Οι ψευδείς ειδήσεις διαδίδονται μακρύτερα, ταχύτερα, βαθύτερα και ευρύτερα από την αλήθεια, όπως έδειξε μια μελέτη ερευνητών του MIT Media Lab (Laboratory for Social Machines − LSM). Ένας αυξανόμενος όγκος μελετών παραλληλίζει τη διάδοση των ψευδών ειδήσεων στο διαδίκτυο με τη μετάδοση ιών. Χρησιμοποιώντας τα εργαλεία για τη μοντελοποίηση της εξάπλωσης μολυσματικών ασθενειών, οι ερευνητές μελετούν την εξάπλωση της παραπληροφόρησης σαν να επρόκειτο για παθογόνο. Εκτιμούν πως αν καταλάβουν πώς διαδίδεται η παραπληροφόρηση, ίσως μπορέσουν να βρουν τρόπους για τον περιορισμό της.
Το μοντέλο SIR (susceptible-infectious-recovered), το οποίο χρησιμοποιείται συνήθως για την παρακολούθηση ασθενειών, είναι ιδιαίτερα αποτελεσματικό στην αποτύπωση του τρόπου με τον οποίο εξαπλώνεται η παραπληροφόρηση. Σε αυτό το πλαίσιο, τα άτομα κατηγοριοποιούνται ως ευάλωτα (τείνουν να πιστεύουν ψευδείς πληροφορίες), μολυσμένα (έχουν ήδη εκτεθεί σε παραπληροφόρηση) ή ανθεκτικά, έχουν δηλαδή αποκτήσει «ανοσία».
Τα μοντέλα αυτά δημιουργούνται από μια σειρά διαφορικών εξισώσεων (οι οποίες βοηθούν τους μαθηματικούς να κατανοήσουν τους ρυθμούς μεταβολής) και εφαρμόζονται εύκολα στη διάδοση της παραπληροφόρησης. Για παράδειγμα, στα μέσα κοινωνικής δικτύωσης, οι ψευδείς πληροφορίες διαδίδονται από άτομο σε άτομο. Ορισμένα μολύνονται, ενώ άλλα παραμένουν απρόσβλητα. Άλλα είναι ασυμπτωματικά και διαδίδουν παραπληροφόρηση χωρίς να το γνωρίζουν ή να επηρεάζονται αρνητικά από αυτήν.
Το κλειδί για την κατανόηση και την καταπολέμηση της ιογενούς εξάπλωσης της παραπληροφόρησης είναι ο «βασικός αριθμός αναπαραγωγής» (R0), ο οποίος αναφέρεται στα άτομα που μπορεί να μολύνει ένα κρούσμα. Σε πλατφόρμες όπως το Twitter και το Facebook, ο R0 είναι ανησυχητικά υψηλός, πράγμα που σημαίνει ότι μια και μόνο ψευδής πληροφορία μπορεί να εξαπλωθεί ταχύτατα. Ο ρόλος των προσωπικοτήτων των μέσων κοινωνικής δικτύωσης ως «υπερδιαδότες» επιδεινώνει το πρόβλημα, καθώς μπορούν να διαδώσουν ψευδείς πληροφορίες σε εκατομμύρια ανθρώπους με μία μόνο ανάρτησή τους. Ως εκ τούτου, υπάρχει αυξανόμενο ενδιαφέρον για την εφαρμογή τέτοιων επιδημιολογικών προσεγγίσεων στο οικοσύστημα των πληροφοριών.
Τα μαθηματικά μοντέλα δεν εξηγούν απλώς το πρόβλημα – παρέχουν επίσης ένα πλαίσιο για λύσεις. Μια πολλά υποσχόμενη στρατηγική είναι το prebunking. Σε αυτό το πλαίσιο, οι άνθρωποι εκτίθενται προληπτικά στην παραπληροφόρηση και μαθαίνουν πώς να την αναγνωρίζουν. Αυτή η διαδικασία είναι ανάλογη με τον εμβολιασμό, όπου το ανοσοποιητικό σύστημα προετοιμάζεται να καταπολεμήσει τη μελλοντική έκθεση στον ιό. Οι ερευνητές έχουν ήδη χρησιμοποιήσει αυτή την προσέγγιση στο πλαίσιο της παραπληροφόρησης για τις αμερικανικές προεδρικές εκλογές του 2024, προειδοποιώντας τους χρήστες για τις ψευδείς πληροφορίες που κυκλοφορούν και εξοπλίζοντάς τους με εργαλεία ώστε να τις εντοπίζουν. Οι ερευνητές τονίζουν πως το κλειδί για την αντιμετώπιση της παραπληροφόρησης έγκειται σε στοχευμένες παρεμβάσεις. Με τα κατάλληλα εργαλεία και στρατηγικές, πιστεύουν ότι μπορεί να μειωθεί η εμβέλειά της.
ΠΗΓΗ: The Conversation
