I detta arbete behandlas fenomenet koordinerat oäkta beteende (CIB) på Facebook samt dess inverkan på spridningen av desinformation online. Undersökningen understryker behovet av att bekämpa desinformation och upprätthålla integriteten på sociala medieplattformar. Målet med studien är att särskilja enskilda inlägg på Facebook-sidor och klassificera dem som antingen CIB eller inte. För att åstadkomma detta genomfördes en analys av en datamängd som bestod av Facebook-inlägg insamlade mellan 2017 och 2019. Detta genomfördes genom att använda olika maskininlärningsmodeller, såsom Logistic Regression, K-Nearest Neighbors, Naive Bayes, Random Forest, och enstaka lager Neural Network. Dessa modeller kombinerades med olika vektoriseringsmetoder för analys, inklusive Bag-of-Word, TF-IDF och Word2Vec. Resultaten visar att det är möjligt att urskilja individuella inlägg av CIB och avslöjar icke-linjära mönster och särskiljbara relationer inom nätverken. Studien bidrar till förståelsen för CIB på sociala medieplattformar och betonar vikten av att bemöta desinformation för att bibehålla integriteten hos digitala interaktioner.

I detta arbete behandlas fenomenet koordinerat oäkta beteende (CIB) på Facebook samt dess inverkan på spridningen av desinformation online. Undersökningen understryker behovet av att bekämpa desinformation och upprätthålla integriteten på sociala medieplattformar. Målet med studien är att särskilja enskilda inlägg på Facebook-sidor och klassificera dem som antingen CIB eller inte. För att åstadkomma detta genomfördes en analys av en datamängd som bestod av Facebook-inlägg insamlade mellan 2017 och 2019. Detta genomfördes genom att använda olika maskininlärningsmodeller, såsom Logistic Regression, K-Nearest Neighbors, Naive Bayes, Random Forest, och enstaka lager Neural Network. Dessa modeller kombinerades med olika vektoriseringsmetoder för analys, inklusive Bag-of-Word, TF-IDF och Word2Vec. Resultaten visar att det är möjligt att urskilja individuella inlägg av CIB och avslöjar icke-linjära mönster och särskiljbara relationer inom nätverken. Studien bidrar till förståelsen för CIB på sociala medieplattformar och betonar vikten av att bemöta desinformation för att bibehålla integriteten hos digitala interaktioner.