一百个频道，怎样画成可比较的圆环

一张像病毒的草图

艺术总监Nadia Kelm最初画出的图，有从圆环向外伸出的“触须”。她想把Telegram频道每天的帖子放在一圈上，再把不同语言手法从总量中分出来；这种形状还应让人联想到病毒或滋生的霉菌。

这是乌克兰数据新闻机构Texty.org.ua制作《Carousel of Emotions》（《情绪旋转木马》）时留下的草图。作品于2024年10月23日发表，研究100个热门公开频道在当年夏季的语言使用。Kelm后来公开了五幅过程图，说明成品怎样一步步改变。

她在2025年的复盘中承认，第一版的情绪效果强于信息效果：看不清各类手法的分布，也难以比较，更不能清楚分开中性帖与情绪性帖。这不是读者实验的结论，而是设计者在推进作品时发现的障碍。

她保留了用小圆大小表示数量的办法，把各类小圆分别排成环。草图中的细线仍将外圈连向内圈，结构已经比“触须”规整，但她认为中性帖仍没有从其他帖子中明确分离。下一步要改的，既有颜色，也有读者看到信息的顺序。

先把一句话变成可说明的标签

在画图之前，团队先要回答什么算作“操纵”。原作开头便限定：它分析语言结构，不判定帖子所说的事实是真是假。这里的“操纵”指团队识别的语言手法，不能直接换成假新闻、谎言或频道可信度。

原作先拿几则帖子逐处批注。例如，一句关于房地产会被夺走的说法采用被动表达，作者在旁边追问：究竟是谁要夺走？另一则把“严冬”与官员的“温暖办公室”并列，作者标出强烈情绪词和未经论证便被说成显而易见的部分。

分类也不限于恐惧和辱骂。团队把借“自由”“正义”等抽象概念激起认同，以及营造振奋情绪，列为不同手法；从众、以套话终止讨论、转而指责对方、选择性取材、歪曲对方论点等，也列入十类定义。读者看到的是标签对应的具体表达。

他们依据Telemetr.io截至2024年9月1日的订阅数，在“新闻与媒体”和“政治”两个类别各选50个公开频道。只发布停电、防空警报或导弹、无人机航迹信息的频道被预先排除；帖子超过100个字符才进入语言检查。

在人工标注前，团队召集熟悉新闻规范的记者、编辑和分析师讨论争议：哪些不应算操纵，战时哪些表达可以理解。随后，14名经过训练的标注者标记9512条帖子，另有5名编辑部复核者检查标注并反馈。

其中7604条用于微调Meta-Llama-3.1-8B-Instruct，1908条另作测试。团队报告二分类准确率为86%，但也说明，从众、转移指责和“稻草人”等较复杂、较少见手法识别较弱。这是2024年该模型和样本的结果，不代表今天所有AI的表现。

这些差异直接影响画法：圆环只展示识别较好的五类，进一步合成三组——强情绪语言；抽象赞美与振奋；恐惧与怀疑。另一种分组点图则采用全部十类计算比例。看两类图时，不能把它们当成完全相同的分类范围。

同一个频道，分三次看

成品没有一开始就把100张圆环图铺给读者。它先介绍热门新闻频道Trukha：原文概括为夏季约3400条帖子，图中给出3408条。空心小圆围成一圈，每个小圆对应一天，大小表示当天的帖子数量；6月1日和8月31日在圆周顶部相接。

继续滚动，圆环的位置基本不变，小圆开始呈现深浅不同的暖色。图例把颜色对应到被标记帖子的比例，圆心补上约45%的整体数值。读者刚刚学过大小表示数量，此时再学习颜色表示比例，不必同时猜测两个含义。

再往下滚，一圈展开为四圈。浅粉表示强情绪语言，橙红表示抽象赞美与振奋，紫红表示恐惧与怀疑；浅蓝单独留给图中标作中性的帖子。原先难以分离的部分因此获得了自己的位置，不再只剩暖色之间的深浅差别。

这里的浅蓝不是“已核实为真”的标志。团队明确提醒，庆祝奥运奖牌时使用情绪语言可以合理；宣传内容也可能模仿克制的新闻措辞。标签描述的是表达方式，不能据此替代事实核查。

图形随后加入两个对照。Rezident的图中有959条帖子，被标记比例约90%，紫红的恐惧与怀疑一圈很突出；Suspilne有2800条，圆环标约2%，主要呈现浅蓝。Trukha仍留在中间，读者不用记住上一张图再翻页比较。

三张图把发帖总量与被标记比例分开：发帖较少的频道，也可能有更高比例。Kelm在复盘中说，最终采用了先解释单一频道、再展开分类的办法；原作的滚动进一步把总量、比例和类别安排在连续的画面里。

放在一起，才能检查是否真的好比较

到了分组点图，每个圆点改为代表一个频道，横轴统一为0%至100%。行分别是作者划分的亲俄频道、博客、政府来源、新闻聚合频道和新闻机构。圆点在横向的位置回答比例高低，读者不必再通过一圈圈颜色估计整体比例。

把指针移到新闻机构一行最靠左的圆点，会显示Suspilne频道名称和1.9%。原文把它概括为“不足2%”，圆环上则标为约2%。点图的提示框让读者看见频道名称和更细的数值，不必只凭圆点位置估读。

原作方法明确排除了不超过100字符的帖子，点图说明却将比例分母简称为频道的发帖总数，没有进一步说明短帖怎样计入分母。这项研究选取特定类别的热门频道和一个夏季的帖子，其比例不代表整个Telegram平台。

接着，作品按同样五个组别铺开频道圆环。桌面版每行四幅，名称放在圆心；箭头和说明告诉读者从左向右、再向下看，排序依据是被标记帖子的占比，而不是相关帖子绝对数量。

Kelm提出的检查办法正是把各频道图放到一起：实体是否容易比较，哪类手法占主导、出现是否规律，情绪性帖与中性帖的相对份额是否可见。她没有公布受众测试成绩，这三项是她明确写下的设计评价标准。

这与第一张草图的任务已经不同。单一频道可以容纳“触须”式的细节，但要让许多频道并排，基本图形就必须简化。Kelm把这次变化概括为从“整体分成部分”，转向让不同类别处于同一层级；复杂信息由许多小图共同呈现。

作品原来的工作名是“情绪秋千”。Kelm说，因为最终图形的样子，团队才将名称改为“情绪旋转木马”。标题跟随已经形成的视觉，而非先有一个旋转木马的比喻，再要求数据迁就它。

评委认可的内容，和后续公开任务

《情绪旋转木马》获得2025年Sigma Awards项目奖。官方评语肯定团队把研究呈现得易于理解，并特别提到：使用开源模型，同时解释为何需要针对具体任务微调，不能只依赖未经适配的现成模型。

把这段评语放回原作，可以看到具体对应：十类手法先有定义与帖子例子，标注和测试有单独说明；识别表现不同，展示类别也作了取舍。设计者的复盘进一步公开了读者在成品里看不到的失败草图及改法。

后续的UNLP 2025官方任务页写明，与Texty联合组织社交媒体操纵识别任务，采用媒体专家人工标注的约9500条Telegram帖子，设置“手法分类”和“操纵性文本片段识别”两个赛道。该页说明了研究任务，不提供足以验证原作模型表现的比赛成绩。

这篇报道最值得学的地方

最可借用的是Kelm把“并排之后能否比较”作为修改图形的依据。病毒式草图已经有形象和细节，但仍无法回答类别分布、中性部分和频道差异。她没有继续增加注释补救，而是分开类别、给中性帖独立颜色，再调整信息出现的次序。

在做城市服务投诉、机构公开声明或其他带类别标签的文本分析时，可以先从同一数据集中选出数量和构成不同的几个对象。让它们使用相同的图例并排，逐项尝试读出总量、比例与主要类别；哪一项总要靠正文补述，就回到编码方式修改。

这一步不要求照搬圆环。Texty自己的作品也在总比例比较时换用点图，在查询具体频道时提供表格。可以借用的是先确定读者要比较什么、再检验图形是否回答了它；至于文本标签是否成立，仍要靠定义、人工标注和错误检查来支撑。

方法提要

先用具体帖文说明分类，再交代人工标注与识别误差。

把总量、比例和类别分次呈现，用同一频道教读。

将不同对象并排，检查图形是否支持原先的比较问题。