Covid-19 aşı karşıtlığı tutumunda çok yüksek etkileşime sahip trollerin ortak özelliklerini belirlemeye ilişkin bir araştırma

Abstract

Sosyal mecralar pandemi sürecinde Covid-19 aşı karşıtlığı konusunda önemli bir rol oynamıştır. Bu konuda troller ve botlar vasıtasıyla Twitter ortamından hızlı bir biçimde yayılan iletiler, insan ve toplum sağlığını tehlikeye atma potansiyeline sahip olmuştur. Bu nedenle trol hesapların ortak özelliklerinin açığa çıkarılması gerekmektedir. Böylelikle kullanıcılarda farkındalık oluşturulabilecektir. Bu problemden hareketle, öncelikle aşı karşıtı olan trol hesaplardan bot olanlar ayıklanmış ve kalanlar üzerinde etkileşim oranı hesaplanmıştır. Daha sonra etkileşim gruplarının etkileşim oranına göre dağılımlarının belirlenebilmesi için ilgili oranın medyanı alınmıştır. Böylelikle, düşük-orta-yüksek-çok yüksek olmak üzere 4 dağılımlı etkileşim grubu tespit edilmiştir. Son olarak, çeşitli bakımlardan –ki ortak özellikler olarak anılmaktadır – bu etkileşim grupları arasındaki farklılıklar Anova Testi ile hesaplanmış ve böylelikle çok yüksek etkileşime sahip olanlarının diğer etkileşim gruplarına göre durumları ortaya konabilmiştir. Sonuçlara göre, aşı karşıtı troller fazla sayıda tweet atmak, fazla sayıda retweet alma potansiyeline sahip olmak, fazla sayıda hashtag kullanmak, paylaşımları geniş bir zaman aralığına yaymak gibi yollara başvurmak suretiyle Twitter kullanıcılarını etkilemeye çalışmışlardır. Ortak özellikleri muayyen etmek, kullanıcıların söz konusu trolleri gözlemleyebilir olması ve ona göre tavır alması açısından önem arz etmektedir.Social media has played an important role in the Covid-19 vaccine opposition during the pandemic process. In this regard, the messages that spread rapidly through the Twitter environment by means of trolls and bots have the potential to endanger human and public health. For this reason, the common features of troll accounts should be revealed. This will create awareness among users. Starting from this problem, first of all, bots were removed from anti-vaccine troll accounts and the interaction rate on the remaining ones was calculated. Then, the median of the relevant ratio was taken to determine the distribution of the interaction groups according to the interaction rate. Thus, 4 distributed interaction groups were identified as low-medium-high-very high. Finally, the differences between these interaction groups in various aspects –which are referred to as common features – were calculated with the Anova Test, thus revealing the status of those with very high interaction compared to other interaction groups. According to the results, antivaccine trolls tried to influence Twitter users by using ways such as tweeting a lot, having the potential to receive a large number of retweets, using a large number of hashtags, and spreading the posts over a wide time period. It is important to determine the common features in order for users to be able to observe the trolls in question and to act accordingly