ความคิดเห็นเกี่ยวกับการหลอกลวงออนไลน์และวิศวกรรมสังคมบน YouTube: การสร้างแบบจำลองหัวข้อด้วย BERTopic
Article Sidebar
Main Article Content
บทคัดย่อ
การวิจัยครั้งนี้มีวัตถุประสงค์เพื่อวิเคราะห์คำสำคัญที่ปรากฏในปริมาณสูง จากความคิดเห็นของผู้ใช้ YouTube ที่เกี่ยวข้องกับการหลอกลวงออนไลน์และวิศวกรรมสังคม (Social Engineering) ในประเทศไทย และค้นหากลุ่มประเด็น และอธิบายโครงสร้างของประเด็นการหลอกลวงเชิงวิศวกรรมสังคมที่ปรากฏในความคิดเห็นบน YouTube การวิจัยครั้งนี้เป็นการวิจัยที่ใช้วิทยาศาสตร์ข้อมูลโดยการทำเหมืองข้อความ กลุ่มตัวอย่างที่ใช้ในการศึกษาประกอบด้วยความคิดเห็นจำนวน 6,244 รายการ ซึ่งรวบรวมจากวิดีโอ YouTube ภาษาไทยที่เกี่ยวข้องกับการหลอกลวงออนไลน์และวิศวกรรมสังคมในประเทศไทย ในช่วงปี พ.ศ. 2563–2568 เครื่องมือที่ใช้ในการเก็บรวบรวมข้อมูลได้แก่ YouTube Data API ทำการวิเคราะห์ข้อมูลโดยใช้ โปรแกรม Python สำหรับประมวลผลข้อมูล ไลบรารี PyThaiNLP สำหรับตัดคำและประมวลผลภาษาไทย โมเดล Word2Vec สำหรับปรับความสอดคล้องเชิงความหมายของคำ และเครื่องมือ BERTopic สำหรับสร้างแบบจำลองหัวข้อ (Topic Modeling) ผลการวิจัยพบว่า ผู้ใช้จำนวนมากมีประสบการณ์ตรงหรือรับรู้เหตุการณ์การหลอกลวงทางการเงิน โดยเฉพาะการหลอกให้โอนเงิน คำที่พบบ่อยเกี่ยวข้องกับความสูญเสีย การแจ้งความ การติดตามข่าว และอารมณ์ด้านลบ รวมถึงการรับรู้ว่ากลุ่มเปราะบาง เช่น ผู้สูงอายุ เป็นเป้าหมายสำคัญ ขณะที่การทำ Topic Modeling สามารถจัดกลุ่มความคิดเห็นได้ 5 ประเด็นหลัก ได้แก่ ประสบการณ์ผู้เสียหาย การวิพากษ์เชิงระบบ การรับรู้ข่าวสาร การมีส่วนร่วมทางอารมณ์ และปฏิกิริยาเชิงพฤติกรรมต่อเหยื่อ สะท้อนว่าบทสนทนาเรื่องการหลอกลวงออนไลน์มีความหลากหลาย ขยายจากการเล่าเหตุการณ์ไปสู่การวิพากษ์สังคมและการเรียนรู้ร่วมกันของผู้ชม
Article Details
อนุญาตภายใต้เงื่อนไข Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
ทัศนะและความคิดเห็นที่ปรากฏในวารสาร ถือเป็นความรับผิดชอบของผู้เขียนบทความนั้น และไม่ถือเป็นทัศนะและความรับผิดชอบของกองบรรณาธิการ
เอกสารอ้างอิง
Abdullah, A. O., Ali, M. A., Karabatak, M., & Sengur, A. (2018). A comparative analysis of common YouTube comment spam filtering techniques. In 2018 6th International Symposium on Digital Forensic and Security (ISDFS) (pp. 1-5), Antalya, Turkey. DOI: 10.1109/ISDFS.2018.8355315
Abuzayed, A., & Al-Khalifa, H. (2021). BERT for Arabic topic modeling: An experimental study on BERTopic technique. Procedia Computer Science, 189, 191-194. https://doi.org/10.1016/j.procs.2021.05.096
Alomair, M., Issa, T., Zaung Nau, S., & Abu Salih, B. (2025). The key factors that influence employees’ awareness of social engineering: A systematic literature review. Heliyon, 11(16), Article e44012. https://doi.org/10.1016/j.heliyon.2025.e44012
An, Y., Kim, D., Lee, J., Oh, H., Lee, J. S., & Jeong, D. (2023). Topic modeling-based framework for extracting marketing information from e-commerce reviews. IEEE Access, 11, 135049-135060. https://doi.org/10.1109/ACCESS.2023.3337808
Azzahra, S. F., Rahmani, D. A., Astriani, T., Lubis, M., & Hadi, R. M. E. (2023). The role of social media in knowledge management: A comprehensive literature review. In 2023 11th International Conference on Cyber and IT Service Management (CITSM) (pp. 1-5), Makassar, Indonesia. DOI: 10.1109/CITSM60085.2023.10455481
Bishnoi, A., Garv, Bishnoi, S., & Gupta, N. (2023). Comprehensive assessment of reverse social engineering to understand social engineering attacks. In 2023 5th International Conference on Smart Systems and Inventive Technology (ICSSIT) (pp. 681-685), Tirunelveli, India. DOI: 10.1109/ICSSIT55814.2023.10061054.
Electronic Transactions Development Agency (ETDA). (2025). ETDA reports over 35,000 online complaint cases in 2024, highlighting online shopping scams and illegal websites as the most reported issues. https://www.etda.or.th/th/pr-news/etda_stat_online_fraund.aspx
Forbes Thailand. (2025). YouTube remains the most used application among Thai users, increasingly viewed as a digital television platform. https://www.forbesthailand.com/news/it/thailand-s-2025-tech-ranking-mobile-nation
Hill, C., Irshaidat, F., Johnson, M., & Fresneda, J. (2025). An analytical assessment of sentiment analysis trends and methods through systematic review and topic modeling. Decision Analytics Journal, 17, Article 100644. https://doi.org/10.1016/j.dajour.2025.100644
Hussain, M. N., Tokdemir, S., Agarwal, N., & Al-Khateeb, S. (2018). Analyzing disinformation and crowd manipulation tactics on YouTube. In 2018 IEEE/ACM International Conference on Advances in Social Networks Analysis and Mining (ASONAM) (pp. 1092-1095), Barcelona, Spain. DOI: 10.1109/ASONAM.2018.8508766
Liu, J., Long, R., Chen, H., Wu, M., Ma, W., & Li, Q. (2024). Topic-sentiment analysis of citizen environmental complaints in China: Using a Stacking-BERT model. Journal of Environmental Management, 371, Article 123112. https://doi.org/10.1016/j.jenvman.2024.123112
Maher, C. A., & Engle, T. A. (2024). Knowing is half the battle: Examining the association between acknowledgement of victimization and reporting of fraud. Journal of Economic Criminology, 5, 100092. https://doi.org/10.1016/j.jeconc.2024.100092
Mouncey, E., & Ciobotaru, S. (2025). Phishing scams on social media: An evaluation of cyber awareness education on impact and effectiveness. Journal of Economic Criminology, 7, Article 100125. https://doi.org/10.1016/j.jeconc.2025.100125
Mouton, F., Malan, M. M., Leenen, L., & Venter, H. S. (2014). Social engineering attack framework. In 2014 Information Security for South Africa (pp. 1-9), Johannesburg, South Africa. DOI: 10.1109/ISSA.2014.6950510
Nataraj-Hansen, S. (2024). “More intelligent, less emotive and more greedy”: Hierarchies of blame in online fraud. International Journal of Law, Crime and Justice, 76, Article 100652. https://doi.org/10.1016/j.ijlcj.2024.100652
Oh, J., & Kim, J. (2025). YouTube as a social listening tool: Mining housing discourse on YouTube. Cities, 166, Article 106279. https://doi.org/10.1016/j.cities.2025.106279
Olivia, T., Halim, E., & Saputra, L. S. (2025). Digital ethics and the overrated phenomenon: Balancing freedom and responsibility in social media. In 2025 13th International Conference on Cyber and IT Service Management (CITSM) (pp. 1-6), Jakarta, Indonesia.
DOI 10.1109/CITSM67730.2025.11291517
Rachamadugu, S. K., Pushphavathi, T. P., Khan, S. B., & Alojail, M. (2024). Exploring topic coherence with PCC-LDA and BERT for contextual word generation. IEEE Access, 12, 175252–175267. https://doi.org/10.1109/ACCESS.2024.3477992
Rathod, T., Jadav, N. K., Tanwar, S., Alabdulatif, A., Garg, D., & Singh, A. (2025). A comprehensive survey on social engineering attacks, countermeasures, case study, and research challenges. Information Processing & Management, 62(1), Article 103928. https://doi.org/10.1016/j.ipm.2024.103928
Sethia, K., Saxena, M., Goyal, M., & Yadav, R. K. (2022). Framework for topic modeling using BERT, LDA and K-Means. In 2022 2nd International Conference on Advance Computing and Innovative Technologies in Engineering (ICACITE) (pp. 2204-2208). Greater Noida, India. DOI: 10.1109/ICACITE53722.2022.9823442
Triantafyllopoulos, A., Spiesberger, A. A., Tsangko, I., Jing, X., Distler, V., Dietz, F., Alt, F., & Schuller, B. W. (2025). Vishing: Detecting social engineering in spoken communication — A first survey & urgent roadmap to address an emerging societal challenge. Computer Speech & Language, 94, Article 101802. https://doi.org/10.1016/j.csl.2025.101802
Tsinganos, N., Mavridis, I., & Gritzalis, D. (2022). Utilizing convolutional neural networks and word embeddings for early-stage recognition of persuasion in chat-based social engineering attacks. IEEE Access, 10, 108517–108529. https://doi.org/10.1109/ACCESS.2022.3213681
Twardawski, M., Fischer, M., Agostini, P., Schwabe, J., & Gollwitzer, M. (2025). The role of just-world beliefs, victim identifiability, and the salience of an alternative target for victim blaming. Journal of Experimental Social Psychology, 119, Article 104721. https://doi.org/10.1016/j.jesp.2025.104721
Waelchli, S., & Walter, Y. (2025). Reducing the risk of social engineering attacks using SOAR measures in a real world environment: A case study. Computers & Security, 148, Article 104137. https://doi.org/10.1016/j.cose.2024.104137
Yao, W., Tang, M., Liu, Z., & Ni, M. (2025). Social capital and financial fraud among the elderly. International Review of Financial Analysis, 101, Article 104035. https://doi.org/10.1016/j.irfa.2025.104035
