TeraGram: A Structured Longitudinal Dataset of the Telegram Messenger
Dieser Beitrag stellt TeraGram vor, einen massiven longitudinalen Datensatz mit über 5,9 Milliarden öffentlichen Telegram-Nachrichten von 2015 bis 2025, der als einzigartige, algorithmusfreie Ressource zur Untersuchung von Engagement-Mustern, Netzwerketwicklung und Gemeinschaftsbildung über verschiedene Sprachen und Gemeinschaften hinweg dient.
Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
Stellen Sie sich das Internet als eine riesige, laute Stadt vor. Die meisten der großen Plätze in dieser Stadt (wie Facebook oder Twitter/X) werden von unsichtbaren, superscharfsinnigen Türstern betrieben. Diese Türsteher entscheiden, welche Reden Sie hören, welche Werbung Sie sehen und welche Gespräche verstärkt werden – alles basierend auf geheimen Regeln, die darauf ausgelegt sind, Sie an Ihren Bildschirm zu fesseln.
TeraGram ist eine riesige, neue Karte eines ganz anderen Stadtviertels: Telegram.
Hier ist die einfache Aufschlüsselung, worum es in diesem Papier geht, unter Verwendung alltäglicher Analogien:
1. Die „Türsteher-freie" Stadt
Im Gegensatz zu anderen Social-Media-Plattformen ist Telegram wie ein Marktplatz, auf dem es keine Türsteher gibt, die entscheiden, was Sie sehen. Wenn jemand eine Nachricht postet, erscheint sie in einer einfachen, chronologischen Linie (wie ein Echtzeit-Nachrichtenticker). Es gibt keine versteckten Algorithmen, die bestimmte Inhalte nach oben drücken.
Die Forscher bauten TeraGram, um diese einzigartige Umgebung zu untersuchen. Sie wollten sehen, wie Menschen sprechen, teilen und Gemeinschaften bilden, wenn niemand das Gespräch heimlich manipuliert.
2. Eine Zeitkapsel mit 5,9 Milliarden Nachrichten
Das Team machte nicht nur eine Momentaufnahme; sie bauten eine Zeitmaschine.
- Die Größe: Sie sammelten 5,9 Milliarden Nachrichten. Wenn man sie ausdrucken würde, würden sie eine Bibliothek füllen, die so groß ist wie ein kleines Land.
- Die Zeit: Die Daten reichen zurück bis 2015 und gehen bis 2025. Es ist ein zehnjähriges Tagebuch öffentlicher Gespräche.
- Der Umfang: Sie betrachteten nicht nur ein Thema. Sie sammelten Daten aus 712.000 verschiedenen Kanälen und Gruppen.
3. Wie sie es sammelten: Die „Schneeball"-Methode
Da Telegram Forschern keinen direkten Download-Button für alles bietet, nutzte das Team einen cleveren Trick namens „Schneeball-Crawling".
- Die Analogie: Stellen Sie sich vor, Sie wollen einen Wald kartieren. Sie beginnen mit einem großen Baum (einem beliebten Kanal). Sie schauen sich die Äste (Nachrichten) an und sehen, wohin sie andere Bäume (Kanäle) zeigen. Sie folgen diesen Links, finden neue Bäume und folgen deren Ästen.
- Das Ergebnis: Wie ein rollender Schneeball, der sich bergab immer größer wird, wuchs ihre Datensammlung exponentiell und erfasste schließlich die einflussreichsten „Knotenpunkte" des Telegram-Netzwerks.
4. Was ist in der Box?
Der Datensatz ist wie ein riesiges, organisiertes Lagerhaus. Es ist nicht nur ein Haufen Text; er ist so strukturiert, dass Computer ihn leicht lesen können. Darin finden Sie:
- Die Nachrichten: Die tatsächlichen Worte, die Menschen schrieben (obwohl der Volltext aus Datenschutzgründen verschlossen ist, können Forscher darum bitten, ihn einzusehen).
- Die Reaktionen: Wie viele Menschen einen Beitrag „geliked" oder darauf reagiert haben.
- Die Umfragen: Millionen von Fragen und Antworten, über die Menschen abgestimmt haben.
- Die Verbindungen: Wer eine Nachricht an wen weitergeleitet hat, wodurch eine Karte entsteht, wie Informationen reisen.
- Die Sprachen: Während Englisch vorhanden ist, wird die Karte von Russisch (56 %) und Farsi (15 %) dominiert, was widerspiegelt, wo Telegram als tägliches Werkzeug am beliebtesten ist. Englisch ist kleiner (6 %), aber in absoluten Zahlen immer noch riesig.
5. Was haben sie gefunden? (Der „Vibe-Check")
Die Forscher machten eine kurze Tour durch die Daten, um zu sehen, wie die „Stimmung" dieser verschiedenen Sprachgruppen war:
- Russisch & Farsi: Diese Gruppen sprachen über eine Mischung aus allem: Politik, aber auch Bücher, Mode, Kunst, Musik und den Alltag. Es fühlte sich an wie ein vielfältiger, mainstream-fähiger Marktplatz.
- Englisch: Diese Gruppe war anders. Obwohl sie auch über Sport und Nachrichten sprachen, gab es eine viel höhere Konzentration an Verschwörungstheorien und extremistischen Themen (wie „Klimawandel-Betrug" oder „antisemitische Narrative").
- Der „Vertrauens"-Test: Als sie die Websites prüften, die in englischen Chats geteilt wurden, stellten sie fest, dass 60 % der Links zu unzuverlässigen oder Fake-News-Quellen führten. Vergleichen Sie das mit Twitter, wo zuverlässige Quellen viel häufiger sind. Es ist, als wäre der englische Telegram-Platz mit Leuten gefüllt, die Gerüchte aus ungeprüften Flugblättern schreien, während die russischen/farsi-Plätze eher wie normale Zeitungskioske sind.
6. Warum das wichtig ist
Dieser Datensatz ist ein wissenschaftliches Werkzeug. Er ermöglicht es Forschern, menschliches Verhalten ohne das „Rauschen" geheimer Algorithmen zu untersuchen.
- Privatsphäre zuerst: Um Menschen zu schützen, haben die Forscher Telefonnummern entfernt und Namen versteckt. Sie behielten nur öffentliche Daten.
- Offen für die Wissenschaft: Sie stellten die Daten bereit (in einem Format namens Parquet), damit andere Wissenschaftler sie nutzen können, um zu untersuchen, wie Gemeinschaften entstehen, wie sich Gerüchte verbreiten und wie Menschen sich verhalten, wenn sie nicht von einem Algorithmus in eine bestimmte Richtung gedrängt werden.
Kurz gesagt: TeraGram ist eine massive, zehnjährige, organisierte Aufzeichnung einer Social-Media-Plattform, die auf „Zeit" statt auf „Algorithmen" läuft. Es gibt Wissenschaftlern einen seltenen, sauberen Einblick darin, wie Menschen tatsächlich miteinander sprechen, wenn niemand versucht, ihnen etwas zu verkaufen oder ihren Feed zu manipulieren.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.