В своей статье, опубликованной в журнале Nature Human Behavior, ученые описали созданную ими на основе данных Twitter модель, способную предсказывать распространение дезинформации. Редакторы журнала Nature Human Behavior также опубликовали краткое изложение выводов группы в том же номере журнала.

За последние несколько лет люди и организации осознали опасность вирусной дезинформации в социальных сетях — твиты и посты с ложными утверждениями о вакцинах против COVID-19, например, привели к тому, что миллионы людей отказались от вакцинации, что продлило пандемию. Из-за подобных опасностей владельцы таких платформ оказались под давлением, политиков, ведомств и активистов требующих уменьшить распространение дезинформации. 

В ответ они начали удалять учетные записи недобросовестных пользователей, удалять вводящие в заблуждение сообщения или добавлять предупреждения. Авторы свежего исследования предполагают, что, хотя такие меры имели некоторый успех, в конечном итоге они потерпят неудачу из-за тенденции к убывающей отдаче. Иными словами, чем больше такие меры применяются, тем они менее эффективны. Ученые предлагают лучший подход — комбинировать несколько решений.

Чтобы найти лучший способ борьбы с распространением дезинформации, исследователи изучили данные Twitter за период с 1 сентября по 15 декабря 2020 года. Они отобрали 23 миллиона твитов, связанных с президентскими выборами в США. Затем при помощи специального программного обеспечения они выделили из них те, которые привели к вирусным событиям. Затем исследователи создали модель аналогичную той, что используется эпидемиологами для прогнозирования распространения болезней.

С ее помощью авторы научной работы смогли выявить сценарии, которые привели к распространению информации и, соответственно, к дезинформации. Такой подход показал, что одновременное применение всех инструментов, доступных владельцам социальных сетей, лучше всего снижает распространение дезинформации.

Исследователи предполагают, что такие платформы, как Twitter, могут замедлить распространение дезинформации, удаляя ее, как только она будет обнаружена, приостанавливая действия рецидивистов и помещая предупреждения в сообщения, которые могут создавать проблемы, но не настолько плохи, чтобы их удалять. Комбинируя эти меры, исследователи предполагают, что дезинформация на таких сайтах может быть уменьшена примерно на 53%.