Εκτενής προβολή από τον διεθνή τύπο των ερευνητικών αποτελεσμάτων του εργαστηρίου Δικτυωμένων Συστημάτων και Επιστήμης Δικτύων του ΤΕΠΑΚ 

 

Διεθνούς προβολής έχουν τύχει πρόσφατα ερευνητικά αποτελέσματα στα οποία είχε καταλυτική συνεισφορά το εργαστήριο Δικτυωμένων Συστημάτων και Επιστήμης Δικτύων (NetSySci) του Τεχνολογικού Πανεπιστημίου Κύπρου. Τα τελευταία χρόνια το εργαστήριο μας μελετά τις εκφάνσεις της ρητορικής μίσους σε μέσα κοινωνικής δικτύωσης (ΜΚΔ), τη διάδοση ψευδών ειδήσεων μεταξύ πολλαπλών ΜΚΔ και την προέλευση των διαδικτυακών μιμιδίων (memes). Τα παραπάνω θέματα είναι άμεσα συνδεδεμένα με πρόσφατα παγκόσμια γεγονότα στις ΗΠΑ και Ευρώπη. Κατά συνέπεια, τα ερευνητικά αποτελέσματα μας ελκύουν το ενδιαφέρον μεγάλων ειδησεογραφικών πρακτορείων όπως Washington Post, The Atlantic, Business Insider, CBSNews, και Vice.  

Το έγκριτο ειδησεογραφικό πρακτορείο Τhe Atlantic δημοσίευσε ένα άρθρο το οποίο περιγράφει πώς εξτρεμιστικές οργανώσεις χρησιμοποιούν τα ΜΚΔ για να προωθήσουν ακροδεξιά ρητορική μίσους. Το συγκεκριμένο άρθρο περιέχει αποτελέσματα έρευνας του εργαστηρίου NetSySci όπου μετρήσαμε την επιρροή περιθωριακών (fringe) ΜΚΔ (π.χ., το 4chan και πιο συγκεκριμένα την κοινότητα /pol/ που πραγματεύεται πολιτικά θέματα με ακροδεξιά προσέγγιση) σε δημοφιλή δίκτυα (π.χ., Twitter και Reddit) όσον αφορά στη διάδοση αληθινών και ψευδών πληροφοριών [1]. Το βασικό συμπέρασμα της έρευνάς μας ήταν ότι τα περιθωριακά ΜΚΔ έχουν δυσανάλογα μεγάλη επιρροή ως προς τις ψευδείς ειδήσεις που εμφανίζονται σε χρήστες δημοφιλών ΜΚΔ. Συγκεκριμένα, 5-7% των ψευδών ειδήσεων σε επικρατούντα ΜΚΔ προέρχονται από περιθωριακά δίκτυα που έχουν 500-1000 φορές μικρότερο αριθμό χρηστών.  

Σε συνέχεια της πιο πάνω έρευνας, επικεντρωθήκαμε στο πώς διαδικτυακά μιμίδια (memes) διαδίδονται στον παγκόσμιο ιστό και πώς μπορούμε να τα εντοπίσουμε και χαρακτηρίσουμε [2]. Συγκεκριμένα υλοποιήσαμε ένα σύστημα που είναι ικανό να εντοπίσει αν μια εικόνα είναι μιμίδιο και αν το συγκεκριμένο μιμίδιο  περιέχει ρητορική μίσους ή ρατσιστικό περιεχόμενο. Κατά την διάρκεια της έρευνας μας, τρέξαμε το σύστημα μας σε όλες τις εικόνες που διαδόθηκαν στο 4chan/pol/, Reddit, Twitter και Gab, μεταξύ Ιουλιού 2016 και Ιουλίου 2017. Τα κύρια αποτελέσματα της έρευνας είναι οτι μικρές περιθωριακές κοινότητες όπως το 4chan/pol/ και Gab, διαδίδουν σημαντικό αριθμό ρατσιστικών μιμιδιών καθώς και μιμίδια που περιέχουν ρητορική μίσους. Η συγκεκριμένη έρευνα προσέλκυσε το ενδιαφέρον δημοφιλών ειδησεογραφικών πρακτορείων όπως το Business Insider και Quartz τα οποία δημοσίευσαν δύο άρθρα που περιγράφουν την έρευνα μας. Επίσης, το CBSNews συζήτησε τα αποτελέσματα της έρευνας στα πλαίσια του ειδησεογραφικού του προγράμματος. 

Πιο πρόσφατα, η Washington Post, ένα από τα μεγαλύτερα ειδησεογραφικά πρακτορεία στον κόσμο, αφιέρωσε ένα άρθρο σε ηλεκτρονική και έντυπη μορφή (πρώτο στην στήλη Economy & Business) για την έρευνα μας που αφορά την ρητορική που στοχοποιεί συγκεκριμένες μερίδες πληθυσμού όπως την Εβραϊκή κοινότητα [3]. Στην συγκεκριμένη έρευνα αναλύσαμε δυο περιθωριακά δίκτυα κοινωνικής δικτύωσης, το 4chan/pol/ και το Gab,  και καταδείξαμε την αύξηση της αντι-εβραϊκής ρητορικής στα συγκεκριμένα δίκτυα. Επίσης μελετήσαμε πως αυτή η αύξηση συσχετίζεται με παγκόσμια πολιτικά γεγονότα. Το κύριο αποτέλεσμα της ανάλυσης είναι ότι η αντι-εβραϊκή ρητορική αυξήθηκε σημαντικά μετά την εκλογή του Ντόναλντ Τραμπ. 

Επίσης, αναλύσαμε την διάδοση μιμιδίων όπως το Happy Merchant το οποίο απεικονίζει ένα μέλος της εβραϊκής κοινότητας να προσπαθεί να ξεγελάσει άλλους με κύριο κίνητρο το χρηματικό κέρδος. Τα κύρια αποτελέσματα από την ανάλυση των μιμιδίων μίσους είναι ότι υπάρχει σταθερά συχνή διάδοση στο 4chan ενώ παρατηρήσαμε ότι στο Gab, τα μιμίδια μίσους αυξήθηκαν σημαντικά μετά το 2017. Εν τέλει, αναλύσαμε πώς αυτά τα δίκτυα επηρεάζουν μεγάλα δημοφιλή δίκτυα οπως το Twitter και Reddit, και βρήκαμε ότι το 4chan είναι το δίκτυο με τη μεγαλύτερη επιρροή σε άλλα δίκτυα ως προς τη διάδοση μιμιδίων με αντι-εβραϊκή ρητορική. Είναι πολύ σημαντικό να αναφέρουμε ότι όταν κανονικοποιήσαμε την επιρροή σε σχέση με τον αριθμό μιμιδίων που διαδίδονται σε κάθε δίκτυο, βρήκαμε ότι το πιο ισχυρό δίκτυο από πλευράς επιρροής είναι το The_Donald subreddit (κοινότητα στο Reddit αφιερωμένη στον Ντόναλντ Τραμπ). Αυτό σημαίνει ότι τα μιμίδια που εμφανίζονται στο The_Donald είναι περισσότερο πιθανό να εμφανιστούν στο υπόλοιπο Reddit και στο Twitter, από ότι μιμίδια που εμφανίζονται στο 4chan.  

Στα πλαίσια των εν λόγω μελετών, το ΤΕΠΑΚ συνεργάστηκε με ερευνητές από Telefonica Research, University College London, University of Alabama at Birmingham, Princeton University, και University of Illinois at Urbana–Champaign. Οι μελέτες χρηματοδοτούνται από το ερευνητικό έργο ENCASE, ως μέρος του προγράμματος Marie Curie RISE του Horizon 2020. Το έργο ENCASE συντονίζει ο Δρ. Μιχαήλ Σιριβιανός, Επίκουρος Καθηγητής Μηχανικής Η/Υ και Πληροφορικής και μέλος του Ερευνητικού Κέντρου Κοινωνικής Πληροφορικής του  ΤΕΠΑΚ. Στις προαναφερθείσες μελέτες είχε σημαντικότατη συνεισφορά ο κ. Σάββας Ζαννέττου ο οποίος είναι υποψήφιος διδάκτορας στο ΤΕΠΑΚ.  

Οι προαναφερθείσες μελέτες και σύνδεσμοι στα άρθρα του διεθνούς τύπου διατίθενται στην ιστοσελίδα https://encase.socialcomputing.eu/publications. 

 

Βιβλιογραφικές Αναφορές 

 

[1] Zannettou, Savvas, Tristan Caulfield, Emiliano De Cristofaro, Nicolas Kourtelris, Ilias Leontiadis, Michael Sirivianos, Gianluca Stringhini, and Jeremy Blackburn. “The Web Centipede: Understanding How Web Communities Influence Each Other Through the Lens of Mainstream and Alternative News Sources.” Proceedings of the 2017 ACM Internet Measurement Conference. 

 

[2] Zannettou, Savvas, Tristan Caulfield, Jeremy Blackburn, Emiliano De Cristofaro, Michael Sirivianos, Gianluca Stringhini, and Guillermo Suarez-Tangil. “On the Origins of Memes by Means of Fringe Web Communities.” Proceedings of the 2018 ACM Internet Measurement Conference. 

 

[3] Finkelstein, Joel, Savvas Zannettou, Barry Bradlyn, and Jeremy Blackburn. “A Quantitative Approach to Understanding Online Antisemitism.” arXiv preprint arXiv:1809.01644 (2018).