🔬 physics

Modeling the amplification of epidemic spread by individuals exposed to misinformation on social media

تستخدم هذه الدراسة نموذجاً وبائياً مستنداً إلى معلومات التنقل مدمجاً مع بيانات وسائل التواصل الاجتماعي لتقدير كيفية تسبب التعرض للمعلومات المضللة حول اللقاحات عبر الإنترنت في تضخيم انتشار المرض، مما يكشف عن زيادات كبيرة في حالات الإصابة في ظل سيناريوهات الحالة الأسوأ لتوجيه سياسات الصحة العامة.

المؤلفون الأصليون: Matthew R. DeVerna, Francesco Pierri, Yong-Yeol Ahn, Santo Fortunato, Alessandro Flammini, Filippo Menczer

نُشر 2026-02-09

📖 3 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Matthew R. DeVerna, Francesco Pierri, Yong-Yeol Ahn, Santo Fortunato, Alessandro Flammini, Filippo Menczer

البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل

تخيل انتشار فيروس مثل حريق غابة يمر عبر غابة. عادةً، يحاول العلماء التنبؤ بمدى سرعة اشتعال هذا الحريق من خلال النظر إلى مدى تقارب الأشجار من بعضها البعض ومدى جفاف الأوراق.

تضيف هذه الورقة طبقة جديدة غير مرئية لهذه الغابة: سحابة من الدخان تغير سلوك الأشجار.

إليك قصة ما وجده الباحثون، مقسمة إلى مفاهيم بسيطة:

١. الغابتان

أدرك الباحثون أن الناس يعيشون في "عالمين" مختلفين في نفس الوقت:

الغابة المادية: هذا هو المكان الذي يلتقي فيه الناس فعلياً—المشي إلى العمل، أو الجلوس في فصل دراسي، أو تناول القهوة. هنا ينتشر الفيروس.
الغابة الرقمية: هذا هو المكان الذي يشارك فيه الناس القصص والأخبار على وسائل التواصل الاجتماعي (تحديداً تويتر في هذه الدراسة). هنا تنتشر المعلومات المضللة.

تجادل الورقة بأن هاتين الغابتين متصلتان. فإذا صدق شخص ما في الغابة الرقمية كذبة (مثل "اللقاحات خطيرة" أو "الكمامات لا تعمل")، فقد يتصرف بشكل مختلف في الغابة المادية. قد يتوقف عن ارتداء الكمامات أو يتوقف عن التباعد الاجتماعي، مما يسهل انتقال الفيروس من شخص لآخر.

٢. اختبار "المرونة"

لمعرفة مدى سوء ما يمكن أن يحدث، بنى الباحثون محاكاة حاسوبية ضخمة تضم حوالي ٢٠ مليون شخص افتراضي. لقد أنشأوا سيناريوهين متطرفين لاختبار الحدود القصوى:

الغابة "فائقة المرونة" (الحالة الأفضل): تخيل غابة مصنوعة من أشجار من الفولاذ. حتى لو مرت سحابة من دخان المعلومات المضللة، تتجاهلها الأشجار. هؤلاء الناس يتبعون جميع القواعد الصحية (الكمامات، اللقاحات، التباعد).
الغابة "فائقة الحساسية" (الحالة الأسوأ): تخيل غابة مصنوعة من حطب جاف. إذا لمست شجرة واحدة نفحة من دخان المعلومات المضللة، تشتعل تلك الشجرة فوراً (تصبح مضللة) وتتوقف عن اتباع قواعد السلامة.

٣. التجربة

استخدم الباحثون بيانات حقيقية من تويتر لمعرفة عدد الأش people الذين يشاركون محتوى "منخفض المصداقية" حول اللقاحات. ثم قاموا برسم هؤلاء الأشخاص على محاكاتهم الضخمة المكونة من ٢٠ مليون شخص.

وسألوا: "إذا كان لدينا الكثير من الناس الذين يصدقون الأكاذيب، فما مدى سوء حالة الفيروس؟"

٤. النتائج الصادمة

عندما قاموا بتشغيل المحاكاة مع "الحالة الأسوأ" (حيث يصدق الناس المعلومات المضللة بعد تعرض واحد فقط)، كانت النتائج دراماتيكية مقارنة بـ "الحالة الأفضل":

الحريق ينتشر بشكل أسرع: حدثت ذروة العدوى قبل أسبوعين من الموعد المفترض.
الحريق يصبح أكبر: كان عدد الأشخاص المصابين عند الذروة أعلى بست مرات.
إجمالي الأضرار: على مدار فترة الوباء، سيصاب ١٤٪ إضافية من إجمالي سكان الولايات المتحدة.
- لوضع ذلك في الاعتبار: هذا يعني ما يقرب من ٤٧ مليون أمريكي إضافي سيصابون بالمرض.
التكلفة: قدر الباحثون أن هذا سيكلف نظام الرعاية الصحية في الولايات المتحدة أكثر من ١٤٣ مليار دولار.

٥. لماذا يحدث هذا؟

تفترض المحاكاة أن الأشخاص الذين يصدقون المعلومات المضللة هم أقل عرضة لاتخاذ احتياطات السلامة. في المحاكاة، يتصرف هؤلاء "المضللون" كما لو كانوا في عالم طبيعي غير وبائي (العناق، عدم ارتداء الكمامات، التجمعات)، بينما يتصرف الأشخاص "المطلعون جيداً" بحذر.

ولأن الفيروس لا يهتم بمن هو حذر ومن لا يهتم، فإن السلوك غير الحذر للمجموعة المضللة يخلق جسراً يسمح للفيروس بإصابة المجموعة الحذرة أيضاً. الأمر يشبه مجموعة من الناس تترك باباً مفتوحاً لتيار هوائي؛ في النهاية، يدخل الهواء البارد (الفيروس) إلى المنزل بأكله، حتى الغرف التي حاول الناس فيها إغلاق النوافذ بإحكام.

الملخص

لا تقول الورقة إن المعلومات المضللة هي الفيروس. بدلاً من ذلك، تظهر أن المعلومات المضللة تعمل كـ مضاعف للقوة. فهي لا تؤذي فقط الأشخاص الذين يصدقون الأكاذيب، بل تجعل الوباء بأكمله أسوأ للجميع، مما يسرع الانتشار ويصيب ملايين الأشخاص أكثر مما ينبغي.

لقذ استخدم الباحثون بيانات حقيقية ليظهروا أنه إذا لم نعالج انتشار الأكاذيب عبر الإنترنت، فإننا نمنح الفيروس عملياً طريقاً مختصراً لإصابة السكان بأكمله.

ملخص تقني: نمذجة تضخيم انتشار الأوبئة من خلال الأفراد المعرضين للمعلومات المضللة

بيان المشكلة
تتأثر نتائج الصحة العامة بشكل كبير بالعوامل الاجتماعية، ولا سيما رغبة السكان في تبني تدابير التخفيف. وتشير الأدلة الأخيرة إلى أن التعرض للمعلومات المضللة على وسائل التواصل الاجتماعي يرتبط بزيادة التردد في تلقي اللقاحات وانخفاض الامتثال للتوجيهات الصحية العامة. ومع ذلك، فإن قياس التأثير السببي للمعلومات المضللة على ديناميكيات الوباء يظل تحدياً نظراً لافتقار النماذج الشاملة القائمة على البيانات التي تدمج بين انتشار المعلومات وانتشار المرض. تعتمد الدراسات الحالية غالباً على إعدادات تجريبية مبسطة أو تفتقر إلى التكامل الواقعي لبيانات وسائل التواصل الاجتماعي مع شبكات الاتصال الفيزيائية. تعالج هذه الورقة الفجوة عبر اقتراح إطار عمل لتقدير الضرر الإضافي الناجم عن المعلومات المضللة أثناء الوباء، مع التركيز بشكل خاص على جائحة كوفيد-19 في الولايات المتحدة.

المنهجية
يقترح المؤلفون نموذج (SMIR - Susceptible Misinformed Infected Recovered)، وهو نموذج محاكاة قائم على الوكلاء متعدد المستويات يربط بين شبكة انتشار المعلومات وشبكة اتصال فيزيائية.

1. بناء شبكة المعلومات:

مصدر البيانات: يستخدم النموذج مجموعة بيانات تضم حوالي 26 مليون تغريدة باللغة الإنجليزية تتعلق بلقاحات كوفيد-19، تم جمعها بين 4 يناير و30 سبتمبر 2021، من أكثر من 2 مليون مستخدم أمريكي على تويتر.
التحديد الجغرافي والتصفية: تم تحديد الموقع الجغراي للمستخدمين في 341 مقاطعة أمريكية (تحتوي كل منها على أكثر من 200 مستخدم). كما تم استنتاج التوجه السياسي باستخدام مصادر إخبارية مشروحة وخوارزميات انتشار الملصقات (label-propagation).
تعريف المعلومات المضللة: تم تحديد الحسابات التي تشارك روابط لمصادر ذات مصداقية منخفضة (درجة NewsGuard أقل من 60) على أنها تنشر معلومات مضللة.
نموذج الانتشار: يمثل نموذج انتشار الرأي ذو العتبة الخطية أحادي الخطوة كيفية تحويل المعلومات المضللة للمستخدمين العاديين إلى حالة "المضللين" (M). تمثل معلمة العتبة ( $\phi$ $ϕ$ ) عدد الأصدقاء المضللين المطلوب لتحويل عقدة عادية.
- العتبة المنخفضة (مثلاً $\phi=1$ ) تمثل سيناريو "الحالة الأسوأ" حيث تؤدي تعرض واحد للمعلومات المضللة إلى التحول (عدوى بسيطة).
- العتبة العالية (مثلاً $\phi=20$ ) تمثل سيناريو "الحالة المثلى" حيث يكون المجتمع شديد المرونة تجاه المعلومات المضللة.

2. بناء شبكة الاتصال:

مصدر البيانات: تم بناء شبكة اتصال فيزيائية تضم حوالي 20 مليون عقدة (تمثل عينة بنسبة 10% من سكان الولايات المتحدة) باستخدام بيانات تنقل الهواتف المحمولة من SafeGraph وسجلات التصويت في الانتخابات الرئاسية الأمريكية لعام 2020.
الهيكل: تلتقط الشبكة أنماط التنقل بين وداخل المقاطعات. يتم تعيين سمات العقد (مضلل مقابل عادي) بناءً على التوزيع المستمد من شبكة المعلومات، مما يضمن مطابقة الانقسام الأيديولوجي (جمهوري مقابل ديمقراطي) مع سجلات التصويت التجريبية.

3. محاكاة الوباء (نموذج SMIR):

يوسع النموذج إطار SIR القياسي. يُفترض أن الأفراد العاديين (O) يتبعون الإرشادات الصحية العامة (ارتداء الكمامات، التباعد، التطعيم)، بينما يُفترض أن الأفراد المضللين (M) يرفضون هذه التدابير.
المعلمات: يتم التلاعب باحتمالية الانتقال ( $p$ $p$ ) وكثافة الاتصال ( $\bar{k}$ $\overset{ˉ}{k}$ ) لتحديد السيناريوهات.
- العاديون (O): $p_O = 0.01$ (تخفيف عالٍ).
- المضللون (M): $p_M = 1.0$ (لا يوجد تخفيف، انتقال عالٍ).
- كثافة الاتصال ثابتة عند $\bar{k} = 25$ (متوسط ما قبل الجائحة).
تعمل عمليات المحاكاة لمدة 100 يوم مع معدل تعافي $\gamma = 0.2$ (حجر صحي لمدة 5 أيام).

المساهمات الرئيسية

دمج بيانات العالم الحقيقي: تتجاوز الدراسة الافتراضات النظرية من خلال دمج بيانات واسعة النطاق مستمدة تجريبياً من وسائل التواصل الاجتماعي (إعادة تغريد تويتر) مع بيانات التنقل الفيزيائي (آثار الهواتف المحمولة) والبيانات الديموغرافية (سجلات التصويت).
إطار عمل SMIR: تقدم نموذجاً محدداً يعتمد على الوكيل يتتبع صراحةً فئة سكانية "مضللة" وسلوكهم المتباين فيما يتعلق بانتقال المرض.
الحدود الكمية: من خلال تغيير معلمة المرونة $\phi$ واحتمالات الانتقال، يوفر النموذج حدوداً كمية على الأضراء المحتملة للمعلومات المضللة، بدلاً من تقديم تقدير نقطي واحد.

النتائج
تقارن عمليات المحاكاة بين سيناريو الحالة الأسوأ (مرونة منخفضة، $\phi=1$ ) وسيناريو الحالة المثلى (مرونة عالية، $\phi=20$ ):

ذروة الإصابة: في سيناريو الحالة الأسوأ، يكون ذروة عدد الإصابات اليومية أعلى بنحو ست مرات من سيناريو الحالة المثلى.
التوقيت: تحدث ذروة الإصابة قبل نحو أسبوعين في سيناريو الحالة الأسوأ مقارنة بالحالة المثلى.
الأثر التراكمي: على مدار الوباء المحاكى، يؤدي سيناريو الحالة الأسوأ إلى إصابة 14% إضافية من إجمالي السكان مقارنة بالسيناريو المرن. يمثل هذا زيادة نسبية قدرها 32% في إجمالي الإصابات.
النطاق: بناءً على بيانات تعداد السكان في الولايات المتحدة، تترجم هذه الـ 14% الإضافية إلى ما يقرب من 47 مليون أمريكي إضافي أصيبوا بالعدوى.
الأثر الاقتصادي: يقدر المؤلفون أن تكاليف الرعاية الصحية المرتبطة بهذه الإصابات الإضافية ستتجاوز 143 مليار دولار.

الأهمية والادعاءات
يدعي البحث أن أهميته الأساسية تكمن في تزويد صانعي السياسات والسلطات الصحية برؤى مستندة إلى البيانات حول الأضرار المحتملة للمعلومات المضللة عبر الإنترنت بشأن اللقاحات. ومن خلال وضع "حد مقلق" للعواقب، يهدف العمل إلى تحفيز منصات التواصل الاجتماعي والمسؤولين الصحيين للحد من انتشار المحتوى منخفض المصداقية.

يصرح المؤلفون صراحةً أن نتائجهم تمثل سيناريوهات قصوى (باستخدام $p_M=1$ و $p_O=0.01$ ) ويقرون بالقيود، بما في ذلك افتراض وجود رابط سببي بين المعلومات المضللة والسلوك الخطير، واستخدام تويتر كبديل لجميع مصادر التعرض للمعلومات، وتبسيط المرونة الفردية باعتبارها موحدة. ومع ذلك، يجادلون بأنه حتى ضمن هذه القيود، يوضح نموذجهم أن المعلومات المضللة يمكن أن تضخم بشكل كبير انتشار الأوباء وتؤخر جهود الاحتواء. ويؤكد العمل على ضرية إدارة العلاقة المعقدة بين شبكات المعلومات عبر الإنترنت وشبكات الاتصال الفيزيائية للسيطرة بفعالية على أزمات الأوبئة.