[论文解读] Understanding how people consume low quality and extreme news using web traffic data

Zhouhan Chen, Haohan Chen+3 more|arXiv (Cornell University)|Jan 11, 2022

Misinformation and Its Impacts被引用 10

一句话总结

本研究利用服务器端流量数据，分析了6800万条访问The Gateway Pundit（TGP）的网络流量记录，该网站是传播虚假信息的极右翼新闻媒体。研究发现，搜索引擎和社交媒体是主要的流量来源。研究显示，涉及选举舞弊阴谋论的内容吸引的访问量高出29%，且与Facebook互动数据高度相关，提供了超越社交媒体代理指标的真实消费模式的直接证据。

ABSTRACT

To mitigate the spread of fake news, researchers need to understand who visit fake new sites, what brings people to those sites, where visitors come from, and what content they prefer to consume. In this paper, we analyze web traffic data from The Gateway Pundit (TGP), a popular far-right website that is known for repeatedly sharing false information that has made its web traffic available to the general public. We collect data on 68 million web traffic visits to the site over a month period and analyze how people consume news via multiple features. Our traffic analysis shows that search engines and social media platforms are main drivers of traffic; our geo-location analysis reveals that TGP is more popular in counties that voted for Trump in 2020; and our topic analysis shows that conspiratorial articles receive more visits than factual articles. Due to the inability to observe direct website traffic, existing research uses alternative data source such as engagement signals from social media posts. To validate if social media engagement signals correlate with actual web visit counts, we collect all Facebook and Twitter posts with URLs from TGP during the same time period. We show that all engagement signals positively correlate with web visit counts, but with varying correlation strengths. Metrics based on Facebook posts correlate better than metrics based on Twitter. Our unique web traffic data set and insights can help researchers to better measure the impact of far-right and fake news URLs on social media platforms.

研究动机与目标

• 通过直接分析网络流量数据，而非依赖间接的社交媒体互动信号，理解低质量及极端新闻在现实世界中的消费模式。
• 识别The Gateway Pundit（TGP）这一主要极右翼新闻网站的主要流量来源。
• 评估社交媒体互动指标（Facebook与Twitter）与实际网页访问量之间的相关性，以检验社交媒体数据作为真实新闻消费代理指标的有效性。
• 分析访问的地理与主题模式，揭示极端新闻消费背后的人口统计与内容驱动因素。
• 为未来大规模研究虚假信息消费提供独一无二的大规模数据集与方法论框架。

提出的方法

• 收集了The Gateway Pundit（TGP）在一个月内（2021年2月4日至3月3日）的完整服务器端网络流量数据，通过StatCounter的公开API捕获了6800万次访问。
• 利用IP地址的地理位置数据，分析区域及县一级的流量模式，并将流量与政治倾向（如投票支持特朗普的县）关联。
• 对TGP文章应用主题建模，对内容进行分类，并按主题测量访问量与停留时长，特别关注“2020年选举舞弊”叙事。
• 在同期收集所有包含TGP网址的Facebook和Twitter帖子，提取互动信号（如点赞、分享、转发等）。
• 计算社交媒体互动指标与实际网页访问量之间的皮尔逊相关系数，以评估社交媒体数据作为预测指标的有效性。
• 对可视化和统计分析采用对数尺度转换，以处理访问量和互动指标高度偏斜的分布。

实验结果

研究问题

• RQ1 The Gateway Pundit的主要流量来源是什么？主页与文章页面的来源有何不同？
• RQ2 地理位置（尤其是县和州层面）与TGP流量总量及政治倾向之间有何关联？
• RQ3 TGP上哪些类型的内容——尤其是阴谋论相关内容——吸引了显著更高的访问量和更长的停留时间？
• RQ4 社交媒体互动指标（Facebook与Twitter）在多大程度上能预测TGP文章的实际网络流量？
• RQ5 Facebook的互动信号与实际网页访问量的相关性是否显著强于Twitter信号？

主要发现

• 搜索引擎（Google、Bing、DuckDuckGo）占TGP主页外部引流的88.5%，表明其在驱动初始访问中的主导作用。
• 社交媒体平台（Facebook、Twitter、Telegram、Gab）占TGP文章页面外部引流的42%以上，凸显其在内容传播中的作用。
• TGP在2020年投票支持唐纳德·特朗普的县更受欢迎，且在佐治亚州和亚利桑那州等 swing states（ swing states）流量更高。
• 提及“2020年美国选举舞弊”的文章访问量高出29%，且停留时间比其他主题的文章长8小时，表明其更具传播性和参与度。
• 所有社交媒体互动信号均与实际网页访问量呈正相关，但Facebook指标的相关性强于Twitter指标，表明Facebook数据是真实流量更可靠的代理指标。
• 本研究首次对大型虚假新闻网站进行了大规模、直接的服务器端网络流量分析，提供了一种经验证的方法，用于衡量超越社交媒体互动的真实消费行为。