TeraGram: A Structured Longitudinal Dataset of the Telegram Messenger
Cet article présente TeraGram, un ensemble de données longitudinales massif comprenant plus de 5,9 milliards de messages publics Telegram de 2015 à 2025, qui sert de ressource unique, exempte d'algorithmes, pour étudier les schémas d'engagement, l'évolution des réseaux et la formation de communautés à travers diverses langues et communautés.
Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète
Imaginez l'internet comme une immense et bruyante ville. La plupart des grandes places de cette ville (comme Facebook ou Twitter/X) sont gérées par des videurs invisibles et ultra-intelligents. Ces videurs décident quels discours vous entendez, quelles publicités vous voyez et quelles conversations sont amplifiées, le tout selon des règles secrètes conçues pour vous garder collé à votre écran.
TeraGram est une nouvelle carte massive d'un type différent de place publique : Telegram.
Voici une explication simple de ce dont traite cet article, en utilisant des analogies du quotidien :
1. La ville « Sans Videur »
Contrairement aux autres plateformes de réseaux sociaux, Telegram est comme une place de village où il n'y a aucun videur pour décider de ce que vous voyez. Si quelqu'un publie un message, il apparaît dans une ligne simple et chronologique (comme un fil d'actualité en temps réel). Il n'y a pas d'algorithmes cachés poussant du contenu spécifique vers le haut.
Les chercheurs ont construit TeraGram pour étudier cet environnement unique. Ils voulaient voir comment les gens parlent, partagent et forment des communautés lorsque personne ne manipule secrètement la conversation.
2. Une capsule temporelle de 5,9 milliards de messages
L'équipe n'a pas simplement pris une photo instantanée ; elle a construit une machine à remonter le temps.
- La Taille : Ils ont collecté 5,9 milliards de messages. Si on les imprimait, ils rempliraient une bibliothèque de la taille d'un petit pays.
- Le Temps : Les données s'étendent de 2015 jusqu'en 2025. C'est un journal de dix ans de conversations publiques.
- L'Étendue : Ils n'ont pas seulement regardé un sujet. Ils ont collecté des données provenant de 712 000 chaînes et groupes différents.
3. Comment ils l'ont collecté : La méthode « Boule de Neige »
Puisque Telegram ne donne pas aux chercheurs un bouton de téléchargement direct pour tout, l'équipe a utilisé un astucieux tour de passe-passe appelé « Crawling en Boule de Neige ».
- L'Analogie : Imaginez que vous voulez cartographier une forêt. Vous commencez par un grand arbre (une chaîne populaire). Vous regardez les branches (les messages) et voyez où elles pointent vers d'autres arbres (les chaînes). Vous suivez ces liens, trouvez de nouveaux arbres et suivez leurs branches.
- Le Résultat : Comme une boule de neige qui grossit en roulant sur une colline, leur collecte de données a grandi de manière exponentielle, capturant finalement les « hubs » les plus influents du réseau Telegram.
4. Qu'y a-t-il dans la boîte ?
L'ensemble de données est comme un immense entrepôt organisé. Ce n'est pas juste un tas de texte ; il est structuré pour que les ordinateurs puissent le lire facilement. À l'intérieur, vous pouvez trouver :
- Les Messages : Les mots exacts que les gens ont écrits (bien que le texte complet soit verrouillé pour la confidentialité, les chercheurs peuvent demander à le voir).
- Les Réactions : Combien de gens ont « aimé » ou réagi à un post.
- Les Sondages : Des millions de questions et de réponses sur lesquelles les gens ont voté.
- Les Connexions : Qui a transféré un message à qui, créant une carte de la façon dont l'information voyage.
- Les Langues : Bien que l'anglais soit présent, la carte est dominée par le russe (56 %) et le farsi (15 %), reflétant là où Telegram est le plus populaire comme outil quotidien. L'anglais est plus petit (6 %) mais reste énorme en chiffres absolus.
5. Qu'ont-ils trouvé ? (Le « Vibe Check »)
Les chercheurs ont fait une visite rapide des données pour voir quelle était l'« ambiance » de ces différents groupes linguistiques :
- Russe et Farsi : Ces groupes parlaient d'un mélange de tout : politique, mais aussi livres, mode, art, musique et vie quotidienne. Cela ressemblait à une place de ville diversifiée et grand public.
- Anglais : Ce groupe était différent. Bien qu'ils parlent aussi de sport et d'actualités, ils avaient une concentration beaucoup plus élevée de théories du complot et de sujets extrémistes (comme « les canulars sur le changement climatique » ou « les récits antisémites »).
- Le Test de « Confiance » : Lorsqu'ils ont vérifié les sites web partagés dans les chats en anglais, ils ont découvert que 60 % des liens pointaient vers des sources de nouvelles non fiables ou fausses. Comparez cela à Twitter, où les sources fiables sont beaucoup plus courantes. C'est comme si la place Telegram en anglais était remplie de gens hurlant des rumeurs à partir de pamphlets non vérifiés, tandis que les places russes/farsi ressemblent plus à des kiosques à journaux standards.
6. Pourquoi cela compte
Cet ensemble de données est un outil scientifique. Il permet aux chercheurs d'étudier le comportement humain sans le « bruit » des algorithmes secrets.
- La Confidentialité d'abord : Pour protéger les gens, les chercheurs ont effacé les numéros de téléphone et caché les noms. Ils n'ont conservé que des données publiques.
- Ouvert à la Science : Ils ont rendu les données disponibles (dans un format appelé Parquet) afin que d'autres scientifiques puissent les utiliser pour étudier comment les communautés se forment, comment les rumeurs se propagent et comment les gens se comportent lorsqu'ils ne sont pas poussés par un algorithme.
En résumé : TeraGram est un enregistrement massif, décennal et organisé d'une plateforme de réseaux sociaux qui fonctionne sur le « temps » plutôt que sur les « algorithmes ». Il offre aux scientifiques un regard rare et propre sur la façon dont les humains parlent réellement les uns aux autres lorsque personne n'essaie de leur vendre quelque chose ou de manipuler leur flux.
Noyé(e) sous les articles dans votre domaine ?
Recevez des digests quotidiens des articles les plus récents correspondant à vos mots-clés de recherche — avec des résumés techniques, dans votre langue.