Simple Science

Ciência de ponta explicada de forma simples

# Física# Redes Sociais e de Informação# Computadores e sociedade# Física e sociedade

Identificando quem espalha desinformação nas redes sociais

Pesquisas mostram como identificar usuários que compartilham informações falsas no X.

Júlia Számely, Alessandro Galeazzi, Júlia Koltai, Elisa Omodei

― 7 min ler


Identificando Fake NewsIdentificando Fake Newsno Xfalsas.provavelmente compartilham informaçõesPesquisa identifica usuários que
Índice

A desinformação nas redes sociais é um grande problema que afeta muita gente hoje em dia. Muitas vezes, é compartilhada sem que os usuários pensem se a informação é verdadeira ou falsa. Este artigo aborda como podemos identificar usuários que provavelmente vão compartilhar desinformação no X, que antes era conhecido como Twitter. A gente sugere que, analisando métricas simples disponíveis no X, podemos distinguir entre os usuários que compartilham informações corretas e os que não compartilham.

O Desafio da Desinformação

A desinformação pode se espalhar rapidamente online, e reconhecer quem a espalha é uma tarefa complicada. Pesquisadores têm investigado esses problemas profundamente. Eles analisaram como a desinformação é compartilhada, olhando tanto para as pessoas que a espalham quanto para aquelas que a consomem. Embora programas de computador (bots) sejam conhecidos por espalhar desinformação, usuários humanos também são importantes nesse compartilhamento de informações falsas.

Muita gente compartilha desinformação não porque quer enganar, mas porque não presta atenção na precisão do que está compartilhando. Existem várias razões pelas quais as pessoas podem compartilhar informações erradas, incluindo questões sociais e sobrecarga de informação. As considerações sociais significam que as pessoas podem compartilhar algo para parecer bem na frente dos amigos ou para fazer conexões. A sobrecarga de informação acontece quando há tanto conteúdo que os usuários podem não pensar cuidadosamente sobre o que escolhem compartilhar.

Métricas para Identificar Disseminadores de Desinformação

Para lidar com o problema da desinformação, queríamos encontrar uma maneira fácil de identificar usuários do Twitter que possam compartilhar conteúdo de baixa qualidade. Em vez de usar métodos complicados que exigem dados caros, focamos em métricas simples e acessíveis do X. Analisando essas métricas, podemos entender melhor quais usuários são mais propensos a compartilhar informações enganosas.

Usamos quatro métricas principais para categorizar os usuários:

  1. Contagem de Seguidores: Quantos seguidores um usuário tem.
  2. Média de Tweets Diários: Com que frequência um usuário tweeta por dia.
  3. Número de Contas Seguidas: Quantas outras contas um usuário segue.
  4. Idade da Conta: Há quanto tempo um usuário tem sua conta.

Nosso objetivo é provar que essas métricas podem nos ajudar a identificar usuários que são mais propensos a compartilhar desinformação.

Descobertas da Nossa Análise

Contagem de Seguidores e Desinformação

Descobrimos que usuários que compartilham mais desinformação tendem a ter mais seguidores. Isso sugere que a popularidade pode influenciar a disseminação de informações falsas. Testamos isso comparando as contagens de seguidores de usuários com baixos índices de factualidade (aquelas que compartilham principalmente informações falsas) e altos índices de factualidade (aquelas que compartilham principalmente informações verdadeiras). Os dados mostraram que os usuários com baixos índices de factualidade tinham um número de seguidores significativamente maior do que os com altos índices.

Frequência de Tweets e Desinformação

Depois, analisamos como o número de tweets postados diariamente se relacionava com o compartilhamento de desinformação. Descobrimos que usuários que tweetam com mais frequência são mais propensos a compartilhar desinformação. Essa tendência se manteve consistente em nossos dados. Quando comparamos usuários com altos e baixos índices de factualidade, os usuários que compartilharam conteúdo de baixa qualidade tweetaram com mais frequência do que aqueles que sempre compartilharam informações de alta qualidade.

Número de Contas Seguidas

O número de contas seguidas também desempenha um papel no compartilhamento de desinformação. Usuários com baixos índices de factualidade tendiam a seguir mais contas em comparação com aqueles com altos índices de factualidade. Isso sugere que usuários expostos a mais conteúdo podem não diferenciar tão bem entre informações precisas e imprecisas.

Idade da Conta e Desinformação

Finalmente, analisamos como a idade da conta se relaciona com o compartilhamento de desinformação. Nossas descobertas mostraram que usuários com contas mais antigas tendem a compartilhar conteúdo mais preciso. Em contraste, usuários com contas mais novas são mais propensos a compartilhar desinformação. Isso significa que o tempo passado na plataforma é um fator essencial para entender o comportamento de compartilhamento dos usuários.

Efeitos Combinados das Métricas

Após analisar essas métricas individualmente, queríamos ver como elas funcionam juntas. Usamos modelos estatísticos para examinar como as quatro métricas influenciam o compartilhamento de desinformação ao mesmo tempo.

Nossa análise revelou que, embora a contagem de seguidores e o número de contas seguidas estejam relacionados ao compartilhamento de desinformação, a capacidade deles de separar usuários de alta e baixa factualidade não é tão forte quanto pensamos. A média de tweets diários e a idade da conta acabaram sendo melhores indicadores das tendências de compartilhamento de desinformação.

Usuários com maior atividade de tweets foram encontrados como menos factuais, enquanto aqueles com contas mais antigas eram mais propensos a ser factuais. Isso sugere que interagir e compartilhar informações com frequência pode diminuir a capacidade de discernir a veracidade, enquanto a experiência na plataforma ajuda a reconhecer informações confiáveis.

Efeitos de Interação Entre Métricas

Nós também examinamos se o impacto de uma métrica muda dependendo de outra métrica. Por exemplo, analisamos como a contagem de seguidores interage com o número de contas seguidas. Os resultados mostraram que usuários menos populares que seguem muitas contas tendem a ter menor factualidade, enquanto usuários populares podem ser mais propensos a compartilhar conteúdo preciso, já que seguem contas semelhantes.

Encontramos esse padrão também ao examinar a contagem de tweets: a relação entre atividade de tweets e factualidade foi mais forte entre aqueles com menos seguidores. Usuários populares que tweetam frequentemente são mais propensos a compartilhar desinformação, enquanto usuários menos populares que tweetam muito podem não compartilhar tanto conteúdo enganoso.

Implicações de Nossas Descobertas

As percepções dessa análise têm implicações importantes para as plataformas de redes sociais e seus esforços para reduzir a disseminação de desinformação. Ao focar em métricas básicas como contagem de tweets e idade da conta, as plataformas podem identificar usuários mais propensos a compartilhar informações falsas. Isso permite esforços direcionados para engajar esses usuários, como incentivá-los a pensar sobre a precisão do que compartilham.

Os formuladores de políticas também podem usar essa pesquisa para incorporar métricas de redes sociais em estratégias para reduzir a desinformação. Abordagens simples e de baixo custo podem facilitar o enfrentamento do problema.

Conclusão

Em resumo, nossa pesquisa sugere que usar métricas facilmente acessíveis do X pode ajudar a identificar usuários que são mais propensos a compartilhar desinformação. A contagem de seguidores, a média de tweets diários, o número de contas seguidas e a idade da conta mostraram ter relações significativas com os índices de factualidade dos usuários. Nossas descobertas destacam o potencial de métodos práticos e eficientes para prevenir a disseminação de desinformação nas plataformas de redes sociais. À medida que a desinformação continua sendo uma questão urgente, entender essas dinâmicas é crucial para melhorar a alfabetização digital e promover o compartilhamento de informações confiáveis online.

Ao reconhecer esses padrões e comportamentos, podemos entender melhor como interagir com usuários de redes sociais e promover conversas mais saudáveis sobre a precisão da informação.

Fonte original

Título: Easy-access online social media metrics can effectively identify misinformation sharing users

Resumo: Misinformation poses a significant challenge studied extensively by researchers, yet acquiring data to identify primary sharers is costly and challenging. To address this, we propose a low-barrier approach to differentiate social media users who are more likely to share misinformation from those who are less likely. Leveraging insights from previous studies, we demonstrate that easy-access online social network metrics -- average daily tweet count, and account age -- can be leveraged to help identify potential low factuality content spreaders on X (previously known as Twitter). We find that higher tweet frequency is positively associated with low factuality in shared content, while account age is negatively associated with it. We also find that some of the effects, namely the effect of the number of accounts followed and the number of tweets produced, differ depending on the number of followers a user has. Our findings show that relying on these easy-access social network metrics could serve as a low-barrier approach for initial identification of users who are more likely to spread misinformation, and therefore contribute to combating misinformation effectively on social media platforms.

Autores: Júlia Számely, Alessandro Galeazzi, Júlia Koltai, Elisa Omodei

Última atualização: 2024-08-27 00:00:00

Idioma: English

Fonte URL: https://arxiv.org/abs/2408.15186

Fonte PDF: https://arxiv.org/pdf/2408.15186

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.

Mais de autores

Artigos semelhantes