[論文レビュー] Characterizing Political Fake News in Twitter by its Meta-Data

Julio Amador, Axel Oehmichen+1 more|arXiv (Cornell University)|Dec 16, 2017

Misinformation and Its Impacts参考文献 10被引用数 9

ひとこと要約

本研究は、2016年米国大統領選挙の当日に収集された150万件のツイートのメタデータを用いて、Twitter上での政治的フェイクニュースを特徴づけた。特に、拡散性の高いコンテンツに焦点を当てた。その結果、フェイクニュースのツイートは、検証済みでない、最近作成されたアカウントから発信されやすく、友達数に対するフォロワー数の比が高く、URLの数も多い傾向にあり、また、トランプ陣営に強く傾いた政治的極化が見られた。これは、メタデータ特徴量が自動検出に役立つ可能性を示唆している。

ABSTRACT

This article presents a preliminary approach towards characterizing political fake news on Twitter through the analysis of their meta-data. In particular, we focus on more than 1.5M tweets collected on the day of the election of Donald Trump as 45th president of the United States of America. We use the meta-data embedded within those tweets in order to look for differences between tweets containing fake news and tweets not containing them. Specifically, we perform our analysis only on tweets that went viral, by studying proxies for users' exposure to the tweets, by characterizing accounts spreading fake news, and by looking at their polarization. We found significant differences on the distribution of followers, the number of URLs on tweets, and the verification of the users.

研究の動機と目的

• 2016年米国大統領選挙期における、フェイクニュースを含むウイルス的拡散ツイートとそうでないツイートとの間で、顕著なメタデータ特徴を特定すること。
• フェイクニュースを拡散するアカウントの特徴を検討すること。検証ステータス、アカウント作成日、フォロワー/フォロー比を含む。
• フェイクニュースを含むツイートにおける政治的極化の程度を評価すること。特にトランプ陣営への傾斜を対象とする。
• テキストコンテンツに依存せずに、メタデータのみで、スケールに応じたフェイクニュースの検出・モデリングが可能かどうかを評価すること。
• フェイクニュース拡散の信頼できるメタデータの代理指標を特定することで、自動検出システムの基盤を提供すること。

提案手法

• 2016年11月8日、米国大統領選挙中に、TwitterのAPIを用いて150万件のツイートを収集した。
• ルービンらが作成した手動ラベル付きデータセットを用いて、フェイクニュースのツイートを特定した。分類には、深刻な虚偽報道、フェイク、偏った報道が含まれる。
• ウイルス的拡散コンテンツに限定し、リツイート数が非常に高いツイートを対象とした。
• t検定やカイ二乗検定などの統計的比較手法を用いて、フェイクニュースと非フェイクニュースのツイート間でのメタデータの差を評価した。
• 検証ステータス、作成日、フォロワー数、フォロー数、URL頻度などのアカウントレベルのメタデータを分析した。
• 感情分析とコンテンツ分析を用いて極化度を評価した。その結果、トランプ陣営に強く傾いた傾向が確認された。

実験結果

リサーチクエスチョン

• RQ1 フェイクニュースを含むウイルス的ツイートとそうでないツイートとの間で、リツイート数、お気に入り数、ハッシュタグ頻度に有意差は認められるか？
• RQ2 フェイクニュースを拡散するアカウントのメタデータ的特徴は、通常のウイルス的コンテンツを拡散するアカウントとどのように異なるか？
• RQ3 フェイクニュースのツイートに含まれるURLの数は、非フェイクニュースのツイートと有意に異なるか？
• RQ4 フェイクニュースのツイートは、どの程度政治的に極化しているか。特に、ある候補者に傾いているか？
• RQ5 アカウントの年齢、検証ステータス、フォロー/フォロワー比といったメタデータ特徴量は、フェイクニュースの存在を信頼性高く予測できるか？

主な発見

• フェイクニュースと非フェイクニュースのツイートとの間で、リツイート数、お気に入り数、ハッシュタグ頻度に有意差は認められず、エンゲージメントの量だけではそれらを区別できないことが示された。
• フェイクニュースを拡散するアカウントは、非フェイクニュースを拡散するアカウントと比較して、検証済みでない確率が有意に高かった。
• フェイクニュースのツイートは、非フェイクニュースのツイートよりも有意に多くのURLを含んでおり、これは、クリックベイトや広告収益を目的とした動機が拡散の背景にある可能性を支持する。
• フェイクニュースを生成するアカウントは、非フェイクニュースを生成するアカウントと比較して、作成日が有意に新しいことが判明した。これは、新規アカウントと偽情報キャンペーンとの間に相関がある可能性を示唆している。
• フェイクニュースのアカウントでは、フォロワー数に対するフォロー数の比が有意に高かった。これは、多くのユーザーをフォローしているが、フォロワーは少ないという特徴であり、ボット的行動の兆候である可能性がある。
• ウイルス的フェイクニュースのコンテンツは、強い政治的極化を示しており、トランプ陣営に強く傾いた内容であった。これは、他のフェイクニュース拡散に関する研究の結果とも整合的である。