Analyzing user archetypes in Singapore's Telegram groups on COVID-19 and climate change

社交媒体平台，尤其是Telegram，在塑造全球和国家问题的公众看法和观点方面发挥着关键作用。与传统新闻媒体不同，Telegram允许用户生成内容并且监管较少，这使得它成为传播有争议和错误信息的重要场所。在COVID-19大流行期间，Telegram在新加坡的受欢迎程度激增，这是一个全球社交媒体使用率最高的国家之一。我们利用基于新加坡的Telegram数据来分析COVID-19和气候变化相关的群组内的信息流。通过使用k-means聚类，我们确定了不同的用户原型，包括怀疑者、积极倡导者、观察者和分析师，每个原型都为话语做出了独特的贡献。我们开发了一个模型来将用户分类到这些群体中（精度：气候变化：0.99；COVID-19：0.95）。通过识别这些用户原型并研究他们对信息传播的贡献，我们旨在揭示模式，以制定有效的策略来打击错误信息并增强有关紧迫全球问题的公众话语。

分析新加坡Telegram群组中COVID-19和气候变化话题的信息流和用户类型，以便制定有效的打击谣言和提高公众对全球问题的讨论的策略。

使用k-means聚类算法识别用户类型，包括怀疑者、积极倡导者、观察者和分析师，并开发模型对用户进行分类，以便更好地了解他们在信息传播中的贡献。

论文使用新加坡Telegram数据集进行实验，并展示了高精度的用户分类模型。研究还发现了不同用户类型在信息传播中的不同贡献，从而为打击谣言和提高公众讨论提供了指导。

最近的相关研究包括使用机器学习技术来识别社交媒体上的虚假信息，如《基于深度学习的社交媒体虚假信息检测：现状和未来方向》（Detecting Fake News on Social Media Using Deep Learning: Current Approaches and Future Directions）等。