Integrating Persuasion Theory into the Epidemiological Modelling of Health Misinformation Spread on Social Media

في العصر الرقمي، تنتقل المعلومات الصحية المضللة بسرعة تشبه سرعة الفيروس. تماماً كما ينتقل العامل الممرض البيولوجي من شخص لآخر، تنتقل الادعاءات المضللة من شاشة إلى أخرى، مما يعيد تشكيل كيفية فهم الناس للعالم وتصرفهم داخله. لعقود من الزمن، حاول العلماء التنبؤ بهذه التحركات باستخدام نماذج مستعارة من علم الأوبئة، وهو دراسة كيفية انتشار الأمراض. تقسم هذه النماذج عادةً السكان إلى مجموعات بسيطة: أولئك الذين يمكنهم التقاط الفكرة، وأولئك الذين ينشرونها حالياً، وأولئك الذين توقفوا عن ذلك. ورغم كونها مفيدة، إلا أن هذه الأدوات التقليدية غالباً ما تعامل الجميع على حد سواء، بافتراض أن الكذبة تنتشر بوتيرة ثابتة بغض النظر عن الشعور المصاحب لها أو ردود فعل الناس تجاهها. وفي الواقع، السلوك البشري فوضوي وعاطفي؛ فنحن أكثر عرضة لمشاركة قصة تثير غضبنا أو خوفنا، وأقل عرضة لتمرير شيء يتطلب جهداً ذهنياً كبيراً لفهمه. والسؤال الذي يواجه الباحثين اليوم هو ما إذا كان بإمكانهم بناء خريطة أفضل—خريطة تأخذ في الاعتبار التيارات النفسية التي تحرك تدفق المعلومات، بدلاً من مجرد التركال الهيكلية التي تسلكها.

لقد اتخذ فريق من الباحثين في جامعة مانشستر متروبوليتان خطوة كبيرة نحو الإجابة على هذا السؤال من خلال ابتكار طريقة جديدة لمحاكاة كيفية انتشار المعلومات الصحية المضللة على وسائل التواصل الاجتماعي. لقد دمجوا نماذج انتشار الأمراض الكلاسيكية مع نظرية معروفة في الإقناع البشري تُسمى "نموذج احتمالية الاستقصاء" (Elaboration Likelihood Model). تشير هذه النظرية إلى أن الناس يعالجون المعلومات بطريقتين مختلفتين: أحياناً يتفاعلون بسرعة مع الإشارات العاطفية السطحية، وأحياناً أخرى يبطئون للتفكير بعمق في المحتوى. بنى الباحثون محاكاة حاسوبية تعامل انتشار المعلومات المضللة كأنه وباء، ولكنها تضيف طبقة من الواقعية النفسية. فبدلاً من السرعة الثابتة للانتشار، يسمح نموذجهم للمعدل بالتغير يومياً بناءً على إشارات من العالم الحقيقي: مدى إيجابية أو سلبية اللغة، وعدد الأشخاص الذين يضعون إعجاباً أو يشاركون المنشورات، ومدى تعقيد الكلمات. وقد اختبروا هذا النهج الجديد، الذي أطلقوا عليه اسم ELM-SIRMMM، مقابل ثلاث مجموعات مختلفة من البيانات الحقيقية من تويتر والمنتديات الصحية، والتي غطت مواضيع تتراوح من شائعات كوفيد-19 إلى النصائح الصحية العامة.

تكشف نتائج عمليات المحاكاة التي أجروها أن إضافة هذه التفاصيل النفسية تحدث فرقاً ملموساً، ولكن فقط عندما تكون البيانات نفسها غنية بما يكفي لإظهار التغيير. فعندما طبق الباحثون نموذجهم على مجموعة بيانات من المعلومات المضللة المتعلقة بكوفيد-19 من تويتر، أثبت النهج الجديد تفوقه على النماذج الأقدم والأبسط. فقد تنبأ بذروة انتشار المعلومات المضللة بدقة أكبر، حيث نقل الذروة المقدرة من اليوم 150 إلى اليوم 160، وزاد من نسبة الانتشار القصوى المتوقعة من 6 بالمئة إلى 7 بالمئة من السكان. والأهم من ذلك، انخفض معدل الخطأ في النموذج بنسبة 5.5 بالمئة، مما يعني أن تنبؤاته كانت تتوافق بشكل أكبر مع ما حدث بالفعل في الواقع. وأظهرت المحاكاة أن موجة المعلومات المضللة لم تكن منحنى سلسًا وقابلاً للتنبؤ، بل كانت حدثاً ديناميكياً تشكله تقلبات المشاعر والانتباه العام.

ومع ذلك، كشفت الدراسة عن قصور جوهري: قدرة النموذج على استيعاب هذه الفروق البشرية الدقيقة تعتمد كلياً على جودة البيانات التي يتلقاها. فعندما اختبر الباحثون نفس النموذج على مجموعة بيانات من المناقشات الصحية العامة من منتدى عبر الإنترنت، كانت النتائج مختلفة. في هذا المنتدى، لم تتغير النبرة العاطفية ومستويات التفاعل كثيراً بمرور الوقت؛ كانت الإشارات مسطحة وشحيحة. ولأن بيانات المدخلات افتقرت إلى هذا التقلب الضروري، فإن الجزء النفسي المتطور من النموذج ظل خاملاً تقريباً. عادت المحاكاة لتتصرف كنموذج قياسي جامد، وفشلت في رصد أي تحولات ديناميكية في السلوك. في هذا السيناريو، توقع النموذج أن المعلومات المضللة لن تتمكن من التمكن من الوضع إلا بصعوبة، حيث وصل 3 بالمئة فقط من المستخدمين إلى حالة "الإصابة"، بينما ظل الغالبية عرضة للتأثر. تشير هذه النتيجة إلى أن مجرد بناء نموذج معقد ليس كافياً؛ إذ يحتاج النموذج إلى بيئة غنية ومتغيرة ليعمل بشكل صحيح. فبدون إشارات نفسية متنوعة، لا يمكن للميزات المتقدمة أن تتفعل، ويفقد النموذج ميزته.

كما فحص الباحثون كيف تتصرف أنواع مختلفة من المعلومات المضللة. ففي مجموعة بيانات ركزت على الشائعات العاطفية، نجح النموذج في إعادة إنتاج نمط "الشائعة الخاطفة"، حيث انفجرت المعلومات المضللة بسرعة، فأصابت 38 بالمئة من المستخدمين في غض زمن قدره 45 يوماً، قبل أن يتم تصحيحها وتلاشيها. وهذا يطابق الملاحظة الواقعية بأن المحتوى شديد التأثير يمكن أن يندفع بقوة ثم يتم دحضه بسرعة. وفي المقابل، أظهر النموذج أنه في البيئات التي يكون فيها الناس أقل تفاعلاً أو يكون المحتوى أقل عاطفية، تجد المعلومات المضللة صعوبة في اكتساب زخم، مما يترك جزءاً كبيراً من السكان غير مدركين ولكن ليس بالضرورة مقتنعين. وتخلص الدراسة إلى أنه بينما يعد هيكل النموذج سليماً، فإن قدرته على تفسير الأحداث الواقعية تعتمد على تنوع الإشارات البشرية التي تغذيه. وقد وجد الباحثون أن نموذجهم يعمل بشكل أفضل عندما يمكنه رؤية التحولات في المشاعر والتفاعل التي تدفع الناس لمشاركة قصة أو تجاهلها.

في الختام، يوضح هذا العمل أن فهم انتشار المعلومات المضللة يتطلب ما هو أكثر من مجرد عد المشاركات أو تتبع الروابط؛ إنه يتطلب فهم العقل البشري وراء "النقرة". تشير الدراسة إلى أنه لكي تكون النماذح مفيدة حقاً في التنبؤ بانتشار المعلومات الصحية الخاطئة أو إدارتها، يجب تغذيتها ببيانات تعكس تغير أمزجة وجهود الأشخاص المعنيين. فإذا كانت البيانات مسطحة، يظل النموذج مسطحاً. وإذا التقطت البيانات اضطرابات العاطفة البشرية، يمكن للنموذج أن يكشف الأنماط الخفية لكيفية انتقال الأكاذيب وكيف يمكن إيقافها. يقدم هذا النهج مساراً أوضح للمتواصلين الصحيين ومصممي المنصات، موضحاً أن المفتاح لإدارة تدفق المعلومات يكمكم في إدراك القوى النفسية التي تحركها.