支持群体免疫的社交媒体对话是由机器人驱动的

主要亮点

• 大约一半的概况推动畜牧业免疫情况是人造账户。这些机器人或机器人样的账户通常具有异常高水平的转扬和低含量多样性的表征。
• 归因于支持关于社交媒体的伟大巴伦顿宣言的高水平的机器人行为表明，与基于科学共识的对话相反的群体免疫理论相比，对谈话和无机的谈话。高频率的无机活动的结果是创造了多数错觉（当社交网络中某些成员提供了一个想法或意见比它更受欢迎的外表。

周围畜群免疫的在线辩论显示了单面自动化

几个月来，关于所谓的群体免疫的争论一直在国际上展开。这种群体免疫策略背后的理念是保护弱势群体，同时让COVID-19在弱势群体中传播不受控制。由于一些伦理和实际原因，许多科学家对这一策略不予考虑，比如美国等国家的弱势群体数量庞大，以及对SARS-CoV-2对低风险群体的长期影响缺乏充分了解。然而，支持的呼声越来越高，部分原因是特朗普总统的高级顾问斯科特·阿特拉斯博士(Dr. Scott Atlas)接受了这一概念呼吁美国尝试这一战略．一小组公共卫生科学家概述了对该战略的支持大堡宣言．

在争论的另一边，像福奇博士这样的著名科学家称群体免疫通过自然感染“危险”和“胡说”．传染病专家推测这一策略可能导致200万不必要的死亡．另一组科学家最近发表了一部通讯柳叶瓶以及伴随的约翰雪纪念日，作为《巴灵顿宣言》的替代方案。

关于主题建模

在我们研究数十万推文的研究中，我们发现与畜群免疫和伟大巴伦顿宣言有关的强大谈话。金博宝正规网址为了更好地了解我们应用称为主题建模的技术的对话。一种主题模型是一种常用的文本挖掘方法，它对特定对话中的单词和短语进行统计分析，以发现与讨论有关的模式和共同主题。我们首先提取了关于巴灵顿对话的公共社交数据，搜索带有“巴灵顿”、“巴灵顿声明”和“重点保护”等术语的推文。然后我们应用了一个主题建模方法潜在狄利克雷分配(LDA)，以发现会话如何聚集成不同的主题。

结果

通过LDA主题建模，我们确定了三个不同的集群，周围群体免疫谈话和三个与畜群免疫围绕的不同谈话。围绕Pro-Herd豁免谈话的三个集群或不同的谈话主题是：1）结束锁定;2）政治反对流行病学社会控制;3）支持伟大的Barrington宣言和签署该文件的科学家。伟大的Barrington宣言谈话周围的情绪在很大程度上是积极的，突出了在线谈话中对该畜群免疫战略的支持。然而，谈话演示了显着的机器人行为的证据，特别是在具有低内容分集的推文和主题聚类的时序中。事实上，在进行机器人检测分析时，我们发现了估计的45％的消息，围绕大巴林顿声明可能是机器人驱动的。同时，对抗畜群免疫力的谈话具有更大的多样性，通常是有机的，而不是大量的机器人驱动。主题集群包括：1）批评高级美国官员推动畜群免疫力，2）试图畜牧业所需的高潜力死亡率，以及3）持续的面具辩论和疫苗开发时间表。这种更多有机谈话对于畜群免疫的概念非常负面。

检测Bot-Activity

我们评估了对话的自动化迹象和其他人工签名(即机器人活动)。考虑到对话量和商业机器人检测系统的局限性，我们采用功能性方法进行分析，并专注于识别会话的时间段，其中有大量类似内容同时发布。使用一秒钟的停顿，每条推文都按时间戳绘制。接下来，对这些数据的一个子集运行异常检测，该子集捕获每秒的tweet数，并将异常时间识别为具有高级别tweet活动的统计离群值的一秒周期。图3中的红色标记点表示在这些确定的时间段内的异常tweets。这些推文由转发的信息、重复的标签组成，这意味着无机活动。我们将tweet归类为发生在异常周期的tweet，无论它们包含原创或重复的内容，将它们标记为源自巴林顿或群体免疫对话，并从tweet中提取用户数据。最后，分析了用户数据，以指示账户自动化或机器人行为。我们发现，在大巴林顿宣言的转化中，大约45%的推文(内容支持群体免疫的想法)是由机器人发布的。与此同时，22%的群体免疫对话是由机器人驱动的，不到Great Barrington对话的一半，而且更接近大约15%在Twitter对话中平均找到的自动化级别。

我们发现与畜群免疫相关的谈话通常是由真实的账户驱动，并保持与整体负面情绪的会话多样性，而伟大巴伦顿宣言谈话的突破分析包括近半人工账户，近似的转发，低含量多样性，以及与文件相关的整体积极情绪。这表明支持Twitter上的牛群免疫力的对话是人为推动，而参与谈话的真实账户则保持问题的否定观点。

与...的伟大巴林顿的人工率为45％在Twitter上广泛9-15％的机器人率．因为机器人的饱和是相对于一个给定的对话，很难有一个普遍的统计基线，关于什么程度的人工行为是异常的。相反，比较语料库之间人工行为的百分比更有意义。

对Great Barrington宣言的人为宣传表明，群体免疫策略的发起者正在寻求促进非专家的支持，而不是科学家、医生和公共卫生官员的支持。虽然必须进一步探讨原因，但可以推测，促使公众支持反对向专家提供建议的战略，是促进结束关闭、部分和全面封锁的最快方式，也许还有其他公共卫生措施，比如戴口罩，因为越来越多的人在住院时限制社交活动，以及其他遏制策略。

方法

采用开源调查技术，我们进行了社会网络分析的组合，以及关于畜群免疫的异常行为发现。我们在畜群免疫谈话中分析了180,578条推文，使用像“牧群免疫”，“巴林顿”和“专注保护”这样的关键术语。在180,578个推文中，我们对我们进行了采样的推文，有41,870名独特的推文归因于83,765个用户共享。

下面是这些推文的细目:

微博分析:

75,557次推文，搜索词“Barrington宣言”

105,021推文，搜索词“牛群免疫力”

独特的推文：

有14,507名推文与搜索词“Barrington”

牧群免疫41,870.

独特的用户:

有73,931条推文，搜索词是"羊群"

9834条搜索词为"巴林顿"的推文

____________________________

*上面的术语包括表征Pro-Herd Immunity谈话的簇1-3（左右）。beta是主题-词汇密度的一个指标，通过词汇频率或共同出现的词汇重复模式来衡量。β越高，单词或短语的频率越高。

Arunachal Pradesh，以上是针对群体免疫的1-3组(从左至右)的特征术语。beta是主题-词汇密度的一个指标，通过词汇频率或共同出现的词汇重复模式来衡量。β越高，单词或短语的频率越高。

＊＊＊上面的图像显示群体免疫谈话的消息传递频率。红色点基于推特在同一帐户发出相同的消息或推文的高频频率时显示较高的消息传递频率更高的消息传递频率。横轴表示随着时间的推移。