Simple Science

Scienza all'avanguardia spiegata semplicemente

# Informatica# Recupero delle informazioni# Intelligenza artificiale

Analizzando i dati dei social media per la disinformazione

Uno sguardo al ruolo dei social media nel plasmare il discorso pubblico e la disinformazione.

― 6 leggere min


Analisi dellaAnalisi delladisinformazione suisocial mediale narrazioni.Spunti su come i social media plasmano
Indice

I social media sono una parte gigante delle nostre vite quotidiane. La gente li usa per chiacchierare, condividere notizie e connettersi con gli altri. Però, con questa crescita di popolarità arrivano anche dei problemi. La Disinformazione e i contenuti dannosi possono diffondersi facilmente, rendendo più difficile trovare informazioni accurate. Questo articolo vede come analizzare i dati dei social media nel tempo per capire meglio gli eventi chiave che plasmano le discussioni pubbliche.

Il Ruolo dei Social Media nella Società

I social media hanno cambiato il modo in cui comunichiamo. Permettono alle persone di connettersi ovunque siano, il che aiuta a creare comunità. Ma portano anche delle sfide, come la diffusione di false informazioni, bullismo e discorsi d'odio. Alcune persone usano i social media per spargere voci e spingere certe agende. Questo è particolarmente vero durante eventi globali importanti, dove le narrazioni false possono prendere piede rapidamente.

Un esempio di disinformazione è una affermazione fatta su Telegram che riguardava la Francia e i bambini. Queste affermazioni sottolineano l'importanza di saper riconoscere e affrontare la disinformazione quando appare.

Sfide nell'Analizzare i Dati dei Social Media

Analizzare i social media non è facile. Con così tante informazioni che vengono condivise costantemente, è difficile trovare spunti significativi. Documenti e studi hanno dimostrato che molte difficoltà derivano dal filtrare il rumore per trovare i segnali importanti.

La ricerca si è indirizzata verso l'uso di software e tecniche per aiutare ad analizzare enormi quantità di post sui social media. Questo approccio guarda più da vicino a come le discussioni cambiano nel tempo. Concentrandosi su termini e temi chiave, i ricercatori possono iniziare a vedere schemi su come le informazioni si diffondono e si evolvono.

Raccolta Dati: GAB e Telegram

In questa analisi, sono state esaminate due piattaforme: GAB e Telegram. GAB è un social network che promuove la libertà di parola e permette agli utenti di esprimere le loro opinioni senza una moderazione rigorosa. Anche se questo dà voce a molti, porta anche alla diffusione di contenuti dannosi. D'altra parte, Telegram è un'app di messaggistica che ha guadagnato popolarità grazie al suo focus sulla privacy e sicurezza.

Entrambe le piattaforme sono state usate per raccogliere dati su eventi specifici, in particolare il mutinamento Wagner in Russia che è avvenuto a giugno 2023. L'obiettivo era vedere come le narrazioni attorno a questo evento si sono sviluppate nel tempo su entrambe le piattaforme.

Metodologia: Monitoraggio degli Eventi Chiave

Per raccogliere dati, è stato creato uno strumento speciale per raccogliere post da GAB perché non c'è un API ufficiale per la piattaforma. Sono stati raccolti diversi post legati al mutinamento Wagner in pochi giorni. I dati sono stati raccolti anche da Telegram utilizzando il suo API ufficiale. L'obiettivo era raccogliere il maggior numero possibile di post rilevanti per l'analisi.

Dopo aver raccolto i dati, il passo successivo è stato pulirli. Questo ha comportato la rimozione di elementi non necessari come punteggiatura, numeri e parole comuni che non aggiungevano valore all'analisi. Questo ha aiutato a concentrarsi sul contenuto effettivo dei post.

Analisi dei Dati: Analisi della Chiave

Per capire le narrazioni emerse durante il mutinamento Wagner, è stata usata una tecnica specifica chiamata analisi della chiave. Questo metodo guarda a parole o frasi che si distinguono nei post raccolti rispetto a un insieme più ampio di post. Identificando quali parole vengono usate spesso, i ricercatori possono ottenere spunti sui temi principali discussi.

In questa analisi, sono stati identificati elementi chiave in base alla loro frequenza nei post. Questo ha permesso ai ricercatori di individuare tendenze e cambiamenti nella conversazione attorno al mutinamento Wagner.

Risultati: Narrazioni Emergenti su GAB

L'analisi dei post su GAB ha rivelato diversi punti interessanti. Nei giorni che hanno preceduto e seguito il mutinamento Wagner, le discussioni erano principalmente incentrate su azioni militari e le parti coinvolte. Con l'evolversi della situazione, anche i temi delle conversazioni sono cambiati.

Ad esempio, termini legati ai combattimenti in Ucraina sono stati menzionati frequentemente, indicando che gli utenti seguivano da vicino gli sviluppi militari. Man mano che il mutinamento progrediva, gli utenti hanno iniziato a concentrarsi di più sulle figure chiave coinvolte, come Prigozhin e Putin. Entro il 26 giugno, le discussioni erano tornate su temi di lungo corso come la politica statunitense e la pandemia, mostrando come le narrazioni possano cambiare rapidamente in risposta agli eventi attuali.

Risultati: Narrazioni su Telegram

I post su Telegram dipingevano un quadro diverso delle narrazioni attorno allo stesso evento. Qui, la discussione si è concentrata pesantemente sulle Implicazioni del mutinamento per l'Ucraina e le sue operazioni militari. I canali ucraini erano veloci a riportare il mutinamento, menzionando figure e sviluppi chiave.

Al contrario, i canali russi inizialmente erano più lenti ad affrontare il mutinamento. Hanno iniziato a discutere di altri argomenti, come le sanzioni dell'UE. Quando hanno trattato il mutinamento, il loro focus era più sulla lealtà verso lo stato e il mantenimento dell'ordine. Questo suggerisce un ritardo nel modo in cui le narrazioni venivano gestite da diversi media a seconda delle loro inclinazioni politiche.

Confronto delle Piattaforme

Confrontando i contenuti su GAB e Telegram, emergono alcuni schemi. Le discussioni su GAB riflettevano punti di vista più estremi, spesso toccando questioni di preoccupazione come disinformazione e censura. Nel frattempo, i canali di Telegram tendevano a mantenere una narrazione più organizzata che si allineava con le prospettive statali.

I post su GAB si concentravano sul mutinamento e su teorie del complotto correlate, mentre le discussioni su Telegram erano più aggiornamenti di notizie diretti. La differenza indica come la struttura e le politiche di moderazione di ogni piattaforma possano influenzare le narrazioni che si sviluppano.

Implicazioni per la Ricerca Futura

Questa analisi sottolinea l'importanza di esaminare le narrazioni sui social media durante eventi in tempo reale. Capire come le discussioni evolvono su diverse piattaforme può aiutare a far luce sull'opinione pubblica e sulla diffusione delle informazioni. Inoltre, i risultati rinforzano la necessità di strategie efficaci per identificare la disinformazione mentre si diffonde.

Studi futuri potrebbero espandere questa metodologia analizzando tendenze a lungo termine e diverse piattaforme di social media. Questo permetterebbe una comprensione più completa di come le narrazioni si formano e cambiano, fornendo spunti preziosi per ricercatori e responsabili politici.

Conclusione

Analizzare i social media rivela la natura dinamica delle discussioni pubbliche durante eventi chiave. Le narrazioni contrastanti su GAB e Telegram mostrano come le informazioni siano plasmate dalle caratteristiche della piattaforma e dalle prospettive degli utenti. Comprendere queste narrazioni è essenziale per identificare la disinformazione e favorire un dibattito pubblico informato.

Sviluppando tecniche per analizzare i social media nel tempo, i ricercatori possono contribuire a un quadro più accurato delle conversazioni sociali. Questo lavoro evidenzia anche l'importanza di reti sociali di nicchia e piattaforme di messaggistica nel formare l'opinione pubblica. Andando avanti, un focus su queste aree sarà cruciale nell'affrontare le complessità delle informazioni nell'era digitale.

Fonte originale

Titolo: Time Series Analysis of Key Societal Events as Reflected in Complex Social Media Data Streams

Estratto: Social media platforms hold valuable insights, yet extracting essential information can be challenging. Traditional top-down approaches often struggle to capture critical signals in rapidly changing events. As global events evolve swiftly, social media narratives, including instances of disinformation, become significant sources of insights. To address the need for an inductive strategy, we explore a niche social media platform GAB and an established messaging service Telegram, to develop methodologies applicable on a broader scale. This study investigates narrative evolution on these platforms using quantitative corpus-based discourse analysis techniques. Our approach is a novel mode to study multiple social media domains to distil key information which may be obscured otherwise, allowing for useful and actionable insights. The paper details the technical and methodological aspects of gathering and preprocessing GAB and Telegram data for a keyness (Log Ratio) metric analysis, identifying crucial nouns and verbs for deeper exploration. Empirically, this approach is applied to a case study of a well defined event that had global impact: the 2023 Wagner mutiny. The main findings are: (1) the time line can be deconstructed to provide useful data features allowing for improved interpretation; (2) a methodology is applied which provides a basis for generalization. The key contribution is an approach, that in some cases, provides the ability to capture the dynamic narrative shifts over time with elevated confidence. The approach can augment near-real-time assessment of key social movements, allowing for informed governance choices. This research is important because it lays out a useful methodology for time series relevant info-culling, which can enable proactive modes for positive social engagement.

Autori: Andy Skumanich, Han Kyul Kim

Ultimo aggiornamento: 2024-03-11 00:00:00

Lingua: English

URL di origine: https://arxiv.org/abs/2403.07090

Fonte PDF: https://arxiv.org/pdf/2403.07090

Licenza: https://creativecommons.org/licenses/by-nc-sa/4.0/

Modifiche: Questa sintesi è stata creata con l'assistenza di AI e potrebbe presentare delle imprecisioni. Per informazioni accurate, consultare i documenti originali collegati qui.

Si ringrazia arxiv per l'utilizzo della sua interoperabilità ad accesso aperto.

Altro dagli autori

Articoli simili