Denk aan alle valse geruchten die viraal gingen over COVID-19 – het werd zo erg, de Wereldgezondheidsorganisatie noemde het een 'infodemie'. Of het nu gaat om hoaxes of een virale samenzweringstheorie, informatie reist tegenwoordig snel. Hoe snel en ver informatie beweegt, hangt af van wie het deelt, en waar, van discussies op social media tot gesprekken met medeforenzen op weg naar je werk.

Dus, hoe kunnen onze interacties en hun infrastructuur de verspreiding van geruchten en informatie beïnvloeden? Dat is een vraag die onderzoekers beginnen te beantwoorden met complexe wiskundige modellen van sociale besmetting. het concept dat sociaal gedrag en ideeën zich verspreiden als een ziekteverwekker.

"Het ding met sociale besmetting is dat het lijkt op het door elkaar halen van een bepaald soort gedrag, of een idee, of informatie, " zegt Jessica Davis, een derdejaars promovendus aan het Northeastern's Network Science Institute.

Davis leidde onlangs een onderzoek dat wiskundige vergelijkingen gebruikt om de manier te modelleren waarop geruchten en informatie zich in verschillende soorten omgevingen verspreiden.

In een paper gepubliceerd maandag in Natuurfysica , Davis' team schetste een nieuwe manier om aspecten van de manier waarop informatie wordt gedeeld in de fysieke wereld in hun berekeningen op te nemen, zoals het woon-werkverkeer van mensen en de online groepen waarmee ze omgaan, die van invloed kunnen zijn op de manier waarop informatie zich verspreidt.

Het model legt de basis voor meer realistische manieren om te bestuderen hoe informatie reist, zegt Davis.

"Deze modellen kunnen worden gebruikt om verschillende structurele, sociaal, en andere factoren, " ze zegt, "waar normaal gesproken geen rekening mee wordt gehouden als je nadenkt over hoe informatie zich verspreidt."

Alessandro Vespignani, Familie Sternberg Distinguished University Professor in de natuurkunde, computertechnologie, en gezondheidswetenschappen, zegt dat het opnemen van dergelijke realistische kenmerken essentieel is om de manier waarop informatie zich in realtime verspreidt nauwkeurig te modelleren. Vespignani, een co-auteur van de studie, heeft ook de verspreiding van de COVID-19-uitbraak gemodelleerd.

"De studie opent de weg naar een meer realistische modellering van de verspreiding van informatie en verkeerde informatie die rekening houdt met de geografische en sociale structuur van sociale netwerken, " hij zegt.

De benadering van het team voor het modelleren van de manier waarop informatie zich onder mensen verspreidt, is gebaseerd op soortgelijke inspanningen van Vespignani en andere wetenschappers om te modelleren hoe infectieziekten zich verspreiden, en maakt gebruik van gegevens die al beschikbaar zijn uit epidemiologische studies.

"We hebben nu veel meer data in de wereld, en we kunnen het gebruiken om te begrijpen hoe dingen zich verspreiden, Davis zegt. "We hebben mensen die gebruik maken van transportnetwerken, mensen die Google gebruiken, Twitter, en andere sociale media, om inzicht te krijgen in hoe een ziekte zich verspreidt."

Davis en haar team gebruikten ook een klassiek geruchtenpropagatiemodel als basis van hun model. Die aanpak, bekend als het Maki-Thompson-model, factoren bij mensen die zich verspreiden, negeren, en onthoud het verspreiden van het gerucht. Al die individuen weerspiegelen de functie van geïnfecteerde, gevoelig, en herstellende mensen in modellen van ziekte en infectie.

In hun studie hebben het team testte hoe het vermogen van mensen om zich in Europa te verplaatsen en te reizen de verspreiding van een gerucht zou kunnen beïnvloeden. Andere tests omvatten modellen die beperkt waren tot online databases om de manier te simuleren waarop informatie verschillende academische disciplines doordringt. Het idee is om het kantelpunt te berekenen waarop geruchten en informatie viraal gaan.

"We schrijven een reeks vergelijkingen op, en we kunnen deze drempel oplossen, Davis zegt. "Het is een functie van zowel de parameters van het geruchtenmodel, evenals de structuur van dit netwerk."

Die vergelijkingen zijn wat sociale besmettingsmodellen nodig hebben om zo inzichtelijk mogelijk te zijn, zegt Davis.

En, op lange termijn, het is wat netwerkwetenschappers ertoe zou kunnen brengen om de verspreiding van informatie in de echte wereld met meer precisie te modelleren, inclusief de rollen die verschillende groepen mensen spelen.

"Sommige soorten informatie die zich in het tienerbereik verspreiden, hebben mogelijk geen invloed op de oudere bevolking, Davis zegt. "Als we konden begrijpen wie door die informatie wordt beïnvloed, dat zou ons kunnen helpen of misschien helpen sociale mediasites om te controleren of een beter begrip te krijgen van wie door deze informatie is beïnvloed."