Selv nogle få bots kan ændre den offentlige mening på store måder

Næsten to tredjedele af de sociale medier-bots med politisk aktivitet på Twitter før det amerikanske præsidentvalg i 2016 støttede Donald Trump. Men alle disse Trump-bots var langt mindre effektive til at ændre folks meninger end den mindre andel af bots, der støtter Hillary Clinton. Som min seneste forskning viser, et lille antal meget aktive bots kan ændre folks politiske meninger markant. Hovedfaktoren var ikke, hvor mange bots der var – men snarere, hvor mange tweets hvert sæt af bots udstedte.

Mit arbejde fokuserer på militære og nationale sikkerhedsaspekter af sociale netværk, så naturligvis var jeg fascineret af bekymringer om, at bots kunne påvirke resultatet af det kommende midtvejsvalg i 2018. Jeg begyndte at undersøge, hvad bots præcist gjorde i 2016. Der var masser af retorik – men kun ét grundlæggende faktuelt princip:Hvis informationskrigsførelsen ved hjælp af bots var lykkedes, så ville vælgernes meninger have ændret sig.

Jeg ønskede at måle, hvor meget bots var – eller ikke var – ansvarlige for ændringer i menneskers politiske synspunkter. Jeg var nødt til at finde en måde at identificere sociale medier-bots og evaluere deres aktivitet. Så havde jeg brug for at måle de sociale mediers meninger. Til sidst, Jeg var nødt til at finde en måde at vurdere, hvad disse menneskers meninger ville have været, hvis bots aldrig havde eksisteret.

At finde tweeters og bots

For at indsnævre forskningen en smule, mine elever og jeg fokuserede vores analyse på Twitter-diskussionen omkring én begivenhed i optakten til valget:den anden debat mellem Clinton og Trump. Vi indsamlede 2,3 millioner tweets, der indeholdt søgeord og hashtags relateret til debatten.

Så lavede vi en liste over de omkring 78, 000 Twitter-brugere, der postede disse tweets og konstruerede netværket af, hvem der fulgte hvem blandt disse brugere. For at identificere bots blandt dem, vi brugte en algoritme baseret på vores observation af, at bots ofte retweetede mennesker, men ikke selv blev retweetet ofte.

Denne metode fandt 396 bots - eller mindre end 1 procent af de aktive Twitter-brugere. Og kun 10 procent af regnskaberne fulgte dem. Det havde jeg det godt med:Det virkede usandsynligt, at et så lille antal relativt afbrudte bots kunne have en stor effekt på folks meninger.

Et nærmere kig på folket

Dernæst satte vi os for at måle meningerne fra personerne i vores datasæt. Vi gjorde dette med en type maskinlæringsalgoritme kaldet et neuralt netværk, som vi i dette tilfælde sætter op til at evaluere indholdet af hvert tweet, bestemme, i hvilket omfang den støttede Clinton eller Trump. Enkeltpersoners meninger blev beregnet som gennemsnittet af deres tweets meninger.

Når vi havde tildelt hver menneskelig Twitter-bruger i vores data en score, der repræsenterede, hvor stærke en Clinton- eller Trump-støtter de var, udfordringen var at måle, hvor meget bots ændrede folks meninger – hvilket betød at beregne, hvad deres meninger ville have været, hvis bots ikke havde eksisteret.

Heldigvis, en model fra så langt tilbage som 1970'erne havde etableret en måde at måle folks følelser på i et socialt netværk baseret på forbindelser mellem dem. I denne netværksbaserede model, enkeltpersoners meninger har en tendens til at stemme overens med de mennesker, der er knyttet til dem. Efter at have ændret modellen lidt for at anvende den på Twitter, vi brugte det til at beregne folks meninger baseret på, hvem der fulgte hvem på Twitter – i stedet for at se på deres tweets. Vi fandt ud af, at de meninger, vi beregnede ud fra netværksmodellen, stemte godt overens med meninger målt ud fra indholdet af deres tweets.

Livet uden bots

Indtil videre havde vi vist, at follower-netværksstrukturen i Twitter præcist kunne forudsige folks meninger. Dette gav os nu mulighed for at stille spørgsmål som:Hvad ville deres mening have været, hvis netværket var anderledes? Det anderledes netværk, vi var interesserede i, var et, der ikke indeholdt nogen bots. Så til vores sidste skridt, vi fjernede bots fra netværket og genberegnet netværksmodellen, for at se, hvad rigtige menneskers meninger ville have været uden bots. Helt sikkert, bots havde ændret menneskelige brugeres meninger – men på en overraskende måde.

I betragtning af meget af nyhedsrapporteringen, vi forventede, at botsene ville hjælpe Trump – men det gjorde de ikke. I et netværk uden bots, den gennemsnitlige menneskelige bruger havde en pro-Clinton-score på 42 ud af 100. Med bots, selvom, vi havde fundet ud af, at det gennemsnitlige menneske havde en pro-Clinton-score på 58. Det skift var en langt større effekt, end vi havde forventet, givet hvor få og uforbundne botsene var. Netværksstrukturen havde forstærket bots' magt.

Vi spekulerede på, hvad der havde gjort Clinton-botterne mere effektive end Trump-botterne. Nærmere eftersyn viste, at de 260 bots, der støttede Trump, tilsammen udsendte 113, 498 tweets, eller 437 tweets pr. bot. Imidlertid, de 150 bots, der støtter Clinton, udsendte 96, 298 tweets, eller 708 tweets pr. bot. Det så ud til, at Clinton-botternes magt ikke kom fra deres antal, men fra hvor ofte de tweetede. Vi fandt ud af, at det meste af det, botsene postede, var retweets af kandidaterne eller andre indflydelsesrige personer. Så de lavede ikke rigtig originale tweets, men deler eksisterende.

Det er værd at bemærke, at vores analyse kiggede på et relativt lille antal brugere, især sammenlignet med den stemmeberettigede befolkning. Og det var kun i en relativt kort periode omkring en bestemt begivenhed i kampagnen. Derfor, de antyder ikke noget om det samlede valgresultat. Men de viser den potentielle effekt, bots kan have på folks meninger.

Et lille antal meget aktive bots kan faktisk ændre den offentlige mening markant – og trods sociale medievirksomheders indsats, der er stadig et stort antal bots derude, konstant tweeting og retweeting, forsøger at påvirke rigtige mennesker, der stemmer.

Det er en påmindelse om at være forsigtig med, hvad du læser – og hvad du tror – på sociale medier. Vi anbefaler, at du dobbelttjekker, at du følger personer, du kender og stoler på – og holder øje med, hvem der tweeter hvad på dine yndlings-hashtags.

Denne artikel er genudgivet fra The Conversation under en Creative Commons-licens. Læs den originale artikel.