분노했지만 정확한: 트위터에서 반진실 생태계를 탐지하고 분석하기

Angry but Accurate: Detecting and Profiling the Counter-Misinformation Ecosystem on Twitter

소셜 미디어에서는 많은 사용자들이 허위 주장에 적극적으로 반박합니다. 누가 반박하는지, 그리고 어떻게 반박하는지를 이해하는 것은 중요합니다. 왜냐하면 이러한 교정 활동은 오정보가 어떻게 논쟁되는지에 핵심적인 역할을 하기 때문입니다. 본 연구는 대규모의 COVID-19 트윗 데이터를 활용하여 이 반진실 생태계를 분석했습니다. 기존에 개발한 특정 분야에 특화된 자연어 추론(NLI) 모델을 적용하여 264,737개의 게시물을 허위 주장을 지지하거나 반박하는 것으로 분류하고, 사용자 및 텍스트 관련 특징 23가지를 두 그룹 간 비교했습니다. 기존의 일반적인 생각과는 달리, 부정적인 감정이 거짓 정보의 징표라는 가정과는 달리, 허위 주장에 반대하는 게시물은 허위 주장을 지지하는 게시물보다 더 강한 분노, 혐오감, 슬픔 등의 부정적인 감정을 나타냈습니다. 이러한 차이는 크기는 작지만, 모든 부정적인 감정에서 일관된 방향성을 보였습니다. 또한, 허위 주장에 반대하는 게시물은 일반적으로 계정 연령이 오래되고, 팔로워 수가 많으며, 언급 횟수가 높은 사용자 계정에서 더 많이 발생하는 경향을 보입니다.

On social media, many users actively push back against false claims. Understanding who pushes back and how they do so matters, as this corrective activity is central to how misinformation is contested. We study this counter-misinformation ecosystem at scale: applying a domain-specific NLI model from our prior work to a large corpus of COVID-19 tweets, we classify 264,737 posts as supporting or opposing false claims and compare 23 user- and text-level features across the two groups. Contrary to the dominant assumption that negative emotion is a signature of falsehood, we find that misinformation-opposing posts are more emotionally negative than misinformation-supporting posts, with higher levels of anger, disgust, and sadness. These differences are modest in magnitude but consistent in direction across the negative emotions. We also find that posts opposing misinformation tend to come from more established users, i.e., older accounts, more followers, and higher listed counts.