Humanidades

Cientistas de sistemas encontram pistas do porquê de notícias falsas como bolas de neve nas redes sociais
Um novo modelo mostra que quanto mais polarizada e hiperconectada for uma rede social, maior a probabilidade de a desinformação se espalhar.
Por Adam Zewe - 18/12/2021


Os pesquisadores do MIT construíram um modelo teórico para estudar como as notícias se espalham em uma rede social semelhante ao Twitter e descobriram que quando uma rede está altamente conectada ou quando as opiniões de seus membros estão fortemente polarizadas, as notícias falsas se espalharão mais do que as notícias vistas como mais credível. Créditos: Imagem: Jose-Luis Olivares, MIT

A disseminação de desinformação nas mídias sociais é um problema social urgente que as empresas de tecnologia e os legisladores continuam a enfrentar, mas aqueles que estudam essa questão ainda não têm um entendimento profundo de por que e como as notícias falsas se espalham.

Para lançar alguma luz sobre este tópico obscuro, pesquisadores do MIT desenvolveram um modelo teórico de uma rede social semelhante ao Twitter para estudar como as notícias são compartilhadas e explorar situações em que uma notícia não confiável se espalhará mais amplamente do que a verdade. Os agentes do modelo são movidos pelo desejo de persuadir os outros a assumirem seu ponto de vista: A suposição principal do modelo é que as pessoas se preocupam em compartilhar algo com seus seguidores se acharem que é persuasivo e capaz de aproximar os outros de seus mentalidade. Caso contrário, eles não vão compartilhar.

Os pesquisadores descobriram que, em tal cenário, quando uma rede está altamente conectada ou as opiniões de seus membros são fortemente polarizadas, notícias que provavelmente são falsas se espalharão mais amplamente e viajarão mais fundo na rede do que notícias com maior credibilidade.

Este trabalho teórico pode informar estudos empíricos sobre a relação entre a credibilidade da notícia e o tamanho de sua divulgação, o que pode ajudar as empresas de mídia social a adaptarem as redes para limitar a disseminação de informações falsas.

“Mostramos que, mesmo que as pessoas sejam racionais na forma como decidem divulgar a notícia, isso ainda pode levar à ampliação de informações com baixa credibilidade. Com esse motivo de persuasão, não importa o quão extremas sejam minhas crenças - visto que quanto mais extremas, mais eu ganho ao mover as opiniões dos outros - sempre há alguém que amplificaria [as informações] ”, diz o autor sênior Ali Jadbabaie, professor e chefe do Departamento de Engenharia Civil e Ambiental e membro do corpo docente do Instituto de Dados, Sistemas e Sociedade (IDSS) e pesquisador principal do Laboratório de Sistemas de Informação e Decisão (LIDS).

Jadbabaie está participando do artigo, o primeiro autor Chin-Chia Hsu, um estudante de pós-graduação no programa de Sistemas Sociais e de Engenharia do IDSS, e Amir Ajorlou, um cientista pesquisador do LIDS. A pesquisa será apresentada esta semana na Conferência IEEE sobre Decisão e Controle.

Ponderando sobre persuasão

Esta pesquisa baseia-se em um estudo de 2018 por Sinan Aral, o David Austin Professor of Management na MIT Sloan School of Management; Deb Roy, professora de artes e ciências da mídia no Media Lab; e o ex-pós-doutorado Soroush Vosoughi (agora professor assistente de ciência da computação na Dartmouth University). Seu estudo empírico de dados do Twitter descobriu que as notícias falsas se espalham de forma mais ampla, rápida e profunda do que as notícias reais.

Jadbabaie e seus colaboradores queriam detalhar por que isso ocorre.

Eles levantaram a hipótese de que a persuasão pode ser um forte motivo para compartilhar notícias - talvez os agentes da rede queiram persuadir os outros a assumirem seu ponto de vista - e decidiram construir um modelo teórico que lhes permitisse explorar essa possibilidade.

Em seu modelo, os agentes têm alguma crença anterior sobre uma política e seu objetivo é persuadir os seguidores a mover suas crenças para mais perto do lado do agente do espectro.

Um item de notícia é inicialmente liberado para um subgrupo pequeno e aleatório de agentes, que deve decidir se deseja compartilhar essa notícia com seus seguidores. Um agente pesa o valor jornalístico do item e sua credibilidade, e atualiza sua crença com base em quão surpreendente ou convincente a notícia é. 

“Eles vão fazer uma análise de custo-benefício para ver se, em média, essa notícia vai aproximar as pessoas do que pensam ou afastá-las. E incluímos um custo nominal para compartilhamento. Por exemplo, ao realizar alguma ação, se você estiver navegando nas redes sociais, terá que parar para fazer isso. Pense nisso como um custo. Ou um custo de reputação pode surgir se eu compartilhar algo que seja constrangedor. Todo mundo tem esse custo, portanto, quanto mais extrema e interessante a notícia, mais você quer compartilhá-la ”, diz Jadbabaie.

Se a notícia afirma a perspectiva do agente e tem poder de persuasão que supera o custo nominal, o agente sempre compartilha a notícia. Mas se um agente pensa que a notícia é algo que outras pessoas já viram, o agente não se incentiva a compartilhá-la.

Uma vez que a disposição de um agente em compartilhar notícias é um produto de sua perspectiva e do quão persuasiva é a notícia, quanto mais extrema a perspectiva de um agente ou mais surpreendente a notícia, maior a probabilidade de o agente compartilhá-la.

Os pesquisadores usaram esse modelo para estudar como a informação se espalha durante uma cascata de notícias, que é uma cadeia de compartilhamento ininterrupta que permeia rapidamente a rede.

Conectividade e polarização

A equipe descobriu que quando uma rede tem alta conectividade e as notícias são surpreendentes, o limite de credibilidade para iniciar uma cascata de notícias é menor. Alta conectividade significa que existem várias conexões entre muitos usuários na rede.

Da mesma forma, quando a rede está bastante polarizada, há muitos agentes com visões extremas que querem compartilhar a notícia, iniciando uma cascata de notícias. Em ambos os casos, notícias com baixa credibilidade criam as maiores cascatas.

“Para qualquer notícia, existe um limite natural de velocidade da rede, uma faixa de conectividade, que facilita uma boa transmissão de informações onde o tamanho da cascata é maximizado por notícias verdadeiras. Mas se você exceder esse limite de velocidade, você entrará em situações em que notícias imprecisas ou com baixa credibilidade têm um tamanho de cascata maior ”, diz Jadbabaie.

Se as visões dos usuários na rede se tornarem mais diversificadas, é menos provável que uma notícia com pouca credibilidade se espalhe mais amplamente do que a verdade.

Jadbabaie e seus colegas projetaram os agentes na rede para se comportarem racionalmente, de modo que o modelo capturasse melhor as ações que humanos reais poderiam realizar se quisessem persuadir os outros.

“Alguém pode dizer que não é por isso que as pessoas compartilham, e isso é válido. Por que as pessoas fazem certas coisas é um assunto de intenso debate nas ciências cognitivas, psicologia social, neurociência, economia e ciência política ”, diz ele. “Dependendo das suas suposições, você acaba obtendo resultados diferentes. Mas eu sinto que essa suposição de que a persuasão é o motivo é uma suposição natural. ”

Seu modelo também mostra como os custos podem ser manipulados para reduzir a disseminação de informações falsas. Os agentes fazem uma análise de custo-benefício e não compartilharão notícias se o custo para fazer isso superar o benefício do compartilhamento.

“Não fazemos prescrições de políticas, mas uma coisa que esse trabalho sugere é que, talvez, ter algum custo associado ao compartilhamento de notícias não seja uma má ideia. A razão de você ter muitas dessas cascatas é porque o custo de compartilhar as notícias é realmente muito baixo ”, diz ele.

“O papel das redes sociais em formar opiniões e afetar o comportamento tem sido amplamente notado. A pesquisa empírica de Sinan Aral em seus colaboradores no MIT mostra que notícias falsas são transmitidas mais amplamente do que notícias verdadeiras ”, disse Sanjeev Goyal, professor de economia da Universidade de Cambridge, que não esteve envolvido nesta pesquisa. “Em seu novo artigo, Ali Jadbabaie e seus colaboradores nos oferecem uma explicação para este quebra-cabeça com a ajuda de um modelo elegante” 

Este trabalho foi apoiado por uma bolsa de Iniciativa de Pesquisa Universitária Multidisciplinar do Gabinete de Pesquisa do Exército e uma bolsa Vannevar Bush do Gabinete do Secretário de Defesa.

 

.
.

Leia mais a seguir