[论文解读] Flocking to Mastodon: Tracking the Great Twitter Migration

Haris Bin Zia, Jiahui He+4 more|arXiv (Cornell University)|Feb 28, 2023

Privacy, Security, and Data Protection被引用 7

一句话总结

本研究追踪了埃隆·马斯克收购推特后136,009名推特用户迁移到Mastodon的情况，分析了用户在实例间的分布、社交网络对迁移选择的影响，以及跨平台使用模式。研究发现，Mastodon存在显著的用户驱动型集中化现象（前25%的实例承载了96%的用户），但小型实例的用户活跃度更高，且迁移用户在两个平台发布的内容差异显著，仅有1.53%的帖子完全相同。

ABSTRACT

The acquisition of Twitter by Elon Musk has spurred controversy and uncertainty among Twitter users. The move raised as many praises as concerns, particularly regarding Musk's views on free speech. As a result, a large number of Twitter users have looked for alternatives to Twitter. Mastodon, a decentralized micro-blogging social network, has attracted the attention of many users and the general media. In this paper, we track and analyze the migration of 136,009 users from Twitter to Mastodon. Our analysis sheds light on the user-driven pressure towards centralization in a decentralized ecosystem and identifies the strong influence of the social network in platform migration. We also characterize the activity of migrated users on both Twitter and Mastodon.

研究动机与目标

• 了解马斯克收购后用户在Mastodon实例间的分布情况，评估去中心化趋势。
• 考察用户在推特上的现有关注者网络对其选择Mastodon实例的影响。
• 描述迁移用户在推特和Mastodon上的内容与行为模式。
• 评估两个平台在内容毒性与用户参与度方面的差异。

提出的方法

• 收集并分析了136,009名在Mastodon创建账户的独立推特用户迁移数据。
• 将用户映射至2,879个不同的Mastodon实例，以研究分布与中心性。
• 追踪用户在两个平台的活动，包括发帖频率、内容相似度及毒性水平。
• 利用ActivityPub协议元数据识别跨实例关注行为与联邦化模式。
• 应用自然语言处理技术，通过Jaccard相似度比较推特与Mastodon帖子的内容相似性。
• 使用预训练分类器测量两个平台的毒性水平，并比较迁移用户的毒性比例。

(a)

实验结果

研究问题

• RQ1 新用户在Mastodon实例间的分布情况如何？这对去中心化有何影响？
• RQ2 用户在推特上的自我中心关注网络在多大程度上影响其选择Mastodon实例？
• RQ3 迁移用户在推特和Mastodon上的使用模式如何，特别是在内容与参与度方面？

主要发现

• 按规模计算，Mastodon前25%的实例承载了96%的迁移用户，表明存在强烈的用户驱动型集中化压力。
• 尽管用户分布呈现集中化，但小型实例（尤其是单用户实例）的平均发帖频率比大型实例高出121%。
• 平均而言，用户在Mastodon上的帖子仅有1.53%与他们在推特上的帖子完全相同，表明两个平台的内容策略存在显著差异。
• 两个平台的毒性水平均较低：迁移用户发布的推文中5.49%被分类为有毒，Mastodon状态中为2.80%。
• 用户在推特上的关注者中，有14.72%也迁移到了同一Mastodon实例，表明社交网络对实例选择具有显著影响。
• 14.26%的迁移用户在两个平台上均至少发布过一条有毒状态，表明尽管平台不同，其行为仍存在一定程度的连续性。

(b)