Schlagwort: Memes

Manipulationstechniken der Memes

Das digitale Magazin Machine against the Rage hat in seiner Ausgabe Nr. 5 vom Winter 2024 die Manipulationstechniken der Memes untersucht. Lisa Bogerts, Pablo Jost: Against the Rage Five Shades of Hate: Gruppenbezogene Abwertung in Zeiten der Memifizierung
“Wie werden Memes für die Abwertung oder gar Entmenschlichung sozialer Gruppen genutzt? Im Kontext einer zunehmend bildbasierten Online-Kommunikation versprechen gerade Text-Bild-Kombinationen eine besondere Viralität für entsprechende Botschaften: Die aufmerksamkeitsfördernde visuelle Aufmachung kann sie nämlich über die übliche Reichweite hinaustragen. Auf Grundlage einer Zufallsstichprobe untersuchen wir daher erstmals auf einer breiten Datenbasis, wie diskriminierende Memes auf Telegram Anwendung durch rechtsextreme und verschwörungsideologische Akteure finden.”
Aus 8.5 Millionen Bildern in dem Zeitraum von Januar 2022 bis Juni 2023 wurde in einer mehrstufigen Filterung ein Sample von 40.728 Bildern zusammengestellt. Die einzelnen Kapitel: Von den Daten zur Analyse: Ein methodenübergreifender Ansatz; Memes, Masse, Abwertung: Ein quantitativer Überblick; Creators, Manipulators, Mulitpliers: Akteure hinter den Memes; Narrative der Abwertung: Wie (un)bewusst Misogynie verbreitet wird; Die Ambiguität der Ebenen: Elemente von (LGB)T-Feindlichkeit; Die Ästhetik der Abwertung: Rassismus in Memes; Die codierte Rhetorik des Antisemitismus. Schlussbetrachtungen: Die begrenze Viralität der Telegram Memes.

Fake News und IWT-Memes erkennen

Die Gruppe Data Science von armasuisse Wissenschaft und Technologie (W+T) und die Zürcher Hochschule für Angewandte Wissenschaften (ZHAW) arbeiten an Algorithmen, mit denen Künstliche Intelligenz gegen Desinformation im Netz eingesetzt werden kann. Gérôme Bovet und Sarah Frei: Künstliche Intelligenz im Einsatz gegen Desinformation in sozialen Netzwerken, in: armafolio 02/2021 beschreiben dabei drei Ansätze, die dabei Natural Language Processing (NLP) einsetzen:
1. Mit Nutzerverhalten in den sozialen Medien (Text- und/ oder Bild) werden Modelle mit sprachlichen und sentimentalen Merkmalen trainiert, die Emotionalität von Information einordnen können. “Das ist wichtig, weil die Verbreitung falscher beziehungsweise radikaler Aussagen oft mit einer hohen Emotionalität des Beitrags einhergeht.” Gegenüber normalen Einsätzen von NLP entsteht bei Twitter die Herausforderungen, “mit wie kurzen Texten das Programm arbeiten soll” (Gérôme Bovet: «Fake News» schneller erkennen, Bundesamt für Rüstung armasuisse 26.10.2020).
2. Erkennung und Klassifizierung von Memes: IWT-Memes (englisch: Image with Text-IWT, deutsch: Bild mit Text), die zur Desinformation eingesetzt werden, sollen unter Einsatz von Convolutional Neural Networks identifiziert und binär klassifiziert in die Kategorien IWT-Meme-Bild bzw. Nicht-IWT-Meme-Bild werden. “Bei der Ermittlung des Inhalts werden durch die Bestimmung des Themas und der Emotionalität des Inhalts Rückschlüsse darauf gezogen, ob es sich um Desinformation handeln könnte oder nicht. Desinformation beinhaltet häufig Themen, welche sozial spaltend wirken und, damit verbunden, negative Gefühle beim Betrachter oder der Betrachterin verstärken können.”
3. Analyse des Kontoverhaltens auf Twitter durch gerichtete Graphen. “Anhand eines solchen Graphen kann ein Algorithmus durch Berechnung verschiedener statistischer Parameter bestimmen, wie sich ein Beitrag in sozialen Netzwerken, in diesem Fall Twitter, verbreitet hat. Zu diesen Parametern gehören der Vernetzungsgrad eines Kontos (wie viele Nutzer und Nutzerinnen dem Konto folgen und wie vielen Nutzern und Nutzerinnen das Konto selbst folgt).” Social Bots weisen dabei ein charakteristisches Verhältnis zwischen Wurzelknoten, Retweets und kurzfristig neu geschaffenen Followern auf.