• Home
  • Chimica
  • Astronomia
  • Energia
  • Natura
  • Biologia
  • Fisica
  • Elettronica
  •  Science >> Scienza >  >> Altro
    Un nuovo algoritmo per prevedere i superdiffusori delle informazioni nei social media
    I nodi A e B sembrano uguali se si considerano solo le connessioni di rete più vicine (frecce dirette nella regione verde). I due utenti A e B influenzano tre utenti ciascuno (nodi arancioni) e presentano lo stesso numero di eventi di propagazione dell'informazione (spessore delle frecce). Tuttavia, analizzando i modelli di propagazione delle informazioni ai sei nodi influenzati da A e B (comprese le frecce nella regione arancione), l'algoritmo di suscettibilità all'influenza determina che i nodi influenzati da B sono più suscettibili all'influenza rispetto a quelli influenzati da A e, quindi , A è più influente. Credito:Science China Press

    Comprendere come fluiscono le informazioni nei social network è fondamentale per contrastare la pericolosa disinformazione, promuovere la diffusione delle notizie e progettare ambienti sociali online sani. Gli studiosi hanno da tempo compreso il ruolo dei superdiffusori di informazioni, vale a dire gli utenti con la capacità di diffondere rapidamente messaggi e idee a molti altri.



    Una lunga tradizione di ricerca identifica i superspreader attraverso la loro posizione nel social network. Ricerca recente, pubblicata sulla rivista National Science Review e guidato dal Prof. Linyuan Lü (Università di Scienza e Tecnologia Elettronica della Cina) e dal Dr. Manuel S. Mariani (Università di Zurigo), sfida questo paradigma di vecchia data. Mostra che i tratti comportamentali degli utenti (ovvero il modo in cui tendono a comportarsi) forniscono indicatori iniziali più accurati della loro capacità di diffusione rispetto alla posizione in cui si trovano nel social network.

    Gli autori si sono allontanati dai tradizionali approcci di rete iniziando con un modello di come le informazioni fluiscono da individuo a individuo. Motivato da precedenti risultati empirici, il modello presuppone che la probabilità che un messaggio venga trasmesso da una fonte a un utente destinatario sia determinata sia dall'influenza della fonte (vale a dire, un parametro che cattura la sua probabilità di trasmettere informazioni ad altri) sia dalla suscettibilità del destinatario. influenzare.

    I parametri di influenza e di suscettibilità degli utenti non sono noti a priori. Tuttavia, gli autori hanno derivato una coppia di equazioni accoppiate che collegano l'influenza e la suscettibilità degli utenti con la struttura della rete di propagazione sottostante, che ne consente il calcolo su enormi set di dati comportamentali.

    Attraverso queste equazioni, gli autori hanno potuto misurare i punteggi di influenza e suscettibilità di milioni di utenti su Weibo e Twitter, il che migliora la nostra comprensione dei superdiffusori di informazioni in due modi. In primo luogo, i risultati degli autori mettono in discussione il paradigma secondo cui gli hub della rete, ovvero gli utenti con molti follower, sono i più efficaci diffusori di informazioni.

    Mostrano che, invece, i punteggi di influenza e suscettibilità degli utenti forniscono predittori più accurati di essere un superspreader rispetto al numero di follower degli utenti. In secondo luogo, i superdiffusori sono caratterizzati da collegamenti a contagio più elevato (ovvero, il prodotto tra la loro influenza e la suscettibilità del loro pubblico tende ad essere ampio) e tendono a influenzare gli utenti più influenti.

    Ciò suggerisce che spiegare i superdiffusori richiede l'integrazione delle strutture di rete e delle caratteristiche comportamentali a livello individuale.

    Questi risultati potrebbero aprire nuove direzioni nella ricerca sui social network. Nell’ambito della diffusione delle informazioni, le ipotesi semplificatrici del modello di propagazione potrebbero essere gradualmente allentate. Modelli più raffinati possono includere diversità di argomenti, influenze algoritmiche, effetti di memoria, che potrebbero portare a equazioni diverse per l'influenza degli utenti e i punteggi di suscettibilità.

    I punteggi di influenza e suscettibilità possono anche variare in base all'argomento, il che potrebbe eventualmente portare a una caratterizzazione multidimensionale degli utenti e delle loro capacità di diffusione.

    Su una nota più generale, il paradigma proposto da questo studio potrebbe avere implicazioni anche per interventi mirati al cambiamento comportamentale su larga scala. Tradizionalmente, queste attività si concentrano sulla persuasione degli hub sociali ad adottare tempestivamente un nuovo prodotto o comportamento. I risultati degli autori suggeriscono che un approccio più efficace potrebbe basarsi sull'identificazione di collegamenti ad alto contagio che collegano potenziali adottanti altamente influenti e altamente suscettibili.

    A tal fine, sono necessarie ulteriori ricerche per adattare l’algoritmo alla diffusione dei comportamenti, che probabilmente richiederà insiemi di equazioni diversi rispetto a quelli ottenuti per la diffusione delle informazioni. Saranno necessari esperimenti sul campo per convalidare le informazioni risultanti. Alla fine, questi sforzi potrebbero rivelare come integrare al meglio le posizioni degli individui nei loro social network con il modo in cui si comportano tipicamente per progettare interventi per il cambiamento comportamentale, che è fondamentale per le organizzazioni e i responsabili politici.

    Ulteriori informazioni: Fang Zhou et al, Oltre la centralità della rete:tratti comportamentali a livello individuale per prevedere i superdiffusori delle informazioni nei social media, National Science Review (2024). DOI:10.1093/nsr/nwae073

    Fornito da Science China Press




    © Scienza https://it.scienceaq.com