Co mohou výzkumníci najít mezi 32 miliony adres URL, které Facebook právě zveřejnil pro Social Science One?

Autor: Sergey Nivens/Shutterstock

Sociální věda jedna , nezisková komise zahájená v roce 2018 za účelem navázání konkrétních partnerství mezi akademiky a institucemi bohatými na data, jako je Facebook, má nyní 32 milionů jednotlivých odkazů extrahovaných ze sítě sociálních médií Marka Zuckerberga, na kterých lze provádět výzkum.

Po nečekaném téměř ročním zpoždění něco, co vytvořilo an naštvaný se zakladateli projektu nakonec koalice výzkumníků obdržela od Facebooku to, co je považováno za „jednu z největší sady odkazů kdy byly vytvořeny pro akademický výzkum.“

Alespoň to řekl Solomon Messing, bývalý ředitel datové laboratoře Pew Researcher Center a nyní manažer datové vědy pro Social Science One, řekl IFCN.

Nyní budou týmy výzkumníků vybrané z celého světa moci používat datový soubor k identifikaci trendů, vzorců a oblíbených témat ve světě obsahu na Facebooku.

Podle platformy datová sada obsahuje, kolikrát byly adresy URL veřejně sdíleny, datum jejich prvního sdílení, datum, kdy byly poprvé ověřeny fakty, zemi, ve které byly nejvíce sdíleny, a souhrn skutečného obsahu. obsažené v URL.

Zahrnuje také údaje o interakci uživatele, včetně toho, kolikrát byla adresa URL uživatelem označena jako obsahující nepravdivé zprávy a kolikrát byla adresa URL sdílena, aniž by na ni bylo skutečně kliknuto.

Facebook uvedl, že vybral tyto datové body, protože jsou široce považovány za indikátory dezinformací. Od nynějška je mohou výzkumníci používat k pochopení druhu témat, která na platformě dominují, nebo k vytváření modelů strojového učení na základě těchto vzorců.

Pro přístup k souboru asi 32 milionů URL musí akademici schválit své projekty komisí Social Science One. Návrhy, které budou přijaty, mohou získat finanční prostředky, data a další výhody. A všechny výsledné práce mohou být publikovány podle přání výzkumníka, bez jakýchkoli dalších omezení ze strany Facebooku nebo komise.

„Pokračujeme ve zpřístupňování dalších dat způsobem, který chrání soukromí lidí,“ řekl Messing. 'Tento soubor dat umožní výzkumníkům odpovědět na důležité otázky o dezinformacích a roli sociálních médií ve společnosti.'

Očekávání jsou vysoká.

Zpoždění v doručování dat

V dubnu 2018, kdy Facebook oznámil bylo to partnerství s akademiky, aby jim poskytlo cenná data pro výzkum dezinformací, očekávalo se, že tyto soubory dat budou zabere to nějaký čas připravit. Ale ne takhle dlouho.

V srpnu Buzzfeed News hlášeno že sponzori Social Science One, včetně Democracy Fund, William and Flora Hewlett Foundation, John S. and James L. Knight Foundation, Charles Koch Foundation a Omidyar Network, hrozili, že z projektu kvůli zpoždění odstoupí.

Podle zprávy dali Facebooku termín do 30. září na sdílení datových sad, které slíbil, jinak projekt skončí.

V lednu však Social Science One v blogovém příspěvku oznámila, že Facebook bude potřebovat více času na vydání datové sady URL s odkazem na obavy o soukromí.

„Facebook musí nejen splňovat nové obecné nařízení o ochraně osobních údajů Evropské unie, stejně jako podobné zákony na ochranu soukromí v jurisdikcích po celém světě, ale musí také splňovat dekret Facebooku o souhlasu s Federální obchodní komisí USA,“ blogový příspěvek číst. 'Vzhledem k bezprecedentní povaze našeho projektu se Facebook pohybuje pomalu a opatrně, aby zajistil, že náš projekt bude v souladu se všemi relevantními právními předpisy.'

Soubor dat byl zveřejněn v polovině září, těsně před termínem, který Buzzfeed oznámil.

Jak byly řešeny otázky ochrany soukromí?

Podle Facebooku bylo k adresám URL, které vstoupily do datové sady, přidáno rozdílné soukromí. To znamená, že příspěvek každého jednotlivce k datům byl maskován.

Facebook uvedl, že rozdílné soukromí charakterizoval jako další „statistický šum“, který lidem poskytuje další vrstvu ochrany a chrání je před kybernetickými útoky.

Jaký výzkum umožňuje tento soubor dat?

Dřívější verze datové sady URL, která byla zpřístupněna schváleným výzkumníkům prostřednictvím platformy CrowdTangle pro sledování sociálních sítí, byla již použita v studie o koordinovaném neautentickém chování při sdílení odkazů v období před evropskými volbami v Itálii v roce 2019.

Nyní budou vědci moci využívat celý soubor dat, aby lépe porozuměli tomu, jaké druhy obsahu a témat na Facebooku převládají. Budou schopni identifikovat vzorce v tom, co je v průběhu času sdíleno, a mohli by potenciálně vytvářet modely strojového učení, které odhalí dezinformace.

Facebook uvedl, že výzkumníci si již dlouho uvědomují potřebu velkého a různorodého souboru dat pro trénování takového modelu strojového učení. Tato datová sada URL patří mezi největší existující, má 7 gigabajtů a obsahuje přibližně 32 milionů adres URL a přibližně 544 milionů hodnot buněk.

Akademici mohou být schopni identifikovat, jak trendový obsah souvisí s politickými událostmi a zaváděním produktů na Facebooku. Mezi další potenciální témata studia patří, jak polarizace, politici a zpravodajské cykly hrají roli v šíření dezinformací na platformě.