[论文解读] The Use of Web Archives in Disinformation Research

Michele C. Weigle|arXiv (Cornell University)|Jun 16, 2023

Misinformation and Its ImpactsSocial Sciences被引用 3

一句话总结

本文展示了网页存档——尤其是互联网档案馆的网页时光机（Wayback Machine）——在虚假信息研究中的关键作用，能够验证被删除的内容、分析社交媒体内容的变化，并追踪虚假信息传播活动。通过利用存档的时光点（mementos），研究人员可以检测网页编辑、验证历史声明，并研究被停用账户的元数据，从而显著提升数字话语的透明度与问责性。

ABSTRACT

In recent years, journalists and other researchers have used web archives as an important resource for their study of disinformation. This paper provides several examples of this use and also brings together some of the work that the Old Dominion University Web Science and Digital Libraries (WS-DL) research group has done in this area. We will show how web archives have been used to investigate changes to webpages, study archived social media including deleted content, and study known disinformation that has been archived.

研究动机与目标

• 调查网页存档如何通过保存可能被删除或修改的历史网页内容，支持虚假信息研究。
• 通过使用存档的网页版本作为证据，解决验证截图和社交媒体帖子真实性的挑战。
• 开发工具和工作流程，使记者和研究人员能够系统性地分析网页和社交媒体内容随时间的变化。
• 探讨网页存档在保存和分析虚假信息中的作用，包括被存档的广告和被停用账户的元数据。
• 推动将网页存档作为数字取证和媒体素养研究中可靠、防篡改的资料来源。

提出的方法

• 利用网页时光机的时光点存储功能，对比网页的历史版本与当前版本，以检测内容变化。
• 应用 MemGator 工具和 Memento Time Travel 服务，从多个独立的网页存档中查询并检索存档的网页内容。
• 开发一个原型界面，支持在存档网页中搜索被删除的词语和短语，并提供动态差异可视化（animated diff visualizations）。
• 使用网页时光机的 CDX API，通过 URL 模式匹配（例如 /realdonaldtrump/status/*）检索特定用户的所有存档推文。
• 分析存档社交媒体资料和帖子的元数据，研究虚假信息传播者在粉丝增长、互动模式和网络结构方面的特征。
• 利用网页存档研究被存档的广告及其在新冠疫情等事件期间对公众认知的影响。

实验结果

研究问题

• RQ1 网页存档如何用于检测和验证政治网页内容的变化，例如争议性言论的删除？
• RQ2 存档的网页内容在多大程度上可作为可靠证据，以佐证或反驳伪造的社交媒体截图？
• RQ3 网页存档如何通过保存被删除或停用的社交媒体内容，支持对虚假信息传播活动的分析？
• RQ4 被存档的广告在理解虚假信息策略随时间演变方面发挥什么作用？
• RQ5 基于网页存档数据构建的工具如何提升对虚假信息传播者及其网络的检测与追踪能力？

主要发现

• 记者成功利用网页时光机证实，包括 Blake Masters 和 George Santos 在内的多位 2022 年美国参议员候选人，从其竞选网站上删除了争议性言论。
• Frew 等人（2023）开发的原型工具可让用户在存档网页中搜索被删除的短语，并通过动态差异图或滑动界面可视化内容变化。
• MemGator 工具和 Memento Time Travel 服务使研究人员能够从多个独立存档中检索到 Joy Ann Reid 争议性博客文章的时光点，从而反驳了关于图像篡改的指控。
• 互联网档案馆开始对网页存档中的已知虚假信息进行标注，例如一篇因违反政策被删除的 Medium 文章，但其通过网页时光机链接仍可访问。
• 通过 CDX 接口获取的存档推文数据表明，超过 10 万条来自 @realdonaldtrump 的推文被保存在网页时光机中，使对其社交媒体存在的长期分析成为可能。
• 对被存档广告的研究，包括宣传新冠疫情口罩的广告，揭示了这些内容对于理解公共卫生信息传播和虚假信息活动的历史背景至关重要。