TeraGram: A Structured Longitudinal Dataset of the Telegram Messenger
यह शोध पत्र टेराग्राम (TeraGram) को प्रस्तुत करता है, जो 2015 से 2025 तक के 5.9 बिलियन से अधिक सार्वजनिक टेलीग्राम संदेशों से बना एक विशाल अनुदैर्ध्य (longitudinal) डेटासेट है, जो विविध भाषाओं और समुदायों में जुड़ाव के पैटर्न, नेटवर्क विकास और सामुदायिक निर्माण के अध्ययन के लिए एक अद्वितीय, एल्गोरिदम-मुक्त संसाधन के रूप में कार्य करता है।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
कल्पना कीजिए कि इंटरनेट एक विशाल, शोर-शराबे वाले शहर की तरह है। इस शहर के अधिकांश प्रमुख चौक (जैसे फेसबुक या ट्विटर/X) अदृश्य, अत्यंत बुद्धिमान बाउंसरों द्वारा चलाए जाते हैं। ये बाउंसर तय करते हैं कि आप कौन से भाषण सुनेंगे, आपको कौन से विज्ञापन दिखेंगे और किन बातचीत को बढ़ावा दिया जाएगा, और यह सब गुप्त नियमों के आधार पर किया जाता है जिनका उद्देश्य आपको अपनी स्क्रीन से चिपकाए रखना है।
TeraGram एक अलग तरह के शहर के चौक का एक विशाल नया मानचित्र है: Telegram।
यहाँ इस शोध पत्र का सरल विवरण दिया गया, जिसमें रोजमर्रा के उपमाओं (analogies) का उपयोग किया गया है:
1. "बिना बाउंसर वाला" शहर
अन्य सोशल मीडिया प्लेटफॉर्म के विपरीत, टेलीग्राम एक ऐसे शहर के चौक की तरह है जहाँ क्या देखना है, यह तय करने के लिए कोई बाउंसर नहीं है। यदि कोई संदेश पोस्ट करता है, तो वह एक सरल, कालानुक्रमिक (chronological) पंक्ति में दिखाई देता है (जैसे वास्तविक समय का न्यूज़ टिकर)। यहाँ कोई गुप्त एल्गोरिदम नहीं है जो किसी विशिष्ट सामग्री को ऊपर धकेलने के लिए काम करता हो।
शोधकर्ताओं ने इस अनूठे वातावरण का अध्ययन करने के लिए TeraGram बनाया। वे यह देखना चाहते थे कि जब कोई गुप्त रूप से बातचीत को नियंत्रित नहीं कर रहा हो, तो लोग कैसे बात करते हैं, चीजें साझा करते हैं और समुदायों का निर्माण करते हैं।
2. 5.9 बिलियन संदेशों का एक टाइम कैप्सूल
टीम ने केवल एक तस्वीर नहीं ली; उन्होंने एक टाइम मशीन बनाई।
- आकार: उन्होंने 5.9 बिलियन संदेश एकत्र किए। यदि आप इन्हें प्रिंट करें, तो ये एक छोटे देश के आकार के पुस्तकालय को भर देंगे।
- समय: डेटा 2015 से लेकर 2025 तक फैला हुआ है। यह सार्वजनिक बातचीत की एक दशक लंबी डायरी है।
- दायरा: उन्होंने केवल एक विषय को नहीं देखा। उन्होंने 712,000 विभिन्न चैनलों और समूहों से डेटा एकत्र किया।
3. उन्होंने इसे कैसे एकत्र किया: "स्नोबॉल" विधि
चूंकि टेलीग्राम शोधकर्ताओं को सब कुछ सीधे डाउनलोड करने का बटन नहीं देता है, इसलिए टीम ने "स्नोबॉल क्रॉलिंग" नामक एक चतुर तकनीक का उपयोग किया।
- उपमा: कल्पना कीजिए कि आप एक जंगल का मानचित्र बनाना चाहते हैं। आप एक बड़े पेड़ (एक लोकप्रिय चैनल) से शुरुआत करते हैं। आप उसकी शाखाओं (संदेशों) को देखते हैं और देखते हैं कि वे अन्य पेड़ों (चैनलों) की ओर कहाँ इशारा करती हैं। आप उन लिंक्स का पीछा करते हैं, नए पेड़ पाते हैं, और उनकी शाखाओं का पीछा करते हैं।
- परिणाम: एक चलते हुए स्नोबॉल की तरह जो ढलान पर नीचे जाते समय बड़ा होता जाता है, उनका डेटा संग्रह तेजी से बढ़ता गया, और अंततः टेलीग्राम नेटवर्क के सबसे प्रभावशाली "हब" को पकड़ लिया।
4. बॉक्स के अंदर क्या है?
यह डेटासेट एक विशाल, व्यवस्थित गोदाम की तरह है। यह केवल शब्दों का ढेर नहीं है; इसे इस तरह से संरचित किया गया है कि कंप्यूटर इसे आसानी से पढ़ सकें। इसके अंदर, आप पा सकते हैं:
- संदेश: वे वास्तविक शब्द जो लोगों ने लिखे (हालांकि गोपनीयता के लिए पूरा टेक्स्ट लॉक है, शोधकर्ता इसे देखने के लिए अनुरोध कर सकते हैं)।
- प्रतिक्रियाएं (Reactions): कितने लोगों ने किसी पोस्ट को "लाइक" किया या प्रतिक्रिया दी।
- पोल (Polls): लाखों प्रश्न और उत्तर जिन पर लोगों ने मतदान किया।
- संबंध (Connections): किसने संदेश को किसे फॉरवर्ड किया, जिससे यह पता चलता है कि सूचना कैसे यात्रा करती है।
- भाषाएं: हालांकि अंग्रेजी भी वहां है, लेकिन इस मानचित्र पर रूसी (56%) और फ़ारसी (15%) का वर्चस्व है, जो दर्शाता है कि टेलीग्राम कहाँ सबसे अधिक लोकप्रिय दैनिक उपकरण के रूप में है। अंग्रेजी छोटी है (6%), लेकिन पूर्ण संख्या में अभी भी बहुत बड़ी है।
5. उन्होंने क्या पाया? ("वाइब चेक")
शोधकर्ताओं ने डेटा का एक त्वरित दौरा किया ताकि वे देख सकें कि इन विभिन्न भाषा समूहों का "वाइब" क्या था:
- रूसी और फ़ारसी: इन समूहों ने सब कुछ के बारे में बात की: राजनीति, लेकिन साथ ही किताबें, फैशन, कला, संगीत और दैनिक जीवन भी। यह एक विविध, मुख्यधारा के शहर के चौक जैसा महसूस हुआ।
- अंग्रेजी: यह समूह अलग था। हालांकि वे खेल और समाचारों के बारे में भी बात करते थे, लेकिन उनमें साजिश के सिद्धांतों (conspiracy theories) और चरमपंथी विषयों (जैसे "जलवायु परिवर्तन के धोखे" या "यहूदी विरोधी विमर्श") की सांद्रता बहुत अधिक थी।
- "भरोसे" का परीक्षण: जब उन्होंने अंग्रेजी चैट में लोगों द्वारा साझा की गई वेबसाइटों की जांच की, तो उन्होंने पाया कि 60% लिंक अविश्वसनीय या फर्जी समाचार स्रोतों के थे। इसकी तुलना ट्विटर से करें, जहाँ विश्वसनीय स्रोत बहुत अधिक सामान्य हैं। यह ऐसा है जैसे अंग्रेजी टेलीग्राम का चौक उन लोगों से भरा है जो अपुष्ट पर्चों से अफवाहें चिल्ला रहे हैं, जबकि रूसी/फ़ारसी के चौक मानक समाचार स्टालों की तरह हैं।
6. यह क्यों महत्वपूर्ण है
यह डेटासेट एक वैज्ञानिक उपकरण है। यह शोधकर्ताओं को बिना "गुप्त एल्गोरिदम के शोर" के मानव व्यवहार का अध्ययन करने की अनुमति देता है।
- गोपनीयता सर्वोपरि: लोगों की सुरक्षा के लिए, शोधकर्ताओं ने फोन नंबर हटा दिए और नाम छिपा दिए। उन्होंने केवल सार्वजनिक डेटा रखा।
- विज्ञान के लिए खुला: उन्होंने डेटा को (Parquet नामक प्रारूप में) उपलब्ध कराया है ताकि अन्य वैज्ञानिक इसका उपयोग यह अध्ययन करने के लिए कर सकें कि समुदाय कैसे बनते हैं, अफवाहें कैसे फैलती हैं, और जब उन्हें एल्गोरिदम द्वारा उकसाया नहीं जा रहा हो तो लोग कैसा व्यवहार करते हैं।
संक्षेप में: TeraGram एक सोशल मीडिया प्लेटफॉर्म का एक विशाल, दशक लंबा, व्यवस्थित रिकॉर्ड है जो "एल्गोरिदम" के बजाय "समय" पर चलता है। यह वैज्ञानिकों को एक दुर्लभ, स्वच्छ दृष्टि देता है कि मनुष्य वास्तव में एक-दूसरे से कैसे बात करते हैं जब कोई उन्हें कुछ बेचने या उनकी फीड को हेरफेर करने की कोशिश नहीं कर रहा होता है।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।