Оцінка інформаційних джерел у соціальних мережах: систематичний огляд та концептуальна модель
DOI:
https://doi.org/10.31861/sisiot2026.1.01007Ключові слова:
аналіз інформаційних джерел, семантичний аналіз, мережевий аналіз, часова динаміка, координована поведінкаАнотація
У цій статті представлено систематичний огляд та концептуальну основу для аналізу джерел інформації в соціальних мережах, з акцентом на Telegram як домінуючу новинну платформу в Україні. Актуальність дослідження визначається різкою зміною моделей споживання медіа після повномасштабного вторгнення Росії в лютому 2022 року: аудиторія Telegram потроїлася з 20% до 60% протягом кількох місяців, і до 2025 року він залишається основним джерелом новин для 52% дорослого населення, перевершуючи телебачення (25%), YouTube (32%) та інші платформи. Незважаючи на це домінування, лише 29% користувачів довіряють каналам Telegram, створюючи парадокс, коли масове споживання співіснує з низькою довірою та мінімальною перевіркою – лише 6% українців консультуються з організаціями, що займаються перевіркою фактів. У статті розглядаються механізми маніпуляції інформацією, включаючи п'ятирівневу каскадну модель наративів (від «русского мира» до альтернативної інформації) та п'ятирівневу піраміду посилення, яка описує перетворення навмисної дезінформації на несвідому дезінформацію через державні ЗМІ, легітимізацію експертів, локалізацію порталів, поширення в соціальних мережах та органічне поширення серед користувачів. Структура тактик 4D (Dismiss, Distort, Distract, Dismay) систематизує основні методи цих операцій. Порівняльний аналіз десяти методів аналізу джерел інформації, що охоплює період з 2008 по 2025 рік, демонструє чітку еволюцію від ізольованих статистичних підходів через графові методи до сучасних гібридних систем, що інтегрують обробку природної мови, графові нейронні мережі та механізми уваги. Найвищу продуктивність продемонстрували система Lightning (AUC 86,83%) та OnlineAgglomerative (точність 93,2%). Однак жоден з розглянутих методів одночасно не забезпечує комплексного семантичного, часового та мережевого аналізу для оцінки джерела. Щоб усунути цю прогалину, у статті пропонується концептуальна модель для оцінки подібності джерел інформації (similarity_score), яка інтегрує чотири компоненти: косинусна подібність вбудованого контенту, тематична кластеризація, часовий семантичний вплив для виявлення часово-семантичних залежностей між джерелами та мережева близькість у графі інформаційного потоку. Модель є розширюваною та може включати додаткові метрики, такі як аналіз настроїв, розпізнавання іменованих сутностей та оцінка токсичності. Також запропоновано архітектуру інформаційної системи для практичної реалізації на даних Telegram.
Завантажити
Посилання
National Institute for Strategic Studies, “Use of Telegram: Access to information vs. national security threat,” (in Ukrainian), Kyiv, Ukraine, 2024. Accessed: Mar. 25, 2026. [Online]. Available: https://niss.gov.ua/news/komentari-ekspertiv/vykorystannya-telegram-dostup-do-informatsiyi-vs-zahroza-natsbezpetsi
OPORA, “Media consumption of Ukrainians in conditions of full-scale war: OPORA survey,” (in Ukrainian), Kyiv, Ukraine, May 2022. Accessed: Mar. 25, 2026. [Online]. Available: https://oporaua.org/polit_ad/mediaspozhivannia-ukrayintsiv-v-umovakh-povnomasshtabnoyi-viini-opituvannia-opori-24068
Institute of Mass Information / Sociological Group "Rating," “Poll: Telegram is the main source of information for 52% of Ukrainians,” (in Ukrainian), Kyiv, Ukraine, Apr. 2025. Accessed: Mar. 25, 2026. [Online]. Available: https://imi.org.ua/news/opytuvannya-telegram-ye-golovnyj-dzherelom-informatsiyi-dlya-52-ukrayintsiv
Telemetrio, “Statistics of Telegram channels in Ukraine,” 2024. Accessed: Mar. 25, 2026. [Online]. Available: https://telemetrio.com
DataReportal and Prostir.ua, “Social networks 2026: important statistics for communications,” (in Ukrainian), 2025. Accessed: Mar. 25, 2026. [Online]. Available: https://www.prostir.ua/?kb=sotsmerezhi-2026-vazhlyva-statystyka-dlya-komunikatsij-nuo
Gradus Research, “Media consumption of Ukrainians,” Sep. 2025. Accessed: Mar. 25, 2026. [Online]. Available: https://gradus.app/uk/open-reports/research-media-consumption-ukraine/
A. E. Lebid, K. M. Vashyst, and M. S. Nazarov, “Information resilience as a means of countering the socio-psychological strategies of information wars,” Int. J. Media Inf. Literacy, vol. 7, no. 1, pp. 157–166, 2022, doi: 10.13187/ijmil.2022.1.158.
Slovo i Dilo, “Ukrainians most often search for news on Telegram: survey,” (in Ukrainian), Aug. 30, 2025. Accessed: Mar. 25, 2026. [Online]. Available: https://www.slovoidilo.ua/2025/08/30/novyna/suspilstvo/najchastishe-ukrayinczi-shukayut-novyny-telegram-opytuvannya
Detector Media and IREX, “Media literacy index of Ukrainians for 2024,” (in Ukrainian), May 6, 2025. Accessed: Mar. 25, 2026. [Online]. Available: https://detector.media/infospace/article/240621/2025-05-06-indeks-mediagramotnosti-ukraintsiv-za-2024-rik/
M. Hoseini, P. de F. Melo, F. Benevenuto, A. Feldmann, and S. Zannettou, “Characterizing information propagation in fringe communities on Telegram,” in Proc. Int. AAAI Conf. Web Social Media, vol. 18, no. 1, 2024, pp. 583–595, doi: 10.1609/icwsm.v18i1.31336.
I. Životić and D. Obradović, “Telegram as a specific playground of the Kremlin's information operations in Serbia,” Nat. Secur. Future, vol. 25, no. 1, pp. 65–92, 2024, doi: 10.37458/nstf.25.1.3.
M. L. Jaitner, “Russian information warfare: lessons from Ukraine,” in Cyber War in Perspective: Russian Aggression against Ukraine, K. Geers, Ed. Tallinn, Estonia: NATO CCD COE, 2015, ch. 10, pp. 87–94.
M. Boksa, “Russian information warfare in Central and Eastern Europe: strategies, impact, countermeasures,” German Marshall Fund, Washington, DC, USA, Policy Paper no. 15, Jun. 2019.
A. Aliaksandrau, “Brave new war: the information war between Russia and Ukraine,” Index Censorship, vol. 43, no. 4, 2014, doi: 10.1177/0306422014560963.
A. Yarova, “Thematic patterns of Russian disinformation,” Baltic J. Legal Soc. Sci., no. 4, pp. 158–165, 2022, doi: 10.30525/2592-8813-2022-4-19.
K. Babacan and M. S. Tam, “The information warfare role of social media: fake news in the Russia-Ukraine war,” Erciyes Iletisim Dergisi, no. 3, pp. 75–92, Oct. 2022, doi: 10.17680/erciyesiletisim.1137903.
I. Alieva, I. Kloo, and K. M. Carley, “Analyzing Russia's propaganda tactics on Twitter using mixed methods network analysis and NLP,” EPJ Data Sci., no. 1, 2024, doi: 10.1140/epjds/s13688-024-00479-w.
A. Gruzd, Y. Li, and P. Mai, “Shaping Western perceptions: the role of English-language verified Telegram channels in framing the narratives around the Russia-Ukraine war,” J. Commun. Technol., vol. 7, no. 2, p. 75, 2025, doi: 10.51548/joctec.7.2.2025.04.
G. Kossinets, J. Kleinberg, and D. Watts, “The structure of information pathways in a social communication network,” in Proc. 14th ACM SIGKDD Int. Conf. Knowl. Discovery Data Mining (KDD), 2008, pp. 435–443, doi: 10.1145/1401890.1401945.
J. Yang and S. Counts, “Predicting the speed, scale, and range of information diffusion in Twitter,” in Proc. Int. AAAI Conf. Web Social Media, vol. 4, no. 1, 2010, pp. 355–358, doi: 10.1609/icwsm.v4i1.14039.
E. Kafeza, A. Kanavos, C. Makris, and P. Vikatos, “Predicting information diffusion patterns in Twitter,” in Artificial Intelligence Applications and Innovations (IFIP Adv. Inf. Commun. Technol., vol. 436), L. Iliadis, I. Maglogiannis, and H. Papadopoulos, Eds. Berlin, Germany: Springer, 2014, doi: 10.1007/978-3-662-44654-6_8.
A. Guille, H. Hacid, C. Favre, and D. A. Zighed, “Information diffusion in online social networks: a survey,” SIGMOD Rec., vol. 42, no. 2, pp. 17–28, May 2013, doi: 10.1145/2503792.2503797.
K. A. Dmytriienko, “Comparative analysis of information dissemination models in the online environment,” Cybersecurity: Educ., Sci., Technique, vol. 4, no. 20, pp. 272–282, Jun. 2023, doi: 10.28925/2663-4023.2023.20.272282.
Z. Chen, J. Wei, S. Liang, T. Cai, and X. Liao, “Information cascades prediction with graph attention,” Front. Phys., vol. 9, Aug. 2021, Art. no. 739202, doi: 10.3389/fphy.2021.739202.
A. K. Taylor, N. Wen, P.-N. Kung, J. Chen, V. Peng, and W. Wang, “Where does your news come from? Predicting information pathways in social media,” in Proc. 46th Int. ACM SIGIR Conf. Res. Develop. Inf. Retrieval (SIGIR), 2023, pp. 2511–2515, doi: 10.1145/3539618.3592087.
P. Gerard, S. Volkova, L. Penafiel, K. Lerman, and T. Weninger, “Modeling information narrative evolution on Telegram during the Russia-Ukraine war,” in Proc. Int. AAAI Conf. Web Social Media, vol. 19, no. 1, 2025, pp. 602–614, doi: 10.1609/icwsm.v19i1.35834.
M. D. Ma, A. K. Taylor, N. Wen, Y. Liu, P.-N. Kung, W. Qin, et al., “MIDDAG: where does our news go? Investigating information diffusion via community-level information pathways,” in Proc. AAAI Conf. Artif. Intell., vol. 38, no. 21, 2024, pp. 23811–23813, doi: 10.1609/aaai.v38i21.30573.
Опубліковано
Номер
Розділ
Ліцензія
Авторське право (c) 2026 Безпека інфокомунікаційних систем та Інтернету речей
Ця робота ліцензується відповідно до ліцензії Creative Commons Attribution 4.0 International License.
