[論文レビュー] #DebateNight: The Role and Influence of Socialbots on Twitter During the 1st 2016 U.S. Presidential Debate

Marian-Andrei Rizoiu, Timothy Graham+4 more|arXiv (Cornell University)|Feb 27, 2018

Social Media and Politics被引用数 15

ひとこと要約

本稿では、2016年米国大統領選挙討論におけるTwitter上でのユーザーの影響力を推定するスケーラブルな手法を提案する。タイムスタンプとユーザー特徴から、潜在的なリツイート拡散構造をモデル化し、すべての可能なカスケード展開を想定した、独自の影響力指標（$\varphi$）を用いる。その結果、ボットは人間の2.5倍の影響力を持つことが判明し、レジリエンスの強いプロ・レジリエンス系ボットはプロ・デモクラシー系ボットよりも顕著に影響力が強く、特に高い影響力を持つボットは主にプロ・レジリエンス系であることが明らかになった。

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).

研究の動機と目的

• リツイート構造が直接観測できない状況下で、数百万ユーザー規模のスケールでTwitter上でのユーザー影響力を推定する課題に対処すること。
• BotOrNotなどの自動ツールを活用して、スケーラブルにボット度（botness）を測定する手法を開発すること。
• 2016年の討論中に使用された党派的ハッシュタグの使用状況を用いて、政治的極化と参加度を定量化すること。
• 新たな2次元「極化マップ」を用いて、ボット度、影響力、および党派性の相互作用を可視化すること。

提案手法

• リツイートカスケードの可能性のある展開確率を、ツイートの時刻とユーザー特徴のみを用いて推定する拡散シナリオモデルを提案する。
• すべての可能な拡散展開における期待影響力として、ユーザー影響力（$\varphi$）を計算するスケーラブルなアルゴリズムを導入する。
• BotOrNot APIを用いて各ユーザーにボット度スコア（$\zeta$）を割り当て、大規模なボット検出を可能にする。
• ユーザーのツイートにおける党派的ハッシュタグ頻度に基づき、政治的極化（$\mathcal{P}$）と参加度（$\mathcal{E}$）を定義する。
• 影響力（$\varphi$）とボット度（$\zeta$）の軸にユーザーを射影し、密度ベースの正規化を施して可視化する2次元「極化マップ」を構築する。
• 合成データを用いて影響力指標の妥当性を検証し、フォロワー数やカスケードサイズといったベースライン指標と比較する。

実験結果

リサーチクエスチョン

• RQ1 リツイートカスケード構造が直接観測できない状況下で、スケールを考慮したTwitter上でのユーザー影響力の正確な推定方法は何か？
• RQ2 2016年米国大統領選挙討論のような主要な政治的出来事において、ソーシャルボットの相対的影響力は人間ユーザーと比べてどうか？
• RQ3 政治的ディス course において、ボット度、政治的党派性、およびユーザー影響力はどのように相互作用するか？
• RQ4 プロ・レジリエンス系ボットとプロ・デモクラシー系ボットは、影響力と政治的参加度において同等に影響力を持つのか？
• RQ5 ボット度と党派性の次元において、極めて高い影響力を持つユーザーの分布にどのようなパターンが見られるか？

主な発見

• ボットは平均的に人間の2.5倍の影響力を持つ。特にプロ・レジリエンス系ボットはプロ・デモクラシー系ボットよりも顕著に影響力が強い。
• プロ・レジリエンス系ボットの平均影響力は、プロ・デモクラシー系ボットの2倍にのぼる。
• 高影響力ユーザーは、ボットが全体でより影響力があるにもかかわらず、プロ・デモクラシー系である確率が高くなっている。
• 高影響力ボットは主にプロ・レジリエンス系であり、極化マップの右上象限に集中している。
• ボット度が低いが中程度の影響力を持つプロ・レジリエンス系ユーザーの大きな集団が存在し、このグループには人間ユーザーが顕著に存在していることが示された。
• 政治的参加度と極化は、党派的ハッシュタグ使用と強く相関しており、ボットは人間よりも参加度が高くなっている。