تحلیل داده‌های کمپین توئیتری WarsawSayNoToMullahs

سرویس سیاسی فردا: در فاصله یک روز مانده به آغاز نشست ورشو، یک کمپین توئیتری با هشتگ #WarsawSayNoToMullahsشکل گرفت و توئیت‌های بسیاری با این هشتگ توسط تعداد زیادی کاربر منتشر شد.این گزارش به تحلیل بیش از۷۲۰ هزارتوییت‌ که حاوی هشتگ فوق بوده‌اندمی‌پردازد.

خلاصه یافته‌های این تحقیق به شرح ذیل است:

• تعداد ۷۲۴٬۹۰۳توئیت که توسط ۱۴٬۸۲۸حساب منحصربه‌فرد منتشر شده بودند جمع‌آوری شد، که تعداد ۶۲۵٬۴۰۵ توئیت از آن‌ها (۸۶٪) ریتوئیت بوده‌اند.
• ۱٬۶۳۲ حساب در یک ماه و نیم اخیر ایجاد شده‌اند که حدود ۱٬۰۴۱ حساب از آن‌ها بات (روبات) بوده‌اند.
• افراد فعال در این عملیات مجازی را به پنج گروه کلی می‌توان تقسیم کرد:
  1. حامیان رضا پهلوی (۳۸٪ از کاربران و ۳۸٪ از توئیت‌ها)
  2. براندازان مستقل (۲۰٪ از کابران و ۵۸٪ از توئیت‌ها)
  3. منافقین (۳٪ از کاربران و ۰.۳٪ از توئیت‌ها)
  4. حامیان جنبش ایرانارشیسم (۱٪ از کاربران و ۲٪ از توئیت‌ها)
  5. سایر کاربران (۳۷٪ از کاربران و ۲٪ از توئیت‌ها)
• شواهدی مبنی بر فعالیت گروهی و هماهنگ کاربران عربستانی و ری‌استارتی وجود ندارد.
• حساب‌های کاربری «اسرائیل به فارسی (IsraelPersian)» و «بنیامین نتانیاهو (israelipm_farsi)»در این عملیات مجازی فعال بوده و به ترتیب رتبه ۲۶ و ۳۵۲ را در بین کاربران تاثیرگذار دارا بودند.
• بر اساس محاسبات پیچیده مبتنی بر حدود ۱٬۲۰۰ شاخص کمّی، حدود۳۰٪ از کاربران فعال در این عملیات مجازی به احتمال زیاد روبات (بات) هستند، که ۳۵٪ از مجموع توئیت‌ها توسط آن‌ها منتشر شده است.
• تعداد زیاد بات‌ها، حجم بالای ریتوئیت، تعداد زیاد حساب‌های جدید، و الگویجریان گردش اطلاعات همگی نشان‌دهنده‌ی سازمان‌دهی‌شده بودن این کمپین است، که در اصطلاح به آن‌ها «عملیات نفوذ مجازی [1] » گفته می‌شود.
• هر چند نمی‌توان در مورد این که چه تعداد از کاربران فعال در این عملیات مجازی از داخل یا خارج از کشور بوده‌اند با قطعیت اظهارنظر کرد، اما یقینا منشأ و بازی‌گردانان تاثیرگذار این عملیات مجازی، شبکه‌ای از حساب‌های کاربری متعلق به حامیان پهلوی و برخی از براندازان شناخته‌شده خارج از کشور بوده‌اند.

۱ـ چه تعداد توئیت منتشر شده است؟

با استفاده از رابط کاربری توئیتر (Twitter Search API)، تعداد ۷۲۴٬۹۰۳ توئیت‌ که حاوی هشتگ #WarsawSayNoToMullahs بودند جمع‌آوری شدند. این توئیت‌ها توسط ۱۴٬۸۲۸ کاربر منحصربه‌فرد منتشر شده‌اند (جدول ۱). توجه شود که رابط کاربری توئیتر هیچ‌گاه تمام توئیت‌ها را در اختیار کاربر نمی‌گذارد، فلذا به احتمال زیاد تعداد توئیت‌های منتشر شده بیشتر از تعداد جمع‌آوری شده در این گزارش است.

۲ـ چگونه توئیت‌ها را تحلیل کنیم؟

از آن‌جا که کاربران فعال در عملیات‌های نفوذ مجازی عموما به صورت گروهی و هماهنگ عمل می‌کنند، یکی ازموثرترین روش‌ها برای شناسایی گروه‌های مختلفی که در تولید و انتشار خبر در یک واقعه خاص فعال بوده‌اند ایجاد و تحلیل شبکه گردش اطلاعات است. به عنوان مثال، در مورد شبکه اجتماعی توئیتر باید شبکه ریتوئیت بین کاربران را ایجاد کرد و با استفاده از الگوریتم‌های«شناسایی گروه‌ها [2] » به کشف گروه‌های مختلف کاربران پرداخت. این روش‌ها بر اساس شباهت‌های ساختاری بین کاربران آن‌ها را در گروه‌های مختلف دسته‌بندی می‌کنند. سپس بر اساس روش‌های تحلیل متن، کاربران حاضر در هر کدام از دسته‌ها،کاربران تاثیرگذار، و نظرات کارشناسی خبرگان می توان در مورد هویت هر یک از گروه‌ها اظهارنظر کرد. لازم به ذکر است که این روش‌ها تقریبی بوده و همواره درصدی از خطای تشخیص دارند. اما بهترین ابزار موجود جهت تحلیل داده‌های شبکه‌ای در حجم بالا و به صورت روش‌مند هستند.

۳ـکمپین توسط چه کسانی آغاز شد؟ روزانه چه تعداد توئیت منتشر شده است؟

با توجه به خروجی رابط کاربری توئیتر، نام‌کاربری، بیوگرافی، متن توئیت، و تاریخ انتشار توئیت‌های ۱۰ کاربر اولی که اقدام به استفاده از هشتگ WarsawSayNoToMullahs کردند در جدول ۲ نشان داده شده‌ است. در این بین، سه کاربرpabedar، pariam8، و AMG97988771 از کاربران تاثیرگذاری هستند که تقریبا در تمام کمپین‌های توئیتری ضدایرانی اخیر فعال و تاثیرگذار بوده‌اند.شکل ۱ نیز نمودار مربوط به تعداد توئیت‌های منتشر شده در هر روز را نشان می‌دهد (زمان‌ها بر اساس ساعت هماهنگ جهانی [3] است). همان‌طور که ملاحظه می‌شود، فعالیت کاربران از حدود یک روز قبل از آغاز نشست ورشو در روز ۱۳ فوریه ۲۰۱۹ شروع شده است. بیشترین میزان فعالیت هم به ترتیب مربوط به ساعات آغازین روز اول و دوم نشست است.

جدول ۲: مشخصات ۱۰ کاربر اولی که اقدام به انتشار هشتگ WarsawSayNoToMullahs کردند

شکل ۱: نمودار روزانه تعداد توئیت‌های منتشر شده

۴ـ حساب چه تعدادی از کاربران به تازگی در توئیتر ایجاد شده است؟

شکل ۲ نمودار زمانی تاریخ ایجاد حساب در توئیتر برای کاربران فعال در کمپین توئیتری مورد نظر را نشان می‌دهد. همان‌طور که ملاحظه می‌شود، علی‌رغم آن‌که عمر حساب‌ برخی از کاربران به سال ۲۰۰۷ میلادی برمی‌گردد، اکثر حساب‌ها از سال ۲۰۱۸ به بعد ایجاد شده‌اند. به طور دقیق‌تر، عمر حساب ۷٬۳۴۰ کاربر، یعنی حدود نیمی از کاربران، به سال ۲۰۱۸ برمی‌گردد. نکته عجیب در شکل ۲ مربوط به افزایش ناگهانی تعداد حساب‌ها در ژانویه ۲۰۱۸ و ۲۰۱۹ است، که به ترتیب ۹۱۵ و ۱٬۰۳۲ حساب جدید در آن‌ها ایجاد شده است. همچنین، حدود ۶۰۰ حساب جدید در فاصله دو هفته مانده به آغاز کمپین ایجاد شده‌اند.نکته جالب توجه این که از مجموع این ۱٬۶۳۲ حسابی که در یک ماه و نیم منتهی به پایان این کمپین ایجاد شده‌اند (۱ ژانویه الی ۱۷ فوریه)، ۱٬۰۴۱ حساب بات بوده‌اند (جزئیات محاسبه در بخش ۸).

به منظور شناخت تعداد توئیت‌هایی که توسط حساب‌های جدید و قدیمی منتشر شده‌اند، هیستوگرام اختلاف زمانی بین تاریخ ایجاد حساب و تاریخ انتشار توئیت با آن حساب که حاوی هشتگ WarsawSayNoToMullahs باشد در شکل ۳ ترسیم شده است. ملاحظه می‌شود که بیش از ۶۰هزار توئیت توسط حساب‌هایی با عمر کمتر از یک ماه منتشر شده است. همچنین بیش از ۶هزار توئیت توسط حساب‌هایی منتشر شده‌اند که در همان روز ایجاد شده بودند.

شکل ۲: نمودار تعداد و تاریخ ایجاد حساب کاربران فعال در کمپین. نیمی از کاربران از سال ۲۰۱۸ به بعد به توئیتر پیوسته‌اند. دو جهش موجود مربوط به ژانویه ۲۰۱۸ و ژانویه ۲۰۱۹ است که بدان معناست که در شروع سال جدید میلادی تعداد زیادی حساب جدید به شبکه مخالفان ایران اضافه شده است. شناخت علت این موضوع نیاز به بررسی بیشتر دارد. همچنین، حدود ۶۰۰ حساب جدید در فاصله دو هفته مانده به آغاز کمپین ایجاد شده‌اند.

شکل۳: (نمودار بزرگ): هیستوگرام ماهانه تفاوت زمانی تاریخ ایجاد حساب در توئیتر و تاریخ توئیتی که با آن حساب در مورد نشست ورشو منتشر شده است. به عنوان مثال، عدد صفر در محور افقی به این معناست که تفاوت زمانی بین ایجاد حساب و توئیت کردن با آن حساب صفر روز بوده است (یعنی توئیت در همان روزی منتشر شده که حساب در آن روز ایجاد شده است). ملاحظه می‌شود که بیش از ۶۰هزار توئیت توسط حساب‌هایی با عمر کمتر از یک ماه منتشر شده است. (نمودار کوچک): هیستوگرام روزانه برای کاربرانی که تفاوت تاریخ ایجاد حساب و تاریخ توئیت آن‌ها کمتر از یک ماه بوده است. بیش از ۶هزار توئیت توسط حساب‌هایی منتشر شده‌اند که در همان روز ایجاد شده بودند.

۵ـ کدام گروه‌های سیاسی در این کمپین فعال بودند؟

شکل ۴ شبکه ریتوئیت کاربران فعال در کمپین توئیتری WarsawSayNoToMullahs و گروه‌های مختلف شناسایی‌شده را نشان می‌دهد. در این شبکه، هر یک از گره‌ها نمایان‌گر یک حساب کاربری است که حداقل یک توئیت با هشتگ فوق را منتشر کرده است. وجود یال‌ها بین دو گره نیز نشان‌دهنده آن است که یکی از آن‌ها دیگری را حداقل یک بار ریتوئیت کرده است. هر رنگ نشان‌دهنده یک گروه از کاربران است که توسط یکی از الگوریتم‌های «شناسایی گروه‌ها» کشف شده است. برای اطلاع از محتوا و هویت هر یک از گروه‌های شناسایی شده باید از روش‌های تحلیل متن و سایر ابزارهای موجود در ادبیات علوم شبکه استفاده کرد و هشتگ‌ها، کلمات، و عبارات پرکاربرد هر یک از گروه‌ها را استخراج نموده و با توجه به کاربران تاثیرگذار موجود در هر گروه و نظر خبره در مورد ماهیت هر یک از گروه‌ها تصمیم‌گیری کرد. توجه شود که بنا به تعریف شبکه ریتوئیت، کاربرانی که هرگز ریتوئیت نکرده یا نشده‌اند در شبکه ریتوئیت حاضر نیستند و در شکل ۴ نشان داده نشده‌اند.

شکل ۴: شبکه ریتوئیت کاربران فعال در کمپین WarsawSayNoToMullahs و گروه‌های مختلف آن‌ها. هر رنگ نشان‌دهنده یک گروه از کاربران است (آبی: پهلوی؛ نارنجی: شبکه براندازان مستقل؛ بنفش: منافقین، قرمز: ایرانآرشیسم). اندازه گره/فونت نشان‌دهنده میزان ریتوئیت شدن است. مشخصات کلی هر یک از گروه‌های در جدول ۲ توضیح داده شده است. همچنین مشخصات تفصیلی هر یک از گروه‌ها در پیوست همین گزارش آورده شده است.

جدول ۳: مشخصات هر یک از گروه‌های شناسایی شده در شکل ۴

جدول ۳ تعداد کاربران موجود در هر گروه، کاربران تاثیرگذار، هشتگ‌های پرکاربرد، و نام پیشنهادی برای هر گروه را نشان می‌دهد. ملاحظه می‌شود که ۳۸٪ از کاربران از حامیان رضا پهلوی،۲۰٪ از براندازان مستقل، ۳٪ از منافقین، و ۱٪ از ایرانارشیسم بوده‌اند. مشخصات تفصیلی هر یک از گروه‌های Gشناسایی‌شده، شامل پرتکرارترین هشتگ، کلمه، عبارت دوکلمه‌ای، وب‌سایت‌، کاربران ریتوئیت‌کننده، کاربران ریتوئیت‌شونده، و کاربران مخاطب قرار داده شده در جداول ۱پ الی ۵پ در پیوست همین گزارش ارائه شده‌اند). البته همان‌طور که در بخش ۱ـ۲ گفته شد، الگوریتم‌های شناسایی گروه‌ها همواره دارای درصدی از خطای تشخیص هستند. خصوصا در مواردی که گروه‌ها بسیار به هم نزدیک و درهم‌تنیده باشند (مانند شکل ۲)، این خطای تشخیص بیشتر خواهد بود (علی‌الخصوص در مورد کاربرانی که در مرز بین دو گروه قرار گرفته‌ باشند). با این وجود اما، در شکل ۴ و جدول ۳ کاملا مشخص است که هسته اصلی کمپین مورد بررسی کاربران به اصطلاح برانداز و حامیان رضا پهلوی هستند. سایر روش‌های مکمل برای تشخیص دقیق‌تر کاربران هر گروه در صورت نیاز موجود و قابل استفاده هستند.

۶ـ کاربران تاثیرگذار چه کسانی بودند؟

در یک دسته‌بندی کلی، دو دسته از کاربران را می‌توان به عنوان کاربران تاثیرگذار شناسایی کرد : ۱) کاربرانی که مطالب آن‌ها بیشترین بازنشر را داشته است؛ و ۲) کاربرانی که نقش پل ارتباطی بین گروه‌های مختلف را دارند (واسطه یا بروکر).

۶ـ۱ـ کاربرانی که بسیار ریتوئیت شده‌اند

جدول۴ده کاربر دارای بیشترین نرخ ریتوئیت‌شدن را نشان می‌دهد. در جدول ۴، کاملا مشخص است که اکثر کاربران فاقد نام واقعی هستند و جزو افراد شناخته‌شده داخل یا خارج از کشور نیستند. در واقع، به‌ غیر از ایوار فرهادی و محمد مظفری هویت سایر کاربران قابل شناسایی نیست و به احتمال زیاد بات یا حساب‌های کاربری نیمه‌اتوماتیک (Cyborg)هستند. این واقعیتنیزیکی دیگر از نشانه‌هایعملیات نفوذ مجازی بودن این رخداد توئیتریاست.

جدول ۴: کاربران با نرخ بالای ریتوئیت شدن

همان‌گونه که در جدول ۴ مشخص است، کاربری با نام «ایوار فرهادی» تاثیرگذارترین کاربر این کمپین توئیتری بوده است. او ۹۴۱ توئیت/ریتوئیت را در این کمپین ۵ روزه منتشر کرده که توسط ۲٬۸۵۶ کاربرمنحصربه‌فرد ریتوئیت شده است. او نیز توئیت‌های ۱۲۰ کاربر منحصربه‌فرد دیگر را ریتوئیت کرده است. حساب کاربری توئیتر او در تاریخ ۱۷ دسامبر ۲۰۱۸ (حدود ۲ ماه پیش) ایجاد شده است و تقریبا یک ماه پس از آن در تاریخ ۲۱ ژانویه ۲۰۱۹ تعداد فالوئرهای او به ۱٬۵۸۴ رسیده است. جدول ۵ تعداد روزانه فالوئرهای فرهادی و کاربرانی که او فالو می‌کند را در بازه زمانی یک هفته قبل تا یک هفته بعد از آغاز کمپین توئیتری مورد بررسی در این گزارش نشان می‌دهد. دو نکته در جدول ۵ حائز اهمیت است: ۱) تغییرات روزانه در تعداد فالوئرها و کاربرانی که او آن‌ها را فالو کرده است تقریبا یکسان است؛ و ۲) در ۳ روز اول این کمپین تعداد فالوئرهای او جهش قابل ملاحظه‌ای داشته است.

جدول ۵: آمار روزانه فعالیت و مشخصات تاثیرگذارترین کاربر کمپین (با استفاده ازSOCIALBLADE)

شکل ۵: مقایسه تعداد حساب‌های جدید و افزایش فالوئرهای ایوار فرهادی در بازه زمانی ده روز قبل از آغاز کمپین تا پایان کمپین. (نارنجی): نمودار میزان افزایش فالوئرهای فرهادی؛ (سبز): نمودار تعداد حساب‌های جدید در هر روز. هر چند بررسی دقیق وجود ارتباط معنادار بین این دو نیازمند داده‌های بیشتر و استفاده از مدل‌های آماری است، اما به نظر می‌رسد که افزایش تعداد حساب‌های جدید با تاخیری چند روزه در افزایش تعداد فالوئرهای فرهادی منعکس شده است.

به منظور بررسی علت افزایش فالوئرهای فرهادی در روزهای منتهی به شروع کمپین و حین آن، تعداد حساب‌های جدید ایجاد شده در هر روز و تعداد افزایش فالوئرهای فرهادی در همان روزها در شکل ۵ ترسیم و مقایسه شده است. هر چند بررسی دقیق وجود ارتباط معنادار بین این دو نیازمند داده‌های بیشتر و استفاده از مدل‌های آماری است، اما به نظر می‌رسد که افزایش تعداد حساب‌های جدید با تاخیری چند روزه در افزایش تعداد فالوئرهای فرهادی منعکس شده است.

۶ـ۲ـ کاربرانی که به لحاظ پل ارتباطی بین گروه‌های مختلف بودن تاثیرگذار هستند

نوع دیگری از کاربران اثرگذار آن دسته از کاربرانی هستند که نقش پل ارتباطی بین گروه‌های مختلف را دارند. به عبارت دیگر، اگر این کاربران نبودند، شدت اتصال آن گروه‌ها به بکدیگر و گردش اطلاعات بین آن‌ها کمتر شده و مطالب منتشر شده در هر یک از گروه‌ها به تعداد کمتری از کاربران سایر گروه‌ها منتقل می‌شد. اهمیت این کاربران از آن جهت است که حذف آن‌ها باعث کاهش عملکرد شبکه جریان اطلاعات می‌شود. در ادبیات علوم شبکه و علوم اجتماعی محاسباتی، معمولا از شاخصمرکزیت «میانیت» برای شناسایی این دسته از کاربران استفاده می‌شود. البته تعداد کمی شاخص دیگر که عموما مبتنی بر ویژگی‌های هندسی شبکه هستند نیز در ادبیات علوم شبکه معرفی شده و قابل استفاده می‌باشند. در شکل ۶ کاربرانی که به لحاظ شاخص میانیت از اهمیت بالاتری برخوردارند با اندازه بزرگتری نشان داده شده‌اند. جدول ۶ کاربرانی که دارای بالاترین میزان شاخص مرکزیت میانیت هستند را نشان می‌دهد.

شکل ۶: شبکه ریتوئیت کاربران فعال در کمپین نشست ورشو و گروه‌های مختلف آن‌ها. هر رنگ نشان‌دهنده یک گروه از کاربران است. اندازه گره و فونت نشان‌دهنده میزان شاخص مرکزیت میانیت است.

جدول ۶: کاربران با نرخ بالای شاخص مرکزیت میانیت

7 ـ هر گروه چه تعداد توئیت منتشر کرده و تنوع فعالیت آن‌ها چگونه بوده است؟

شکل ۷ نمودار تعداد توئیت‌های منتشر شده به تفکیک گروه‌های مختلف کاربران را نشان می‌دهد. همان‌طور که در شکل ۷ مشاهده می‌شود، فعالیت تمام گروه‌ها به صورت تقریبا هم‌زمان از روز ۱۲فوریه شروع شده است و عمده فعالیت مربوط به براندازان و حامیان پهلوی بوده است.جدول ۷ تعداد و درصد کاربران، توئیت، ریتوئیت، لینک‌های موجود در توئیت‌ها، و منشن را بین گروه‌های مختلف مقایسه می‌کند. ملاحظه می‌شود که علی‌رغم تعداد بیشتر کاربران موجود در گروه پهلوی (۳۸٪ از مجموع کاربران)، تعداد توئیت‌های منتشر شده توسط براندازان وابسته به آمریکا به طور قابل توجهی بیشتر از گروه‌های دیگر است. در واقع، ۵۸٪ از مجموع توئیت‌های جمع‌آوری شده توسط کاربران موجود در گروه براندازان منتشر شده است. همچنین، مشاهده می‌شود که بین ۸۱ تا ۹۱ درصد از کل توئیت‌های منتشر شده در هر یک از چهار گروه پهلوی، براندازان، منافقین، و ایرانارشیسم ریتوئیت بوده است. همچنین، در حدود ۱۵٪ از توئیت‌های منافقین، پهلوی، و براندازان حاوی حداقل یک لینک (لینک به توئیتی دیگر یا وب‌سایت) بوده است. آمار مربوط به وب‌سایت‌های پرتکرار در جداول ۱پ الی ۵پ در پیوست آورده شده‌اند.

شکل ۷: نمودار تعداد توئیت‌های منتشر شدهبه تفکیکگروه‌های مختلف برآورد شده از کاربران

جدول ۷: مقایسه میزان و نوع فعالیت گروه‌های مختلف

۸ـ آیا بین کاربران بات وجود داشته است؟ میزان فعالیت آن‌ها چقدر بوده است؟

بات‌ها (روبات‌) آن دسته از کاربران فضای مجازی هستند که به صورت برنامه‌ریزی شده و خودمختار عمل می‌کنند. روبات‌ها می‌توانند بر اساس دستورالعملی که از قبل توسط یک برنامه رایانه‌ای به آن‌ها داده شده است به لایک کردن، ریتوئیت کردن، پاسخ دادن، و ارسال پیام خصوصی بپردازند. در صورتی که از روبات‌ها برای انجام عملیات نفوذ مجازی استفاده شود، از شبکه‌ای از تعداد زیادی از آن‌ها جهت انتشار اخبار، بازنشر اخباری که توسط دیگران منتشر شده است، یا کامنت‌گذاری استفاده می‌شود.

تشخیص بات بودن یک حساب کاربری توئیتر در اغلب موارد کار ساده‌ای نیست و نیازمند استفاده از مدل‌های بسیار پیچیده است. متاسفانه بعضا دیده می‌شود که افرادی صرفا با تکیه بر مواردی چون نام‌کاربری غیرواقعی، تعداد فالوئر کم و تعداد توئیت‌های زیاد، یا نرخ بالای توئیت کردن اقدام به اظهارنظر در مورد بات بودن یا نبودن یک حساب کاربری می‌کنند. این گونه اظهارنظرها نه تنها واکنش متقابل طرف مقابل را در پی خواهد داشت، بلکه منجر بهکاهش اعتبار سایر یافته‌ها و گفته‌های آن‌ها نیز می‌شود. ذکر این نکته نیز ضروری است که تمایز قائل شدن بین کاربرانی که رفتاری شبیه بات‌ها دارند (مثلا از اپلیکیشن‌های قابل برنامه‌ریزی برای توئیت کردن استفاده می‌کنند)، و بات‌های واقعی بسیار دشوار است.

یکی از معروف‌ترین و پرکاربردترین مدل‌هایی که برای تشخیص بات بودن حساب‌های توئیتر ارائه شده است، مدلی است که توسط محققین «مرکز مطالعات شبکه‌ها و سیستم‌های پیچیده» دانشگاه ایندیانا معرفی شده است . جدیدترین نسخه این مدل، که مبتنی بر روش‌های «یادگیری ماشین» کار می‌کند، بر اساس حدود ۱٬۲۰۰ شاخص مختلف به محاسبه «نمره‌ی بات بودن» برای هر حساب توئیتری می‌پردازد. این نمره یک عدد حقیقی بین صفر و یک است، که صفر نشان‌دهنده انسان بودن کامل و یک نشان‌دهنده بات بودن کامل است. در واقع نمره محاسبه شده نشان‌گر درجه‌ی رفتار خودکار و روبات‌گونه داشتن حساب‌های کاربری است. بر اساس آخرین تنظیمات صورت گرفته در مدل، نمرات بالاتر از ۰.۵ به احتمال بسیار زیادی بات هستند. اما باید توجه کرد که تعدادی از آن‌ها ممکن است کاربران واقعی‌ای باشند که رفتاری شبیه بات‌ها دارند. بنابراین باید توجه شود که دقت هیچ مدل یادگیری ماشینی صدرصد نیست و همواره درصدی از خطای تشخیص وجود دارد . همچنین، این مدل و سایر مدل‌های مشابه بر روی داده‌های انگلیسی و لاتین آموزش داده شده‌اند و ممکن است عملکرد آن‌ها در سایر زبان‌ها با خطای بیشتری توام باشد. با این وجود اما، استفاده از این مدل‌ها تنها راه‌حل علمی و منطقی موجود برای شناسایی بات‌ها در مقیاس بزرگ است.

جدول ۸ تعداد و درصد بات‌های موجود بین هر یک از ۵ گروه شناسایی‌شده را نشان می‌دهد. ملاحظه می‌شود که برمبنای مدل و فرضیات استفاده شده،۳۰ درصد از مجموع ۱۴٬۸۲۸ کاربری که در این کمپین توئیتری فعال بوده‌اند به احتمال زیاد بات هستند، که در حدود ۳۵ درصد از مجموع توئیت‌ها توسط آن‌ها منتشر شده است.به طور تفصیلی‌تر، ۲۲ درصد از مجموع کاربران موجود در گروه حامیان پهلوی، ۳۶ درصد از کاربران موجود در گروه براندازان، ۶۲ درصد از ایرانارشیسم، و ۲۸ درصد از کاربران موجود در گروه منافقین به احتمال زیاد بات هستند.لیستتمامی بات‌های شناسایی شده در جدول ۵پ (پیوست همین گزارش) ارائه شده‌ است. همچنین، نمودار مقایسه‌ای تعداد توئیت‌های منتشر شده توسط بات‌ها و کاربران انسانی در شکل ۸ نشان داده شده است.

جدول ۸: تعداد بات‌های موجود در هر یک از گروه‌های شناسایی شده و آمار فعالیت آن‌ها

شکل ۸: نمودار تعداد توئیت‌های منتشر شده به تفکیکبات‌ها (قرمز) و کاربران انسانی (سبز). محور افقی زمان و محور عمودی مجموع تعداد توئیت‌های منتشر شده در هر روز را نشان می‌دهد.

۹ـ توصیه‌های سیاست‌گذاری

• هر چند در حال حاضر در مورد تعداد کاربرانی که از داخل کشور این عملیات مجازی را همراهی کرده‌اند نمی‌توان با دقت مناسب اظهارنظر کرد، اما احتمال وجود آن را نیز نمی‌توان رد کرد. لذا باید منابع و مشوق‌های لازم برای اجرای مطالعات تکمیلی به منظور شناخت و برآورد ویژگی‌های دموگرافیک (سن، جنسیت، تحصیلات، و غیره) افراد جذب شده از داخل کشور فراهم شود تا بتوان بر اساس نتایج به دست آمده دخالت‌های اجتماعی لازم را طراحی و پیاده‌سازی کرد.
• یکی از اهداف اعلام‌شده‌ی پلتفرم‌های شبکه‌های اجتماعی پرطرفدار (فیسبوک، توئیتر، ردیت، و غیره) افزایش میزان «سلامت گفتمان سیاسی» در فضای مجازی است؛ به این معنا کهتنها شهروندان یک کشور حق فعالیت در فضای مجازی آن کشور در رابطه با امورات آن کشور را دارند (مقابله با عملیات نفوذ مجازی خارجی)، و نیز هر گونه فعالیت گروهی و سازمان‌دهی‌شده، چه داخلی و چه خارجی، تخلف محسوب می‌شود. لذا، با فعال‌سازی دیپلماسی سایبری، توام با رصد مستمر گروه‌های معاندی که به صورت گروهی و هماهنگ فعالیت می‌کنند، و نه شهروندانی که به صورت مستقل و انفرادی به انتقاد می‌پردازند یا گروه‌هایی که به صورت قانونی در داخل کشور فعالیت می‌کنند، می‌توان در حداقل زمان ممکن عملیات‌های نفوذ مجازی را شناسایی و مدیریت کرد.
• دقت به این نکته ضروری است که پلتفرم‌های پرطرفدار مانند فیسبوک، توئیتر، و اینستاگرام، به دلیل کثرت زبان و فرهنگ کاربران خود در کشورهای مختلف قادر به برقراری کامل سلامت فضای مجازی در تمام کشورها نیستند. حتی اگر پلتفرم‌ها به دلایلی (مانند فشار قانونی از طرف یک کشور یا مثلا اتحادیه اروپا)ابزارهایی را برای افزایش سلامت فضای مجازی کشوری طراحی و پیاده‌سازی کنند، به دلیل جزئیات فراوان فنی و حقوقی، مانند منابع و روش‌های استفاده شده و مبنای اولیه‌ی تشخیص موارد تخلف در کشور هدف، نمی‌توان به عملکرد و اثربخشی آن‌ها اطمینان کرد. بنابراین، وظیفه‌ی طراحی و تولید ابزارهای لازم برای رصد و شناسایی موارد تخلف در فضای مجازی (مانند گفتار نفرت‌آمیز، فعالیت گروهی و هماهنگ، محتواهای نژادپرستانه، محتواهای ناقض حقوق زنان، و غیره) بر عهده‌ی خود کشورهاست.