Combating online misinformation by detecting organized groups on social media
Bibliographic record
Abstract
Campagne de désinformation coordonnée - l'utilisation malveillante et coordonnée des médias sociaux en ligne à des fins de manipulation est devenue un problème mondial pressant. Elle vise à déformer l'espace d'information pour semer la confusion et distraire le public, à diffuser de la propagande et de la désinformation pour favoriser les divisions, et à paralyser les capacités de prise de décision des individus. Les objectifs ou les motifs ultimes de ces campagnes de désinformation coordonnées peuvent être difficiles à interpréter, mais leur influence négative sur l'opinion publique, la démocratie et les élections est importante. Nous proposons des solutions algorithmiques qui visent à détecter les campagnes de désinformation coordonnées sur les médias sociaux, et réalisons des études de cas sur des données Twitter réelles. Plus précisément, nous proposons le cadre Embed-Cluster-Rank, un pipeline algorithmique en trois étapes qui apprend des représentations en basse dimension pour chaque utilisateur sur un réseau social, regroupe ces représentations en grappes d'utilisateurs et classe finalement ces grappes en fonction de la suspicion de s'engager dans des campagnes d'information coordonnées. Nous proposons ensuite trois instanciations du cadre Embed-Cluster-Rank basées sur différents composants d'intégration - auto-codeur commun, projection linéaire et agrégation, et décomposition des tenseurs. Nous présentons des résultats expérimentaux sur des données synthétiques, des données Twitter réelles liées aux élections fédérales canadiennes de 2019 et des études de cas qui révèlent des conclusions intéressantes et importantes sur le paysage de l'information ainsi que sur les groupes d'utilisateurs suspects ayant un impact sur le dialogue politique
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.007 |
| Meta-epidemiology (narrow) | 0.002 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.006 | 0.003 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.003 | 0.003 |
| Open science | 0.002 | 0.002 |
| Research integrity | 0.002 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 0.002 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".