La stima dell'infettività dei tweet dai primi 50 retweet è la chiave per prevedere se un tweet diventerà virale, secondo un nuovo studio pubblicato in PLOS UNO il 17 aprile 2019 di Li Weihua dell'Università di Beihang, Cina e colleghi.

Mentre i social network e i media online continuano a crescere, così ha l'importanza di capire come influenzano i nostri pensieri e opinioni. In particolare, essere in grado di prevedere la diffusione dei contagi sociali è considerato un obiettivo chiave per quelle reti di informazione sociale. Sebbene i modelli sviluppati nel campo delle malattie infettive siano stati utilizzati per descrivere la diffusione delle idee, gli studi non hanno utilizzato dati reali per stimare quanto siano infettive le informazioni. Gli autori del presente studio hanno utilizzato circa un mese di dati di Twitter, che comprendono oltre 12 milioni di tweet e oltre 1,5 milioni di retweet, e hanno stimato l'infettività di ciascun tweet in base alle dinamiche di rete dei primi 50 retweet ad esso associati. Quindi, hanno incorporato le stime di infettività in un modello con una costante di decadimento che cattura il graduale declino dell'interesse con l'invecchiamento delle informazioni online.

Utilizzando dati reali e simulazioni, gli autori hanno testato la capacità del modello basato sull'infettività di prevedere la viralità delle cascate di retweet, e confrontato le sue prestazioni con quelle del modello comunitario standard, che incorpora altri fattori predittivi, come il rinforzo sociale e gli effetti di intrappolamento che agiscono per mantenere le cascate di tweet all'interno di piccole comunità di utenti connessi. Hanno scoperto che sia per i dati reali di Twitter che per i dati simulati, il modello di infettività ha funzionato meglio del modello di comunità, indicando che l'infettività è una forza trainante più grande nel determinare se un tweet diventa virale. La combinazione dei due modelli in un modello ibrido di infettività della comunità ha prodotto le previsioni più accurate, evidenziando la complessità delle forze interagenti che determinano la vita e la morte delle informazioni dei social network.

Gli autori aggiungono:"Proponiamo un modello di simulazione utilizzando i dati di Twitter per dimostrare che l'infettività, che riflette l'interesse intrinseco di una cascata di informazioni, può migliorare sostanzialmente la prevedibilità delle cascate virali".