[论文解读] Characterizing information leaders in Twitter during COVID-19 crisis.

David Pastor-Escuredo, Carlota Tarazona|arXiv (Cornell University)|May 14, 2020

Misinformation and Its Impacts参考文献 30被引用 12

一句话总结

本文提出了一种框架，利用社交网络中心性度量和用户元数据，在COVID-19疫情期间识别并表征Twitter上的信息领袖。通过分析转发和互动图谱，识别出具有影响力的用户并绘制领袖集群，为促进可信信息传播和建设性地应对虚假信息潮提供工具。

ABSTRACT

Information is key during a crisis such as the current COVID-19 pandemic as it greatly shapes people opinion, behaviour and even their psychological state. It has been acknowledged from the Secretary-General of the United Nations that the infodemic of misinformation is an important secondary crisis produced by the pandemic. Infodemics can amplify the real negative consequences of the pandemic in different dimensions: social, economic and even sanitary. For instance, infodemics can lead to hatred between population groups that fragment the society influencing its response or result in negative habits that help the pandemic propagate. On the contrary, reliable and trustful information along with messages of hope and solidarity can be used to control the pandemic, build safety nets and help promote resilience and antifragility. We propose a framework to characterize leaders in Twitter based on the analysis of the social graph derived from the activity in this social network. Centrality metrics are used to identify relevant nodes that are further characterized in terms of users parameters managed by Twitter. We then assess the resulting topology of clusters of leaders. Although this tool may be used for surveillance of individuals, we propose it as the basis for a constructive application to empower users with a positive influence in the collective behaviour of the network and the propagation of information.

研究动机与目标

• 为应对COVID-19疫情期间虚假信息（虚假信息潮）的传播，其会削弱公共卫生应对措施并破坏社会凝聚力。
• 识别在危机期间塑造公众意见和行为的关键信息领袖。
• 开发一种框架，利用社交网络拓扑结构和用户层面的元数据来表征具有影响力的用户。
• 绘制领袖集群，以理解在线网络中信息传播的结构。
• 将该框架定位为一种赋能积极影响力而非监控的工具，以支持社交网络的韧性与反脆弱性。

提出的方法

• 将网络中心性度量（如度中心性、介数中心性和特征向量中心性）应用于从疫情期间用户活动衍生出的Twitter互动图谱。
• 利用Twitter提供的用户参数（例如关注者数量、认证状态、账户年龄）进一步表征已识别出的具有影响力的节点。
• 基于转发和互动关系构建社交图谱，以建模信息流动并识别关键传播者。
• 在图谱上执行社区检测，以识别领袖集群，并分析其结构和人口统计学特性。
• 将输出结果定位为一种建设性工具，用于放大可靠信息并支持公共卫生传播。

实验结果

研究问题

• RQ1 基于网络中心性，COVID-19疫情期间Twitter上最具影响力的哪些信息领袖？
• RQ2 用户层面的属性（如认证状态、关注者数量）与网络中识别出的领导角色之间有何相关性？
• RQ3 信息领袖形成的集群具有怎样的结构拓扑？它们与信息扩散模式有何关联？
• RQ4 该框架在哪些方面可用于促进可信信息传播并减轻虚假信息潮的影响？

主要发现

• 中心性度量成功识别出一组在疫情期间对Twitter网络具有高影响力的用户，他们作为信息领袖发挥作用。
• 信息领袖通常具有较高的关注者数量和认证状态，但并非唯一途径，表明影响力的实现路径具有多样性。
• 领袖网络呈现出聚类拓扑结构，表明信息传播中存在明显的社群或回音室现象。
• 该框架能够识别出具有影响力的节点及其结构角色，支持主动策略以放大可靠内容。
• 该方法提供了一种非侵入性、建设性的替代方案，避免监控，转而聚焦于赋能在线话语中的积极影响力。