kth.sePublikationer KTH
Driftinformation
Ett driftavbrott i samband med versionsuppdatering är planerat till 17/11-2026, kl 12.00-13.00. Under den tidsperioden kommer DiVA inte att vara tillgängligt.
Ändra sökning
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
Who is at Risk? Analyzing the Risk of Radicalization Among Reddit Users
Department of Information Technology, Uppsala University, Uppsala, Sweden.
CENTAI, Turin, Italy.
KTH, Skolan för elektroteknik och datavetenskap (EECS), Datavetenskap, Teoretisk datalogi, TCS.ORCID-id: 0000-0002-5211-112X
2026 (Engelska)Ingår i: Machine Learning and Knowledge Discovery in Databases. Applied Data Science Track and Demo Track - European Conference, ECML PKDD 2025, Proceedings, Springer Nature , 2026, s. 375-392Konferensbidrag, Publicerat paper (Refereegranskat)
Abstract [en]

Online radicalization is a growing societal concern. Extremist groups actively exploit online media to reach wide audiences, spreading ideologies that incite hate and violence. The lack of transparency and conscious use of social media worsens this issue, as users often remain unaware of being targeted by disinformation or radical propaganda. This work analyzes the risk of online radicalization and provides insights for individuals, platforms, and policymakers to mitigate its harmful effects. We conduct a data-driven study to analyze Reddit users’ radicalization risk. We build a temporal classification model using interpretable machine learning to predict the risk of radicalization with features based on recro, a recent social theory of Internet-mediated radicalization. Our findings reveal recro features are strong indicators, with features from later stages having greater influence. We also analyze risk distributions across communities, showing higher risk in controversial groups but also identifying extremists in generic and neutral communities. This result highlights the importance of critical thinking when engaging with online content.

Ort, förlag, år, upplaga, sidor
Springer Nature , 2026. s. 375-392
Nyckelord [en]
online safety, risk prediction, social media analysis
Nationell ämneskategori
Systemvetenskap, informationssystem och informatik med samhällsvetenskaplig inriktning Sociologi (Exklusive socialt arbete, socialantropologi, demografi och kriminologi)
Identifikatorer
URN: urn:nbn:se:kth:diva-372800DOI: 10.1007/978-3-032-06129-4_22ISI: 001661492700022Scopus ID: 2-s2.0-105020023589OAI: oai:DiVA.org:kth-372800DiVA, id: diva2:2013626
Konferens
European Conference on Machine Learning and Principles and Practice of Knowledge Discovery in Databases, ECML PKDD 2025, Porto, Portugal, September 15-19, 2025
Anmärkning

Part of ISBN 9783032061287

QC 20251113

Tillgänglig från: 2025-11-13 Skapad: 2025-11-13 Senast uppdaterad: 2026-05-29Bibliografiskt granskad

Open Access i DiVA

Fulltext saknas i DiVA

Övriga länkar

Förlagets fulltextScopus

Person

Gionis, Aristides

Sök vidare i DiVA

Av författaren/redaktören
Gionis, Aristides
Av organisationen
Teoretisk datalogi, TCS
Systemvetenskap, informationssystem och informatik med samhällsvetenskaplig inriktningSociologi (Exklusive socialt arbete, socialantropologi, demografi och kriminologi)

Sök vidare utanför DiVA

GoogleGoogle Scholar

doi
urn-nbn

Altmetricpoäng

doi
urn-nbn
Totalt: 157 träffar
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf