Direkt zum Hauptbereich

@realDonaldTrump is HAUNTED by joking #bots

Infiltrating the #filterbubble?

Slandering Donald Trump and telling racist jokes seems to be the intention of a social botnet on Twitter.
There have been different stories about bot armies supporting Donald Trump. @PatrickRuffini has posted a list with bots that are likely supporting Trump. @Wired has wrote about pseudo Hispanic bots, supporting Trump. But Donald Trump is also victim of slandering bots. Morteza Shahrezaye (@morry_shah) and I have found a botnet with a strange behavior: The bots are telling jokes all the time of which many are very racist, disturbing anti-Semitic and sexist. In addition, the bots post “jokes” about Donald Trump, like: “Your moma is so dump, she voted for Trump.”
There are at least three possible explanations for this:
  1. There might be a racist botmaster who thinks Trump is too liberal.
  2. It could be a “fluke”: The bots are just there to tell jokes but the internet is full with racist stuff and anti-Trump jokes, so this is just what the bots find.
  3. Someone is following a more complicated strategy.

We think number 3 is right. In our opinion, this strange behavior makes a lot of sense. If the botmaster is assuming Trump fans to be in a Trump-filterbubble, slandering Trump on Twitter won’t have any effect. The users won’t get in touch with the Trump-jokes and if they do by chance, they will see directly that it is part of an anti-Trump campaign. But if you could get inside the filterbubble, things might change. Racist jokes might be a way to get a positive feedback from Trump-supporters. Note: I am not saying, Trump-supporters are racists. I am only saying that someone who wants to work against Trump might think that his supporters are racists.
Of course, we have some data that supports this theory:

Bot-Birthdays

Here you see the “birthday” of the bots. They are all very young which might support the idea that the whole thing has to do something with the elections.
Density of Retweets

Looking at the density of the average retweet count for tweets about Trump (blue) and all other jokes you see that it follows a different pattern. Some of the Trump jokes are retweeted more often than all other jokes (we have a heavy tail distribution). Look at the density of "Jew-jokes" (green), as well.
Wordcloud (unique messages)
Wordcloud (all messages)

Looking at a wordcloud of the most frequent words you can find “Trump” as well within the unique messages (the bots are repeating the same jokes over and over again) as within the data for all the tweets (including duplicates). But we do not find any other names of politicians or celebrities. Ergo: Slandering Trump is probably the real intention of this botnet.
But be aware: In time of big data very strange things might occur frequently by chance!

And for all the data-scientists here comes some sample data on the bots:

BOTS.screen.Names BOTS.N BOTS.N.trump BOTS.N.JEW BOTS.friends BOTS.follower averageRTcount averageRTcountTRUMP averageRTcountJEW
a4hkvlasov             a4hkvlasov   2945           47         54          218            16     0.01052632           0.0212766        0.01851852
AmyBirdiesl           AmyBirdiesl    354            6         11           18             0     0.01977401                   0                 0
anatoliyg90zi       anatoliyg90zi   1050           12         19           63            12     0.01333333                   0                 0
artemd6ye               artemd6ye   3200           54         47          404            69      0.0096875                   0        0.02083333
ChloeWilhelmina   ChloeWilhelmina    349            5          8           19             2     0.00286533                   0                 0
deniscdcershov1   deniscdcershov1   3200           44         31          402            31          0.005          0.02272727        0.03225806
eduardzuev68o       eduardzuev68o   3200           51         53          371            47      0.0140625          0.01960784                 0
EllaTilliema         EllaTilliema    427            8         11           31             4    0.009367681                   0                 0
EmilyJaquelineo   EmilyJaquelineo    504            7         12           35             6     0.01984127                   0                 0
evgurev7r               evgurev7r   2817           39         54          176            53     0.01561945          0.02564103        0.03703704
IlyasermiAshley   IlyasermiAshley   3200           57         49          355            38      0.0096875          0.03508772        0.02040816
ivanozrgalkin1     ivanozrgalkin1   2927           54         42          209            23      0.0102494          0.01851852                 0
JasmineCariha       JasmineCariha    429            5         11           28             9    0.006993007                   0                 0
JessicaYongoe       JessicaYongoe    287            6          4           19             3     0.01045296                   0                 0
KanishaChasity     KanishaChasity   3200           52         44          378            58        0.00625          0.03846154                 0
kirilltevor           kirilltevor   1006            8         20           57             7     0.01590457                   0              0.05
konstantinfk9k     konstantinfk9k   1004            5         21           65            17     0.01992032                   0        0.04545455
KristyIndia           KristyIndia   3117           58         50          247            24     0.01090792                   0        0.03921569
MacyZetta               MacyZetta   3200           45         46          413            73       0.010625          0.04444444        0.02173913
monica_shanice     monica_shanice   3200           54         45          363            35       0.011875          0.03703704                 0
oleg0ywns               oleg0ywns    619           12         15           47             3    0.008077544                   0                 0
OliviaLatricema   OliviaLatricema    291            3          4           30             8     0.04467354                   0              0.25
pavel1s1ckarpo1   pavel1s1ckarpo1    623            7          6           44             7     0.01284109                   0                 0
romanbe7lim           romanbe7lim    621           13         11           51             2     0.01610306                   0                 0
sashasharovk9k     sashasharovk9k   3200           55         39          349            42       0.010625          0.05454545                 0
sashaurax               sashaurax   2858           42         51          230            27     0.01119664                   0                 0
sergeywoov             sergeywoov   2808           38         36          212            39     0.01103989                   0                 0
stepanpanovjk       stepanpanovjk   3200           48         39          374            51      0.0096875          0.02083333                 0
TaniaGiusy             TaniaGiusy   3200           60         48          390            51        0.01625          0.01666667        0.02083333
valentin9tk           valentin9tk    624           14          9           47             4     0.01442308                   0                 0
vasiliykonqigh     vasiliykonqigh   3199           34         47          336            21    0.005939356          0.02941176         0.0212766
vitaliysok1p         vitaliysok1p   3112           45         57          238            31    0.007390746                   0        0.03508772
vyacheslavgajhb   vyacheslavgajhb   2878           45         55          219            42      0.0114663          0.02222222                 0
yaroslav3pwnme1   yaroslav3pwnme1   3200           40         44          394            35           0.01                0.05                 0
tarynnuria             TarynNuria   3200           55         33          223            30        0.00875                   0                 0
kristyindia           KristyIndia   2673           47         43          216            21     0.01084923                   0        0.04545455
ChloeArleenes       ChloeArleenes    720            9         18           58             8    0.009722222                   0        0.05555556
corinne_rosa         corinne_rosa   3129           63         55          232            37     0.01278364          0.03174603                 0
EllaRosaleel         EllaRosaleel    486           10          9           41             3    0.008230453                   0                 0
JessicaDestin1     JessicaDestin1    726            7         13           67             8     0.01928375                   0                 0
patriciadschil4   patriciadschil4    465            7          8           35             2      0.0172043           0.1428571                 0
valentingusp01     valentingusp01   3199           56         43          436            59    0.006564551          0.05357143        0.02325581
joy_hyo                   joy_hyo   3200           53         45          430            59       0.035625          0.05660377        0.02173913
lAmFunnyBot           lAmFunnyBot   3195           52         54           23            23    0.009389671          0.09615385                 0
HannahRethala       HannahRethala    722           12         12           56             8     0.02077562          0.08333333        0.08333333
sandrasstoner1     sandrasstoner1    442            8          5           29             3     0.01357466                   0                 0
not_actuallyme     not_actuallyme   3200           26         28            1           166      0.0028125                   0                 0
yuriykox0a             yuriykox0a    279            6          2           37             2    0.007168459                   0                 0
IStochliya             IStochliya    411            5          4           54            10     0.00973236                   0                 0
williejstackt7     williejstackt7    449           10          4           34             0     0.01113586                   0                 0
SarahTrevaom         SarahTrevaom    564           16          7           30             6    0.008865248                   0                 0
CharlotteMauri     CharlotteMauri    492            6          6           35             5     0.01219512                   0                 0
BestoReddit           BestoReddit   3200           16         12            0            33      0.0046875              0.0625        0.08333333
BeverlyNicholes   BeverlyNicholes   1706           14         18          120            18    0.005861665                   0        0.05555556
GltrogovThomas     GltrogovThomas   1333           18         20           76             6     0.01350338                   0                 0
richarddearll       richarddearll   1120           20         16           71            13     0.01160714                   0                 0

Labels:

Kommentare

Kommentar veröffentlichen

Beliebte Posts aus diesem Blog

Was man an der COVID-Politik über Faschismus lernen kann

Kritiker der Corona-Politik führen immer häufiger den Begriff Faschismus im Munde, um die politischen Maßnahmen zu beschreiben. Einerseits ist damit natürlich eine polemische Ablehnung verbunden: Wer will schon für Faschismus sein? Generell ist der moralische Vorwurf, etwas sei faschistisch oder faschistoid in der demokratischen Auseinandersetzung durchaus geläufig. Dabei wird jedoch meist auf etwas verwiesen, was zum demokratischen Staat dazu gehört und gerade keinen Faschismus begründet: Die Polizei, die das Gewaltmonopol durchsetzt, ist keine faschistische Organisation, ein Parlament, welches Bürgerrechte einschränkt, ist kein Beleg für die faschistische Aufhebung des Rechtsstaats und ein Medienartikel, der dazu aufruft, Bürger sollen Straftäter anzeigen, ist keine faschistische Propaganda, usw. All dies sind Beispiele für das Leben in demokratischen Gemeinwesen. Anstatt die Demokratie also immer gleich auf dem Weg in den Faschismus zu wähnen, wäre es angebracht, sich zu fragen, war...
Mehr anzeigen

Kritik an dem Science-Artikel der Priesemann-Gruppe „Inferring change points in the spread of COVID-19 reveals the effectiveness of interventions“

Der Science-Artikel von Dehning et al. (2020) gilt als Beleg für die Effektivität der Corona-Maßnahmen in Deutschland im März 2020. Wir glauben, dass der Artikel gravierende Fehler enthält und daher nichts darüber aussagt, ob insbesondere das Kontaktverbot vom 23.03.2020, irgendeinen Effekt hatte. Unsere Kritik haben wir bei Science eingereicht und sie ist hier zu finden: https://science.sciencemag.org/content/369/6500/eabb9789/tab-e-letters Im folgenden übersetze ich unseren Beitrag und gehe anschließend auf die Frage ein, wie Wissenschaft unter COVID-19-Bedingungen funktioniert und was daran bedenklich ist. Eine Kritik an ‘Inferring change points in the spread of COVID-19 reveals the effectiveness of interventions’ Wir haben den Artikel ‘Inferring change points in the spread of COVID-19 reveals the effectiveness of interventions’ analysiert und dabei gravierende Unstimmigkeiten im Design der Studie festgestellt: Anstatt das Datum der Wendepunkte (wann sich die COVID-19-Entwicklung i...
Mehr anzeigen

Der Nutzerismus: Eine Ideologie mit totalitärem Potential

Ich glaube, dass wir derzeit den Aufstieg einer Ideologie erleben, die ich Nutzerismus nennen möchte. Hannah Arendt hat darauf hingewiesen, dass jede Ideologie zu einem totalitaristischen Regime führen kann und es gibt ernste Anzeichen, dass dies auch für den Nutzerismus gilt.  Was ist der Nutzerismus? Wie bei jeder Ideologie ist der Kerngedanke sehr einfach: Im Prinzip gibt es für alle gesellschaftlichen Probleme eine technische Lösung. Leider wenden die Menschen die richtigen Technologien nicht an. Sie nehmen ihre Rolle als Nutzer nicht wahr. Es geht dem Nutzerismus also um das Zusammenspiel von Mensch und Technik, allerdings immer wieder aus der gleichen Perspektive. Die Technik kommt vor als potentielle Lösung eines gesellschaftlichen Problems. Eventuell fehlt die perfekte Lösung noch, aber das ist dann als Auftrag an die Wissenschaft und die Ingenieure zu verstehen. Dieser Technikglaube hat etwas sehr Naives. Er abstrahiert zum Beispiel von allen Interessen, für die Technolog...
Mehr anzeigen