Bijna tweederde van de socialemediabots met politieke activiteit op Twitter vóór de Amerikaanse presidentsverkiezingen van 2016 steunde Donald Trump. Maar al die bots van Trump waren veel minder effectief in het veranderen van de mening van mensen dan het kleinere aantal bots dat Hillary Clinton steunde. Zoals mijn recente onderzoek laat zien, een klein aantal zeer actieve bots kan de politieke meningen van mensen aanzienlijk veranderen. De belangrijkste factor was niet hoeveel bots er waren, maar eerder, hoeveel tweets elke set bots heeft uitgegeven.

Mijn werk richt zich op militaire en nationale veiligheidsaspecten van sociale netwerken, dus natuurlijk was ik geïntrigeerd door zorgen dat bots de uitkomst van de komende tussentijdse verkiezingen van 2018 zouden kunnen beïnvloeden. Ik begon in 2016 te onderzoeken wat bots precies deden. Er was veel retoriek – maar slechts één feitelijk principe:als informatieoorlogvoering met behulp van bots was gelukt, dan zouden de meningen van de kiezers zijn veranderd.

Ik wilde meten hoeveel bots wel of niet verantwoordelijk waren voor veranderingen in de politieke opvattingen van mensen. Ik moest een manier vinden om sociale media-bots te identificeren en hun activiteit te evalueren. Toen moest ik de meningen van gebruikers van sociale media meten. als laatste, Ik moest een manier vinden om in te schatten wat de mening van die mensen zou zijn geweest als de bots nooit hadden bestaan.

Tweeters en bots vinden

Om het onderzoek een beetje te verfijnen, mijn studenten en ik hebben onze analyse gericht op de Twitter-discussie rond één gebeurtenis in de aanloop naar de verkiezingen:het tweede debat tussen Clinton en Trump. We verzamelden 2,3 miljoen tweets met trefwoorden en hashtags die verband hielden met het debat.

Toen maakten we een lijst van de ongeveer 78, 000 Twitter-gebruikers die die tweets hebben gepost en het netwerk hebben opgebouwd van wie wie volgde onder die gebruikers. Om de bots onder hen te identificeren, we gebruikten een algoritme op basis van onze observatie dat bots vaak mensen retweeten, maar zelf niet vaak.

Deze methode vond 396 bots - of minder dan 1 procent van de actieve Twitter-gebruikers. En slechts 10 procent van de accounts volgde hen. Ik voelde me daar goed bij:het leek onwaarschijnlijk dat zo'n klein aantal relatief losgekoppelde bots een groot effect zou kunnen hebben op de mening van mensen.

Een kijkje bij de mensen

Vervolgens gingen we de mening van de mensen in onze dataset meten. We deden dit met een soort machine learning-algoritme dat een neuraal netwerk wordt genoemd. die we in dit geval hebben opgezet om de inhoud van elke tweet te evalueren, het bepalen van de mate waarin het Clinton of Trump steunde. De meningen van individuen werden berekend als het gemiddelde van de meningen van hun tweets.

Nadat we elke menselijke Twitter-gebruiker in onze gegevens een score hadden toegekend die aangeeft hoe sterk ze een Clinton- of Trump-supporter waren, de uitdaging was om te meten in hoeverre de bots de mening van mensen hebben veranderd - wat betekende dat ze moesten berekenen wat hun mening zou zijn geweest als de bots niet hadden bestaan.

Gelukkig, een model uit de jaren zeventig had een manier ontwikkeld om de gevoelens van mensen in een sociaal netwerk te peilen op basis van onderlinge verbanden. In dit netwerkgebaseerde model meningen van individuen hebben de neiging om af te stemmen op de mensen die met hen verbonden zijn. Na het model enigszins te hebben aangepast om het op Twitter toe te passen, we gebruikten het om de mening van mensen te berekenen op basis van wie wie volgde op Twitter – in plaats van naar hun tweets te kijken. We ontdekten dat de meningen die we berekenden op basis van het netwerkmodel goed overeenkwamen met meningen die werden gemeten aan de hand van de inhoud van hun tweets.

Leven zonder bots

Tot nu toe hadden we aangetoond dat de volgersnetwerkstructuur in Twitter de mening van mensen nauwkeurig kon voorspellen. Hierdoor konden we nu vragen stellen als:Wat zouden hun meningen zijn geweest als het netwerk anders was geweest? Het andere netwerk waarin we geïnteresseerd waren, was er een die geen bots bevatte. Dus voor onze laatste stap, we hebben de bots uit het netwerk verwijderd en het netwerkmodel opnieuw berekend, om te zien wat de mening van echte mensen zou zijn geweest zonder bots. Zowaar, bots hadden de mening van menselijke gebruikers veranderd - maar op een verrassende manier.

Gezien een groot deel van de berichtgeving, we verwachtten dat de bots Trump zouden helpen, maar dat deden ze niet. In een netwerk zonder bots, de gemiddelde menselijke gebruiker had een pro-Clinton-score van 42 op 100. Met de bots, Hoewel, we hadden ontdekt dat de gemiddelde mens een pro-Clinton-score van 58 had. Die verschuiving was een veel groter effect dan we hadden verwacht, gezien hoe weinig en niet verbonden de bots waren. De netwerkstructuur had de kracht van de bots vergroot.

We vroegen ons af wat de Clinton-bots effectiever had gemaakt dan de Trump-bots. Bij nadere inspectie bleek dat de 260 bots die Trump steunden een gecombineerde 113, 498 tweets, of 437 tweets per bot. Echter, de 150 bots die Clinton ondersteunden, plaatsten er 96, 298 tweets, of 708 tweets per bot. Het bleek dat de kracht van de Clinton-bots niet uit hun aantal kwam, maar van hoe vaak ze tweeten. We ontdekten dat de meeste van wat de bots plaatsten, retweets waren van de kandidaten of andere invloedrijke personen. Dus ze maakten niet echt originele tweets, maar bestaande delen.

Het is vermeldenswaard dat onze analyse keek naar een relatief klein aantal gebruikers, zeker in vergelijking met de stemgerechtigde bevolking. En het was slechts gedurende een relatief korte periode rond een specifiek evenement in de campagne. Daarom, ze suggereren niets over de algemene verkiezingsresultaten. Maar ze tonen wel het potentiële effect dat bots kunnen hebben op de mening van mensen.

Een klein aantal zeer actieve bots kan de publieke opinie aanzienlijk veranderen - en ondanks de inspanningen van socialemediabedrijven, er zijn nog steeds grote aantallen bots, voortdurend tweeten en retweeten, proberen om echte mensen die stemmen te beïnvloeden.

Het is een herinnering om voorzichtig te zijn met wat je leest - en wat je gelooft - op sociale media. We raden je aan te controleren of je mensen volgt die je kent en vertrouwt - en in de gaten te houden wie wat tweet op je favoriete hashtags.

Dit artikel is opnieuw gepubliceerd vanuit The Conversation onder een Creative Commons-licentie. Lees het originele artikel.