Users on social networks such as Twitter interact with and are influenced by each other without much knowledge of the identity behind each user. This anonymity has created a perfect environment for bot and hostile accounts to influence the network by mimicking real-user behaviour. To combat this, research into designing algorithms and datasets for identifying bot users has gained significant attention. In this work, we highlight various techniques for classifying bots, focusing on the use of node and structural embedding algorithms. We show that embeddings can be used as unsupervised techniques for building features with predictive power for identifying bots. By comparing features extracted from embeddings to other techniques such as NLP, user profile and node-features, we demonstrate that embeddings can be used as unique source of predictive information. Finally, we study the stability of features extracted using embeddings for tasks such as bot classification by artificially introducing noise in the network. Degradation of classification accuracy is comparable to models trained on carefully designed node features, hinting at the stability of embeddings.

No abstract

Motywacja: Według Banku Światowego, wprowadzenie emerytur wypiera aż od 20% do 91% prywatnych transferów. Efekt wypychania jest największy dla najuboższych gospodarstw domowych, czyli tych, które powinny być głównymi beneficjentami publicznego systemu emerytalnego. Wedle poglądów prezentowanych w literaturze, poddaje to w wątpliwość zasadność wprowadzenia powszechnego systemu emerytalnego. Cel: Celem artykułu jest próba odpowiedzi na pytanie, czy wprowadzenie obowiązkowego systemu emerytalnego skutkuje wypchnięciem prywatnych transferów, skierowanych do osób starszych, a także, w przypadku odpowiedzi twierdzącej, ewentualne określenie skali tego zjawiska. Pozwoli to ocenić celowość wprowadzenia powszechnego systemu emerytalnego w państwach rozwijających się. Materiały i metody: Dokonano krytycznego przeglądu badań empirycznych, zaprezentowanych w literaturze, a następnie zweryfikowano je przy pomocy zmodyfikowanego modelu OLG (overlapping generations). Symulacji dokonano w programie Dynare/Octave. Wyniki: Dowiedziono, że nawet jeśli efekt wypychania istnieje w skrajnej formie, nie należy na tej podstawie wyciągać wniosków o sprawności funkcjonowania systemu emerytalnego. Co więcej, nawet w takim przypadku, jego wprowadzenie jest opłacalne — zwiększa łączną konsumpcję oraz społeczny dobrobyt.

Przedmiotem artykułu jest analiza związku starzenia się społeczeństwa i postępu technicznego, co wydaje się tematem szczególnie istotnym wobec nieuchronności przemian struktury demograficznej oraz najnowszych analiz dotyczących wpływu tego zjawiska na produktywność pracy. Korzystając z wyników badań empirycznych, dokonano rewizji prognoz stopy wzrostu PKB dla Europy, uwzględniającej przedmiotowy związek. Okazuje się, że istnienie zależności znacznie obniża wskaźnik. Ponadto na podstawie analizy szeregów czasowych agregatów makroekonomicznych pokazano, że zmiana struktury demograficznej może mieć dotkliwe skutki nie tylko dla długookresowego trendu, lecz także dla przebiegu cykli koniunkturalnych. W artykule rozszerzono również klasyczny model nakładających się pokoleń w taki sposób, by odzwierciedlał wpływ zmiany starzenia się społeczeństwa na postęp techniczny. Pokazano, że modyfikacja skutkuje pogorszeniem się wyników ekonomicznych w dużo większym stopniu niż uwzględnienie jedynie spowolnienia wynikającego z trendów demograficznych.