Twitter Conspiracy Dataset 2022

Twitter Conspiracy Dataset 2022是由国家研究委员会信息学与电信研究所创建的一个全面Twitter数据集，包含15000个账户，主要用于研究2022年与阴谋论相关的社交媒体活动。该数据集通过分析用户的点赞行为和关注关系来识别参与阴谋论讨论的账户，并包括一个随机选择的控制组，以便进行公平比较。数据集涵盖了3700万条推文，通过比较两个用户组在话题、个人资料和行为特征三个维度的差异，揭示了阴谋论用户与普通用户在行为和活动上的显著差异。此外，该数据集还用于开发一个分类器，以识别与阴谋论相关的用户，其F1分数高达0.94，有效地揭示了与阴谋论账户相关的最显著特征。

Twitter Conspiracy Dataset 2022 is a comprehensive Twitter dataset developed by the Institute of Informatics and Telecommunications of the National Research Council. It encompasses 15,000 accounts and is primarily designed for research on conspiracy theory-related social media activities in 2022. The dataset identifies accounts participating in conspiracy theory discussions by analyzing users' liking behaviors and follow relationships, and includes a randomly selected control group to enable fair comparative studies. Spanning 37 million tweets, it reveals significant disparities in behaviors and activities between conspiracy theory-focused users and ordinary users by comparing the two groups across three dimensions: topics, profile characteristics, and behavioral traits. Additionally, this dataset has been employed to construct a classifier for identifying conspiracy theory-related users, which achieves an F1 score of up to 0.94 and effectively uncovers the most salient features associated with such accounts.

搜集汇总

数据集介绍

构建方式

该数据集以2022年Twitter平台为数据源，采用基于用户点赞行为的创新策略构建。研究团队首先从媒体偏差事实核查网站筛选出26个公认的阴谋论来源账号作为种子账户，随后通过Twitter API V2获取在2021年7月至2022年2月期间点赞过这些种子账户推文的用户。为确保样本的纯粹性，仅保留同时关注至少一个种子账户且点赞行为在多个账户间分布均匀的用户，最终筛选出7394名阴谋论用户。与此同时，为构建对照组，研究者基于阴谋论用户最常用的10个话题标签收集同期讨论相同话题的随机用户，并排除任何与种子账户存在互动痕迹的账号，经匹配后获得等量的7394名随机用户。通过提取两组用户的时间线数据，共采集到约3700万条推文，形成了规模宏大且平衡性优异的数据集。

特点

该数据集的核心特点在于其构建方式的独立性与对比分析的严谨性。首先，它不依赖于特定阴谋论主题或关键词，而是通过点赞行为这一隐含认可信号来识别用户，从而避免了传统方法中关键词或URL带来的偏差，能够捕捉到那些虽相信阴谋论但未必主动传播的用户。其次，数据集引入了精心设计的随机对照组，确保两组用户在讨论话题、账号创建时间和语言使用上高度一致，从而实现了公平的横向比较。此外，数据集还提供了丰富的元数据和行为特征，涵盖账户可信度、主动性参与和适应性变化三大维度，共计93个特征，并额外整合了心理语言学指标，为多维度剖析阴谋论用户的行为模式提供了坚实的数据基础。

使用方法

该数据集适用于多种研究场景，主要围绕用户特征分析与分类任务展开。研究者可直接利用提供的用户分组标签和时间线数据，进行话题建模、共现网络分析及情感倾向对比，以揭示阴谋论用户与普通用户在不同议题上的态度差异。同时，数据集附带的丰富特征可用于训练机器学习分类器，如LightGBM等算法，以构建高精度（F1达0.94）的阴谋论用户检测模型。使用时需注意数据集的隐私保护版本已匿名化处理，可通过Zenodo平台获取。建议研究者根据具体研究问题，灵活选用可信度、主动性、适应性及心理语言学四类特征，并结合自身需求进行特征工程与模型调优，以深入探索阴谋论传播的社交网络动力学。

背景与挑战

背景概述

在社交媒体时代，阴谋论借助在线平台的快速传播机制不断蔓延，对公众认知与社会稳定构成严峻挑战。为了深入理解阴谋论者的行为特征与心理动因，Margherita Gambini、Serena Tardelli 与 Maurizio Tesconi 于2022年创建了 Twitter Conspiracy Dataset 2022。该数据集由意大利国家研究委员会信息与电信研究所主导构建，包含7394名阴谋论用户与同等数量的随机对照用户，总计采集了约3700万条推文。研究团队创新性地采用“点赞”行为作为用户分类依据，而非依赖关键词或URL，从而更精准地识别出真正认同阴谋论内容的用户。该数据集为分析阴谋论者在话题偏好、档案元数据与行为模式上的独特性提供了坚实基础，推动了用户级阴谋检测研究的范式转变，成为该领域的重要参考资源。

当前挑战

该数据集面临的核心挑战在于如何有效区分真正的阴谋论者与普通用户。首先，在领域问题层面，现有方法多依赖特定关键词或URL识别阴谋论，容易混淆恶意机器人、误导信息传播者与真实信仰者，且难以覆盖广泛且动态的阴谋叙事。其次，在构建过程中，数据收集面临多重困难：需从近百万点赞用户中筛选出具有持续性、多样性与一致性的阴谋论者，同时构建可公平比较的随机对照组，确保两组用户在话题、创建时间与语言上具有可比性。此外，如何排除机器人账户的干扰、处理元数据缺失、以及避免因平台政策变化导致的数据可获取性问题，也是构建过程中必须克服的技术与伦理挑战。

常用场景

经典使用场景

在社交媒体与计算社会科学领域，Twitter Conspiracy Dataset 2022 被广泛用于研究在线阴谋论传播的用户特征。该数据集通过创新的“点赞”行为策略，识别出7,394名深度参与阴谋论内容的用户，并配以同等规模的随机对照组，涵盖3,700万条推文。研究者常利用此数据集构建用户级分类模型，通过分析用户画像、行为模式与语言特征，精准区分阴谋论信奉者与普通用户。其经典应用场景包括使用LightGBM等机器学习算法，融合可信度、主动性与适应性三类特征，实现高达0.94的F1分数，为理解阴谋论群体的数字行为提供了坚实的数据基础。

衍生相关工作

该数据集衍生了一系列具有影响力的后续研究工作。在方法层面，研究者基于其特征工程思路，将可信度、主动性与适应性特征与心理语言学特征（如情感、人格特质、LIWC语言模式）相融合，开发出如ConspiDetector等先进的深度学习检测模型，在跨数据集验证中展现出良好的泛化能力（F1达0.88）。在理论层面，该数据集启发了对阴谋论用户时间动态演化的追踪研究，通过分析用户从关注常规话题逐步转向极端叙事的语言变迁路径，揭示了“正常化”过程的潜在规律。此外，数据集中对机器人账号极低占比（低于1%）的发现，挑战了以往将阴谋论传播简单归因于自动化账号的认知，推动了关于真实用户心理动机的深入探讨。

数据集最近研究

最新研究方向

当前，社交媒体上的阴谋论传播已成为信息生态中亟待解决的严峻挑战。Twitter Conspiracy Dataset 2022 的构建，标志着该领域研究从依赖特定阴谋论主题或关键词的有限数据集，迈向更全面、无偏见的用户层面分析。该数据集通过创新的“点赞”行为识别策略，独立于具体阴谋叙事，并引入随机对照组，为探究阴谋论用户的群体特征提供了前所未有的规模与深度。前沿研究方向聚焦于利用机器学习模型融合账户元数据、行为模式及心理语言学特征，以高精度（F1 分数达 0.94）区分阴谋论用户与普通用户。研究发现，两者在主题态度、行为动态及语言风格上存在显著分歧，且自动化账户比例极低，揭示了真实用户的深度参与。这一工作不仅强化了对阴谋论群体画像的刻画能力，也为跨平台、跨理论的动态监测与干预策略奠定了坚实的数据与方法论基础，对遏制网络信息污染具有深远意义。

相关研究论文

• The Anatomy of Conspirators: Unveiling Traits using a Comprehensive Twitter Dataset

  国家研究委员会信息学与电信研究所 · 2024年