaders tend to use more complex language and substantive content while relying less on structural elements like hashtags and emojis, likely to enhance credibility and authority. By contrast, Bots favor simpler language and strategic cross-usage of hashtags, likely to increase accessibility, facilitate infiltration into trending discussions, and amplify reach. To counter both Human Superspreaders and Bots, we propose and evaluate 27 novel metrics for quantifying the severity of conspiracy theory spread. Our findings highlight the effectiveness of an adapted H-Index for computationally feasible identification of Human Superspreaders. By identifying behavioral patterns unique to Human Superspreaders and Bots as well as providing suitable identification methods, this study provides a foundation for mitigation strategies, including platform moderation policies, temporary and permanent account suspensions, and public awareness campaigns.
• Abstract（参考訳）: 陰謀論は、誤報を広め、偏光を深め、民主的な機関の信頼を損なうことによって社会を脅かすことがある。 ソーシャルメディアは、主に2つの主要なアクターによって推進される陰謀の拡散を加速させる。 陰謀論の拡散に対抗するため、これらの人物を識別し、その行動をよりよく理解することが重要である。 しかし,これらのアクターの体系的分析や実世界対応型識別手法はいまだに欠落している。 本研究では、新型コロナウイルス(COVID-19)パンデミックによる700万件以上のツイートを利用して、言語的複雑さ、毒性、ハッシュタグの使用など、人間のスーパースプレッダーとボットの主な違いを分析する。 スーパースプレッダーは、より複雑な言語や実体的コンテンツを使う傾向があり、ハッシュタグや絵文字のような構造的要素に依存しないため、信頼性と権威を高める可能性がある。 対照的にボットは、よりシンプルな言語と戦略的なハッシュタグのクロスユースを好んでおり、アクセシビリティを高め、トレンドの議論に浸透し、リーチを拡大する可能性がある。 ヒトスーパースプレッダーとボットの両方に対抗するために、陰謀論の深刻度を定量化するための27の新しい指標を提案し、評価する。 本研究は,ヒトスーパースプレッドラーの同定に適応したH-Indexの有効性を明らかにするものである。 本研究は,ヒューマン・スーパースプレッダーやボット特有の行動パターンを識別し,適切な識別方法を提供することにより,プラットフォーム・モデレーション・ポリシー,一時的・恒久的アカウント・サスペンション,公共啓発キャンペーンなどの緩和戦略の基盤を提供する。

関連論文リスト

• Latent Topic Synthesis: Leveraging LLMs for Electoral Ad Analysis [51.95395936342771]
  ラベルなしコーパスから解釈可能なトピック分類を自動生成するエンドツーエンドフレームワークを提案する。 われわれはこの枠組みを、2024年アメリカ合衆国大統領選挙の1ヶ月前のMeta政治広告の大規模なコーパスに適用する。 提案手法は,潜在談話構造を明らかにし,意味的に豊かなトピックラベルを合成し,モラル・フレーミングの次元でトピックを注釈する。
  論文  参考訳（メタデータ） (2025-10-16T20:30:20Z)
• RoBCtrl: Attacking GNN-Based Social Bot Detectors via Reinforced Manipulation of Bots Control Interaction [51.46634975923564]
  本稿では,ソーシャルボット制御攻撃(RoBCtrl)のための対向型マルチエージェント強化学習フレームワークを提案する。 具体的には、拡散モデルを用いて、既存のアカウントデータを小さな修正で再構築することで、高忠実度ボットアカウントを生成する。 次に,MARL(Multi-Agent Reinforcement Learning)法を用いて,ボットの逆動作をシミュレートする。
  論文  参考訳（メタデータ） (2025-10-16T02:41:49Z)
• ConspirED: A Dataset for Cognitive Traits of Conspiracy Theories and Large Language Model Safety [87.90209836101353]
  コンスピレーション(Conspired)は、一般的な認知特性に注釈を付けた最初の陰謀的内容のデータセットである。 我々は,比較的特徴を識別し,テキスト抽出において支配的特徴を決定する計算モデルを開発した。 我々は,大規模言語/推論モデル (LLM/LRM) を補間入力に対して頑健性を評価する。
  論文  参考訳（メタデータ） (2025-08-28T06:39:25Z)
• Unveiling Online Conspiracy Theorists: a Text-Based Approach and Characterization [42.242551342068374]
  我々は、共謀理論パターンを持つユーザと、そのような傾向を欠いたユーザからなるユーザからなる2つの異なるXデータセットの包括的分析を行った。 本研究の結果,他者に対する陰謀論者による語彙と言語の違いが明らかとなった。 我々は,871の豊富な特徴セットに基づいて陰謀論を広めるユーザを識別できる機械学習分類器を開発した。
  論文  参考訳（メタデータ） (2024-05-21T08:07:38Z)
• The Anatomy of Conspirators: Unveiling Traits using a Comprehensive Twitter Dataset [0.0]
  本稿では,2022年を通して共謀活動に従事しているアカウントを包含するTwitterデータセットを構築するための新しい手法を提案する。 この包括的な収集作業により、合計15万のアカウントと3700万のツイートがタイムラインから抽出された。 トピック,プロファイル,行動特性の3次元にわたる2つのグループの比較分析を行った。
  論文  参考訳（メタデータ） (2023-08-29T09:35:23Z)
• Identifying and characterizing superspreaders of low-credibility content on Twitter [2.8488230743364236]
  今後数ヶ月で上位のスーパースレッダを予測するための単純なメトリクスを導入します。 スーパースプレッダーには、フォロワーの多い評論家、低信頼のメディアメディア、それらのメディアに属する個人アカウント、そして様々なインフルエンサーが含まれる。 それらは本質的に政治的であり、典型的なユーザ情報共有の誤報よりも有害な言語を使用する。
  論文  参考訳（メタデータ） (2022-07-19T19:41:24Z)
• A Word is Worth A Thousand Dollars: Adversarial Attack on Tweets Fools Stock Prediction [100.9772316028191]
  本稿では,3つのストック予測犠牲者モデルを騙すために,様々な攻撃構成を試行する。 以上の結果から,提案手法が一貫した成功率を達成し,取引シミュレーションにおいて大きな損失をもたらす可能性が示唆された。
  論文  参考訳（メタデータ） (2022-05-01T05:12:22Z)
• 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)

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。