_ Un nou algoritm pentru a prezice supraîmprăștiatorii de informații în rețelele sociale

Înțelegerea modului în care fluxurile de informații în rețelele sociale este esențială pentru a contracara dezinformările periculoase, pentru a promova răspândirea știrilor și pentru a proiecta medii sociale online sănătoase. Oamenii de știință și-au dat seama de multă vreme de rolul superîmprăștiatorilor de informații, și anume, utilizatorii cu capacitatea de a răspândi rapid mesaje și idei către mulți alții.

O tradiție de cercetare de lungă durată identifică superîmprăștiatorii prin poziția lor în rețeaua socială. Cercetări recente, publicate în revista National Science Review și conduse de prof. Linyuan Lü (Universitatea de Știință și Tehnologie Electronică din China) și dr. Manuel S. Mariani (Universitatea din Zurich), provoacă această paradigmă de lungă durată. Acesta arată că trăsăturile comportamentale ale utilizatorilor (adică modul în care au tendința de a se comporta) oferă indicatori timpurii mai precisi ai capacității lor de răspândire decât locul în care se află în rețeaua socială.

Autorii s-au îndepărtat de abordările tradiționale ale rețelei, pornind de la cu un model pentru modul în care informația circulă de la individ la individ. Motivat de descoperirile empirice anterioare, modelul presupune că probabilitatea ca un mesaj să fie transmis de la o sursă la un utilizator țintă este determinată atât de influența sursei (și anume, un parametru care surprinde probabilitatea acesteia de a transmite informații altora), cât și de susceptibilitatea țintei. a influența.

Influența și parametrii de susceptibilitate ai utilizatorilor nu sunt cunoscuți a priori. Cu toate acestea, autorii au derivat o pereche de ecuații cuplate care conectează influența și susceptibilitatea utilizatorilor cu structura rețelei de propagare de bază, ceea ce le permite calculul pe seturi de date comportamentale masive.

Prin aceste ecuații, autorii ar putea Măsurăm scorurile de influență și susceptibilitate ale milioanelor de utilizatori în Weibo și Twitter, ceea ce ne îmbunătățește înțelegerea cu privire la supraîmprăștiatorii de informații în două moduri. În primul rând, rezultatele autorilor contestă paradigma conform căreia hub-urile de rețea – adică utilizatorii cu mulți adepți – sunt cei mai eficienți distribuitori de informații.

Ele arată că, în schimb, scorurile de influență și susceptibilitate ale utilizatorii oferă predictori mai precisi de a fi un super-împrăștiere decât numărul de adepți al utilizatorilor. În al doilea rând, super-împrăștiatorii sunt caracterizați de legături cu mai multă contagiune (adică, produsul dintre influența lor și susceptibilitatea publicului lor tinde să fie mare) și tind să influențeze utilizatorii mai influenți.

Acest lucru sugerează că explicarea superspreaders necesită integrarea structurilor de rețea și a caracteristicilor comportamentale la nivel individual.

Aceste constatări ar putea deschide noi direcții în cercetarea rețelelor sociale. În domeniul răspândirii informațiilor, ipotezele simplificatoare ale modelului de propagare ar putea fi relaxate treptat. Modelele mai rafinate pot include diversitatea subiectelor, influențe algoritmice, efecte de memorie, toate acestea ar putea duce la ecuații diferite pentru scorurile de influență și susceptibilitate ale utilizatorilor.

Scorurile de influență și susceptibilitate pot varia, de asemenea, în funcție de subiect, care ar putea duce în cele din urmă la o caracterizare multidimensională a utilizatorilor și a capacităților lor de răspândire.

Într-o notă mai generală, paradigma propusă de acest studiu ar putea avea implicații și pentru intervențiile care vizează schimbarea comportamentală la scară largă. În mod tradițional, aceste activități se concentrează pe a convinge centrele sociale să adopte devreme un nou produs sau comportament. Descoperirile autorilor sugerează că o abordare mai eficientă s-ar putea baza pe identificarea legăturilor de mare contagiune care leagă potențialii adoptatori extrem de influenți și extrem de susceptibili.

În acest scop, sunt necesare cercetări suplimentare pentru a adapta algoritmul la răspândirea comportamentelor, care probabil va necesita seturi diferite de ecuații în comparație cu cele obținute pentru răspândirea informațiilor. Experimentele pe teren vor fi necesare pentru a valida informațiile rezultate. În cele din urmă, aceste eforturi ar putea dezvălui cum să integreze cel mai bine pozițiile indivizilor în rețelele lor sociale cu modul în care aceștia se comportă în mod obișnuit pentru a proiecta intervenții pentru schimbarea comportamentului, care este cheia pentru organizații și factorii de decizie.

(Fluierul)