自动生成的社交媒体内容可能会妨碍研究调查。
社交媒体赢咖4批量吐出计算机生成的内容，被指通过散布错误信息，影响选举，损害公共健康。现在，一些社会科学家提出了一项新的指控：对于一些通过挖掘Twitter、Reddit和Instagram等热门网站，以获取有关人类健康和行为信息的研究，社交媒体赢咖4会混淆视听。
这类网站的数据可以帮助科学家了解：自然灾害如何影响心理健康；为什么美国的年轻人对电子烟趋之若鹜；人们如何通过复杂的社交网络聚集起来。要开展这些研究，就要将真实的声音与网络赢咖4的“声音”区别开来。
“网络赢咖4被设计成像真人一样上网，”洛杉矶南加州大学的社会科学家Jon-Patrick Allem说，“如果研究人员想要描述公众的态度，就必须确保他们在社交媒体上收集的数据确实来自真人。”
2013年，丹麦技术大学的计算机科学家Sune Lehmann为了课堂上的一个社交网络实验，设计了他的第一批网络赢咖4。他说，当时Twitter上的赢咖4非常简单模糊，它们的存在主要是为了增加一些Twitter账号的粉丝数量。Lehmann希望让学生知道，这类赢咖4会如何操纵社交系统。为此，他们共同设计了歌手贾斯汀·比伯（Justin Bieber）的虚拟粉丝赢咖4。
“比伯赢咖4”（Bieber Bots）的设计很简单，并且迅速吸引了成千上万的关注者。但是，社交媒体赢咖4在不断演变，越来越复杂，难以被发现。2016年美国总统大选之后，这些赢咖4迅速成为公众关注的焦点；有人指控称，大量网络赢咖4被部署在社交媒体上，为特朗普在选举中造势。“突然之间，它变成了大家都感兴趣的东西。”Allem说。
之后，Allem用证据表明，网络赢咖4更容易生成电子烟有助于戒烟1的推文，其概率是真人推文的两倍——而事实是，这种论断仍有很大的争议。还有研究发现，赢咖4更容易宣扬大麻未经证实的健康益处2。这些研究都是依靠算法来估计某个Twitter账号为自动运行账号的可能性。但是Allem表示，尽管有Botometer和BotSlayer之类的赢咖4检测工具，许多社会科学和公共卫生研究人员仍然未能采取必要步骤，把可能为自动生成的内容从其数据中过滤掉。这里的部分原因在于，有些研究人员认为自己不具备这么做的专业知识。
Amelia Jamison警告说，这种疏忽会污染整个数据集。Amelia Jamison在马里兰大学研究健康差异，她在社交媒体上挖过反对疫苗接种的帖子。她说：“你可能会把它们视作真实讨论的一份子，听取这些声音，但其实它们夸大了一些社群本身没有表达的意见。”她指出，以她的研究课题为例，如果不剔除网络赢咖4的影响，她可能会认为反对疫苗的声音越来越多或是以变相的方式又出现了，而实际情况并非如此。
德国莱布尼茨社会科学研究所的信息科学家Katrin Weller认为，该领域必须解决的一个问题是如何定义网络赢咖4。并非所有的网络赢咖4都在恶意散布错误信息：某些赢咖4会提供气象站的最新天气情况、浮标采集的海平面变化数据，或是一般新闻报道。Weller指出，一些研究人员对Twitter赢咖4的定义是，每天发送消息超过一定数量的账号——这个定义较为宽松，会把一些爱刷屏的真人推特账号误算在内。
其他定义更为复杂一些。赢咖4检测器与赢咖4开发者始终处于一种“你追我赶”的竞赛中。第一代社交媒体赢咖4还是相对简单的程序，只会固定地转发他人的帖子。但是时至今日，随着机器学习的不断发展，能够发布原创内容的复杂赢咖4已经问世了。有些赢咖4会不定时地发布一些内容，还会模仿人类的习惯，例如在大家可能睡着的时候不发任何东西。一些赢咖4开发者会将真人生成的内容与自动生成的内容混在一起，增强赢咖4的伪装能力。
“一旦你对网络赢咖4以及检测它们的方式有了更多的了解，它们的创建者也掌握了同样的信息。”瑞士苏黎世大学的定量健康地理学研究人员Oliver Grübner说，“这是一个非常棘手的问题。”
像Lehmann一样，一些社会科学家正在自己设计赢咖4，来开展社会实验。宾夕法尼亚州立大学的政治学家Kevin Munger和他的同事制造了一些特别的赢咖4，这些赢咖4能识别使用种族主义语言的Twitter用户，并对其进行指责。研究人员让一组赢咖4使用白人男性作为头像，另一组使用黑人男性作为头像。Munger发现，Twitter用户在被前一组赢咖4指责后，更有可能淡化种族主义言论3。
在比伯赢咖4大获成功之后，Lehmann又设计出了更先进的赢咖4，以研究行为如何从一个群体传播到另一个群体。但是，由于网络赢咖4已经声名狼藉，可能出现的公众抗议让他考虑放弃该方法。“围绕网络赢咖4的一切都糊了。” 他说，“我有时候会想：‘我要再找一个安静的角落，在不会招致争议的情况下安心做研究。’ ”
