論文の概要: When Does the Public Become Suspicious of Bots? Demand-Side Evidence from Botometer Query Logs

• arxiv url: http://arxiv.org/abs/2609.20661v1
• Date: Thu, 17 Sep 2026 16:39:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-20 08:55:54.375865
• Title: When Does the Public Become Suspicious of Bots? Demand-Side Evidence from Botometer Query Logs
• Title（参考訳）: ボットはいつ公衆に注目されるのか? : ボットメータクエリログからの需要側証拠
• Abstract要約: 需要側から個人のボットチェック行動について検討する。 2020年から2023年にかけて、Twitterアカウントの公開チェックを100万件以上分析しました。 2022年のMusk-Twitterボット論争の前後で、プラットフォーム危機による集団的疑念が急増した。
• 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: We study private bot-checking behavior from the demand side: when people suspect an account is automated, whom they suspect, and what follows. Using Botometer's server-side query logs, the most widely used bot-detection service, we treat each query as a behavioural trace of suspicion. We analyze over 1 million public checks of Twitter accounts from 2020 to 2023, enriched with 3.2 billion tweets from the contemporaneous 1% public stream. Collective suspicion spikes with platform crises, most sharply around the 2022 Musk-Twitter bot dispute. Checked accounts are older and more prolific, have more followers, and post promotional, political, and crypto content. Accounts that draw collective suspicion have higher bot scores and are more likely to be suspended. Bot-related public attention and Botometer activity are elevated during the same broad periods, although their short-run fluctuations are largely uncoupled. Public feedback focuses on first-person identity claims for humans, and evidence-based arguments citing posting rate, political content, and cross-account coordination for bots and cyborgs. Bot suspicion thus constitutes a mass, distributed form of platform auditing that tracks meaningful signals of automation, establishing audit-tool query logs as a novel lens on public responses to platform manipulation.
• Abstract（参考訳）: 個人によるボットチェックの振る舞いを、需要側から調査する: アカウントが自動化されていると疑うとき、誰を疑うか、それに続くものは何か。 最も広く使用されているボット検出サービスであるBotometerのサーバサイドクエリログを使用して、各クエリを疑念の行動トレースとして扱う。 われわれは2020年から2023年にかけてのTwitterアカウントの公開チェックを100万件以上分析した。 2022年のMusk-Twitterボット論争の前後で、プラットフォーム危機による集団的疑念が急増した。 チェックインされたアカウントは古くて多用され、フォロワーが増え、プロモーション、政治、暗号コンテンツも増えています。 集団的疑いを訴えるアカウントはボットスコアが高く、停止される可能性が高い。 ボット関連の公共の注意とボトメーターの活動は同じ期間に上昇するが、短期的な変動はほとんど結合していない。 公衆のフィードバックは、人間に対する個人認証の主張と、投稿率、政治内容、ボットやサイボーグのアカウント間の調整を引用するエビデンスに基づく議論に焦点を当てている。 ボットの疑念は、プラットフォーム操作に対する公開応答の新たなレンズとして監査ツールクエリログを確立することで、自動化の有意義なシグナルを追跡する、大規模で分散されたプラットフォーム監査を構成する。

関連論文リスト

• A Large-Scale Study of Telegram Bots [45.23191648999898]
  本論文は,Telegramボットを大規模に特徴づけた最初の論文である。 私たちは、最大の汎用メッセージデータセットと、最初のボットデータセットを提供します。 2つのデータセットから雪玉をサンプリングした結果、67,000以上のチャネル、492万のメッセージ、32,000のボットが見つかった。
  論文  参考訳（メタデータ） (2026-03-25T13:41:47Z)
• 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)
• 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わ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)
• 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)
• 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)
• 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)

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。