تصویرسازی یک شبکه با ابزار معرفی شده برای #StrangerThings

Credit: Image courtesy of the Observatory on Social Media at Indiana University

بلومینگتون[4] ایندیانا[5] [نقل می کند]: رصد خانه رسانه های اجتماعی[6] در دانشگاه ایندیانا[7]، سه ابزار جدید یا اصلاح شده بدون هزینه را راه اندازی کرده است تا به روزنامه نگاران، سایر پژوهشگران و عموم مردم دید وسیعی از آنچه در رسانه های اجتماعی اتفاق می افتد، ارائه دهد.

این ابزار ها به غلبه بر برخی از بزرگترین چالش های تفسیر جریان اطلاعات[8] برخط[9] کمک می کند که درک آن اغلب دشوار است؛ زیرا از منظر یک حساب فردی[10]، گردش مداوم اطلاعات بسیار سریع و مجرب است. همچنین می تواند تحت تاثیر ربات ها و سایر برنامه ها قرار گیرد و تصویری را که واقعا در حال وقوع است، مخدوش کند.

«اغلب شما می شنوید که چیزی فراگیر می شود، اما چگونه؟» فیلیپو منزر[11]، مدیر رصدخانه رسانه های اجتماعی و استاد برجسته علوم کامپیوتر و انفورماتیک در دانشکده انفورماتیک، محاسبات و مهندسی آی یو لادی[12]، بیان کرد: « ابزارهای ما به شما نشان می دهد که مکالمه چیست، بازیکنان چه کسانی هستند، پیام های فراگیر چیست و حتی می توانید قطبی سازی[13] را تصویرسازی کنید که مکانی برای کاوش در موضوعات و نحوه کار آن ها با یکدیگر فراهم می کند».

• ابزارهای شبکه[14] که اخیرا به روز رسانی شده است، یک نقشه تعاملی (اکنون به صورت سه بعدی) ایجاد می کند تا چگونگی انتشار اطلاعات در توییتر[15] را بررسی کند. کاربران می توانند تصویرسازی کنند که چه کسی در یک موضوع خاص، بازتوییت[16] می کند، یا چه کسی را نام میبرد[17]، یا از کدام هشتگ ها[18] با هشتگ های دیگر استفاده می شود و اکنون همه داده ها میتواند استخراج شود. با استفاده از این ابزار پژوهشگران، مربیان، روزنامه نگاران و عموم مردم میتوانند در یک نگاه اجمالی، شبکه های پیچیده ای[19] را ببینند که تجربه برخط ما را هدایت می کنند.

• ابزار ترند (طرفدار) [20] به کاربران کمک می کند تا حجم توییت ها را برای یک هشتگ معین، یو-آر-ال[21] یا یک کلیدواژه[22] در یک بازه زمانی مشخص تجزیه و تحلیل کنند. این ابزار نشان می دهند که کدام موضوعات (ترند) پرطرفدار[23] هستند و چه مواردی فراگیر می شوند. دیدن اینکه آیا هشتگ های مرتبط با آنها پرطرفدار است، می تواند برای نشان های تجاری (برندها)[24] و کسب و کار ها بسیار ارزشمند باشد و کاربران حتی می توانند موجودی نماد سهام ها[25] را جست و جو کنند تا بفهمند مردم در مورد کدام یک از آنها (سهام ها) صحبت می کنند.

• ابزار جدید بات امپ[26] به کاربران امکان می دهد تا فعالیت احتمالی ربات را برای توییت های فیلتر شده[27]، توسط یک عبارت جست‌وجو[28] مشخص کنند. بات امپ بر اساس بات سنج[29] ساخته شده است، یک سیستم محبوب تشخیص ربات که توسط رصدخانه رسانه های اجتماعی، توسعه یافته و برای کمک به خبرنگاران طراحی شده است تا درک کنند آیا چیزی به اشتباه توسط ربات ها تقویت می شود یا خیر.

کای-چنگ چانگ[30]، دانشجوی دکترا در رصدخانه رسانه های اجتماعی که بات امپ را طراحی کرده، بیان کرد: « ما یک الگوریتم بسیار سریع به نام بات سنج‌لیت[31] را اجرا می کنیم که به نمایه حساب[32] نگاه می کند و امتیازی[33] را بر اساس آن نمایه می دهد. امتیاز بالا به این معنی است که نمایه احتمالا خودکار[34] و امتیاز پایین نشان می دهد که نمایه احتمالا انسانی[35] است».

«ما نمی توانیم با اطمینان بگوییم آیا این یک ربات است، اما می توانیم بگوییم که بسیار شبیه به یک [ربات] می باشد. سپس به توزیع امتیازات نمایه های درگیر در توییت هایی که با عبارت جست و جو مطابقت دارند، نگاه می کنیم. بات امپ یک تجزیه و تحلیل آماری[36] انجام می دهد تا مشخص کند آیا احتمالا این فعالیت توسط حساب های خودکار در مقایسه با یک (معیار) پایه[37]، تقویت می شود».

ابزار های رصد خانه رسانه های اجتماعی به جریان عظیمی از داده ها نفوذ می کنند- تقریبا 50 میلیون توییت در روز- جمع آوری شده از توییتر. این تقریبا معادل 10 درصد از توییت های عمومی است. (توییت‌ها) سپس برای استفاده از طریق این ابزارها، تجزیه و تحلیل و فهرست بندی می شوند.

کاربران می توانند داده های هر ماه (انتخابی) را از سه سال قبلش تصویرسازی کنند. منزر گفت که اکثر ابزارها، به کاربران اجازه نمی دهند تا اینقدر (سه سال) به عقب برگردند.

او گفت: «همیشه بحث های زیادی در آنچه در [فضای] برخط می گذرد، وجود دارد». «این ابزارها به معنای کمک به مطالعه عمومی این چیزها و دیدن آنهاست».

منبع خبر: News at IU Bloomington

لینک اصلی خبر:

https://news.iu.edu/stories/2022/07/iub/releases/27-social-media-tools-bots-viral-posts.html?fbclid=IwAR2ErwUDowSmHQ5Yw8zIamQeg70MOlmiZHtEaDAcSipB7gbF44pmE1EuCsE

مترجم: حدیث ثلاثی

ویراستار: فاخته قنبرنژاد

تاریخ ارائه خبر:۱۴۰۱/۰۶/۰۲

برچسب ها: (نوع خبر: خبر علمی/معرفی ابزار) ؛ (حوزه خبر:سیستم های پیچیده، علم شبکه)

لغات تخصصی ترجمه‌ شده و اسامی خاص:

[1] Social Media

[2] viral

[3] bots

[4] Bloomington

[5] Indiana

[6] Observatory on Social Media (OSoMe);

[7] Indiana University Bloomington

[8] information

[9] online

[10] individual accounts newsfeed

[11] Filippo Menczer;

[12] IU Luddy School of Informatics, Computing and Engineering

[13] polarization

[14] Networks Tool

[15] Twitter

[16] retweeting

[17] mentioning

[18] hashtags

[19] complex networks

[20] Trends Tool

[21] URL (Uniform Resource Locator)

[22] keyword

[23] trending

[24] brands

[25] stock ticker symbols

[26] BotAmp Tool

[27] filtered

[28] search term

[29] Botometer

[30] Kai-Cheng Yang

[31] BotometerLite

[32] account profile

[33] scor

[34] automated

[35] human

[36] statistical analysis

[37] baseline