27318

طراحي الگويي براي شناخت وضعيت اخبار نادرست و گمراه‌كننده در توييتر و شناسايي خودكار آن با استفاده از داده هاي انتخابات 1398 مجلس

كارشناسي ارشد

مديريت فناوري اطلاعات گرايش كسب و كار الكترونيك

1397

1401/02/31

دكتر محمد فتحيان

دكتر ميثم علي زاده

مديريت،اقتصاد و مهندسي پيشرفت

انتشار اخبار جعلي و نادرست سابقه طولاني در رسانه¬ها دارد اما با فراگيري رسانه¬هاي اجتماعي، توليد و انتشار آن بسيار سريع و كم هزينه شده است و اين گونه اخبار مي¬تواند آثار مخربي را براي جامعه و يا افراد ايجاد كند. حجم مشكلات و آسيب¬هاي وارد شده به وسيله¬ي انتشار اطلاعات نادرست در رسانه-هاي اجتماعي باعث شده است در سال¬هاي اخير تحقيقات اطلاعات نادرست مورد توجه پژوهشگران قرار گيرد. يكي از زمينه¬هاي توليد و انتشار اخبار جعلي و گمراه كننده، كارزار¬هاي انتخاباتي است كه برخي از افراد و يا نهاد¬ها تلاش مي¬كنند با انتشار اطلاعات گمراه كننده و نادرست، بر انتخابات و افكار عمومي تاثيرگذار باشند. نظر به اين كه تاكنون در ايران پژوهش مدّون مبتني بر داده، پيرامون اخبار نادرست و گمراه¬كننده صورت نپذيرفته است، در اين تحقيق تلاش شده است حجم و مقياس اخبار نادرست و گمراه¬كننده در رسانه اجتماعي توييتر و در بازه انتخاباتي مجلس شوراي اسلامي سال 1398، اندازه گيري شود و گروه¬هاي فعال در انتخابات شناسايي گردند و در انتها مدلي مبتني بر الگوريتم¬هاي يادگيري ماشين در جهت شناسايي اخبار نادرست و گمراه¬كننده توسعه داده شود. دادگان اوليه اين پژوهش با استفاده از رابط برنامه نويسي توييتر، 1.134.701 توييت كه حاوي كلمات و يا هشتگ¬هاي انتخابات، مجلس و شوراي نگهبان بودند در بازه زماني 5 بهمن 1398 الي 6 اسفند 1398 استخراج گرديد. اين تعداد توييت توسط 102.785 كاربر يكتا منتشر شده است و 71.71 درصد توييت¬ها، ريتوييت بوده است. نتايج اين پژوهش نشان مي¬دهد كه 2.06 درصد توييت¬هاي منتشر شده حاوي اطلاعات نادرست و 5.51 درصد توييت¬ها گمراه¬كننده بوده اند. هم¬چنين با تشكيل شبكه ريتوييت كاربران هفت گروه اصلي سياسي شناسايي شد كه اصولگرايان مجازي بيشترين تعداد كاربر مشاركت كننده و مجاهدين خلق بيشترين درصد انتشار خبر نادرست نسبت تعداد گروه را داشته است. با برچسب¬گذاري توييت¬ها به كمك پلتفرم ساخته شده، مدلي به منظور شناسايي خودكار نوع توييت با الگوريتم ايكس¬جي¬بوست توسعه داده شده است كه اخبار نادرست را با 78 درصد دقت شناسايي مي‌كند.

1401/07/02

Developing an Approach to Measure the Scale of Misinformation Spread During the Iran 2020 Parliament Election and Proposing a Machine Learning Model to Detect Misinformation

5/21/2023 12:00:00 AM

The spread of fake news and misinformation has a long history in media but the advent of social media made its production and dissemination fast and inexpensive. This type of news may result in devastating effects on society or individuals. Arisen social harms and issues in recent years brought the attention of researchers to the misinformation studies. Election campaigns are known as a groundwork for the production and dissemination of fake and misleading news in which some individuals or institutions try to influence the elections and public opinion by spreading misinformation. This research aims to measure the volume and scale of misinformation and misleading news on Twitter during the Iran 2020 parliament election and to distinguish active groups in the elections. Finally, a model was developed based on machine learning algorithms to identify misinformation and misleading news. The Preliminary data were extracted using the Twitter API, derived to 1,134,701 tweets containing words or hashtags of elections, parliament, and the Guardian Council from January 25, to February 25, 2020. This number of tweets was published by 102,785 unique users and 71.71% of the tweets were retweets. The results of this study indicate 2.06% of tweets contained misinformation and 5.51% of tweets were misleading. The formation of the retweet network of users assorted users into seven main political groups. By tagging the tweets employing the developed platform, a model has been developed to automatically identify the news with the XGBoost algorithm, which detects misinformation news with 78% accuracy.

اخبار جعلي , اطلاعات نادرست , اطلاعات گمراه¬كننده , توييتر , انتخابات مجلس 98

fake news , misinformation , misleading news , twitter , parliamentary election

Mohammad Masiha Zahedivafa

Dr. Mohammad Fathian