[논문 리뷰] Characterizing Political Fake News in Twitter by its Meta-Data

Julio Amador, Axel Oehmichen외 1명|arXiv (Cornell University)|2017. 12. 16.

Misinformation and Its Impacts참고 문헌 10인용 수 9

한 줄 요약

이 연구는 2016년 미국 선거의 날에 수집된 150만 개의 트윗 메타데이터를 사용하여 티커에서 정치적 가짜 뉴스를 특성화한다. 주로 유행하는 콘텐츠에 초점을 맞추며, 가짜 뉴스 트윗은 더 이상 확인되지 않은, 최근에 생성된 계정에서 유래할 가능성이 높고, 친구 대 비율이 높으며, 더 많은 URL을 포함하고 있음을 발견했다. 또한 강한 트럼프 지지 성향의 정치적 극화를 보이며, 메타데이터 특징이 자동 탐지에 도움이 될 수 있음을 시사한다.

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.

연구 동기 및 목표

• 2016년 미국 대선 기간 동안 가짜 뉴스를 포함하는 유행 트윗과 그렇지 않은 트윗 간의 구별되는 메타데이터 특징을 규명하기 위해.
• 가짜 뉴스를 유포하는 계정의 특성, 즉 확인 여부, 계정 생성일, 팔로워/친구 비율 등을 분석하기 위해.
• 가짜 뉴스를 포함하는 트윗에서의 정치적 극화 수준, 특히 트럼프 캠프에 대한 성향을 평가하기 위해.
• 텍스트 내용에 의존하지 않고 메타데이터만으로도 대규모로 가짜 뉴스를 탐지하고 모델링할 수 있는지 평가하기 위해.
• 가짜 뉴스 유포의 신뢰할 수 있는 메타데이터 대체 지표를 규명하여 자동 탐지 시스템의 기초를 마련하기 위해.

제안 방법

• 2016년 11월 8일 미국 대선 기간 동안 트위터 API를 사용하여 150만 개의 트윗을 수집하였다.
• 루빈 등이 수작업으로 레이블링한 데이터셋을 활용하여 가짜 뉴스 트윗을 식별하였으며, 이는 심각한 위조, 기만적 보도, 편향된 보도 등의 범주를 포함한다.
• 유행 트윗으로서 높은 재트윗 수를 기록한 트윗에 집중하여 영향력이 큰 콘텐츠를 분리하였다.
• 메타데이터 간의 차이를 평가하기 위해 통계적 비교(예: t-검정, 카이제곱 검정)를 사용하였다.
• 확인 여부, 생성 일자, 팔로워 수, 친구 수, URL 빈도 등을 포함한 계정 수준의 메타데이터를 분석하였다.
• 정서 및 콘텐츠 분석을 통해 정치적 극화를 평가하였으며, 트럼프 캠프에 대한 강한 일치성을 발견하였다.

실험 결과

연구 질문

• RQ1 가짜 뉴스를 포함하는 유행 트윗과 그렇지 않은 트윗 간에 재트윗, 좋아요, 해시태그 빈도에 유의미한 차이가 있는가?
• RQ2 가짜 뉴스를 유포하는 계정의 메타데이터 특징은 일반적인 유행 콘텐츠를 유포하는 계정과 어떻게 다를까?
• RQ3 가짜 뉴스 트윗에 포함된 URL 수는 비가짜 뉴스 트윗과 유의미하게 다를까?
• RQ4 가짜 뉴스 트윗은 어느 정도 정치적으로 극화되어 있으며, 특히 한 후보에게 치우쳐 있는가?
• RQ5 계정 연령, 확인 여부, 친구/팔로워 비율 등의 메타데이터 특징이 가짜 뉴스 존재 여부를 신뢰성 있게 예측할 수 있는가?

주요 결과

• 가짜 뉴스 트윗과 비가짜 뉴스 트윗 간에 재트윗, 좋아요, 해시태그 수에 유의미한 차이가 없었으며, 이는 참여도 수준만으로는 이를 구분할 수 없음을 시사한다.
• 가짜 뉴스를 유포하는 계정은 비가짜 뉴스 콘텐츠를 유포하는 계정보다 확인되지 않은 경우가 훨씬 더 높게 나타났다.
• 가짜 뉴스 트윗은 비가짜 뉴스 트윗보다 유의미하게 더 많은 URL을 포함하고 있었으며, 이는 클릭유도 및 광고 기반 동기가 그 확산 배경일 수 있음을 지지한다.
• 가짜 뉴스를 생성하는 계정은 비가짜 뉴스를 생성하는 계정보다 유의미하게 최근에 생성된 것으로 나타나, 신규 계정과 위장 정보 유포 캠페인 간의 연관성이 있음을 시사한다.
• 가짜 뉴스 계정의 친구 대 팔로워 비율은 유의미하게 높았으며, 이는 많은 사용자를 팔로우하지만, 그에 비해 팔로워가 적은 것으로, 봇 유사 행동의 징후일 수 있음을 나타낸다.
• 유행하는 가짜 뉴스 콘텐츠는 강한 정치적 극화를 보였으며, 트럼프 캠프에 대한 강한 지지 성향을 보였고, 다른 연구에서의 가짜 뉴스 유포 결과와 일치한다.