Een team van onderzoekers van het Center for an Informed Public van de Universiteit van Washington heeft ontdekt dat beheerders van sociale mediaplatforms de verspreiding van verkeerde informatie op hun sites drastisch kunnen verminderen door slechts een paar eenvoudige maatregelen te combineren. In hun paper gepubliceerd in het tijdschrift Nature Human Behaviour, de groep gebruikte Twitter-gegevens in verband met de presidentsverkiezingen van 2020 om een ​​model te creëren dat de verspreiding van verkeerde informatie kan voorspellen. De redactie van Nature Human Behaviour hebben ook een korte samenvatting van de bevindingen van de groep in hetzelfde tijdschriftnummer geplaatst.

In de afgelopen jaren hebben mensen en organisaties het gevaar ingezien van virale verkeerde informatie op sociale-mediaplatforms – tweets en berichten met valse beweringen over COVID-19-vaccins hebben er bijvoorbeeld toe geleid dat miljoenen mensen weigerden zich te laten vaccineren, waardoor de pandemie werd verlengd. Vanwege dergelijke gevaren zijn de beheerders van sociale netwerkplatforms onder druk komen te staan ​​om de verspreiding van verkeerde informatie te verminderen. Ze hebben gereageerd door maatregelen te nemen zoals het verbieden van slechte acteurs, het verwijderen van misleidende berichten of het toevoegen van waarschuwingen. Maar de onderzoekers van deze nieuwe studie suggereren dat hoewel dergelijke maatregelen enig succes hebben gehad, ze uiteindelijk mislukken omdat ze de neiging hebben om een ​​afnemend rendement te zien. Ze suggereren een betere aanpak is om meerdere maatregelen te combineren.

Om de beste manier te vinden om de verspreiding van verkeerde informatie tegen te gaan, verzamelden de onderzoekers Twitter-gegevens voor de periode van 1 september tot 15 december 2020. Ze doorzochten de gegevens en haalden 23 miljoen tweets eruit die verband hielden met de Amerikaanse presidentsverkiezingen. Vervolgens gebruikten ze software om degenen te vinden die tot virale gebeurtenissen leidden. De onderzoekers creëerden vervolgens een model dat vergelijkbaar is met het model dat epidemiologen gebruiken om de verspreiding van ziekten te voorspellen. Vervolgens gebruikten ze het model om scenario's te isoleren die leidden tot de verspreiding van informatie, en bij uitbreiding de verspreiding van verkeerde informatie. Ze konden zien dat het tegelijkertijd toepassen van alle tools die beschikbaar zijn voor sitemanagers het beste werkte om de verspreiding van verkeerde informatie te verminderen.

De onderzoekers suggereren dat sites zoals Twitter de verspreiding van verkeerde informatie zouden kunnen vertragen door deze te verwijderen zodra deze is geïdentificeerd, door recidivisten te schorsen en door waarschuwingen te plaatsen op berichten die niet erg genoeg zijn om te verwijderen, maar nog steeds problemen kunnen opleveren - allemaal ten koste van alles. dezelfde tijd. Door deze maatregelen te combineren, suggereren de onderzoekers dat desinformatie op dergelijke sites met ongeveer 53% kan worden verminderd.