Ερευνητές ανέπτυξαν μια «έξυπνη» μέθοδο, η οποία προβλέπει πόσο πιθανό είναι ένας χρήστης του Twitter να αναπαράγει συστηματικά αναξιόπιστες πληροφορίες στα tweets του, με την ακρίβεια πρόβλεψης να φτάνει το 80%.

Ο Δρ. Νίκος Αλετράς, του Τμήματος Επιστήμης των Υπολογιστών στο πανεπιστήμιο του Σέφιλντ στη Βρετανία, είναι ο Έλληνας της ομάδας που μαζί με τους συνεργάτες του ανέλυσαν περισσότερα από ένα εκατομμύριο tweets από περίπου 6.200 χρήστες, οι οποίοι χωρίστηκαν σε δύο κατηγορίες:

  • όσους προωθούσαν αναξιόπιστες ειδήσεις
  • όσους προωθούσαν ειδήσεις από αξιόπιστες πηγές πληροφοριών.

Με τα παραπάνω στοιχεία, εκπαίδευσαν έναν νέο αλγόριθμο μηχανικής μάθησης που θα μπορεί να διακρίνει κάποιον χρήστη ανάλογα με τον βαθμό αξιοπιστίας των πληροφοριών που θα μοιραστεί.

Αποτέλεσμα; Οι χρήστες που παραπληροφορούν περισσότερο έχουν και μεγαλύτερες πιθανότητες να θίγουν θέματα όπως η πολιτική και η θρησκεία αλλά και να χρησιμοποιούν αγενή γλώσσα με κύριο θέμα των μηνυμάτων τους να είναι η «κυβέρνηση», τα «μέσα ενημέρωσης», το «Ισλάμ» ή το «Ισραήλ».

Από την άλλη μεριά, όσοι μοιράζονται περισσότερο αξιόπιστες πληροφορίες, κάνουν και tweets σχετικά με την προσωπική τους ζωή, τους φίλους τους, τις προσωπικές και συναισθηματικές σχέσεις τους.

Όπως δήλωσε ο Αλετράς, «τα μέσα κοινωνικής δικτύωσης έχουν γίνει ένας από τους πιο δημοφιλείς τρόπους μέσω των οποίων οι άνθρωποι αποκτούν πρόσβαση στις ειδήσεις, καθώς εκατομμύρια χρήστες στρέφονται σε πλατφόρμες όπως το Twitter και το Facebook κάθε μέρα, προκειμένου να μάθουν για σημαντικά γεγονότα που συμβαίνουν τόσο στην πατρίδα τους όσο και στον υπόλοιπο κόσμο. Όμως τα μέσα κοινωνικής δικτύωσης έχουν γίνει επίσης η πρωταρχική πλατφόρμα για την εξάπλωση της παραπληροφόρησης, κάτι που έχει τεράστια επίπτωση στην κοινωνία και μπορεί να επηρεάσει την κρίση των ανθρώπων για το τι συμβαίνει στον κόσμο γύρω τους».

«Στο πλαίσιο της έρευνας μας», πρόσθεσε, «εντοπίσαμε ορισμένες τάσεις στη συμπεριφορά των χρηστών, για παράδειγμα βρήκαμε ότι η συσχέτιση ανάμεσα στη χρήση αγενούς γλώσσας και στην εξάπλωση αναξιόπιστου περιεχομένου μπορεί να αποδοθεί στην μεγάλη online πολιτική εχθρότητα».