与大多数其他在线协调不真实行为不同,国家赞助的信息操作(SSIO)的目标通常是复杂且多方面的。这些目标范围从用特定叙事淹没对话,到增加公众对质量可疑新闻来源的参与,再到激发意识形态对立群体之间的紧张关系以削弱公众信任。理解SSIO的主流理论框架是将它们视为社交僵尸网络:一个行为同质的协调活动集群。然而,社交机器人框架不仅与早期SSIO中观察到的一些行为不符,更广泛地也与这些操作要实现的广泛目标不符。为了检验社交机器人框架在SSIO背景下的适用性,我们开发了一种基于词袋的用户活动轨迹聚类和描述新方法。将此方法应用于过去十年在Twitter上进行的SSIO综合资料库,我们发现SSIO违反了社交机器人框架的核心假设,以及它在实际工作中的操作方式。相反,我们发现SSIO表现出明确的劳动分工,并提出将协作工作与社会角色作为理解SSIO更有效的理论框架。通过应用这一框架,我们发现SSIO代理承担的角色随着时间的推移变得更加稳定和简单,这对此类操作的实际检测方法开发具有重要意义。
研究问题 / 现实痛点
这篇论文在当前问题库中对应的问题线索。
当前问题库还没有收录这篇论文的问题与痛点。
暂无符合条件(≥60% 相似度)的相关论文
基于研究子主题与职业分类的 Jaccard 相似度(≥60%)
快捷操作
一眼看懂
fact_check论文快照
dataset
来源
CSCW
calendar_month
年份
2023
emoji_events
奖项
未标记奖项
group
作者
2 位作者
sell
研究子方向
—
work
职业/产业
—
article
内容状态
仅摘要
hub
相关论文
0 篇相关论文