Topology comparison of Twitter diffusion networks effectively reveals misleading information
4 febbraio 2020
Sommario
“Topology comparison of Twitter diffusion networks effectively reveals misleading information” è il titolo di un articolo di Francesco Pierri, Carlo Piccardi and Stefano Ceri pubblicato nelle relazioni scientifiche il 28 gennaio 2020.
Il documento è disponibile gratuitamente online all'indirizzo www.nature.com/articles/s41598-020-58166-5
Negli ultimi anni, le informazioni dannose hanno avuto una crescita esplosiva nei social media, con gravi reazioni sociali e politiche. Recenti importanti studi, con analisi su larga scala, hanno prodotto una conoscenza più approfondita di questo fenomeno, dimostrando che le informazioni fuorvianti si diffondono più velocemente, più in profondità e in modo più ampio rispetto alle informazioni fattuali sui social media, dove eco, pregiudizi algoritmici e umani svolgono un ruolo importante nelle reti di diffusione. I risultati evidenziano che le comunità di utenti che diffondono notizie mainstream, rispetto a quelle che condividono notizie fuorvianti, tendono a modellare le reti di diffusione con differenze sottili ma sistematiche che potrebbero essere effettivamente impiegate per identificare informazioni fuorvianti e dannose.
Il documento è disponibile gratuitamente online all'indirizzo www.nature.com/articles/s41598-020-58166-5
Negli ultimi anni, le informazioni dannose hanno avuto una crescita esplosiva nei social media, con gravi reazioni sociali e politiche. Recenti importanti studi, con analisi su larga scala, hanno prodotto una conoscenza più approfondita di questo fenomeno, dimostrando che le informazioni fuorvianti si diffondono più velocemente, più in profondità e in modo più ampio rispetto alle informazioni fattuali sui social media, dove eco, pregiudizi algoritmici e umani svolgono un ruolo importante nelle reti di diffusione. I risultati evidenziano che le comunità di utenti che diffondono notizie mainstream, rispetto a quelle che condividono notizie fuorvianti, tendono a modellare le reti di diffusione con differenze sottili ma sistematiche che potrebbero essere effettivamente impiegate per identificare informazioni fuorvianti e dannose.