Esaminando l'impatto delle Note della Comunità sulla disinformazione

Le piattaforme di social media sono diventate posti super popolari dove la gente condivide informazioni. Però, questo ha anche portato a una marea di informazioni false che circolano. Una piattaforma, Twitter, ha fatto dei cambiamenti per cercare di combattere questo problema. Hanno introdotto una funzione chiamata Community Notes, che permette agli utenti di aiutare a verificare i fatti dei messaggi condivisi sulla piattaforma. Questo studio indaga quanto siano credibili le Fonti usate in queste Community Notes e come influenzano le opinioni pubbliche.

#Il Problema della Disinformazione

La disinformazione, o informazioni false, è una preoccupazione che cresce sempre di più. Studi mostrano che le informazioni false si diffondono più velocemente di quelle corrette, specialmente su piattaforme come Twitter. Questa veloce diffusione di disinformazione può avere conseguenze reali, influenzando aree come la salute pubblica, la politica e la sicurezza nazionale. Un caso famoso è stato quando l'ex presidente degli Stati Uniti Donald Trump ha fatto affermazioni false sulle elezioni presidenziali del 2020, che hanno contribuito a un incidente violento al Campidoglio degli Stati Uniti.

Per combattere la disinformazione, la gente spesso si rivolge ai fact-checkers, che sono individui o organizzazioni che verificano la verità delle affermazioni. Tuttavia, non ci sono abbastanza fact-checkers esperti per tenere il passo con la vasta quantità di contenuti online. Alcune piattaforme hanno sviluppato sistemi automatizzati per segnalare la disinformazione, ma questi sistemi possono fare errori e hanno ancora bisogno di supervisione umana.

#Verifica dei Fatti Basata sulla Comunità

Per affrontare le sfide poste dalla disinformazione, piattaforme di social media come Twitter hanno cominciato a usare la verifica dei fatti basata sulla comunità. Nel 2021, Twitter ha lanciato Community Notes per permettere agli utenti di segnalare tweet fuorvianti e aggiungere contesto o correzioni. Gli utenti possono anche linkare a fonti esterne per supportare le loro affermazioni. Tuttavia, l'efficacia di questo approccio guidato dalla comunità può essere influenzata dai pregiudizi nelle fonti su cui gli utenti scelgono di basarsi.

Questa ricerca ha l'obiettivo di esaminare attentamente le fonti usate nelle Community Notes di Twitter e come queste influenzano la comprensione pubblica. Analizzando queste fonti, speriamo di fornire spunti che possano migliorare il modo in cui si affronta la disinformazione sui social media.

#Domande di Ricerca

Per guidare la nostra indagine, abbiamo stabilito due domande principali:

1. Fonti di Validità: In che modo i modelli di citazione all'interno delle Community Notes riflettono e influenzano i pregiudizi e l'integrità fattuale?

2. Percezioni del Pubblico: In che modo le caratteristiche delle fonti come tipo, Pregiudizio e accuratezza influenzano la loro efficacia nel supportare o confutare le Community Notes?

#Panoramica del Lavoro Correlato

Ricerche precedenti si sono concentrate su come la disinformazione si diffonde sui social media e su come la verifica dei fatti possa aiutare. Anche se c'è stata un po' di attenzione sulla verifica dei fatti basata sulla comunità, abbiamo notato che non è stata data molta attenzione ai dettagli delle Community Notes di Twitter, specialmente riguardo alle fonti citate in queste note.

La maggior parte delle ricerche esistenti ha esaminato le interazioni tra gli utenti e il consenso nelle valutazioni delle note comunitarie. La nostra ricerca mira a colmare questo divario esaminando le fonti usate e i loro pregiudizi, oltre a come questi fattori influenzano le percezioni degli utenti sulle note.

#Raccolta e Analisi dei Dati

#Descrizione dei Dati

Per condurre il nostro studio, abbiamo raccolto dati disponibili pubblicamente dalla funzione Community Notes di Twitter. Questi dati includono informazioni sulle note stesse, le valutazioni che hanno ricevuto e lo stato di queste note. Ci siamo concentrati sulle note create tra gennaio e l'anno successivo.

#Variabili Chiave

Abbiamo analizzato diversi componenti all'interno dei dati:

• Contenuto: Il testo della nota, che può includere link a fonti di supporto.
• Fonte: Il nome host dell'URL citato nella nota.
• Tipo: La categoria della fonte (come notizie, verifica dei fatti o social media).
• Pregiudizio: Le inclinazioni politiche della fonte.
• Fattualità: Il livello di accuratezza della fonte.

#Fonti e il Loro Impatto

#Fonti Citati

Inizialmente, abbiamo esaminato quali fonti erano citate più spesso nelle Community Notes. Analizzando gli URL linkati nelle note, abbiamo scoperto che molte delle fonti più frequentemente usate erano organi di stampa e siti di verifica dei fatti.

In modo interessante, abbiamo scoperto che molte delle fonti erano anche inclini a sinistra nei loro pregiudizi. Questa scoperta ha suscitato preoccupazioni riguardo ai potenziali pregiudizi nel modo in cui vengono create le Note della comunità, poiché le fonti inclini a sinistra erano più propense a convalidare i tweet rispetto a quelle centristi o di destra.

#Analisi del Pregiudizio e della Fattualità

Abbiamo anche classificato le fonti in base alla loro accuratezza fattuale. Questa analisi ha rivelato che le fonti inclini a sinistra tendevano ad avere alti punteggi di fattualità, mentre le fonti di destra erano più spesso associate a punteggi di fattualità più bassi. Questo schema suggerisce che potrebbe esserci un pregiudizio sistematico nel modo in cui le informazioni vengono verificate su Twitter.

Capendo queste dinamiche, possiamo valutare meglio l'affidabilità della verifica dei fatti guidata dalla comunità. La presenza sia di fonti pregiudiziali che fattuali nelle note può influenzare le percezioni e le decisioni degli utenti su quali informazioni fidarsi.

#Percezioni del Pubblico

#Supporto o Confutazione dei Tweet

Ci siamo concentrati su come le caratteristiche delle fonti abbiano influenzato le note in termini di supporto o confutazione dei tweet. La nostra analisi ha mostrato che le fonti di destra erano più frequentemente associate a note che sostenevano le affermazioni fatte nei tweet. Questo potrebbe indicare che gli utenti siano più propensi a citare fonti che si allineano con le loro opinioni politiche.

Al contrario, le note che cercavano di confutare tweet fuorvianti spesso si basavano su fonti più fattuali e centri. Questa tendenza suggerisce che gli utenti possano rivolgersi a fonti più affidabili quando sfidano affermazioni discutibili.

#Utilità delle Community Notes

Un altro aspetto che abbiamo considerato è come le fonti usate nelle note influenzassero la loro utilità percepita. Le Community Notes passano attraverso un processo di valutazione dove gli utenti classificano le note come utili, non utili, o necessitanti di ulteriori valutazioni. I nostri risultati hanno mostrato che le note che facevano riferimento a fonti a bassa fattualità erano generalmente valutate come non utili, sottolineando che la qualità delle fonti ha un impatto significativo su come gli utenti vedono le note.

Le note con fonti di qualità più alta tendevano a ricevere valutazioni più favorevoli, mentre quelle collegate a fonti di bassa qualità o pregiudiziali venivano spesso ignorate. Questo suggerisce che gli utenti siano selettivi quando si tratta di credibilità delle fonti citate nelle Community Notes.

#Livelli di Accordo in Base al Pregiudizio e alla Fattualità della Fonte

Abbiamo anche esaminato i livelli di accordo con le note basati sulle caratteristiche delle fonti. La nostra analisi ha mostrato che le note che citavano fonti neutrali o fattualmente solide ricevevano generalmente livelli di accordo più alti, mentre quelle che citavano fonti pregiudiziali mostravano livelli di accordo più bassi.

Per esempio, le note che facevano riferimento a fonti inclini a sinistra o centristi erano tipicamente più accettabili rispetto a quelle che si basavano su fonti di destra. Questo indica che gli utenti potrebbero sentirsi più a loro agio ad accordarsi con le note che fanno riferimento a fonti percepite come imparziali.

#Conclusione

La nostra indagine sulle Community Notes di Twitter fa luce sulle complessità della verifica dei fatti guidata dalla comunità. Abbiamo scoperto che Twitter e Wikipedia erano le fonti più frequentemente citate, indicando una dipendenza dalla verifica interna alla piattaforma. I pregiudizi delle fonti usate nelle note mostrano una tendenza verso visioni inclini a sinistra, che potrebbero influenzare il discorso pubblico sulla piattaforma.

Inoltre, abbiamo osservato che le fonti di destra erano spesso collegate a bassa fattualità e meno accordo tra gli utenti, suscitando preoccupazioni riguardo al potenziale di disinformazione che si diffonde all'interno delle camere d'eco. I nostri risultati evidenziano l'importanza di usare fonti di alta qualità e imparziali negli sforzi di verifica dei fatti nella comunità.

Capendo come le caratteristiche delle fonti plasmano le percezioni degli utenti e l'efficacia delle Community Notes, possiamo lavorare verso strategie migliori per combattere la disinformazione sui social media. Alla fine, la qualità delle informazioni condivise su queste piattaforme gioca un ruolo cruciale nel informare l'opinione pubblica e mantenere un discorso sano.

#Dichiarazione Etica

Nel condurre questa ricerca, abbiamo assicurato che tutti i dati utilizzati fossero disponibili pubblicamente e anonimi. Questo significa che non abbiamo dovuto ottenere il consenso degli utenti individuali per le loro contribuzioni alle Community Notes. Non abbiamo coinvolto soggetti umani o lavoratori della folla e abbiamo effettuato tutte le analisi utilizzando metodi consolidati. Il nostro obiettivo è rimasto quello di migliorare la comprensione, mitigando al contempo qualsiasi potenziale uso improprio dei nostri risultati.