Profiliranje efekata povezanih s afinitetima pripadanja kategoriji botova na temelju sentimenta i emocija na društvenoj mreži Twitter

diplomski rad

• Naslov (engleski): Profile analysis of effects connected to bot affinity scores based on sentiment and emotion on Twitter social network
• Autor: Frane Polić
• Mentor: Vedran Podobnik (mentor)
• Član povjerenstva: Vedran Podobnik (predsjednik povjerenstva)
• Član povjerenstva: Lea Skorin-Kapov (član povjerenstva)
• Član povjerenstva: Jurica Babić (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Fakultet elektrotehnike i računarstva; Zagreb
• Datum i država obrane: 2020-09-23, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: TEHNIČKE ZNANOSTI; Računarstvo

Sažetak

Društveni botovi danas imaju značajnu ulogu u online komunikaciji. Opažanja rastućeg utjecaja botova na društvenim mrežama poput Twittera služe kao motivacija za istraživanje efekata koje njihovo emocionalno ponašanje ima na druge korisnike i ekosistem društvenih mreža. Svrha ovog rada je istražiti efekte koje grupe računa imaju s obzirom na vjerojatnost da su oni botovi s naglaskom na istraživanje povezanosti ljudi i botova. Koristeći korelacijsku i regresijsku analizu, u sklopu rada je analiziran skup podataka koji sadrži 17 milijuna tweetova. Inicijalni skup podataka i NRC leksikon su zatim korišteni kako bi se izračunale vremenske serije emocija kao mjera za intenzitet emocija koje grupe računa izražavaju. Korelacijska analiza je pokazala kako su grupe afiniteta usklađene s obzirom na volumen emocionalnih riječi koje objavljuju te kako su emocije povezane unutar afinitetnih grupa. Regresijska analiza je upotrebljena kako bi se istražio utjecaj emocija iz prijašnjeg sata na pojedine emocije u sljedećem satu. Rezultati pokazuju kako su ljudske emocije bolje u predviđanju negativnih emocija koje botovi izražavaju od samih emocija botova iz prijašnjeg sata što ukazuje na efekt botova da „pojačavaju“ ljudske negativne emocije. Rezultati također ukazuju da je emocija „iznenađenja“ koju izražavaju sve afinitetne skupine značajan prediktor mnogih ljudskih emocija. Ovi rezultati pokazuju postojanje razlika u emocionalnom ponašanju koje prenose botovi i ljudi na razini sata, ali daljnje istraživanje s fokusom na veći period razmatranja bi potencijalno mogao voditi k boljem razumijevanju efekata koje emocije izražene od botova imaju unutar ekosistem društvenih mreža.

Sažetak (engleski)

Social bots nowadays have a major part in online communication. Observations of the rising influence of bots on social media platforms such as Twitter serve as motivation for exploration of the effects that their emotional behaviour has on other users and the social media ecosystem in general. The purpose of this study is to investigate effects that groups off account have with regards to the likelihood that they are bots with emphasis on exploring the relationship between human and bot accounts. Using correlation and regression analysis, a dataset of over 17M tweets that mention Bitcoin cryptocurrency was analysed. The dataset and NRC lexicon were used to compute emotion time series as an intensity measure of conveyed emotions by a group of accounts. Correlation analysis showed how affinity groups are correlated with regards to the volume of emotional words they post but also how emotions are correlated inside affinity groups. Regression analysis was employed to explore how hourly emotion shares depend upon previous hour emotions. Results show human emotions are a slightly better predictor of negative bot emotions than bot emotions which indicates the effect that bots “amplify” negative emotions. Results also indicate that “surprise” conveyed by all affinity groups is a significant predictor of many human emotions. These results show that differing emotional behaviour exists between affinity groups on the hourly time frame, but further research focused on larger time frames could lead to a potentially better understanding of the effects that bot-conveyed emotions have inside the social media ecosystem.

• Ključne riječi: društveni bot; bot efekt; analiza Twitter sentimenta; regresijska analiza; NRC leksikon emocija
• Ključne riječi (engleski): social bot; bot effect; Twitter sentiment analysis; regression analysis; NRC emotion lexicon
• Jezik: engleski
• URN:NBN: urn:nbn:hr:168:159749
• Studijski program: Naziv: Računarstvo; Vrsta studija: sveučilišni; Stupanj studija: diplomski; Akademski / stručni naziv: magistar/magistra inženjer/inženjerka računarstva (mag.ing.comp.)
• Vrsta resursa: Tekst
• Način izrade datoteke: Izvorno digitalna
• Prava pristupa: Zatvoreni pristup
• Datum i vrijeme pohrane: 2023-01-13 10:38:15