Nuovo metodo per identificare siti web di fake news

La Disinformazione su Internet è diventata un grosso problema per la società di oggi. Le notizie false si diffondono rapidamente attraverso le piattaforme digitali, e i Siti web che si concentrano sulla creazione e condivisione di questa falsa informazione giocano un ruolo importante in questo problema. I ricercatori sono molto interessati a questi siti, ma ottenere una lista completa di siti noti per diffondere false informazioni può essere difficile, specialmente nei paesi in via di sviluppo.

Questo articolo parla di un nuovo modo per trovare siti web che creano e condividono notizie false. L'approccio si basa sull'analizzare il comportamento degli utenti che condividono notizie false confermate sui social media. Abbiamo testato questo metodo su Twitter per vedere quanto bene funziona. I risultati mostrano che il nostro approccio è efficace nel trovare siti web di fake news, il che può aiutare a capire meglio questo problema e ad aiutare le organizzazioni a gestirlo in diversi settori della società.

#Contesto

Negli ultimi anni, le campagne di disinformazione sono diventate molto diffuse. Queste campagne si concentrano spesso su questioni importanti come i vaccini, il cambiamento climatico, la scienza e la politica. Gli effetti negativi di queste campagne sono seri e possono minare il modo in cui le persone ottengono e condividono informazioni. Questo è diventato parte della vita quotidiana, e la società deve affrontare questa sfida.

La disinformazione è complessa e appare su molte piattaforme digitali, inclusi social media, app di messaggistica e siti web dedicati. Il problema è aggravato dagli algoritmi di raccomandazione utilizzati da queste piattaforme. Questi algoritmi spesso si concentrano sull'engagement degli utenti piuttosto che sulla precisione delle informazioni. Questo può creare delle camere d'eco che portano a una maggiore polarizzazione tra gli utenti. Gli inserzionisti possono anche indirizzare gli utenti in base al loro comportamento, facilitando così il raggiungimento di campagne di disinformazione a gruppi specifici, a volte anche vulnerabili.

Uno degli aspetti principali di questo problema è l'aumento dei siti web che producono fake news. Questi siti spesso imitano le fonti di notizie legittime, cercando di ingannare gli utenti facendogli credere che i loro contenuti siano affidabili. Possono influenzare l'opinione pubblica e promuovere sfiducia nelle fonti di notizie genuine. Presentandosi come fonti alternative e più affidabili, aiutano a plasmare una narrativa falsa che può influenzare la società in modi significativi.

Separare i siti di fake news da quelli affidabili è una grande sfida per i ricercatori. Anche se è importante identificare questi siti, ottenere liste di siti di fake news, specialmente in paesi come il Brasile, non è facile. Questo è in parte dovuto al fatto che le campagne di disinformazione sono spesso sostenute da gruppi organizzati con obiettivi chiari. Coloro che cercano di pubblicare liste di tali siti possono affrontare minacce e sfide legali.

#Metodo Proposto per Identificare Siti di Fake News

In questo articolo, presentiamo un nuovo modo per rilevare siti di fake news concentrandoci sul comportamento degli utenti piuttosto che semplicemente guardando i siti stessi. Crediamo che gli utenti che condividono esempi confermati di fake news siano probabilmente inclini a condividere altre fake news. Il nostro metodo prevede di identificare questi utenti, classificare i siti web che condividono e poi espandere la ricerca utilizzando gli articoli correlati a questi nuovi siti identificati.

#Passi della Metodologia

1. Punto di Partenza: Iniziamo Identificando un singolo URL di un articolo noto per contenere fake news. Questo può essere fatto verificando se l'articolo è stato smentito da un'organizzazione di fact-checking riconosciuta o se è pubblicato da un sito noto per fornire informazioni di bassa qualità.

2. Identificazione degli Utenti: Successivamente, identifichiamo gli utenti che hanno condiviso l'articolo iniziale su una piattaforma di social media, in particolare Twitter per il nostro studio. Utilizziamo le risorse di Twitter per raccogliere le cronologie degli utenti.

3. Raccolta URL: Raccogliamo tutti i post pubblicamente disponibili fatti da questi utenti identificati, estraendo gli URL dai loro tweet. Filtriamo poi questi URL per rimuovere quelli di siti non noti per ospitare articoli di notizie esterni.

4. Classifica: I siti filtrati vengono classificati utilizzando una misura di rilevanza. Proponiamo di usare l'H-Index, che tiene conto sia della popolarità del sito che del numero di volte che gli utenti hanno condiviso i suoi articoli.

5. Selezione di Nuovi Semi: Gli URL con il punteggio più alto dai siti con il punteggio più alto diventano candidati per nuovi semi. Il processo si ripete, creando cicli per scoprire ulteriori siti di fake news.

Alla fine di ogni ciclo, generiamo una lista di nuovi siti. Questa lista consiste di siti associati agli URL selezionati come semi. È importante notare che non intendiamo pubblicare una lista di questi siti per evitare potenziali problemi legali. L'obiettivo è invece aiutare i ricercatori e le organizzazioni a costruire le proprie liste per ulteriori esami.

#Validazione della Metodologia

Validare la nostra metodologia è cruciale. Poiché trovare un benchmark preciso per il confronto è difficile, specialmente in Brasile dove non esiste una lista curata di dimensioni considerevoli, ci rivolgiamo agli Stati Uniti, dove il Media Bias/Fact Check (MBFC) offre un elenco di siti web e le loro valutazioni di credibilità. Utilizziamo questa risorsa per classificare i siti come credibili o fake.

Per testare il nostro metodo, utilizziamo diverse condizioni iniziali dei semi. Eseguiamo più cicli del nostro metodo, utilizzando semi di siti con livelli di credibilità variabili. Confrontando l'efficacia della nostra metodologia, possiamo vedere quanto bene identifica i siti di fake news.

#Esecuzione Automatica e Impostazione Sperimentale

Per valutare il successo del nostro approccio, dobbiamo confrontarlo con altri metodi consolidati. La sfida è che selezionare manualmente nuovi semi per ogni ciclo può richiedere molto tempo. Pertanto, proponiamo una versione automatizzata in cui scegliamo casualmente un seme dai nostri set, permettendo all'algoritmo di continuare da lì. Anche se questo potrebbe non catturare tutte le sfumature, aiuta a dare un quadro più chiaro di quanto bene funziona il nostro metodo.

#Applicazione su Twitter

Abbiamo applicato il nostro metodo su Twitter, una piattaforma nota per la rapida diffusione di disinformazione. Raccogliendo un dataset di tweet del 2022, abbiamo filtrato quelli che contenevano URL, specificamente articoli di notizie provenienti da fonti riconosciute da MBFC. Seguendo i nostri passi definiti, abbiamo raccolto dati sugli utenti e classificato i siti di conseguenza.

Attraverso questo processo, abbiamo potuto misurare quanto efficacemente il nostro metodo identifica i siti di fake news, mentre capiamo anche le sue proprietà e il suo comportamento in un contesto reale.

#Risultati della Metodologia

I nostri risultati indicano che il seme iniziale gioca un ruolo vitale nei risultati. Abbiamo analizzato la qualità della classificazione sotto vari scenari, concentrandoci su come i semi iniziali influenzano il numero di siti di fake news identificati.

#Importanza del Semino Iniziale

La nostra analisi mostra che quando partiamo da semi che sono chiaramente fake news, otteniamo risultati molto migliori. Mentre eseguivamo la metodologia su più cicli, abbiamo scoperto costantemente che i siti di fake news erano più propensi a essere classificati in cima, specialmente quando provenivano da semi con alta credibilità rispetto alla disinformazione.

#Criteri di Classifica dei Siti

Abbiamo confrontato diversi criteri di classifica per vedere quanto bene performano nell'identificare i siti di fake news. Il metodo H-Index ha mostrato risultati migliori rispetto ad altri criteri, portandoci costantemente a più siti di fake news. Nel tempo, le prestazioni usando l'H-Index sono migliorate notevolmente rispetto ad altri metodi di classificazione.

#Rendimento Decrescente

Abbiamo notato che, mentre la nostra metodologia ha identificato efficacemente i siti di fake news inizialmente, la sua efficienza è diminuita nel tempo. Mentre eseguivamo più cicli, la probabilità di trovare nuovi siti di fake news è diminuita. Questo indica che potremmo dover ripartire con semi iniziali diversi dopo un certo numero di cicli per mantenere la metodologia efficiente.

#Scoperta di Siti di Fake News Impattanti

Per valutare ulteriormente il successo della nostra metodologia, abbiamo valutato la sua capacità di scoprire siti di fake news significativi. Confrontando la popolarità di questi siti in base a metriche come backlink e menzioni sui social media, abbiamo scoperto che una porzione sostanziale dei siti di fake news che abbiamo identificato rientrava nella categoria più popolare. Questo suggerisce che il nostro metodo non sta solo scoprendo siti oscuri, ma sta identificando efficacemente siti che hanno un impatto ampio.

#Raccolta di Siti di Fake News in Brasile

Abbiamo anche applicato la nostra metodologia nel contesto brasiliano e trovato un numero significativo di siti di fake news. Utilizzando gli stessi criteri stabiliti dalla nostra ricerca precedente, siamo riusciti a identificare questi siti in modo efficace e confrontare la loro credibilità con fonti riconosciute.

#Rilevanza dei Siti Identificati sulle Piattaforme Sociali

I siti di fake news dipendono spesso da piattaforme sociali come Twitter e Facebook per propagare i loro contenuti. Abbiamo esaminato la presenza su Facebook dei siti identificati per vedere quanto fossero efficaci nel raggiungere un pubblico più ampio. Molti dei siti di fake news identificati avevano pagine corrispondenti su Facebook, dimostrando il loro impegno a interagire con gli utenti sui social media.

#Conclusione

In questo articolo, abbiamo presentato una nuova metodologia per identificare siti che producono e condividono notizie false online. Il metodo si concentra sul comportamento degli utenti, permettendo a ricercatori e organizzazioni di compilare le proprie liste di siti sospetti senza affrontare le potenziali conseguenze negative di etichettare pubblicamente siti specifici. I nostri risultati suggeriscono che questa metodologia può aiutare a illuminare le complessità riguardanti la disinformazione su Internet e supportare varie organizzazioni nell'affrontare questo importante problema sociale. Man mano che andiamo avanti, è necessaria ulteriore ricerca per perfezionare il nostro approccio ed esplorare il ruolo delle fake news in diversi contesti a livello mondiale.