ТИПОЛОГІЯ АГЕНТІВ ТА ЇХ ВЛИВ НА ПОШИРЕННЯ ДЕЗІНФОРМАЦІЇ В СОЦІАЛЬНІЙ МЕРЕЖІ Х

Ольга Васильєва

doi:10.28925/2663-4023.2025.28.862

Автор(и)

Ольга Васильєва Національний університет «Ченігівська політехніка»

DOI:

https://doi.org/10.28925/2663-4023.2025.28.862

Ключові слова:

інформаційна безпека; імітаційне агентне моделювання; соціальні мережі; дизінформація; інформаційні операції.

Анотація

Останнім часом з’являється чимало досліджень, що аналізують роль соціальних мереж у різних типах комунікації, зокрема у поширенні інформаційних впливів, таких як дезінформація, фейки та спрямовані інформаційні кампанії. Такі явища становлять загрозу інформаційній безпеці будь-якої держави. Наразі фіксується активне використання мережі X (Twitter) для впливу як на європейський, так і на український сегменти користувачів соціальних мереж. Враховуючи важливість цього питання, дане дослідження було спрямоване на аналіз алгоритму поширення контенту з урахуванням різних типів користувачів (так званих «агентів»). У межах дослідження проведено аналіз чотирьох типів агентів і визначено їхні ключові характеристики, що ймовірно визначають рівень впливу під час інформаційної операції, який, своєю чергою, є основним критерієм при побудові імітаційної моделі поширення контенту в соціальній мережі.

Завантаження

Дані завантаження ще не доступні.

Посилання

Ferrara, E. (2017). Disinformation and social bot operations in the run up to the 2017 French presidential election. First Monday, 22(8). https://doi.org/10.5210/fm.v22i8.8005

Bessi, A., & Ferrara, E. (2016). Social bots distort the 2016 U.S. presidential election online discussion. First Monday, 21(11). https://doi.org/10.5210/fm.v21i11.7090

Bovet, A., & Makse, H. A. (2019). Influence of fake news in Twitter during the 2016 US presidential election. Nature Communications, 10, Article 7. https://doi.org/10.1038/s41467-018-07761-2

Vosoughi, S., Roy, D., & Aral, S. (2018). The spread of true and false news online. Science, 359(6380), 1146–1151. https://doi.org/10.1126/science.aap9559

Aral, S., & Walker, D. (2012). Identifying influential and susceptible members of social networks. Science, 337(6092), 337–341. https://doi.org/10.1126/science.1215842

González‑Bailón, S., Borge‑Holthoefer, J., & Moreno, Y. (2013). Broadcasters and hidden influentials in online protest diffusion. American Behavioral Scientist, 57(7), 943–965. https://doi.org/10.1177/0002764213479371

Howard, P. N., & Kollanyi, B. (2016). Bots, #StrongerIn, and #Brexit: Computational propaganda during the UK‑EU referendum. COMPROP Research Note 2016.1. https://doi.org/10.2139/ssrn.2798311

Starbird, K., Arif, A., & Wilson, T. (2019). Disinformation as collaborative work: Surfacing the participatory nature of strategic information operations. Proceedings of the ACM on Human‑Computer Interaction, 3(CSCW), Article 127. https://doi.org/10.1145/3359229

Goel, S., Anderson, A., Hofman, J., & Watts, D. J. (2016). The structural virality of online diffusion. Management Science, 62(1), 180–196. https://doi.org/10.1287/mnsc.2015.2158 (DOI expected, but search did not find a direct DOI; journal and date are provided)

Berger, J. (2013). Contagious: Why things catch on. New York, NY: Simon & Schuster. ISBN: 978-1451686579

Vasylieva O, Technical Sciences and Technologies: Scientific Journal / National University “Chernihiv Polytechnic.” – Chernihiv: NU “Chernihiv Polytechnic,” 2023. – No. 2(32). – 418 p., 193-200

Daniel J. Brass A SOCIAL NETWORK PERSPECTIVE ON HUMAN RESOURCES MANAGEMENT, Research in Personnel and Human Resources Management, 39-79. DOI:10.1093/oso/9780195159509.003.0019