[論文レビュー] Understanding how people consume low quality and extreme news using web traffic data

Zhouhan Chen, Haohan Chen+3 more|arXiv (Cornell University)|Jan 11, 2022

Misinformation and Its Impacts被引用数 10

ひとこと要約

本研究は、フェイクニュースを広めることで知られる極右ニュースサイトThe Gateway Pundit (TGP) に、サーバーサイドのトラフィックデータを用いて6,800万件のウェブトラフィック訪問を分析した。その結果、検索エンジンとソーシャルメディアが訪問の大部分を占めていることが明らかになった。また、選挙不正を巡る陰謀論コンテンツは訪問者数が29%増加し、Facebookのエンゲージメントと強く相関しており、ソーシャルメディアの代理指標にとどまらず、実際の消費行動の直接的証拠を提供している。

ABSTRACT

To mitigate the spread of fake news, researchers need to understand who visit fake new sites, what brings people to those sites, where visitors come from, and what content they prefer to consume. In this paper, we analyze web traffic data from The Gateway Pundit (TGP), a popular far-right website that is known for repeatedly sharing false information that has made its web traffic available to the general public. We collect data on 68 million web traffic visits to the site over a month period and analyze how people consume news via multiple features. Our traffic analysis shows that search engines and social media platforms are main drivers of traffic; our geo-location analysis reveals that TGP is more popular in counties that voted for Trump in 2020; and our topic analysis shows that conspiratorial articles receive more visits than factual articles. Due to the inability to observe direct website traffic, existing research uses alternative data source such as engagement signals from social media posts. To validate if social media engagement signals correlate with actual web visit counts, we collect all Facebook and Twitter posts with URLs from TGP during the same time period. We show that all engagement signals positively correlate with web visit counts, but with varying correlation strengths. Metrics based on Facebook posts correlate better than metrics based on Twitter. Our unique web traffic data set and insights can help researchers to better measure the impact of far-right and fake news URLs on social media platforms.

研究の動機と目的

• 直接的なウェブトラフィックデータを分析することで、フェイクニュースや極端なニュースの実世界における消費パターンを理解すること。ソーシャルメディアのエンゲージメント信号に依存するのではなく、それを避ける。
• フェイクニュースを広めることで知られる主要な極右ニュースサイトであるThe Gateway Pundit (TGP) へのトラフィックの主な来訪元を特定すること。
• ソーシャルメディアのエンゲージメント指標（FacebookとTwitter）と実際のウェブ訪問数との相関関係を評価し、ソーシャルメディアデータが実際のニュース消費の代理指標として有効かどうかを検証すること。
• 地理的およびトピック的パターンを分析することで、極端なニュース消費の背後にある人口統計的要因とコンテンツ要因を特定すること。
• 今後の研究における、大規模なフェイクニュース消費の分析のための、ユニークな大規模データセットとメソドロジカルフレームワークを提供すること。

提案手法

• 2021年2月4日から3月3日までの1か月間、The Gateway Pundit (TGP) の完全なサーバーサイドウェブトラフィックデータを収集。StatCounterのパブリックAPIを用いて6,800万件の訪問を記録。
• IPアドレスからのジオロケーションデータを用いて、地域および郡レベルのトラフィックパターンを分析。特に、トランプ支持郡など政治的傾向と関連付ける。
• TGPの記事に対してトピックモデリングを適用し、コンテンツを分類。特に「2020年米国選挙不正」報道に注目し、トピックごとの訪問数と滞在時間の測定を実施。
• 同じ期間中にTGPのURLを含むすべてのFacebookおよびTwitter投稿を収集し、エンゲージメント信号（いいね、共有、リツイートなど）を抽出。
• ソーシャルメディアのエンゲージメント指標と実際のウェブ訪問数の間に、ピアソンの相関係数を計算することで、ソーシャルメディアデータの予測妥当性を評価。
• 訪問数やエンゲージメント指標の分布が著しく歪んでいるため、可視化および統計的分析にログスケール変換を適用。

実験結果

リサーチクエスチョン

• RQ1 The Gateway Punditへのトラフィックの主な来訪元は何か。また、ホームページと記事ページではその構成にどのような違いがあるか。
• RQ2 地理的場所、特に郡レベルおよび州レベルの位置が、TGPのトラフィック量および政治的傾向（例：2020年トランプ支持郡）とどのように相関しているか。
• RQ3 TGPのどの種類のコンテンツ、特に陰謀論に関連するもの—が著しく高い訪問者数と長時間の滞在時間を記録しているか。
• RQ4 ソーシャルメディアのエンゲージメント指標（FacebookおよびTwitter）は、TGPの記事への実際のウェブトラフィックをどれほど正確に予測できるか。
• RQ5 Facebookのエンゲージメント信号は、Twitterの信号よりも、実際のウェブ訪問数とどれほど強く相関しているか。

主な発見

• 検索エンジン（Google、Bing、DuckDuckGo）がTGPのホームページへの外部リファラー訪問の88.5%を占めており、初期のサイト訪問を牽引していることが示された。
• ソーシャルメディアプラットフォーム（Facebook、Twitter、Telegram、Gab）が、TGPの記事ページへの外部リファラー訪問の42%以上を占めており、コンテンツの拡散における役割が顕著に表れている。
• TGPは2020年にトランプ氏に投票した郡でより人気があり、ジョージア州やアリゾナ州といった swing state で高いトラフィックを記録した。
• 「2020年米国選挙不正」というキーワードを含む記事は、他のトピックの記事よりも29%多くの訪問者を獲得し、平均8時間長く滞在していた。これは、より高い拡散性とエンゲージメントを示している。
• すべてのソーシャルメディアエンゲージメント信号が実際のウェブ訪問数と正の相関を示したが、Facebookの指標の方がTwitterの指標よりも相関が強く、Facebookデータが実際のトラフィックをより信頼できる代理指標として機能することが示された。
• 本研究は、フェイクニュースサイトへの大規模かつ直接的なサーバーサイドトラフィック分析を初めて実施した。これにより、ソーシャルメディアのエンゲージメントにとどまらない、実際の消費行動を測定する有効な手法が裏付けられた。