Beyond Interaction Patterns

本研究使用的数据集包括来自16个不同国家的26个影响运动的IO（信息操作）数据和对照数据。这些数据集捕获了在同一时间框架内参与协调信息操作的有机用户的活动，并关注与协调行为者讨论的相同话题。

The datasets employed in this study include 26 datasets of information operation (IO) data and control data pertaining to influence campaigns, sourced from 16 distinct countries. These datasets capture the activities of organic users who engaged in coordinated information operations within the identical time frame, and focus on the same topics discussed by the coordinated actors.

搜集汇总

数据集介绍

构建方式

该数据集通过分析多个在线行为痕迹，使用先进的协调检测模型来识别不同国家之间的潜在战略联合行动。具体来说，它结合了控制数据集，以区分有机用户活动和协调努力，并利用TF-IDF向量和余弦相似性来构建用户相似性网络，从而检测协调行为。

特点

该数据集的特点在于：1) 结合了控制数据集，能够有效区分有机用户活动和协调努力；2) 使用了TF-IDF向量和余弦相似性来构建用户相似性网络，提高了检测协调行为的准确性；3) 考虑了多种在线行为痕迹，如回复、转推、URL共享等，使检测结果更全面。

使用方法

使用该数据集时，首先需要加载IO数据集和控制数据集，然后使用TF-IDF向量和余弦相似性构建用户相似性网络。接下来，可以通过分析网络中的边权重来检测不同国家用户之间的协调行为。此外，还可以使用Mann-Whitney U检验来比较IO数据集和控制数据集中的相似性/可疑性指标分布，以判断是否存在协调行为。

背景与挑战

背景概述

Beyond Interaction Patterns数据集是由Valeria Pantè、David Axelrod等研究人员在2025年提出，旨在评估国家间协调信息操作的声称。该数据集利用Twitter/X平台上的多个在线行为痕迹，采用先进的协调检测模型，研究不同国家之间的潜在战略联合行动。研究背景主要包括社交媒体平台成为国家行为者操纵公众舆论的工具，以及先前研究在国家间协调方面的局限性。

当前挑战

该数据集相关的挑战包括：1)解决领域问题方面的挑战，即识别国家间协调的信息操作；2)构建过程中的挑战，如仅依靠交互模式而不结合先进的协调指标或控制数据集可能会导致错误的结论。

常用场景

经典使用场景

该数据集‘Beyond Interaction Patterns’主要被用于评估不同国家之间是否存在协调一致的信息操作。其经典的使用场景是，通过分析多个在线行为轨迹，利用先进的协调检测模型，来识别不同国家之间潜在的战略性联合行动。

解决学术问题

该数据集解决了学术研究中如何准确检测在线协调的问题。通过引入控制数据集，并与最新的协调检测模型相结合，该研究挑战了先前关于国家间协调的结论，强调了在准确检测在线协调方面，需要采用稳健的方法和控制数据集。

衍生相关工作

该数据集衍生了一些相关的研究工作，例如进一步分析不同类型的信息操作模式、评估不同国家信息操作的策略等，推动了信息操作研究领域的发展。