Politički posmatrači su uznemireni porastom dezinformacija na mreži – zabrinutost koja je rasla kako se približavamo danu izbora. Međutim, iako širenje lažnih vesti može predstavljati pretnju, nova studija otkriva da njihov uticaj nije univerzalan. Umesto toga, korisnici sa ekstremnim političkim stavovima imaju veću verovatnoću da se susreću sa lažnim vestima i veruju u njih.
„Dezinformacije su ozbiljno pitanje na društvenim medijima, ali njihov uticaj nije ujednačen“, kaže Kristofer K. Tokita, vodeći autor studije koju je sproveo Centar za društvene medije i politiku Univerziteta Njujork (CSMaP).
Nalazi, koji se pojavljuju u PNAS Nekus-u, takođe ukazuju na to da trenutne metode za borbu protiv širenja dezinformacija verovatno nisu održive – i da je najefikasniji način da se to reši je da se brzo sprovedu intervencije i da se one usmere na korisnike koji će najverovatnije biti ranjivi. na ove laži.
„Budući da ovi ekstremni korisnici takođe imaju tendenciju da rano vide dezinformacije, trenutne intervencije na društvenim medijima često se bore da obuzdaju njihov uticaj – obično su presporo da spreče izloženost među onima koji su im najprihvatljiviji“, dodaje Zeve Sanderson, izvršni direktor CSMaP-a.
Postojeće metode koje se koriste za procenu izloženosti i uticaja dezinformacija na mreži oslanjaju se na merenje pregleda ili udela. Međutim, oni ne uspevaju u potpunosti da obuhvate pravi uticaj dezinformacija, koji ne zavisi samo od širenja, već i od toga da li korisnici zaista veruju lažnim informacijama.
Da bi rešili ovaj nedostatak, Tokita, Sanderson i njihove kolege razvili su novi pristup koristeći podatke sa Tvitera (sada „X“) kako bi procenili ne samo koliko je korisnika bilo izloženo određenoj vesti, već i koliko je verovatno da će joj poverovati.
„Ono što je posebno inovativno u našem pristupu u ovom istraživanju jeste to što metoda kombinuje podatke društvenih medija koji prate širenje istinitih vesti i dezinformacija na Tviteru sa anketama koje su procenjivale da li Amerikanci veruju sadržaju ovih članaka“, objašnjava Džošua A. Taker, kodirektor CSMaP-a i profesor politike na NIU i jedan od autora rada. „Ovo nam omogućava da pratimo i podložnost verovanju lažnim informacijama i širenje tih informacija u istim člancima u istoj studiji.“
Istraživači su uhvatili 139 novinskih članaka (novembar 2019. – februar 2020.) — od kojih su 102 ocenjeni kao istiniti, a 37 od kojih su profesionalni proverači činjenica ocenili kao lažni ili obmanjujući — i izračunali širenje tih članaka širom Tvitera od vremena njihovo početno objavljivanje.
Ovaj uzorak popularnih članaka je izvučen iz pet tipova tokova vesti: mejnstrim levičarske publikacije, mejnstrim desničarske publikacije, niskokvalitetne levičarske publikacije, nisko kvalitetne desničarske publikacije i niskokvalitetne publikacije bez prividnog ideološki oslonac. Da bi se utvrdila istinitost članaka, svaki članak je poslat timu profesionalnih proverača činjenica u roku od 48 sati od objavljivanja. Proverivači činjenica su ocenili svaki članak kao „tačan“ ili „netačan/obmanjujući“.
Da bi procenili izloženost ovim člancima i verovanje u njih, istraživači su kombinovali dve vrste podataka. Prvo, koristili su podatke sa Tvitera da identifikuju koji korisnici na Tviteru su potencijalno izloženi svakom od članaka; oni su takođe procenili ideološki položaj svakog potencijalno izloženog korisnika na liberalno-konzervativnoj skali korišćenjem ustaljenog metoda koji zaključuje ideologiju korisnika na osnovu istaknutih vesti i političkih izveštaja koje prate.
Drugo, da bi utvrdili verovatnoću da će ovi izloženi korisnici poverovati da je članak istinit, primenili su ankete u realnom vremenu dok se svaki članak širio na mreži. Ove ankete su tražile od Amerikanaca koji su uobičajeni korisnici interneta da klasifikuju članak kao istinit ili lažan i da daju demografske podatke, uključujući svoju ideologiju.
Na osnovu podataka ove ankete, autori su izračunali udeo pojedinaca unutar svake ideološke kategorije koji veruju da je članak istinit. Sa ovim procenama za svaki članak, mogli bi izračunati broj Tviter korisnika koji su bili izloženi i spremni da veruju da je članak istinit.
Sve u svemu, nalazi su pokazali da dok su lažne vesti stizale do korisnika širom političkog spektra, oni sa ekstremnijim ideologijama (i konzervativnim i liberalnim) su imali mnogo veću verovatnoću da ih vide i poveruju. Ono što je najvažnije, ovi korisnici, koji su prijemčivi za dezinformacije, imaju tendenciju da se susreću sa njima u ranoj fazi širenja putem Tvitera.
Dizajn istraživanja je takođe omogućio autorima studije da simuliraju uticaj različitih vrsta intervencija dizajniranih da zaustave širenje dezinformacija. Jedan zaključak iz ovih simulacija je da što su ranije intervencije primenjene, veća je verovatnoća da će biti efikasne. Drugi je bio da su intervencije „vidljivosti“—pri čemu platforma čini da je manja verovatnoća da će se označeni postovi sa dezinformacijama pojaviti u fidovima korisnika—veća verovatnoća da će smanjiti domet dezinformacija podložnim korisnicima nego intervencije koje imaju za cilj da umanjuju šanse korisnika da dele dezinformacije.
„Naše istraživanje pokazuje da je razumevanje ko će verovatno biti prijemčiv za dezinformacije, a ne samo ko im je izložen, ključno za razvoj boljih strategija za borbu protiv dezinformacija na mreži“, savetuje Tokita, sada naučnik za podatke u tehnološkoj industriji.
