[논문 리뷰] The COVID-19 Infodemic: Twitter versus Facebook

Kai‐Cheng Yang, Francesco Pierri외 5명|arXiv (Cornell University)|2020. 12. 17.

Misinformation and Its Impacts참고 문헌 59인용 수 8

한 줄 요약

이 연구는 소셜미디어 데이터에서 링크 및 영상 분석을 통해 트위터와 페이스북에서의 저신뢰성 코로나19 정보 확산을 비교한다. 연구 결과, 플랫폼 간 비대칭적인 가짜 뉴스 소스 및 의심스러운 유튜브 영상의 확산이 확인되었으며, 소수의 검증된 '초확산자'들이 주로 확산을 이끌었고, 조작된 공유 행동의 증거도 발견되어, 정보 오염을 억제하기 위해 다중 플랫폼 데이터 접근과 사회 수준의 대응이 필요하다는 점을 시사한다.

ABSTRACT

The global spread of the novel coronavirus is affected by the spread of related misinformation -- the so-called COVID-19 Infodemic -- that makes populations more vulnerable to the disease through resistance to mitigation efforts. Here we analyze the prevalence and diffusion of links to low-credibility content about the pandemic across two major social media platforms, Twitter and Facebook. We characterize cross-platform similarities and differences in popular sources, diffusion patterns, influencers, coordination, and automation. Comparing the two platforms, we find divergence among the prevalence of popular low-credibility sources and suspicious videos. A minority of accounts and pages exert a strong influence on each platform. These misinformation "superspreaders" are often associated with the low-credibility sources and tend to be verified by the platforms. On both platforms, there is evidence of coordinated sharing of Infodemic content. The overt nature of this manipulation points to the need for societal-level solutions in addition to mitigation strategies within the platforms. However, we highlight limits imposed by inconsistent data-access policies on our capability to study harmful manipulations of information ecosystems.

연구 동기 및 목표

• 트위터와 페이스북에서 저신뢰성 코로나19 콘텐츠의 확산 패턴을 조사한다.
• 영향력 있는 계정을 식별하고, 검증된 사용자가 양 플랫폼에서 가짜 뉴스를 어떻게 확산시키는지 평가한다.
• 저신뢰성 콘텐츠 공유 시 조작된 행동과 자동화된 활동을 탐지하며, 특히 트위터와 페이스북 간의 차이를 분석한다.
• 플랫폼별 데이터 접근 제한이 정보 오염 연구 및 정책 개발에 미치는 영향을 평가한다.
• 유해한 건강 가짜 뉴스 확산을 억제하기 위한 플랫폼 수준 및 사회 수준의 전략을 제안한다.

제안 방법

• 코로나19 관련 키워드를 포함한 게시물에 초점을 맞춰 트위터의 디카호스와 페이스북의 크라우드틀랜트를 활용해 소셜미디어 데이터를 수집한다.
• 이미 존재하는 저신뢰성 웹사이트 도메인 코퍼스와 링크를 매칭시켜 저신뢰성 콘텐츠를 식별한다.
• 공개 금지 또는 삭제된 상태인지 여부를 기준으로 의심스러운 유튜브 영상을 식별한다.
• 공공의 관심과 관련된 시간적 추세를 분석하기 위해 저신뢰성 및 고신뢰성 소스의 공유량 변화를 추적한다.
• 유사한 공유 활동을 보이는 계정 집합을 분석해 조작된 공유 패턴을 탐지하기 위해 사용자 계정 행동을 분석한다.
• 검증된 계정과 저신뢰성 소스와 연관된 계정이 콘텐츠 확산에 미치는 영향을 평가한다.

실험 결과

연구 질문

• RQ1 트위터와 페이스북에서 저신뢰성 콘텐츠의 확산 비율은 어떻게 되며, 이러한 콘텐츠의 공유 패턴은 시간에 따라 어떻게 다를까?
• RQ2 동일한 저신뢰성 소스와 의심스러운 유튜브 영상이 두 플랫폼에서 유사한 수준으로 공유되는가?
• RQ3 소수의 영향력 있는 또는 검증된 계정이 각 플랫폼에서 가짜 뉴스를 얼마나 많이 확산시키는가?
• RQ4 저신뢰성 콘텐츠 공유 시 조작되거나 위조된 행동의 증거가 있으며, 이는 트위터와 페이스북 간에 어떻게 다를까?
• RQ5 플랫폼별 데이터 접근 정책과 표본 추출 편향은 가짜 뉴스 확산에 대한 다중 플랫폼 비교의 신뢰성과 공정성에 어떻게 영향을 미치는가?

주요 결과

• 저신뢰성 소스와 의심스러운 유튜브 영상의 확산 비율은 트위터와 페이스북 간에 비대칭적이며, 일부 소스는 한 플랫폼에서 주로 활동하는 반면 다른 플랫폼에선 덜 활동적인 경향을 보였다.
• 소수의 계정—특히 검증된 계정들이—양 플랫폼에서 비례적으로 큰 영향을 미치며, 가짜 뉴스의 '초확산자'로 작용했다.
• 페이스북의 저-고신뢰성 콘텐츠 비율은 트위터보다 낮아, 페이스북이 가짜 뉴스 억제에 더 효과적이었을 가능성이 있지만, 이는 데이터 접근 편향으로 인해 제한된다.
• 의심스러운 유튜브 영상은 페이스북에서 더 높은 비율로 발견되었으며, 이는 콘텐츠 재활용 시 새로운 영상 ID가 부여되거나, 유튜브에서의 신속한 삭제로 인해 페이스북 사용자가 이를 공유하기 전에 제거되기 때문일 수 있다.
• 양 플랫폼에서 조작된 공유 행동이 탐지되었으며, 이는 체계적인 조작을 시사하며, 다수의 계정 간에 동기화된 게시 패tern이 존재하는 것으로 확인되었다.
• 플랫폼 아키텍처와 사용자 인구통계의 차이에도 불구하고, 공공의 관심이 극대화된 기간 동안 두 플랫폼에서 가짜 뉴스 공유량이 동시에 급증했으며, 이는 고립된 봇 활동이 아닌 공통의 외부 요인에 기인한 것으로 보인다.