Koordinationsmuster zeigen politisches Astroturfing im Internet auf der ganzen Welt

Unser zentrales Argument ist, dass die Untersuchung des Timings und der Zentralisierung der Nachrichtenkoordination dazu beiträgt, die Aktivität einer Reihe von Konten in einem empirisch beobachtbaren Spektrum gruppenbasierten Verhaltens in sozialen Medien zu verfolgen. Ein solches Spektrum reicht von „unkoordinierten Meldungen fremder Nutzer“ bis hin zu „zentral koordinierter Informationskampagne“. Astroturfing – insbesondere wenn Kampagnen einfache soziale Bots verwenden – wird am letzten Ende des Spektrums platziert, das eine starke gruppenbasierte Koordination zeigt. Eine theoretisch relevante Frage ist die Verortung von Basisbewegungen in diesem Raum. Bodenbewegungen zeigen eine gewisse Koordination, sind jedoch in Bezug auf Timing und Inhalt ihrer Nachrichten weniger synchronisiert, da ihre Teilnehmer organisch auf Hinweise reagieren, die von ihren Kollegen gesendet werden, anstatt auf zentralisierte Anweisungen. Daher erscheinen sie in der Mitte des Spektrums. Die zentral koordinierte Organisation des Astroturfing sollte daher andere empirische Spuren hinterlassen als Grassroots-Kampagnen.

Wir stützen unsere Erklärung dieser Muster auf die sozialwissenschaftliche Theorie, genauer gesagt auf das Main Agent Framework, wie es in der Politikwissenschaft verwendet wird²²wo es verwendet wurde, um die Fallstricke der Organisation von Landkampagnen während Wahlen zu erklären²³. Indem wir den Rahmen auf Astroturfing anwenden, argumentieren wir, dass die Organisatoren einer Astroturfing-Kampagne Schulleiter die versuchen, (politische) Ziele zu verfolgen, indem sie lehren und ermutigen Agent um Nachrichten zu erstellen und zu teilen, die den Zielen der Kampagne entsprechen. Denn eines der Ziele von Astroturfing ist es, das Verhalten so vieler Menschen zu erreichen und zu verändern regelmäßige Benutzer Der Erfolg der Kampagne hängt nach Möglichkeit von einer großen Reichweite und einem organischen Erscheinungsbild der Kampagne ab. Gemäß der Prinzipal-Agent-Theorie ist es jedoch schwierig, dieses komplexere Ziel zu erreichen, da die Präferenzen des Prinzipals und der Agenten nicht aufeinander abgestimmt sind: Agenten müssen daher extrinsisch motiviert sein und versuchen, auszuweichen.²², z. B. indem Sie ähnliche oder identische Konten und Inhalte erstellen, anstatt originelle Beiträge zur Kampagne zu erstellen. Wenn der Prinzipal kein teures System zur sorgfältigen Überwachung einrichten kann, werden Agenten weiterhin einen Informationsvorsprung gegenüber dem Prinzipal haben: Sie wissen, wie viel Aufwand sie in die Erstellung überzeugender Online-Personas stecken (oft wenig), während der Prinzipal dies nicht tut.

Wir würden daher erwarten, dass Kampagnenkonten innerhalb kurzer Zeit ähnliche oder identische Nachrichten posten oder reposten, was wir als „posten“ bezeichnen zusammen twittern und saam-retweet, und koordiniert mit einer großen Anzahl anderer Kampagnenkonten. Diese können Kampagnenaktivitäten ähneln, aber ihre Aktivitäten folgen keinen zentralisierten Anweisungen und posten daher mit größerer Wahrscheinlichkeit ähnliche Inhalte über einen langen Zeitraum und mit größeren Inhaltsvariationen, wenn sie beteiligt werden Wenige Freunde ahmen und variieren die Inhalte, die sie online sehen. Schließlich können sich Basiskampagnen stark auf den dezentralen Mechanismus von Twitter verlassen, um die Botschaft zu verbreiten, Hirsch. Aber wenn Astroturfing-Kampagnen auch Retweeting verwenden¹⁰, ist es unwahrscheinlich, dass es ein nützliches Merkmal sein wird, um die beiden zu unterscheiden. Schließlich sagt die Prinzipal-Agent-Theorie voraus, dass Agenten ihre Bemühungen nur dann ausweiten werden, wenn sie unter Aufsicht stehen, was dazu führen kann einzigartige temporäre Aktivitätsmuster, z.B. findet nur während der üblichen Bürozeiten statt. Wir erwarten, dass diese Hauptagentenkonstellation zu universellen Mustern führen wird, die in Astroturfing-Kampagnen in verschiedenen Ländern auf der ganzen Welt zu finden sind.

Forschungsdesign. Datensätze, Fallauswahl und Analyseansatz.

Abbildung 1 zeigt eine schematische Darstellung unseres Forschungsdesigns. Dabei nutzen wir die gesamten von Twitter freigegebenen Daten Zentrum der Informationsindustrie Initiative²⁴ bis Februar 2021 als „Ground Truth“-Daten, um zu zeigen, dass in fast allen Fällen ähnliche Koordinationsmuster auftreten. Wir schließen auch eine Kampagne ein, die der Aufmerksamkeit von Twitter entgangen ist, nämlich den Versuch des südkoreanischen Geheimdienstes, die nationalen Wahlen 2012 zu beeinflussen, wodurch sich unsere Gesamtpopulation an Astroturfing-Kampagnen auf 46 erhöht. Anschließend konzentrieren wir den Fokus der Studie auf die 33 Kampagnen, die mindestens 50.000 Tweets gesammelt haben. Um Methoden zur Erkennung von Astroturfing zu validieren, vergleichen wir das Verhalten von Astroturfing-Konten mit zwei „Vergleichsstichproben“, die Gruppen von Benutzern darstellen, die wahrscheinlich versuchen werden, eine bestimmte Kampagne zu imitieren und zu beeinflussen. Da das Abrufen von Tweets für ein solches systematisches Sampling zeit- und ressourcenintensiv ist, wählen wir für eine eingehende Studie vier separate Kampagnen aus, die auf Zielgruppen in sechs Ländern abzielen: der Versuch der russischen Internetforschungsagentur (IRA), die öffentliche Meinung in den USA und Deutschland zu gewinnen Polarisierung, und die Unterstützung des Regimes in Russland, der Versuch der chinesischen Regierung, den Rahmen der Proteste in Hongkong zu ändern, eine Kampagne, die die venezolanische Regierung ermutigte, und die oben erwähnte südkoreanische Sache. Weitere Details zur Fallauswahl und Probenkonstruktion finden Sie im Abschnitt Methoden.

Die Definition geeigneter Vergleichsgruppen ist in diesem Erkennungsprozess von wesentlicher Bedeutung, da eine (dezentrale) Koordinierung auch im Rahmen organischer Diskussionen zwischen spezifischen Themenpublikum und Basisbewegungen stattfinden kann. Um den Mehrwert unserer Forschung in dieser Hinsicht zu demonstrieren, haben wir eine Literaturrecherche verwandter Forschungen durchgeführt, die darauf abzielen, Kunstrasen nachzuweisen (siehe Tabelle S1 in den ergänzenden Informationen [SI]). Wir haben (1) Studien zur Erkennung von Social Bots ausgeschlossen, da diese Forschung nicht darauf abzielt, bestimmte Astroturfing-Kampagnen aufzudecken, sondern allgemeine Automatisierungsmuster, und (2) Studien, die lediglich die von Twitter bereitgestellten Daten offenlegen, wurden für eine Analyse von verwendet Kunstrasen, ohne vorhersagen zu wollen, welche Konten Teil einer bestimmten Kampagne sind. Die letztere Kategorie umfasst eine Reihe von Studien, die den Charakter und Umfang einzelner Kunstrasenkampagnen in verschiedenen Kontexten wie China untersucht haben.²⁵Saudi-Arabien²⁶ oder die russische Einflusskampagne in den USA^27,28,2930).

Unter den in Tabelle S1 aufgeführten Forschungsergebnissen^{10,31,32,3334}die Studien, die am engsten mit unserer verwandt sind, sind Vargas et al.³⁴ und Alizadeh et al.³¹, die beide einige der gleichen Daten verwenden, um zwischen Astroturfing-Konten und normalen Benutzern zu unterscheiden. Vargas und Kollegen haben insbesondere auf unserer bisherigen Arbeit aufgebaut^10.19 mit dem Ziel, einen Klassifikator zu konstruieren, um Kunstrasenkampagnen allgemeiner zu verfolgen³⁴. Sie wählten jedoch Ausgangswerte, die keine echten Graswurzelbewegungen oder die von den Kampagnen angesprochenen Zielgruppen mit bestimmten Themen darstellten, sondern drei institutionalisierte englischsprachige Elitegemeinschaften (Mitglieder des US-Kongresses, des britischen Parlaments und Akademiker). Diese Gemeinschaften unterscheiden sich nicht nur von den länderspezifischen Zielgruppen, die an den Themen einer Astroturfing-Kampagne beteiligt sind, sondern die Konten amerikanischer und britischer Abgeordneter werden oft von einer Gruppe von Mitarbeitern verwaltet, die für die Politiker arbeiten. Es ist daher unwahrscheinlich, dass sich die Konten dieser politischen Elite wie ein Konto eines normalen Bürgers verhalten werden. Als zweite Baseline verwendeten sie eine Schneeballstichprobe von zufälligen Benutzern ohne Verbindung zu den Gesprächen in den Zielländern, als die Astroturfing-Kampagnen aktiv waren.

Die Arbeit von Alizadeh et al. konzentriert sich auf englischsprachige Astroturfing-Kampagnen, verwendet eine Teilmenge der Twitter-Daten, um einen Algorithmus zu erstellen, der andere Astroturfing-Konten in späteren Perioden, auf verschiedenen Plattformen oder spätere Kampagnen verfolgen kann, die von demselben Akteur initiiert wurden³¹. Mit anderen Worten, ihr Ansatz erfordert eine Reihe von Astroturfing-Konten, die bereits mit alternativen Methoden identifiziert wurden. Sie vergleichen die bekannten Astroturfing-Accounts mit einer zufälligen Stichprobe regelmäßiger und politisch interessierter Nutzer. Während letzteres wie eine geeignete Vergleichsgruppe erscheinen mag, definieren die Autoren politisch interessierte Benutzer als diejenigen Benutzer, die mindestens drei Politikern folgen – die Stichprobe kann daher Bots enthalten, die darauf ausgelegt sind, die Anzahl der Follower zu erhöhen, und nicht aus Konten bestehen, die versuchen, an den Debatten teilzunehmen um die Astroturfing-Kampagne zu beeinflussen.

Wir erstellen natürlichere Vergleichsbeispiele, die den spezifischen Kontext jeder Kunstrasenkampagne widerspiegeln, z. B. länder- und kampagnenbezogene Themen und Schlüsselwörter. Wir haben Zufallsstichproben von Benutzern im Zielland genommen, die an den Diskussionen teilgenommen haben, um die Kunstrasenkampagnen zu beeinflussen, um ihre Aktivitätsmuster mit denen des Kunstrasens zu vergleichen. Wir berücksichtigen auch das Aktivitätsniveau bei der Gestaltung von Vergleichsmustern, damit die Konten in den Kunstrasenkampagnen und den Vergleichsgruppen vergleichbar sind. Zusammenfassend bietet unser Papier eine skalierbare Methode zur Erkennung von Astroturfing-Kampagnen und bestätigt die Ergebnisse anhand derselben Konten, die die Kampagne nachzuahmen versucht. Dieser universelle Ansatz erfordert keine Trainingsdaten und funktioniert gut ohne menschliches Zutun, wenn er Gruppen verdächtiger Accounts in allen zuvor aufgedeckten Fällen von Astroturfing auf Twitter erkennt. Damit leistet die Studie einen Beitrag zu methodischen Ansätzen zur Aufdeckung von Desinformation und offenbart überraschende Gemeinsamkeiten in Astroturfing-Kampagnen, auch über heterogene politische und gesellschaftliche Kontexte hinweg.