Examinando el impacto de las Notas de la Comunidad en la desinformación

Las plataformas de redes sociales se han vuelto lugares populares para que la gente comparta información. Sin embargo, esto también ha llevado a que se difunda mucha información falsa. Una plataforma, Twitter, ha hecho cambios para ayudar a combatir este problema. Introdujeron una función llamada Community Notes, que permite a los usuarios ayudar a verificar la veracidad de los mensajes compartidos en la plataforma. Este estudio investiga cuán creíbles son las Fuentes usadas en estas Community Notes y cómo impactan las opiniones públicas.

#El Problema de la Desinformación

La desinformación, o información falsa, es una preocupación creciente. Estudios muestran que la información falsa se difunde más rápido que la correcta, especialmente en plataformas como Twitter. Esta rápida propagación de desinformación puede tener consecuencias reales, afectando áreas como la salud pública, la política y la seguridad nacional. Un ejemplo notable de esto fue cuando el ex presidente de EE. UU. Donald Trump hizo afirmaciones falsas sobre las elecciones presidenciales de 2020, lo que contribuyó a un incidente violento en el Capitolio de EE. UU.

Para luchar contra la desinformación, la gente a menudo recurre a los verificadores de hechos, que son individuos u organizaciones que verifican la verdad de las afirmaciones. Sin embargo, no hay suficientes verificadores de hechos expertos para hacer frente a la enorme cantidad de contenido en línea. Algunas plataformas han desarrollado sistemas automatizados para señalar la desinformación, pero estos sistemas pueden cometer errores y aún necesitan supervisión humana.

#Verificación de Hechos Basada en la Comunidad

Para abordar los desafíos que plantea la desinformación, plataformas de redes sociales como Twitter han comenzado a utilizar la verificación de hechos basada en la comunidad. En 2021, Twitter lanzó Community Notes para permitir a los usuarios informar sobre tweets engañosos y añadir contexto o correcciones. Los usuarios también pueden enlazar a fuentes externas para respaldar sus afirmaciones. Sin embargo, la efectividad de este enfoque impulsado por la comunidad puede verse afectada por Sesgos en las fuentes en las que los usuarios deciden confiar.

Esta investigación tiene como objetivo analizar de cerca las fuentes utilizadas en las Community Notes de Twitter y cómo estas moldean la comprensión pública. Al analizar estas fuentes, esperamos proporcionar información que pueda mejorar cómo se aborda la desinformación en las redes sociales.

#Preguntas de Investigación

Para guiar nuestra investigación, establecimos dos preguntas principales:

1. Fuentes de Validez: ¿Cómo reflejan e influyen los patrones de cita dentro de las Community Notes en los sesgos y la integridad factual?

2. Percepciones del Público: ¿Cómo afectan las características de las fuentes, como el tipo, sesgo y precisión, su efectividad para respaldar o refutar las Community Notes?

#Resumen de Trabajos Relacionados

Investigaciones previas se han centrado en cómo la desinformación se propaga en las redes sociales y cómo la verificación de hechos puede ayudar. Aunque ha habido algún estudio sobre la verificación de hechos basada en la comunidad, notamos que no se ha prestado mucha atención a los detalles de las Community Notes de Twitter, especialmente con respecto a las fuentes citadas en estas notas.

La mayoría de la investigación existente ha analizado las interacciones entre los usuarios y el consenso en las calificaciones de las Notas de la comunidad. Nuestra investigación tiene como objetivo llenar este vacío examinando las fuentes utilizadas y sus sesgos, así como cómo estos factores influyen en las percepciones de los usuarios sobre las notas.

#Recopilación y Análisis de Datos

#Descripción de los Datos

Para llevar a cabo nuestro estudio, recopilamos datos disponibles públicamente de la función Community Notes de Twitter. Estos datos incluyen información sobre las notas mismas, las calificaciones que recibieron y el estado de esas notas. Nos enfocamos en notas creadas entre enero y el año siguiente.

#Variables Clave

Analizamos varios componentes dentro de los datos:

• Contenido: El texto de la nota, que puede incluir enlaces a fuentes de apoyo.
• Fuente: El nombre del host de la URL citada en la nota.
• Tipo: La categoría de la fuente (como noticias, verificación de hechos o redes sociales).
• Sesgo: Las inclinaciones políticas de la fuente.
• Factualidad: El nivel de precisión de la fuente.

#Fuentes y Su Impacto

#Fuentes Citadas

Inicialmente, examinamos cuáles fuentes fueron citadas con más frecuencia en las Community Notes. Al analizar las URL vinculadas en las notas, descubrimos que muchas de las fuentes más utilizadas eran medios de comunicación y sitios de verificación de hechos.

Curiosamente, descubrimos que muchas de las fuentes también tenían sesgos de izquierda. Este hallazgo generó preocupaciones sobre los posibles sesgos en la forma en que se están creando las notas comunitarias, ya que las fuentes de izquierda tenían más probabilidades de validar tweets que las de centro o de derecha.

#Análisis de Sesgo y Factualidad

También categorizamos las fuentes según su precisión factual. Este análisis reveló que las fuentes de izquierda tendían a tener altas calificaciones de factualidad, mientras que las fuentes de derecha estaban más asociadas con una menor factualidad. Este patrón sugiere que podría haber un sesgo sistemático en cómo se verifica la información en Twitter.

Al comprender estas dinámicas, podemos evaluar mejor la confiabilidad de la verificación de hechos liderada por la comunidad. La presencia de fuentes sesgadas y fácticas en las notas puede afectar las percepciones de los usuarios y sus decisiones sobre qué información confiar.

#Percepciones del Público

#Respaldando o Refutando Tweets

Nos enfocamos en cómo las características de las fuentes afectaron las notas en términos de respaldar o refutar tweets. Nuestro análisis mostró que las fuentes de derecha estaban más a menudo asociadas con notas que apoyaban las afirmaciones hechas en los tweets. Esto podría indicar que los usuarios tienen más probabilidades de citar fuentes que se alinean con sus puntos de vista políticos.

Por el contrario, las notas que buscaban refutar tweets engañosos a menudo dependían de fuentes más fácticas y de centro. Esta tendencia sugiere que los usuarios pueden recurrir a fuentes más confiables al desafiar afirmaciones cuestionables.

#Utilidad de las Community Notes

Otro aspecto que consideramos fue cómo las fuentes utilizadas en las notas influenciaron su utilidad percibida. Las Community Notes pasan por un proceso de calificación donde los usuarios clasifican las notas como útiles, no útiles o que necesitan más calificaciones. Nuestros hallazgos mostraron que las notas que mencionaban fuentes de baja factualidad generalmente se calificaban como no útiles, enfatizando que la calidad de las fuentes tiene un impacto significativo en cómo los usuarios ven las notas.

Las notas con fuentes de mayor calidad tendían a recibir calificaciones más favorables, mientras que aquellas vinculadas a fuentes de menor calidad o sesgadas a menudo eran ignoradas. Esto sugiere que los usuarios son exigentes cuando se trata de la credibilidad de las fuentes citadas en las Community Notes.

#Niveles de Acuerdo según el Sesgo de la Fuente y la Factualidad

También examinamos los niveles de acuerdo con las notas en función de las características de su fuente. Nuestro análisis mostró que las notas que citaban fuentes neutrales o fácticamente sólidas generalmente recibieron niveles de acuerdo más altos, mientras que aquellas que citaban fuentes sesgadas mostraron niveles más bajos de acuerdo.

Por ejemplo, las notas que mencionaron fuentes de izquierda o de centro eran típicamente más acordadas que las que se basaron en fuentes de derecha. Esto indica que los usuarios pueden sentirse más cómodos al estar de acuerdo con notas que mencionan fuentes percibidas como imparciales.

#Conclusión

Nuestra investigación sobre las Community Notes de Twitter arroja luz sobre las complejidades de la verificación de hechos liderada por la comunidad. Encontramos que Twitter y Wikipedia eran las fuentes más citadas, indicando una dependencia de la verificación en la plataforma. Los sesgos de las fuentes utilizadas en las notas mostraron una tendencia hacia puntos de vista de izquierda, lo que podría influir en el discurso público en la plataforma.

Además, observamos que las fuentes de derecha a menudo estaban vinculadas a una menor factualidad y menos acuerdo entre los usuarios, lo que genera preocupaciones sobre la posible difusión de desinformación dentro de cámaras de eco. Nuestros resultados destacan la importancia de utilizar fuentes de alta calidad y sin sesgos en los esfuerzos de verificación comunitaria.

Al entender cómo las características de las fuentes moldean las percepciones de los usuarios y la efectividad de las Community Notes, podemos trabajar hacia mejores estrategias para combatir la desinformación en las redes sociales. En última instancia, la calidad de la información compartida en estas plataformas juega un papel crucial en informar la opinión pública y mantener un discurso saludable.

#Declaración de Ética

Al realizar esta investigación, nos aseguramos de que todos los datos utilizados fueran de acceso público y anónimos. Esto significa que no tuvimos que obtener el consentimiento de usuarios individuales por sus contribuciones a las Community Notes. No involucramos a sujetos humanos ni a trabajadores de crowdsourcing y realizamos todos los análisis utilizando métodos establecidos. Nuestro enfoque se mantuvo en mejorar la comprensión mientras mitigábamos cualquier posible uso indebido de nuestros hallazgos.