TeraGram: A Structured Longitudinal Dataset of the Telegram Messenger
تقدم هذه الورقة TeraGram، وهو عبارة عن مجموعة بيانات طولية ضخمة تضم أكثر من 5.9 مليار رسالة عامة من تيليجرام من عام 2015 إلى عام 2025، والتي تعمل كمورد فريد وخالٍ من الخوارزميات لدراسة أنماط التفاعل، وتطور الشبكات، وتشكيل المجتمعات عبر لغات ومجتمعات متنوعة.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
تخيل الإنترنت كأنه مدينة ضخمة وصاخبة. معظم الميادين الكبرى في هذه المدينة (مثل فيسبوك أو تويتر/إكس) يديرها "حراس أمن" غير مرئيين، يتمتعون بذكاء خارق. هؤلاء الحراس هم من يقررون أي الخطابات تسمعها، وأي الإعلانات تراها، وأي المحادثات يتم تضخيمها، وكل ذلك بناءً على قواعد سرية مصممة لإبقائك مسمراً أمام شاشتك.
تيراغرام (TeraGram) هو خريطة جديدة وضخمة لنوع مختلف من ميادين المدن: تيليجرام.
إليك شرح بسيط لما تدور حوله هذه الورقة البحثية، باستخدام تشبيهات من الحياة اليومية:
١. مدينة "بلا حراس"
على عكس منصات التواصل الاجتماعي الأخرى، يشبه تيليجرام ميدان مدينة حيث لا يوجد حراس أمن يقررون ما تراه. إذا نشر شخص ما رسالة، فإنها تظهر في خط زمني بسيط (مثل شريط أخبار مباشر). لا توجد خوارزميات خفية تدفع بمحتوى معين إلى الأعلى.
لقد بنى الباحثون تيراغرام لدراسة هذه البيئة الفريدة. أرادوا معرفة كيف يتحدث الناس، ويتشاركون، ويشكلون مجتمعات عندما لا يقوم أحد بالتلاعب بالمحادثة سراً.
٢. كبسولة زمنية لـ ٥.٩ مليار رسالة
لم يكتف الفريق بأخذ لقطة عابرة؛ بل صنعوا آلة زمن.
- الحجم: جمعوا ٥.٩ مليار رسالة. إذا قمت بطباعتها، فستملأ مكتبة بحجم دولة صغيرة.
- الزمن: تمتد البيانات من عام ٢٠١٥ وحتى عام ٢٠٢٥. إنها بمثابة مذكرات عقد كامل من المحادثات العامة.
- النطاق: لم يكتفوا بالنظر في موضوع واحد فقط، بل جمعوا بيانات من ٧١٢,٠٠٠ قناة ومجموعة مختلفة.
٣. كيف جمعوا البيانات: طريقة "كرة الثلج"
بما أن تيليجرام لا يوفر للباحثين زر تحميل مباشر لكل شيء، فقد استخدم الفريق خدعة ذكية تسمى "زحف كرة الثلج" (Snowball Crawling).
- التشبيه: تخيل أنك تريد رسم خريطة لغابة. تبدأ بشجرة كبيرة واحدة (قناة مشهورة). تنظر إلى الأغصان (الرسائل) وترى أين تشير إلى أشجار أخرى (قنوات). تتبع تلك الروابط، فتجد أشجاراً جديدة، وتتبع أغصانها.
- النتيجة: مثل كرة الثلج التي تكبر كلما تدحرجت من أعلى التل، نمت عملية جمع البيانات لديهم بشكل أسّي، حتى نجحوا في النهاية في التقاط أكثر "المراكز" تأثيراً في شبكة تيليجرام.
٤. ماذا يوجد داخل الصندوق؟
مجموعة البيانات هذه تشبه مستودعاً ضخماً ومنظماً. هي ليست مجرد كومة من النصوص؛ بل هي مهيكلة بحيث يمكن للحواسيب قراءتها بسهولة. ستجد بداخلها:
- الرسائل: الكلمات الفعلية التي كتبها الناس (رغم أن النص الكامل مغلق لأسباب تتعية الخصوصية، إلا أنه يمكن للباحثين طلب رؤيته).
- التفاعلات: عدد الأشخاص الذين وضعوا "إعجاباً" أو تفاعلوا مع المنشور.
- الاستطلاعات: ملايين الأسئلة والإجابات التي صوّت عليها الناس.
- الروابط: من قام بإعادة توجيه رسالة إلى من، مما يخلق خريطة لكيفية انتقال المعلومات.
- اللغات: رغم وجود اللغة الإنجليزية، إلا أن الخريطة تهيمن عليها اللغة الروسية (٥٦٪) واللغة الفارسية (١٥٪)، مما يعكس مدى انتشار تيليجرام كأداة يومية في تلك المناطق. اللغة الإنجليزية أصغر (٦٪) لكنها لا تزال ضخمة بالأرقام المطلقة.
٥. ماذا وجدوا؟ (اختبار "الأجواء")
قام الباحثون بجولة سريعة في البيانات لمعرفة "جو" أو "طابع" هذه المجموعات اللغوية المختلفة:
- الروسية والفارسية: تحدثت هذه المجموعات عن مزيج من كل شيء: السياسة، ولكن أيضاً الكتب، الموضة، الفن، الموسيقى، والحياة اليومية. شعرت وكأنها ميدان مدينة متنوع وعام.
- الإنجليزية: كانت هذه المجموعة مختلفة. فبينما تحدثوا أيضاً عن الرياضة والأخبار، كان لديهم تركيز أعلى بك jauh من نظريات المؤامرة والمواضيع المتطرفة (مثل "خداع تغير المناخ" أو "السرديات المعادية للسامية").
- اختبار "الثقة": عندما فحصوا المواقع الإلكترونية التي شاركها الناس في الدردشات الإنجليزية، وجدوا أن ٦٠٪ من الروابط كانت لمصادر أخبار غير موثوقة أو مزيفة. قارن ذلك بتويتر، حيث المصادر الموثوقة أكثر شيوعاً. يبدو الأمر كما لو أن ميدان التيليجرام الإنجليزي مليء بأشخاص يصرخون بشائعات من منشورات غير مؤكدة، بينما الميادين الروسية والفارسية تشبه منصات الأخبار التقليدية.
٦. لماذا هذا مهم؟
هذه المجموعة من البيانات هي أداة علمية. فهي تتيح للباحثين دراسة السلوك البشري دون "الضجيج" الناتج عن الخوارزميات السرية.
- الخصوصية أولاً: لحماية الناس، قام الباحثون بحذف أرقام الهواتف وإخفاء الأسماء. لقد احتفظوا فقط بالبيانات العامة.
- متاحة للعلم: جعلوا البيانات متاحة (بتنسيق يسمى Parquet) لكي يتمكن العلماء الآخرون من استخدامها لدراسة كيفية تشكل المجتمعات، وكيف تنتشر الشائعات، وكيف يتصرف الناس عندما لا يتم دفعهم عبر خوارزمية.
باختصار: تيراغرام هو سجل ضخم ومنظم لعقد من الزمن لمنصة تواصل اجتماعي تعمل بناءً على "الزمن" بدلاً من "الخوارزميات". إنه يمنح العلماء نظرة نادرة ونقية لكيفية تواصل البشر فعلياً مع بعضهم البعض عندما لا يحاول أحد بيع شيء لهم أو التلاعب بصفحاتهم.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.