¿Ve todos esos idiomas arriba? Traducimos las historias de Global Voices para que los medios ciudadanos del mundo estén disponibles para todos.

Entérate más sobre Traducciones Lingua  »

¿Están los medios rusos inflados por retuits de robots?

Why are suspicious Twitter accounts mass-retweeting stories from top Russian news agencies? Images mixed by Tetyana Lokot.

¿Por qué hay cuentas de Twitter sospechosas retuiteando en masa historias de agencias de noticias rusas? Imagen editada por Tatyana Lokot

Cientos de lo que parecen ser robots de Twitter están inflando de forma artificial el contador de retuits y favoritos de tuits con enlaces a artículos de las principales agencias de noticias rusas. Lawrence Alexander descubrió que las mismas cuentas falsas ya habían publicado en masa enlaces a cuenta del blog pro-Kremlin LiveJournal —formando parte de una red de miles. En este fragmento, Alexander nos muestra su proceso de investigación.

Mi investigación para este artículo comenzó cuando percibí una tendencia inusual entre las cuentas de Twitter de los principales rotativos rusos. Entre los usuarios de Twitter que retuiteaban y marcaban como favorito historias del estilo de RT, RIA Novosti y LifeNews, muchos tenían su historial casi completamente formado por retuits.

Comportamientos sospechosos de cuentas

Ejemplos típicos de grandes retuiteadores son MarishaSergeeva,
MilenaRuinevaKlaraUkralaKoluolga04plaraz1377 y babichevaSonya [archive: 1 2 3 4 5 6].

Tras un examen minucioso de los metadatos de las cuentas, es inmediatamente obvio que todas comparten las claves de una cuenta falsa: sus biografías era cortas o esquemáticas, mostrando eslóganes anodinos, o estaban totalmente en blanco; sus avatares parecían sacados de fotografía de stock con modelos posando o eran imágenes de dibujos animados sin vínculo alguno.

RT retweets

Repetidos retuits del servicio en ruso RT es un elemento en común a muchas de las presuntas cuentas falsas

Su comportamiento difería de los robots que aparecían en mi primer artículo para RuNet Echo, los cuales no retuiteaban o marcaban favoritos y se seguían los unos a los otros en una red cerrada. Un análisis de estas recién identificadas cuentas con NodeXL no reveló ninguna agrupación comunitaria similar.

Mientras que algunas cuentas se dedicaban únicamente a retuitear, otras (tal como SlavinaOksi) también escribía ciertos enlaces a noticias.

slavinaoksi kievsmi

Esta cuenta tuitea enlaces a noticias tanto en ucraniano como en ruso.

La inmensa mayoría de los enlaces tuiteados por «Slavina» dirige a historias en kievsmi.net, una de las páginas de noticias pro-Kremlin (en este caso, creada para aparentar ser una publicación ucraniana) en la red del ya mencionado RuNet Echo.

En este punto, resulta claro que algunas organizaciones de comunicación en ruso estaban inflando su popularidad en Twitter de forma artificial por cuentas que parecían y actuaban sospechosamente como «no humanos». Pero ¿a qué escala estaba sucediendo? ¿pasa solo en Rusia o es un fenómeno representativo en un rango más amplio de la Internet?

Comparando las tendencias

Para obtener una respuesta más clara, escribí un código básico en Python para buscar los historiales de los retuiteadores recientes de una cuenta de Twitter concreta e indentificar el porcentaje de cuentas retuiteando cuyos últimos 30 tuits eran todos retuits. Ciertamente, una medida tan simple tuvo el potencial de producir una falsa evidencia de usuarios regulares que habitualmente retuitean. Pero los resultados que produjo fueron a la vez interesantes y sorprendentes.

Durante el transcurso de casi dos semanas, reuní datos de cuentas de Twitter de agencias de noticias de Rusia, Ucrania, Reino Unidos y los Estados Unidos de América, produciendo una registro medio del número de retuits que recibían de cuentas sospechosas.

Para la comparación a grandes rasgos de un comportamiento normal de Twitter, utilicé una muestra aleatoria de 45 cuentas de Twitter en inglés y 45 en ruso. Se reunieron mediante la búsqueda de cualquier usuario que hubiera tuiteado la conjunción «y» en cada lengua.

Para mi muestra de cuentas de Twitter relacionadas con los medios, la media del registro en inglés (para retuits de cuentas que eran sospechosas) fue 18,6%, con RuNet puntuando una media algo superior 20,3%.

De forma consistente, las publicaciones de noticias en ruso mostraban más retuits de cuentas «robóticas» que sus homólogos ingleses.

El gráfico inferior muestra la puntuación media para cada una de las cuentas de agencias de noticias durante el periodo de 2 semanas:

 

Las puntuaciones superiores vinieron de @emaidan_ua, novostikiev y @kievsmi —las cuales están vinculadas a redes web pro-rusas. @ La cuenta de la agencia rusa más grande a favor del gobierno también obtuvo una puntuación alta, mientras que las publicaciones occidentales líderes (CNN, Fox News, MSNBC y la BBC) obtuvieron las puntuaciones más bajas de retuits de cuentas «retuiteadoras».

Las publicaciones de noticias ucranianas como Kyiv Post y UA Today TV también obtuvieron puntuaciones inferiores a la media, como también lo hizo la cuenta en inglés de televisión rusa como Sputnik y RT.  Esto contrasta llamativamente con el 42% de la cuenta de Twitter de RT en ruso —22% sobre la media de RuNet ¿Qué se esconde detrás de esta diferencia?

Si observamos más de cerca los metadatos de las cuentas que inventaron estas granjas de retuits, una extraña característica las asemeja. En el campo que muestra el nombre del cliente de software usado para hacer los tuits —que podría ser generalmente Twitter para Android o Tweetdeck— la misma serie de nombres aparecen de forma consistente: «bronislav», «iziaslav», «meceslav», «slovoslav» y «rostislav». Los análisis mostraron que casi la mitad de los robots de retuit usaron estos clientes.

Las búsquedas de Google sugerían que no estaban asociados a ningún software comercial de Twitter y parecían ser robots que solo funcionaban en los perfiles rusos, así que era bastante probable que fueran parte de una herramienta a medida. Curiosamente, todos son nombres masculinos tradicionalmente eslavos que derivan de palabras que describen «una persona que lucha por o para la gloria».

Usando estos nombres de clientes como filtros, modifiqué mi código de Python para marcar solo las cuentas que publicaban usando estos softwares. Esta resultó ser una medida mucho más selectiva que tan solo el comportamiento de retuits; usando la redacción afinada aislé un total de 411 cuentas falsas.

Sorprendentemente, el comportamiento de los robots cambió con el tiempo. Aunque muchos se centran ahora en retuitear de forma automática, las búsquedas de los historiales muestran que antes promocionaron etiquetas como #AnarchyinUA, #PutinPeaceMAker y #MaterialEvidence, a menudo compartiendo contenido similar a los que se ven en las páginas web conectadas a la «fábrica de trolls» de la Agencia de Investigación de Internet.

Bot AnarchyinUA

«Kolomoyskiy y Poroshenko luchan por millones mientras la gente cuenta céntimos #AnarchyInUA».

Bot Material Evidence

«#MaterialEvidence Horrible prueba de la guerra civil en Ucrania mostradas en Nueva York» y tuits posteriores sobre la exhibición con enlaces a noticias relevantes en ruso.

Tras un tiempo, como si estuvieran a la espera o «de vacaciones», los robots tuitearon citas inspiracionales u otros contenidos aleatorios sacados de Internet. 

Robot tuiteando una serie de citas y frases sin relación; ni links ni retuits.

 

Robot centrado en la actividad de RuNet

Tras obtener una muestra «limpia» de robots retuiteadores que estaba libre de pruebas falsas, quise ver qué agencias de noticias estaban obteniendo más atención de ellos. Escribí un tercer código Python para reunir los nombres de usuarios de las últimas 30 cuentas que retuitearon cada robot, con el resultado de la siguiente gráfica de fuentes principales para los retuits de los robots.

 

Las agencias de noticias más grandes respaldadas por el estado ruso —RIA Novosti, RT, LifeNews y TASS— dominan la lista. Sin embargo, las cuentas de Twitter de organizaciones de noticias independientes, tales como Meduza Project y TV Rain, también estaban presentes. Y extrañamente, mientras que la cuenta de Riafan (una web de la «fábrica de trolls» de San Petersburgo) recibía retuits falsos, al igual que @champ_football (parte de la web de deportes championat.com). No está claro si esta extraña combinación es una singularidad del código de los robots o un intento deliberado por disimular las intenciones políticas. De cualquier modo, no hay pruebas de que ninguna de las organizaciones citadas haya ordenado o planeado los retuits.

Los datos basados en filtros de la fuente del cliente confirman que los robots que usan un software a medida se centran casi únicamente en los medios rusos (ver la gráfica).

 

No hay duda de que mediante sus repetidos retuits, estas cuentas han tenido un impacto considerable en la red de Twitter en ruso y en el tráfico de webs de noticias. Sus actividades describe como la popularidad de Twitter y la puntuación de atracción pueden modificarse de forma artificial, un factor de importancia para los analistas de redes sociales cuya investigación puede basarse en estos datos.

Pero retuits y etiquetas son solo una parte del juego de los robots. En mi próximo artículo estudiaré los blogs de LiveJournal. Han estado promocionándolos en masa e investigo si sirven como prueba de un nuevo intento de diseminar contenido pro-Kremlin en la RuNet.

Inicie la conversación

Autores, por favor Conectarse »

Guías

  • Por favor trate a los demás con respeto. Comentarios conteniendo ofensas, obscenidades y ataque personales no serán aprobados.