Ítem
Acceso Abierto
Cyber democracy in the digital age: Characterizing hate networks in the 2022 US midterm elections
Título de la revista
Autores
Zapata Rozo, Andrés
Campo-Archbold, Alejandra
Díaz-López, Daniel
Gray, Ian
Pastor-Galindo, Javier
Nespoli, Pantaleone
McCoy, Damon
Fecha
2023-10-02
Directores
ISSN de la revista
Título del volumen
Editor
Elsevier
Buscar en:
Métricas alternativas
Resumen
Las redes sociales se han convertido en parte integral del discurso social y desempeñan un papel en la configuración de la participación pública, particularmente en los procesos electorales democráticos. Este artículo aborda la acuciante cuestión del discurso de odio en las redes sociales durante las elecciones de mitad de mandato de Estados Unidos de 2022. A diferencia de investigaciones anteriores, que a menudo se basan en conjuntos de datos limitados y metodologías clásicas, aprovechamos las técnicas de inteligencia de código abierto (OSINT) y procesamiento del lenguaje natural (NLP) para analizar datos de Twitter a través de modelos avanzados de reconocimiento de entidades, análisis de sentimientos y extracción comunitaria, con persistencia. en Knowledge Graphs para consumir la inteligencia de manera eficiente. Los resultados indican que en las elecciones intermedias de EE. UU. de 2022, Arizona fue el estado que proporcionó más contenido (507.551 tuits) relacionado con un funcionario electoral jefe, con un 31,58% de ellos identificados en el grupo más agresivo debido a sus valores medios de atributo de ''ataque''. al comentarista'' (0,7), ''inflamatorio'' (?0,3), ''ataque al autor'' (?0,2) y ''toxicidad'' (?0,2). El modelo de reconocimiento de entidades de nombre también identificó una asociación entre esos tuits agresivos y la anterior campaña presidencial estadounidense de 2020, caracterizada por ataques a funcionarios electorales basados ??en campañas de teorías de conspiración. Los gráficos de conocimiento contribuyeron a comprender la concentración de ataques y la conectividad entre temas comúnmente mencionados en el contenido de discurso de odio. Por lo tanto, nuestros resultados ofrecen información detallada sobre los actores y la dinámica del acoso en línea en contextos electorales, iluminando los desafíos que plantea el acoso y proponiendo mecanismos preventivos aplicables a diversos procesos electorales en todo el mundo.
Abstract
Social media has become integral to societal discourse and play a role in shaping public engagement, particularly in democratic electoral processes. This paper addresses the pressing issue of hate speech on social media during the 2022 US midterm elections. Unlike previous research, which often relies on limited datasets and classic methodologies, we leverage Open Source Intelligence (OSINT) and Natural Language Processing (NLP) techniques to analyze Twitter data through advanced models of entity recognition, sentiment analysis, and community extraction, having persistence in Knowledge Graphs for consuming the intelligence efficiently. Results indicate that in the US midterm elections 2022, Arizona was the state that provided more content (507,551 tweets) related to a Chief Electoral Official, with 31.58% of them identified in the most aggressive cluster due to its mean attribute values of attack on commenter (0.7), inflammatory (?0.3), attack on author (?0.2), and toxicity (?0.2). The name entity recognition model also identified an association between those aggressive tweets and the previous 2020 US Presidential campaign, characterized by attacks on election officials based on conspiracy theories campaigns. Knowledge graphs contributed to understanding the concentration of attacks and connectivity between topics commonly mentioned in hate speech content. Thus, our results offer detailed insights into the actors and dynamics of online harassment in electoral contexts, illuminating the challenges posed by harassment and proposing preventive mechanisms applicable to diverse electoral processes worldwide.
Palabras clave
Ciberdemocracia , Acoso , PNL , Similitud semántica , NER , Análisis de sentimiento , Elecciones de mitad de período en EE. UU.
Keywords
Cyber democracy , Harassment , NLP , Semantic similarity , NER , Sentiment analysis , US midterm elections
