Siyasi içeriklere ait konuların gündem ile ilişkisi?

Sosyal ağlarda özellikle botlar tarafından görünür kılınan içeriklere dair yorumlar yapılmaktadır. Bunu incelemek için biz de 15 Aralık günü yapılan paylaşımları ve bu içerikleri yaratan hesapların profillerini inceledik. Bot skorları hesaplanan bu hesapların dağılımlarından genel Türkiye siyaseti ve en çok paylaşılan hashtaglere dair ayrı analizler yürüttük.

The relationship between the issues of political content with the agenda?

There are comments on content made visible by bots on social networks. To examine this, we also looked at the postings on December 15 and the profiles of the accounts that created these contents. We carried out separate analyses of the distribution of these accounts according to the general Turkish politics and the most frequently used hashtags based on the scores of the bots calculated.

Yukarıda paylaşılan ağ analizinde farklı tweetlerdeki hashtaglerin birlikte kullanımları üzerinden 15 Aralık günü paylaşılan Türkçe siyasi tweetlere ait bir ilişki ağı yaratılmıştır. Düğümlerin büyüklükleri hashtaglerin kullanım sıklığı ile orantılı ve renkleri de Ekrem İmamoğlu ile alakali konular yoğunluğu (mavi daha fazla, kırmızı daha az tweet) ile ilişkilidir. Burada etkileşimlerin ciddi bir kısmının dava ile ilgili olduğunu görmekteyiz, genel temalar Saraçhane mitingi ve dava sonucu ile ilgili oluşturulan destek içerikleridir.

Bot analizlerinin hashtag seviyesinde yapılmasında dikkat edilmesi gereken bir husus, bu hashtaglerin başka hangi içeriklerle birlikte paylaşıldığıdır. Bazı bot hesaplar kendi içeriklerini görünür kılmak için popüler hashtagleri araç olarak kullanmaktadır. Özellikle ilgisiz gözüken hashtaglerin aynı tweet içinde birlikte geçmesi bu açıdan ele verici olmaktadır. Türkiyede pornografik içerikli paylaşımların çoğu (örnek olarak aşagidaki görsellerde #buca verilebilir.) bu stratejiyi izlemektedir. Veri setimizde en çok gözlenen hashtagler içerisinde farklı şehir ve semt isimlerinin geçtigini görmek bu etkenlerle açıklanabilmektedir. Özellikle bu içerikleri üreten hesaplara bakıldığında bot olduklarini söylemek oldukça kolaydır ancak bu gibi mekanizmalar göz önüne alınmadan yapılan çıkarımlar oldukça yanıltıcı olabilmektedir.

Bot tespiti için oluşturduğumuz analizlerde iki görsel kullanılmıştır. Soldaki gösterimlerde belli bir içeriği paylaşan hesaplara ait bot skorlarının bir dağılımı gösterilmektedir. Yüksek skorlar hesapların bot davranışı sergilendigine dair kullanılan makine öğrenmesi sisteminin daha emin olduğunu göstermektedir. Dağılımlar içerisinde yoğunluk olan noktalar ne tür hesapların mesaj yayılımında etkili olduklarını göstermektedir. Tabi ki bazı hesapların digerlerinden daha aktif olması da bu dağılımları mesaj seviyesinde bakıldıgından etkilemektedir. Sağdaki görsel ise her bir tekil hesabın yaptığı paylaşım sayılarının bu hesaplara ait bot skorları ile ilişkisini göstermektedir.

Elde ettiğimiz veriye ait 15 Aralık günü en çok kullanılan hashtaglere bakıldıgında af yasası ve öğretmen kadroları ile ilgili yapılan paylaşımların botlar tarafından görünür kılındığını söylemek bot skoru yüksek hesapların yaptığı paylaşımların fazlalığına bakılarak söylenilmektedir. Özellikle #mhpücrtliögrtkadrohaktır icin yazılmış olan 73 bin üzerinde tweet vardır. En çok kullanılan diger iki hashtag ise #genelaf ve #buca olmuştur.

In the network analysis shared above, a relationship network of Turkish political tweets shared on December 15 was created based on the co-occurrence of hashtags in different tweets. The sizes of the nodes are proportional to the frequency of use of the hashtag, and the colors are related to the intensity of topics related to Ekrem İmamoğlu (blue for more tweets, red for fewer tweets). Here, we can see that a significant portion of the interactions are related to the case, with the general themes being the Saraçhane rally and content supporting the outcome of the case.

One thing to consider when analyzing hashtags at the bot level is the content with which these hashtags are shared. Some bot accounts use popular hashtags as a tool to make their content visible. In particular, the presence of seemingly unrelated hashtags in the same tweet can be revealing in this regard. Most of the pornographic content shared in Turkey (for example, #buca can be given as an example in the pictures below) follows this strategy. Seeing the names of different cities and neighborhoods among the hashtags most frequently observed in our data set can be explained by these factors. It is quite easy to say that these accounts are bots when looking at the accounts that produce this content, but making inferences without considering such mechanisms can be very misleading.

In the analyses we created for bot detection, two plots were used. The left plot shows the distribution of bot scores for accounts sharing certain content. High scores show that the machine learning system used is more certain that the accounts show bot behavior. The densities of the points in the distributions show which types of accounts are effective in spreading the message. Of course, some accounts being more active than others also affects these distributions when viewed at the message level. The right plot shows the relationship between the number of shares made by each individual account and their bot scores.

When looking at the most used hashtags on December 15 according to the data we have obtained, it can be said that posts related to the amnesty law and teacher appointments are made visible by bots based on the abundance of shares made by accounts with high bot scores. There are over 73,000 tweets written for #mhpücrtliögrtkadrohaktır. The other two most used hashtags are #genelaf and #buca.

Gündem ile daha ilişkili olan hashtaglere bakıldığında ortalama siyasi bir içerikten daha farklı bir dağılım gözlenmemiştir. Örnegin #ekremi̇mamoğlu hashtag’i 5500 üzerinde paylaşılmıştır. Bu hashtag ile beraber kullanılan diğer içerikleri de yukarıda paylaştığımız eş kullanım ağından incelemek mümkündür. Ek olarak #i̇stanbulyargılanıyor, #sarachane ve bu hashtaglerin farklı harfler kullanan varyasyonları (ı,i ve c,ç gibi) için de analizlerimizi tekrar ettik. Bu analizlerde aynı hashtag’i 10’dan fazla kullanan hesap sayısı oldukça limitlidir.

When looking at hashtags more related to the agenda, there is no different distribution than that of average political content. For example, #ekremi̇mamoğlu has been shared over 5500 times. It is possible to examine the other contents used with this hashtag from the co-use network shared above. In addition, we repeated our analyses for #i̇stanbulyargılanıyor, #sarachane, and variations of these hashtags using different letters (such as ı, i, and c, ç). In these analyses, the number of accounts using the same hashtag more than 10 times is very limited.