スタンフォード大学、ニューヨーク大学、ペンシルベニア大学、プリンストン大学、ダートマス大学ほか十数機関の研究者計30名超が、Metaの研究部門と共同で実施した大規模実証研究が2026年4月6日、Nature Human Behaviour（DOI: 10.1038/s41562-026-02435-2）に掲載された。タイトルは”How deceptive online networks reached millions in the US 2020 elections“。シニア著者はスタンフォード通信学のJennifer Pan、第一著者はRuth E. Appel（同）。著者には、Metaの脅威インテリジェンス部門を長年率いてきたBen NimmoおよびPablo Barberá（いずれもMeta所属）を含む複数のMeta研究者が名を連ねており、本研究がプラットフォーム側の内部データへのアクセスを前提に設計された点は分析の精度と独立性の両面で評価の基準となる。
FIESという特異な研究枠組みとデータアクセスの意義
本論文は、FIESと呼ばれる大規模研究協力体制の成果の一部として位置づけられる。FIES（US 2020 Facebook and Instagram Election Study：米国2020年フェイスブック・インスタグラム選挙研究）は、2020年米国大統領選挙期間中にFacebookおよびInstagramがユーザーの政治的行動に与えた影響を学術的に検証するために組成された枠組みであり、MetaがFIES参加研究者に対して匿名化されたユーザー行動データへのアクセスを提供する。研究者側にはHunt Allcott、Matthew Gentzkow、Sandra González-Bailón、Andrew M. Guess、David Lazer、Brendan Nyhan、Joshua A. Tucker（NYU）らが並び、選挙研究と計算社会科学を代表する研究者が結集した体制である。
従来の偽情報研究が直面してきた最大の制約は、プラットフォームの内部行動データへのアクセス不能という問題であった。大部分の先行研究は、公開されたユーザー活動（投稿、フォロー関係、いいね数等）から暴露量を推計せざるを得なかった。FIESではMetaが実際の表示ログ——コンテンツが誰の画面に表示されたかを示す到達記録——を研究者に提供したため、「このコンテンツを閲覧した」という実測値に基づく分析が初めて可能になった。「私たちが知りたかったのは実際の暴露量——どれだけの本物のユーザーがこのコンテンツを目にしたのか——であり、それはプラットフォームだけが知ることができる情報だ」とPanはphys.orgとのインタビューで述べている。
独立性の担保に関しては、FIES全体のプロトコルとして、学術系の著者およびその所属機関はMetaから金銭的報酬を一切受け取らないことが明示的に取り決められており、FIES論文はすべてOpen Science Foundationに事前登録されている。また各論文には「最終コンテンツに対するコントロール権を持つコア著者」が指定されており、Metaの関与が論文の結論を左右しない設計が公式に組み込まれている。ただし分析対象となるデータの選択・匿名化の方針についてはMetaが主導権を持つという構造的制約は残る。
研究設計：49ネットワークの分類と到達測定の方法
分析対象となったのは、Metaが2020年米国選挙期間中に「不正行為（inauthentic behavior）」を理由として削除したN=49のネットワークである。Metaが削除理由として挙げた不正行為には、コンテンツの人気を偽装すること、コミュニティページや活動の実際の目的を偽ること、フェイクアカウントの作成による関与者の身元偽装が含まれる。
研究チームは各ネットワークを三つの軸で分析した。第一に「特性」：発祥地域、運営アカウント数、投稿トピック。第二に「活動量」：プラットフォーム上での動作記録。第三に「到達」：ネットワークアカウントから直接、または無関係の第三者ユーザーのリシェアを通じて間接的にコンテンツを閲覧した米国成人の固有ユーザー数。この三軸分析により、ネットワークの属性・規模・影響力の関係を実測ベースで把握できる。
49件のネットワークはさらに動機によって二分類された。Metaが「Coordinated Inauthentic Behavior（CIB）」と呼ぶ政治的影響を目的とするネットワークが13件、政治コンテンツを集客・収益化の手段として利用した財務的動機のネットワークが36件であった。この二分類は研究の中心的な分析軸となった。
到達規模：3,700万のFBユーザーに接触
49ネットワーク全体の到達範囲は相当の規模に上った。Facebookでは少なくとも3,700万人の固有ユーザーが不正ネットワークのコンテンツに接触しており、これは同プラットフォームの米国成人アクティブユーザーの15%に相当する。Instagramでは300万人（同2%）が接触した。
ただし、この到達の大部分は少数のネットワークに集中していた。49件のうちの3ネットワークだけで、到達ユーザーの70%超を占めた。3件の内訳は政治的影響を目的とする政治的ネットワーク1件と、政治コンテンツを集客の媒介として利用した財務的動機のネットワーク2件である。残り46ネットワークはそれぞれ相対的に小規模な到達にとどまった。
到達メカニズムの構造は特に注目に値する。最高到達数を記録したネットワークを例にとると、そのネットワークのアカウントから直接到達したユーザーは約130万人であったが、ネットワークと無関係の一般ユーザーによるリシェアを通じた間接到達は約1,300万人に達した。直接到達の10倍が間接到達によるものである。
財務的動機：49件の73%、偽情報の通説への根本的な反証
本研究の最も重要な知見は、偽情報の動機に関する通説への実証的な反証である。49件のうち政治的影響工作ネットワーク（CIB）は13件（27%）に過ぎず、残り36件（73%）は、選挙シーズンにおける政治コンテンツへの高い関与度を利用して広告収益やクリック報酬を稼ぐことを主目的とした商業的アクターであった。
具体的な財務的動機ネットワークの事例として研究が挙げるのは、コソボを拠点とするネットワークで、Fox Newsのコンテンツをコピーしてシェアすることで収益を上げようとしていた。もう一件の高到達ネットワークはアリゾナ州に拠点を置く右傾向の政治マーケティング会社Rally Forgeで、フェイクプロファイルを通じて数千件の非本物投稿を作成した。後者は選挙関連のマーケティング事業体であり、「政治的動機」と「財務的動機」の境界が実際には連続的であることを示す事例でもある。
「偽情報はイデオロギー的動機によるものだと考えがちだが、かなりの割合は、政治的分断を便乗的に利用した財務目的のコンテンツに過ぎない可能性がある」とJennifer Panは述べる。財務的動機のネットワークは政治的主張を持たないが、政治的分極が集客に有利に働くため、対立を煽るコンテンツを量産するインセンティブ構造を持つ。これは情報エコシステムにおける「商業的偽情報（commercial disinformation）」の構造的問題として、ISDやGraphikaが別途分析してきた「偽情報の商業的生態系」と整合する視点でもある。
この発見は対策設計の優先順位にも直接関わる。外国の政治的アクターを主体とした偽情報モデルに基づく対抗策——特定の国家・政党関連アクターの排除、外国干渉ネットワークの検出——は、財務的動機の商業的アクターに対しては適合度が低い。商業的動機のネットワークに対しては、収益モデルの解体——広告プログラムや決済インフラへのアクセス制限、クリックベイトコンテンツへの広告配信拒否——が有効な介入点となりうる。グローバル・ディスインフォメーション・インデックス（GDI）が長年取り組んできた「有害コンテンツの収益化モデル解体」という方向性は、この研究知見によって一定の実証的裏付けを得たとも読める。また、財務的動機のネットワークが政治的工作ネットワークと同じユーザー層に到達していたという知見は、偽情報研究が「政治的影響工作」に限定してきたスコープを「商業的情報操作」へと拡張する必要性を示唆する。
拡散メカニズム：ネットワーク外部の一般ユーザーが主要な媒介
高い到達を実現した不正ネットワークは、大量投稿単独では広域的な拡散を達成できなかった。ネットワーク非加入の一般ユーザー——そのネットワークと無関係の第三者——がコンテンツをリシェアすることで初めて拡散が実現した。最高到達ネットワークの例が示したように、間接到達（リシェア経由）は直接到達の10倍規模に達する。
「Facebookでは、ネットワークは直接ではなく、ネットワークとは無関係の一般ユーザーによるコンテンツのリシェアを通じて大部分の視聴者に到達した」とPanは説明する。この知見は、偽情報対策の標的設定に含意を持つ。不正ネットワーク自体の除去に集中するアプローチは、拡散の主要な媒介経路である一般ユーザーの行動変容には直接作用しない。「これらのネットワークとその活動を抑制・制限することだけに集中すれば十分とは言えない。特定のユーザーが何故この情報を拡散するのかを解明することも必要だ」とPanは指摘する。
これは「なぜ一般ユーザーは偽情報をリシェアするのか」という問いへの対話をも開く。ユーザーがコンテンツを財務的スキャムネットワーク産ではなく本物の政治的意見表明と認識して拡散していたとするなら、その出所の透明性が明示された場合に行動が変化するかどうかは、本研究が提起した未検証の問いとして残る。「それがスキャムネットワークだと気づいた場合、ユーザーの行動は変わるだろうか。もしユーザーがこのコンテンツをリシェアしているとしたら、それは彼ら自身の政治的信念に響く本物のコンテンツだと思っているからかもしれない」とPanは述べる。
到達されたユーザーの属性
研究は、不正コンテンツに到達されやすいユーザーの属性も分析した。財務的動機か政治的動機かを問わず、すべての不正ネットワークは共通して特定のユーザー属性の集団に対して高い到達率を示した。具体的には、年齢が高い、政治的立場が保守的、信頼性の低いソースのコンテンツへの接触歴が多い、Facebookの利用時間が長い、という四つの特徴を持つユーザーが不正コンテンツに接触しやすかった。
このユーザー属性パターンは、先行する偽情報脆弱性研究と整合する。注目すべきは、動機の性質——政治的工作か財務的スキャムか——がユーザー属性パターンに大きな差異をもたらさなかったという知見である。すなわち、政治的工作ネットワークとスキャムネットワークは、同じユーザー層に到達していた。この収束は、脆弱性がコンテンツの背後にある動機ではなくユーザー自身の情報消費パターンに起因することを示唆する。
限界とバイアス開示
本研究には構造的な制約が複数ある。第一に、分析対象はMetaが既に削除した49ネットワークに限定されており、削除を免れた不正ネットワークは観察できない。検出・削除基準を熟知した巧妙なアクターは過小計上されている可能性がある。特に財務的動機のネットワークは政治的工作ネットワーク（CIB）と比べてプラットフォームの優先的検出対象外となりやすく、実際の比率はさらに財務的動機寄りである可能性を排除できない。
第二に、著者にMeta所属研究者が複数名含まれており、データの提供元と研究の一部担い手が同一機関に属するという構造的な利益相反がある。FIESプロトコルは金銭的報酬の不受領と事前登録によって独立性を担保しているが、MetaがFIESに提供するデータの選択・匿名化の方針に関する透明性は外部から独立に検証できない。
第三に、本研究は2020年米国大統領選挙という一時点・一国・主要二プラットフォームに限定されており、他の選挙環境、他のプラットフォーム（X、TikTok等）、非英語圏への一般化には慎重を要する。Instagramにおける到達が相対的に小さかった（2%）という結果は、当時の両プラットフォームのアルゴリズム差異や利用実態の違いを反映しており、現在のInstagramには直接適用できない。
これらの制約を前提に置いても、本研究の方法論的貢献は明確である。プラットフォームの内部行動ログを用いた不正ネットワークの実証分析は、公開データに基づく先行研究の推計精度を大きく超えており、またFIESのような研究協力枠組みがもたらしうるエビデンスの水準を具体的に示した。プラットフォームとの研究協力に必然的に伴う独立性上の課題と、アクセス制限がない場合には不可能な問いへの答えという両面が、本論文を通じて改めて照らし出されている。
コメント