Naukowcy zaproponowali nową metadę do wykrywania narracji dezinformacyjnych w ekosystemach Telegramu przez połączenie słabej supervizji z analizą grafów propagacji. Zamiast analizować posty pojedynczo, system grupuje semantycznie powiązane twierdzenia w klastry na poziomie narracji i modeluje ich rozprzestrzenianie się między połączonymi kanałami, co pozwala wychwycić skoordynowane wzmacnianie narracji niemożliwe do zdetekcji na poziomie pojedynczych postów.
Detektowanie dezinformacji w mediach społecznościowych stanowi duże wyzwanie ze względu na skalę amplifikacji, szybką ewolucję treści i jej lingwistyczną zmienność. Badanie skupia się szczególnie na rosyjskich i ukraińskich kanałach Telegramu, gdzie rozprzestrzenianie się fałszywych narracji ma bezpośredni wpływ na społeczeństwo i opinie publiczne. Tradycyjne podejścia analizujące posty indywidualnie nie są w stanie skutecznie wykryć wzorców rozprzestrzeniania się na większą skalę.
Zintegrowanie sygnałów tekstowych ze strukturą sieci zapewnia skalowalną metodę do wykrywania narracji dezinformacyjnych i oferuje wgląd w to, jak się one rozprzestrzeniają w dużych środowiskach komunikacyjnych. Takie podejście może być cenne dla platform społecznościowych i organizacji zajmujących się bezpieczeństwem informacyjnym, pozwalając identyfikować kampanie dezinformacyjne wcześniej i skuteczniej je zwalczać.