Atrapabot

Publicada en Publicada en Sin categoría

Atrapabot fue desarrollado en colaboración con las organizaciones App Civico, ITS Rio, Enjambre Digital y Openlabs como una herramienta pedagógica que permitiera mostrar la complejidad de los procesos de automatización y sus efectos en los procesos sociales. Los criterios que se utilizan se explican a continuación.

Atrapabot analiza el historial de mensajes del perfil de la red social que usted solicita analizar. En este momento Atrapabot se basa en patrones de comportamiento para identificar si es más probable que un humano utilice ese perfil o un robot. Los criterios para hacer esta evaluación son el intervalo de tiempo entre cada entrada (un intervalo pequeño entre cada entrada, 2 segundos por ejemplo, pueden indicar que la entrada fue hecha por un robot); la frecuencia y la aleatoriedad en el tiempo en que se efectúan las entradas (las entradas hechas siempre a la misma hora, a las 10 de la mañana, por ejemplo, pueden haber sido hechas por un robot); y la personalidad dada a los textos publicados (textos repetidos o extraídos de otras publicaciones, preformateadas, son un indicativo de haber sido hecho por un robot). Con base en el promedio general de las entradas del perfil, Atrapabot da una calificación, que indica la probabilidad de que ese perfil sea o no un robot.

Contenido (publicaciones)Se basa en claves lingüísticas a través del procesamiento del lenguaje natural. Incluye frecuencia de verbos, sustantivos y adverbios en los tuits. El sistema analiza la longitud y la entropía del contenido del tuit. Los mensajes engañosos generalmente exhiben un lenguaje informal y frases cortas.
Sentimiento (emocional)Se extraen los diversos estados emocionales a partir del análisis de sentimiento de los tuits. Un humano suele expresar una variedad de estados emocionales, mientras un bot no.
UsuarioLas características del usuario están basadas en metadatos relacionados con la cuenta. Esto datos incluyen el número de amigos y seguidores, el número de tuits producidos por los usuarios, la descripción del perfil y las configuraciones de la cuenta (lenguaje, ubicación, momento de creación de la cuenta).
AmigosIncluye estadísticas relativas a los contactos sociales, como la media, los momentos y la entropía de la distribución del número de seguidos, seguidores y posts. Se analizan las relaciones seguido-seguidores, los retuits y las menciones. Para cada campo se extraen las características sobre el uso el lenguaje, tiempo local, popularidad.
RedLa estructura de la red muestra varias dimensiones de los patrones de difusión de la información. El sistema reconstruye tres tipos de redes: retuits, menciones y co-ocurrencia de hashtags. Todas las redes se pesan de acuerdo con la frecuencia de la interacción o las co-ocurrencias.
TiempoLa característica del tiempo captura los patrones relacionados con la actividad del usuario. Incluye el periodo promedio en la generación de contenido (tuits) y el consumo (retuits), el tiempo entre dos publicaciones.

La herramienta se basó originalmente en Botometer, pero posteriormente, App Civico realizó un desarrollo propio que se encuentra disponible en código abierto y está en fase piloto (https://github.com/AppCivico/pegabot). Por eso, algunas cuentas humanas tienen cierta probabilidad de parecer cuentas automatizadas. Los criterios que se utilizan para determinar la probabilidad si una cuenta es bot o no,permiten obtener variaciones a esa respuesta.Atrapabot se diseñó como una apuesta para poseer herramientas propias que nos permitan impulsar la reflexión sobre estos procesos en nuestros contextos. Proponemos a la ciudadanía contribuir a desarrollar el script para que colectivamente podamos generar algoritmos que sean cada vez más precisos y que se encuentren disponibles para uso social.

Más detalles sobre la metodología pueden encontrarse en la página de Preguntas Frecuentes: https://atrapabot.org/faq/

Ferrara, E., Varol, O., Davis, C., Menczer, F. & Flammini, A. (2016) The Rise of Social Bots. Communications of the ACM. DOI: 10.1145/2818717.

Varol, O., Ferrara, E., Davis, C., Menczer, F. & Flammini, A. (2017). Online Human-Bot Interactions: Detection, Estimation, and Characterization. arXiv preprint arXiv:1703.03107.


Share on FacebookShare on Google+Tweet about this on Twitter

Deja un comentario

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *