[논문 리뷰] #DebateNight: The Role and Influence of Socialbots on Twitter During the 1st 2016 U.S. Presidential Debate

Marian-Andrei Rizoiu, Timothy Graham외 4명|arXiv (Cornell University)|2018. 02. 27.

Social Media and Politics인용 수 15

한 줄 요약

이 논문은 2016년 미국 대선 토론 기간 동안 트위터에서 사용자 영향력을 추정하기 위해 시간 및 사용자 특성에서 잠재적 재트윗 확산 구조를 모델링하고, 가능한 모든 확산 전개에 대해 새로운 영향도 측정법($\varphi$)을 사용하는 확장 가능한 방법을 제안한다. 분석 결과, 봇은 인간보다 2.5배 더 영향력이 높으며, 공화당 지지 봇은 민주당 지지 봇보다 현저히 더 영향력 있고 참여도가 높고, 높은 영향력을 지닌 봇은 주로 공화당 지지 성향을 띤다.

ABSTRACT

Serious concerns have been raised about the role of 'socialbots' in manipulating public opinion and influencing the outcome of elections by retweeting partisan content to increase its reach. Here we analyze the role and influence of socialbots on Twitter by determining how they contribute to retweet diffusions. We collect a large dataset of tweets during the 1st U.S. Presidential Debate in 2016 (#DebateNight) and we analyze its 1.5 million users from three perspectives: user influence, political behavior (partisanship and engagement) and botness. First, we define a measure of user influence based on the user's active contributions to information diffusions, i.e. their tweets and retweets. Given that Twitter does not expose the retweet structure - it associates all retweets with the original tweet - we model the latent diffusion structure using only tweet time and user features, and we implement a scalable novel approach to estimate influence over all possible unfoldings. Next, we use partisan hashtag analysis to quantify user political polarization and engagement. Finally, we use the BotOrNot API to measure user botness (the likelihood of being a bot). We build a two-dimensional "polarization map" that allows for a nuanced analysis of the interplay between botness, partisanship and influence. We find that not only social bots are more active on Twitter - starting more retweet cascades and retweeting more -- but they are 2.5 times more influential than humans, and more politically engaged. Moreover, pro-Republican bots are both more influential and more politically engaged than their pro-Democrat counterparts. However we caution against blanket statements that software designed to appear human dominates political debates. We find that many highly influential Twitter users are in fact pro-Democrat and that most pro-Republican users are mid-influential and likely to be human (low botness).

연구 동기 및 목표

• 재트윗 구조가 관측되지 않을 경우 트위터에서 수백만 명의 사용자를 대상으로 사용자 영향력을 정확하게 추정하는 데 도전하는 것.
• BotOrNot와 같은 자동화된 도구를 활용해 대규모로 봇 여부를 측정할 수 있는 확장 가능한 방법을 개발하는 것.
• 2016년 토론 기간 동안 정당 기반 해시태그 사용을 기반으로 정치적 극화와 참여도를 정량화하는 것.
• 새로운 이중 차원 '극화 지도'를 통해 봇 여부, 영향력, 정당 기반 성향 간의 상호작용을 시각화하는 것.

제안 방법

• 재트윗 확산 전개 가능성의 확률을 추정하기 위해 트윗 시간 및 사용자 특성만을 사용하는 확산 시나리오 모델을 제안한다.
• 모든 가능한 확산 전개에 대한 기대 영향력을 계산할 수 있는 확장 가능한 알고리즘을 도입하여 사용자 영향력($\varphi$)을 측정한다.
• BotOrNot API를 활용하여 각 사용자에게 봇 여부 점수($\zeta$)를 할당함으로써 대규모 봇 탐지가 가능하도록 한다.
• 사용자 트윗 내 정당 기반 해시태그 빈도를 기반으로 정치적 극화($\mathcal{P}$)와 참여도($\mathcal{E}$)를 정의한다.
• 사용자를 영향력($\varphi$)과 봇 여부($\zeta$) 축에 투영하여 밀도 기반 정규화를 적용해 시각화할 수 있는 2차원 '극화 지도'를 구성한다.
• 합성 데이터를 활용해 영향력 측정법의 타당성을 검증하고, 팔로워 수 및 확산 크기와 같은 기준 기준 지표와 비교한다.

실험 결과

연구 질문

• RQ1 재트윗 확산 구조가 직접 관측되지 않을 경우, 대규모 스케일에서 트위터에서 사용자 영향력을 어떻게 정확하게 추정할 수 있는가?
• RQ2 2016년 미국 대선 토론과 같은 주요 정치 이벤트 기간 동안 봇의 상대적 영향력은 인간 사용자보다 어떻게 다를까?
• RQ3 트위터 정치 논의의 맥락에서 봇 여부, 정당 기반 성향, 사용자 영향력은 어떻게 상호작용하는가?
• RQ4 공화당 지지 봇과 민주당 지지 봇은 동일한 영향력과 정치적 참여도를 가지는가?
• RQ5 봇 여부와 정당 기반 성향 차원에서 높은 영향력을 지닌 사용자들의 분포 패턴은 어떠한가?

주요 결과

• 봇은 평균적으로 인간보다 2.5배 더 영향력이 높으며, 공화당 지지 봇은 민주당 지지 봇보다 현저히 더 영향력이 높다.
• 공화당 지지 봇의 평균 영향력은 민주당 지지 봇의 평균 영향력의 두 배이다.
• 높은 영향력을 지닌 사용자들은 전체적으로 민주당 지지 성향을 띤다 할지라도, 봇은 전체적으로 더 영향력이 높다.
• 높은 영향력을 지닌 봇은 주로 공화당 지지 성향을 띤 것으로, 극화 지도의 오른쪽 상단 사분면에 집중되어 있다.
• 저도 봇 여부를 지닌 중간 수준의 영향력이 높은 공화당 지지 사용자 집단이 다수 존재하여, 이 그룹에 인간 사용자가 상당수 포함되어 있음을 시사한다.
• 정치적 참여도와 극화는 정당 기반 해시태그 사용과 강하게 상관되며, 봇은 인간보다 더 높은 참여도를 보인다.