Hvor ofte har du lurt på om du får innhold som er verdifullt for deg eller ekte, ved å følge visse kontoer på sosiale medier? På bakgrunn av dette spørsmålet bestemte teamet vårt seg for å finne ut hvordan valget av "venner" på Twitter påvirker kvaliteten på innkommende informasjon. Vi undersøkte hvordan Twitters skjulte anbefalingsalgoritmer manipulerer innholdet vi mottar. Vi bestemte oss også for å berøre temaet forskningsetikk i Twitter-miljøet. Som et resultat av forskningen ble artikkelen publisert: "Be Careful Who You Follow: the Impact of the Initial Set of Friends on COVID-19 Vaccine Tweets"

INFORMASJONSBOBLER I dag blir vi mer og mer klar over hvordan en stor del av informasjonen i sosiale medier er «fake news», konspirasjonsteorier eller manipulering av fakta.

Vi lever vårt daglige liv i informasjonsbobler. Informasjonsbobler skapes ved at vi velger menneskene vi omgir oss med eller ved at vi velger informasjonen vi ønsker å høre eller unngå. Hver dag tar vi valg som kan begrense eller utvide vår oppfatning av verden rundt oss.

I vår studie undersøkte vi hvordan valget av venner på Twitter (en av hovedplattformene som i stor grad er ansvarlig for å spre feilinformasjon) påvirker det vi ser på tidslinjen når vi engasjerer oss i omstridte temaer i den offentlige debatten.

Som et eksempel undersøkte vi interaksjoner på sosiale medier relatert til COVID-19-pandemien og holdninger til vaksiner og vaksinasjonsprogrammer. Det vi observerte var en sterk asymmetri mellom anti-vaksine- og pro-vaksinesiden. Videre fokuserer vi også på de etiske vurderingene ved å bruke automatiserte bots til å utføre eksperimenter i sosiale nettverk som mennesker er en del av.

ETISKE ASPEKTER VED EKSPERIMENTET

Våre bots samlet ingen personlige eller sensitive data knyttet til individene de sporet. Likevel opererte de blant mennesker, og vi bestemte oss for å nøye vurdere potensielle etiske risikoer knyttet til denne måten å drive forskning på. Bevisst bruk av bedrag er det mest etisk problematiske spørsmålet. Bots opererer forkledd som vanlige mennesker. Andre brukere, spesielt de våre bots følger, kan feilaktig tro at våre bots er ekte mennesker som bruker Twitter. Det finnes imidlertid en god grunn til ikke å avsløre identiteten til boten vår i dette tilfellet. Vi antar at hvis botens identitet ble avslørt, vil profilen til personen som følges forstå at denne boten undersøker eksponering for feilinformasjon om COVID-19 vaksiner. Det er da en veldig stor sannsynlighet for at våre bots vil bli blokkert av de Twitter-brukerne som motsetter seg vaksinasjon. Det er av stor betydning å forstå hvordan feilinformasjon om COVID-19 vaksiner sprer seg på et av de største sosiale nettverkene i verden, og derfor bestemte vi oss for å gjennomføre vår studie.

Vi var imidlertid varsomme med etiske utfordringer og prøvde å overholde følgende betingelser:

• Minimal innblanding: bots produserer ikke innhold. Deres innblanding i det sosiale nettverket er begrenset til to faktorer: deres synlighet som separate "brukere" og deres handling ved å følge andre kontoer. Twitter vil varsle brukere som følges av bots om at de har en ny følger. En person kan faktisk feilaktig konkludere at noen er interessert i deres tweets. Vi reduserer imidlertid denne risikoen ved å inkludere eksplisitt informasjon i profilene til våre bots (avsløre at de er bots) og begrense eksperimentet til relativt kort tid (noen få dager). Interaksjonen mellom menneskelige brukere og våre bots er minimal og utgjør ingen ekstra risiko.
• Åpenhet og debriefing: handlingene til våre bots er beskrevet på prosjektsiden før lansering, og denne informasjonen er også tilgjengelig via prosjektets Twitter-profil (@webimmunization).
• Valgfrihet og opt-out-alternativ: Bot-intervensjonen gir rom for brukere til å bestemme selv om de vil at boten skal følge dem. En bruker som mener at botens profilinformasjon er utilstrekkelig, for generell eller mistenkelig har friheten til å blokkere boten.

BESKRIVELSE AV STUDIEN

I løpet av vår studie brukte vi maskinlæring for å trene opp bots som samlet inn tweets fra tidslinjene deres hver dag i flere timer (over 5 dager; fra 18. mai kl. 11.00 til 22. mai kl. 17.00). Her må det legges til at vi ifølge Twitters API-dokumentasjon er klar over at materialet vi fikk tak i ikke gjenspeiler vanlige Twitter-brukere sitt bruksmønster. Med hensyn til formålet med denne studien bestemte vi oss imidlertid for å gjøre en forenklet antagelse om at tidslinjen som boten vår har tilgang til representerer strømmen av tweets som en vanlig bruker ville se. Vær imidlertid oppmerksom på at det kan være betydelige forskjeller mellom visningen som tilbys av Twitter sin API og visningen som tilbys av det vanlige brukergrensesnittet.

Vi konfigurerte fem bots som skilte seg betydelig fra hverandre med hensyn til kontoene de fulgte. De er vist i tabellen nedenfor:

Mens botene som var konfigurert som svært vaksinevennlige (Alfred og Jessie) for det meste "så" nøytrale tweets, mottok botene konfigurert som vaksine motstandere (Anthony og Alice) informasjon som sterkt støttet deres anti-vaksine holdninger. Det vi kan observere er at de som er overbevist om effektiviteten og nytten av COVID-19 vaksiner ikke pusher denne posisjonen blant andre brukere som er pro-vaksine. Samtidig ser det ut til at brukere med anti-vaksine holdninger stadig forsterker sitt budskap og sin posisjon blant andre anti-vaksine brukere. Selvfølgelig er prosedyren utført av botene våre er en forenkling av hvordan mennesker faktisk interagerer med Twitter. Det bør også legges til her at innholdet eller kilden til tweetene ikke er de eneste faktorene som bidrar til spredning av feilinformasjon. Handlinger som re-tweeting, følging og avbrytning av følging (både fra mennesker og som følge av den algoritmiske prosedyren innebygd i botene) kan lett forveksles med sosial aksept og støtte for marginale ideer og antivitenskapelige holdninger.

Resultatene i Tabell 2 representerer den endelige tidslinjevisningen, dvs. en analyse av hele settet med tweets som er "synlig" for boten under eksperimentet.