# BotX > *How Bots Manufacture Reality* **Language:** TR **Source:** wecome1.com - Transparent Awareness --- Bot ağları X'te yapay gündemleri nasıl yaratır ve dezenformasyonu nasıl yayar? X (Twitter) Üzerinde Bot Ağlarının "Yapay Gündem" Üretimi - ve Yanlış Bilgilerin Nasıl Güçlendirildiği Bir "yapay gündem", X/Twitter'da genellikle tek bir devasa yalanla oluşturulmaz. Daha sık olarak, pek çok hesap küçük bir etkiyi büyük bir kamu dalgası gibi gösterecek şekilde oluşturur. Tamamen otomatik botlar ve yarı otomatik operatör hesapları, platformun yapısal bir zayıf noktasını istismar eder: görünür etkileşim metrikleri (beğeniler, yeniden paylaşımlar, yanıtlar, alıntı paylaşımları, görünüm sayıları) hızlı bir şekilde yükseldiğinde, içerik "önemli" hissettirmeye başlar ve bir kez "önemli" hissettiğinde, daha da uzaklara gider. Temel hile: dikkat üretmek, ardından o dikkat üzerinden güvenilirlik almak. Operasyon esasen gerçeğe odaklanmış değildir; yayılabilirlik için optimize edilmiştir. Sizi şöyle düşündürmeye çalışır: "Herkes bundan bahsediyor," böylece siz de bunu paylaşırsınız, tepki verirsiniz veya bunun üzerine kendi yorumunuzu inşa edersiniz. O noktada, ağ sizi ikna etmeye ihtiyaç duymuyor - tepkileriniz ücretsiz dağıtım haline geliyor. 1) Yapay gündemin nasıl inşa edildiği: koordineli güçlendirme sinyalleri Yapay gündem oluşturma, kalabalık yanılsaması üreterek çalışır. Koordineli hesaplar, tekrar eden etkileşim kalıpları yoluyla aynı iddia, bağlantı veya çerçeve için itebilir, özellikle de yeniden paylaşım ve yanıt fırtınaları ile. Koordineli davranış üzerine yapılan araştırmalar, retweet/yeniden paylaşım dinamiklerinin, bilgi akışlarını ve görünürlüğü hızla değiştirebilecek bir anahtar kaldıraç olduğunu vurgulamaktadır. Birçok hesap desenli bir şekilde etkileşimde bulunduğunda, platform "momentum" görür ve insanlar "konsensüs" görür. Büyük ölçekte "kanıt" neye benziyor (anektdotlar değil): Pew Araştırma Merkezi'nin popüler web sitelerine bağlantı veren yaklaşık 1,2 milyon İngilizce tweetin analizinde, tweetlenen bağlantıların yaklaşık %66'sının, otomatik veya kısmen otomatik botlara özgü özelliklere sahip hesaplar tarafından paylaşıldığı tahmin edilmektedir ve popüler haber/güncel olay siteleri arasındaki pay da %66 olmuştur. Kritik olarak, araştırma ayrıca, görece küçük ancak son derece aktif bir bot benzeri hesabın, öne çıkan haber kategorilerine bağlantı paylaşım hacminin orantısız bir kısmını katkıda bulunabileceğini göstermiştir. Diğer bir deyişle: küçük, son derece aktif bir katman, platformun topluca tartıştığı şeyin "şişirilmesine" neden olabilir. 2) Yanlış bilginin nasıl yayıldığı: argüman yerine "etkileşim mühendisliği" Yanlış veya yanıltıcı içerikler genellikle hızlı tepkileri tetikleyecek şekilde paketlenir: öfke, korku, iğrenme, aşağılanma, kabile kimliği ipuçları ("biz vs onlar"), acil eylem çağrıları. Twitter'daki söylenti akışlarına yönelik büyük ölçekli bir çalışma, yanlış haberlerin daha uzak ve daha hızlı yayıldığını göstermiştir. r, daha derinlemesine ve daha geniş bir şekilde doğru haberlerden—ve önemli olarak, bu farkın birincil sebebinin insan davranışı olduğunu, botların değil. Bu farkındalık için önemlidir: bot ağları başlangıçtaki baskıyı ve görünürlüğü yaratmaya yardımcı olabilir, ancak insanlar genellikle içeriği duygusal ve toplumsal olarak "kullanılabilir" hale geldiğinde sona taşır. 3) Provokasyonun nasıl çalıştığı: insanları doğrulamayla fraksiyon arasında kaydırmak Provokasyon, iddiayı tamamen kabul etmenizi gerektirmez. Sadece tepki vermenizi gerektirir. Amaç daha az "ikna" ve daha çok "sürtünme üretimi" olabilir: insanları kimlik temelli pozisyonlara zorlamak, tartışıları çatışmaya dönüştürmek ve platformu nüansın öldüğü ve kestirmelerin kazandığı yüksek uyarılma durumunda tutmak. Duygu yükseldiğinde, doğrulama düşer. Kişi "Bu doğru mu?" dan "Ben hangi tarafım?" a itilir. Bu kayma, yapay gündemlerin yakıtıdır. 4) Neden bu sadece bir teori değil: platform ifşaları ve kamu arşivleri X/Twitter, şüpheli bilgi operasyonlarıyla bağlantılı hesaplar ve içeriklerin büyük arşivlerini yayınlamıştır. Ekim 2018'de, Twitter, İnternet Araştırma Ajansı (IRA) ile bağlantılı hesaplar ve İran'a atfedilen bir operasyon da dahil olmak üzere potansiyel bilgi operasyonlarıyla ilişkili kapsamlı veri setlerini yayımladı ve bu yayımlamayı bağımsız akademik araştırmaları kolaylaştırmak için bir adım olarak tanımladı. Daha sonraki ifşalarda, Twitter, birden çok yıl boyunca atıfta bulunulan platform manipülasyon kampanyalarının onlarca veri setini yayımlama ve ilişkili hesapları kaldırma işlemini tanımladı. Ayrı olarak, Twitter’ın kendi seçim bütünlüğü çalışmasının retrospektif incelemesi, 2016 döneminde seçimle ilgili içerik tweetleyen on binlerce otomatik, Rus bağlantılı hesabı tanımlamak için çalışmalar yürüttüğünü belirtti—"kötü niyetli otomasyonun" platform tarafından gerçek bir olgu olarak belgelendiğini göstermekteyken, aynı zamanda ham hacmin otomatik olarak geniş bir etkiye eşit olmadığını da vurgulamaktadır. 5) Araştırmacılar "koordinasyon" derken neyi ölçerler Koordine olmuş ağlar, paylaşılan davranış izlerine bakarak keşfedilebilir: aynı retweet hedeflerini tekrar etmek, içerik veya URL desenlerini eşleştirmek, senkronize zamanlama ve birlikte retweet davranışı (bir grup hesabın aynı gönderileri veya aynı hesap setini retweetlemesi). Araştırmalar, retweet tabanlı dalgalarda koordine hesapların, dalganın daha yüksek pozisyonlarında yer alabileceğini ve mesajları koordine olmayan hesaplardan daha hızlı yayabileceğini göstermiştir; bu da “üretim yapılmış dikkat”ın neden organik bir ivme gibi görünebileceğini açıklamaya yardımcı olur. Bunlar ölçülebilir desenlerdir—analiz ve farkındalık için faydalı—yine de hala imperfektir, çünkü bot ve koordinasyon tespiti yanlış pozitifler üretebilir ve i Dikkatle yorumlandı. 6) Pratik bir farkındalık kontrol listesi (düşük teknoloji, insan dostu) Gelişmiş araçlar kullanmadan yapay bir gündemin taşıyıcısı olma riskini azaltabilirsiniz. Tepki vermeden veya paylaşmadan önce bu kontrolleri deneyin: • Kaynak kontrolü: Birincil bir kaynak var mı (resmi açıklama, tam belge, bağlam içindeki orijinal video) yoksa sadece ekran görüntüleri ve paylaşım zincirleri mi var? • Çift doğrulama: İddia çok sayıda bağımsız kaynak tarafından mı onaylanıyor, yoksa sadece “birçok hesap aynı cümleyi tekrar mı ediyor”? • Kalıp kontrolü: Çok sayıda gönderi kısa bir süre içinde aynı ifadeyi, aynı etiketleri veya aynı bağlantıları mı kullanıyor? • Hesap davranışı: En gürültülü hesaplar alışılmadık sıklıkta mı paylaşıyor, sürekli tek bir konuyu mu gündeme getiriyor, yoksa genellikle doğrulanabilir orijinal haberler oluşturmak yerine mi sadece yeniden paylaşıyor? • Duygu kontrolü: Hemen hissettiğiniz duygu yoğun bir öfke/korku/utançsa, bunu “yavaşla” sinyali olarak değerlendirin. Yüksek uyarılma, manipülasyonun en iyi performans gösterdiği yerdir. Kapanış: görünürlük gerçek değildir, ve trendler kanıt değildir. Yapay gündemler, “yüksek görünürlük” ile “yüksek geçerlilik”i karıştırma üzerine inşa edilir. Bir iddia her yerde olabilir ve yine de yanlış olabilir; trend yapıyor olabilir ve yine de üretilmiş olabilir; duygusal olarak tatmin edici olabilir ancak yine de mühendislik ürünü olabilir. En etkili savunma, alaycılık değil, doğrulama disiplinidir: durun, birincil kaynakları kontrol edin ve bilgiyi provoke etmek için optimize edilmiş içeriğe dikkat vermeyi reddedin. Kaynaklar: 1) Pew Araştırma Merkezi (9 Nis 2018) — “Twittersphere'daki Botlar: Otomatik Hesapların Paylaştığı Bağlantıların Analizi.” 2) X (Twitter) Şirket Blogu (17 Eki 2018) — “Twitter'da bilgi operasyonlarının daha fazla araştırılmasını sağlamak.” 3) X (Twitter) Şirket Blogu (2 Ara 2021) — “Kaldırdığımız devlet bağlantılı bilgi operasyonlarının açıklanması.” 4) Twitter (4 Şub 2019) — “Gözden Geçirme: Twitter, Inc. ve 2018 Ara Seçimleri.” 5) Vosoughi, Roy, Aral (Science / MIT PDF, 2018) — “Doğru ve yanlış haberlerin çevrimiçi yayılması.” 6) Pacheco ve diğerleri (ICWSM 2021) — “Sosyal Medyada Koordine Edilmiş Ağların Ortaya Çıkması: Yöntemler ve Vaka Çalışmaları.” 7) Cinelli ve diğerleri (Karar Destek Sistemleri, 2022) — “Twitter'da Koordine Edilmemiş Davranış ve Bilgi Yayma.” 8) Indiana Üniversitesi OSoMe — Botometer (bot tespit aracı) ve destekleyici belgeler/makaleler. 9) X Şeffaflık (AB DSA) — Sistemik Risk Değerlendirmesi raporları (2024 raporu; 2025 özeti).