Sci Simple

New Science Research Articles Everyday

# Informática # Redes Sociais e de Informação # Inteligência Artificial # Computação e linguagem

Desinformação na Era das Redes Sociais

Como as dinâmicas das redes sociais influenciam a disseminação de desinformação durante a COVID-19.

Caleb Stam, Emily Saldanha, Mahantesh Halappanavar, Anurag Acharya

― 10 min ler


O Impacto da O Impacto da Desinformação nas Redes Sociais desinformação. usuários alimentam a disseminação de Analisando como as interações dos
Índice

A pandemia de COVID-19 não foi só uma crise de saúde; foi tipo uma avalanche de Desinformação nas redes sociais como o Twitter. Às vezes, esse fenômeno é atribuído à ideia de "câmara de eco", onde a galera só interage e escuta quem tem opiniões parecidas. Mas e se a história for mais complexa?

O que é uma Câmara de Eco?

Uma câmara de eco pode ser vista como uma sala aconchegante cheia de pessoas com as mesmas ideias. Nesses lugares, os usuários costumam grudar na sua "panelinha" e compartilhar pensamentos semelhantes. Porém, o mundo real é bem mais bagunçado. Acontece que mesmo nessas Câmaras de Eco, as pessoas frequentemente se deparam com opiniões diferentes e entram em debates animados. Em vez de só reforçar suas crenças, às vezes ficam ainda mais agitadas.

Então, enquanto a câmara de eco parece uma camisa de força para ideias, ela pode ser um trampolim para opiniões extremas. É aí que estudar os usuários das redes sociais de forma individual se torna essencial. Nem todo mundo age do mesmo jeito, e alguns podem estar mais dispostos a interagir com uma variedade de opiniões diferentes.

Analisando o Comportamento dos Usuários

Prestando atenção nas interações individuais nas redes sociais, os pesquisadores conseguem obter insights valiosos. Uma forma de fazer isso é analisando quão rápido os usuários ampliam seus círculos sociais e quão variados são os temas de suas postagens. Eles estão mantendo as coisas frescas ou estão presos nos mesmos temas de sempre?

Uma nova métrica chamada "velocidade do nó" permite que os pesquisadores meçam quão rápido os usuários fazem novas conexões em sua rede social. É como um rastreador de atividades, mas em vez de contar passos, conta quão rápido você está se misturando com pessoas diferentes. Usuários que fazem conexões rapidamente e diversificam suas interações online mostram velocidades de nó mais altas. Em contrapartida, aqueles que ficam em um grupo pequeno tendem a ter velocidades mais baixas.

A Ascensão da Desinformação

Durante a pandemia, a desinformação se mostrou uma ameaça significativa à saúde pública. Em plataformas como Twitter e Facebook, as informações falsas se espalharam mais rápido do que os fatos. Isso não é só um problema digital; transborda para a vida real. Pesquisas indicam que a exposição à desinformação pode afetar a disposição das pessoas em se vacinar e levar a consequências reais, como violência e assédio.

Comunidades que compartilham desinformação frequentemente formam câmaras de eco. Aqui, os usuários reforçam as crenças uns dos outros. Mas não se trata só de repetir o que você ouve; há também as conexões sociais que ajudam a desinformação a se propagar.

Como a Desinformação Viaja

Usuários de redes sociais tendem a interagir com outros que compartilham crenças semelhantes, criando um ciclo que pode amplificar a desinformação. Mas esse estudo tomou uma abordagem nova. Em vez de só olhar para o quadro geral, focou nos usuários individuais para examinar seus padrões de comportamento.

Alguns usuários interagem com uma ampla variedade de temas, enquanto outros ficam em uma faixa estreita de assuntos. Essa diversidade (ou a falta dela) pode nos contar muito sobre como a desinformação se espalha. Parece que usuários que interagem de forma mais ampla tendem a compartilhar uma variedade maior de tópicos, o que pode ajudar a combater a propagação de informações falsas.

Modelagem de Tópicos

Para entender melhor sobre o que os usuários estão falando, os pesquisadores usaram uma técnica chamada modelagem de tópicos. Esse processo ajuda a categorizar os tweets com base em seu conteúdo. Ao classificar tweets em diferentes temas, os pesquisadores podem identificar tendências e ver quais tipos de desinformação estão circulando.

Por exemplo, pesquisadores usaram um conjunto de dados específico contendo mais de um milhão de tweets relacionados à hesitação em se vacinar. Eles identificaram vários tópicos dentro desses tweets, desde teorias da conspiração clássicas até discussões de saúde mais tradicionais. Essa categorização ajuda a identificar quais narrativas podem estar causando mais danos.

Entendendo as Estatísticas dos Usuários

Ao analisar o comportamento dos usuários, é importante notar que nem todos são grandes twitteiros. Muitos têm apenas alguns tweets a seu nome. O conjunto de dados mostrou que muitos usuários tinham apenas um único tweet. Isso significa que, para uma análise significativa, os pesquisadores precisaram focar em um grupo menor de usuários que participaram ativamente das discussões.

Entender a distribuição da atividade dos usuários ajuda a contextualizar o que está acontecendo nessas comunidades online. Revela como a desinformação pode se enraizar entre participantes menos ativos que podem não perceber que estão presos em uma câmara de eco.

Construindo a Rede Social

Para estudar as conexões entre os usuários, os pesquisadores construíram uma rede social usando retweets. Um retweet basicamente implica concordância com a postagem original, tornando-se um indicador útil de sentimento. Ao rastrear retweets, os pesquisadores podem identificar grupos de usuários que compartilham opiniões semelhantes e ver como a desinformação se espalha dentro desses grupos.

Os pesquisadores dividiram todo o conjunto de dados em períodos de duas semanas para criar instantâneas das interações dos usuários ao longo do tempo. Essa análise forneceu uma visão dinâmica de como os relacionamentos evoluem, com os usuários fazendo novas conexões, mudando de tópicos e, às vezes, reforçando a desinformação.

Velocidade do Nó em Ação

O conceito de velocidade do nó desempenha um papel crucial na compreensão de como os usuários interagem na rede social. Usuários que se movem rapidamente são aqueles que conectam com novos usuários fora de seus círculos habituais. Em contraste, usuários lentos ficam presos em seus círculos sociais e, muitas vezes, tendem a compartilhar as mesmas ideias repetidamente.

Essa mudança de perspectiva oferece uma maneira prática de analisar interações nas redes sociais. Se os usuários se envolvem consistentemente com opiniões diversas, é menos provável que caiam na armadilha da desinformação. As descobertas apontam para uma visão abrangente de como o comportamento social impacta a disseminação de informações falsas.

Acompanhando Mudanças no Tópico

Outro insight vem da análise de com que frequência os usuários mudam de tópicos. Para cada tweet que um usuário posta, os pesquisadores verificaram a proporção de tweets anteriores sobre assuntos semelhantes. Essa abordagem permitiu que eles mensurassem quão surpreendidos os usuários estavam com novos tópicos à medida que tweetavam.

Uma correlação positiva surgiu: usuários que interagiam de forma mais ampla e compartilhavam tópicos diversos também tendiam a mudar de assunto com mais frequência. É como fazer uma festa surpresa, onde quanto mais você diversifica, mais única a experiência se torna!

Tendências na Monotonicidade

Aprofundando-se, os pesquisadores examinaram usuários que predominantemente tweetavam sobre um único tópico. Eles mediram a máxima proporção de tweets pertencentes a um único tópico e chamaram essa estatística de "monotonicidade." Os resultados revelaram que aqueles com alta monotonicidade frequentemente mostravam baixa velocidade do nó.

Isso levanta um ponto interessante: se alguém está focado em um único tópico, pode não estar participando ativamente da comunidade social mais ampla. Eles poderiam ser como um eremita em uma caverna digital, perdendo todas as conversas variadas que estão rolando do lado de fora.

Implicações dos Resultados

As descobertas do estudo sugerem uma verdade essencial sobre as redes sociais: seções recheadas de desinformação tendem a ser bem antissociais, mas nem todas. Alguns usuários que rompem suas câmaras de eco são mais propensos a twittar sobre tópicos variados. Isso indica que ter interações online diversas pode ajudar a combater a desinformação.

Além disso, a relação entre comportamento social e variedade de tópicos pode revelar como a desinformação viaja. Em vez de simplesmente se espalharem de forma individual, as narrativas falsas podem se agrupar em torno de certos temas, complicando os esforços para limitar seu impacto.

O Desafio da Desinformação

Uma conclusão da análise é que as estratégias atuais para combater a desinformação costumam se concentrar em narrativas individuais. Contudo, a natureza entrelaçada da desinformação sugere que uma abordagem mais abrangente é necessária.

Se a desinformação tende a viajar em grupos, os pesquisadores argumentam que abordar temas amplos pode ser mais eficaz do que tratar cada pedaço de desinformação isoladamente. Entender os tipos de discussões em que os usuários se envolvem é fundamental para os esforços de mitigação.

Direções Futuras

Embora o estudo forneça insights valiosos, ele também reconhece suas limitações. Por exemplo, o conjunto de dados focou principalmente em tweets recentes, deixando de lado tweets mais antigos que poderiam ter adicionado contexto. Conjuntos de dados mais extensos poderiam aumentar a confiança nos resultados.

Além disso, uma investigação mais profunda na métrica de velocidade do nó poderia gerar insights valiosos. Compreender como essa métrica muda ao longo do tempo e sua sensibilidade a várias condições poderia fornecer uma visão mais sutil das interações online.

Uma Abordagem Holística para a Desinformação

A pesquisa destaca a necessidade de repensar como abordamos a desinformação em nossos espaços online. As redes sociais não são só uma coleção de vozes isoladas; são uma teia complexa de interações e relacionamentos.

Para combater efetivamente a desinformação, é essencial reconhecer o quadro maior. Incentivar as pessoas a se engajar com perspectivas diversas pode ajudar a quebrar o ciclo da desinformação. Afinal, é muito mais difícil acreditar em alegações absurdas quando você está cercado por uma mistura de pensamentos e ideias.

Conclusão

O cenário digital, especialmente durante e após a pandemia de COVID-19, nos mostrou como a desinformação pode prosperar e se espalhar como fogo. Compreender a dinâmica das redes sociais, o comportamento dos usuários e a importância de interações diversificadas pode fortalecer os esforços para reduzir informações falsas.

A luta contra a desinformação não é só sobre fatos e verdades; é também uma questão social. Ao incentivar uma tapeçaria mais rica de conversas online, podemos nos equipar melhor para navegar nas águas turbulentas da desinformação. Então, vamos manter nossos círculos sociais diversos e nossas conversas animadas!

Fonte original

Título: DISHONEST: Dissecting misInformation Spread using Homogeneous sOcial NEtworks and Semantic Topic classification

Resumo: The emergence of the COVID-19 pandemic resulted in a significant rise in the spread of misinformation on online platforms such as Twitter. Oftentimes this growth is blamed on the idea of the "echo chamber." However, the behavior said to characterize these echo chambers exists in two dimensions. The first is in a user's social interactions, where they are said to stick with the same clique of like-minded users. The second is in the content of their posts, where they are said to repeatedly espouse homogeneous ideas. In this study, we link the two by using Twitter's network of retweets to study social interactions and topic modeling to study tweet content. In order to measure the diversity of a user's interactions over time, we develop a novel metric to track the speed at which they travel through the social network. The application of these analysis methods to misinformation-focused data from the pandemic demonstrates correlation between social behavior and tweet content. We believe this correlation supports the common intuition about how antisocial users behave, and further suggests that it holds even in subcommunities already rife with misinformation.

Autores: Caleb Stam, Emily Saldanha, Mahantesh Halappanavar, Anurag Acharya

Última atualização: 2024-12-12 00:00:00

Idioma: English

Fonte URL: https://arxiv.org/abs/2412.09578

Fonte PDF: https://arxiv.org/pdf/2412.09578

Licença: https://creativecommons.org/licenses/by/4.0/

Alterações: Este resumo foi elaborado com a assistência da AI e pode conter imprecisões. Para obter informações exactas, consulte os documentos originais ligados aqui.

Obrigado ao arxiv pela utilização da sua interoperabilidade de acesso aberto.

Artigos semelhantes