Higher-order Rumor Propagation Dynamics in Hypergraph Networks with Hyperedge Selection and Information Overload
تقترح هذه الورقة نموذج Hyper-ISDR على شبكات الهايبرغراف (hypergraph networks) يدمج التفاعلات على مستوى المجموعة، واستراتيجيات اختيار الحواف الفائقة (hyperedge selection strategies)، والعبء المعلوماتي الزائد لتحليل الديناميكيات التنافسية لانتشار الشائعات وتفنيدها، مستنتجةً عتبات الاستقرار ومعايير الاستمرار العشوائي التي تم التحقق من صحتها من خلال المحاكاة والبيانات التجريبية.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://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
في العصر الرقمي، نادراً ما تنتقل المعلومات من شخص لآخر في خط مستقيم بسيط. بدلاً من ذلك، تتحرك عبر شبكات معقدة من المجموعات الاجتماعية، حيث يمكن لمنشور واحد أن يتردد صداه عبر دردشة عائلية، وشبكة مهنية، ومنتدى عام في آن واحد. لطالما استخدم العلماء الذين يدرسون كيفية انتشار الأفكار نماذج رياضية لرسم هذه التدفقات، وغالباً ما يعاملون الروابط الاجتماعية كأنها سلسلة من المصافحات بين شخص وآخر. ومع ذلك، فإن الحياة الواقعية أكثر فوضوية من المصافحة؛ فغالباً ما يتشارك الناس الأخبار داخل مجموعة من الأصدقاء، أو مجتمع، أو دائرة قائمة على موضوع معين حيث يسمع الجميع الرسالة في وقت واحد. هذا "تأثير المجموعة" يغير مدى سرعة ومدى انتقال القصة. علاوة على ذلك، فإن الإنترنت الحديث مشبع بمحتوى هائل لدرجة أن الناس غالباً ما يصابون بالإرهاق، أو يتجاهلون الرسائل ببساطة بسبب كثرتها. إن فهم كيفية تنافس الشائعات والحقائق التي تفندها في هذه البيئة المزدحمة والموجهة نحو المجموعات أمر بالغ الأهمية للتنبؤ بكيفية تمكن المعلومات المضللة من التمكن أو التلاشي.
قام فريق من الباحثين ببناء إطار رياضي جديد لاستيعاب هذا التعقيد، متجاوزين مجرد الاتصالات من واحد لواحد لنمذجة كيفية انتشار المعلومات عبر مجموعات بأكملها في وقت واحد. لقد أنشأوا نظاماً يعامل الشبكات الاجتماعية كمجموعات من "الحواف الفائقة" (hyperedges)، وهي في الأساس مجموعات من الأشخاص مرتبطين باهتمام مشترك أو نقاش، بدلاً من مجرد أزواج من الأصدقاء. في نموذجهم، تتبعوا أربعة أنواع من الأشخاص: أولئك الذين لا يعرفون شيئاً عن قصة ما، وأولئك الذين ينشرون شائعة، وأولئك الذين ينشرون الحقيقة لتصحيحها، وأولئك الذين توقفوا عن التفاعل مع الموضوع تماماً. أراد الباحثون معرفة كيفية تفاعل هذه المجموعات عندما تعمل قوتان في آن واحد: الطريقة التي تنشط بها المجموعات لمشاركة المعلومات، والطريقة التي يمل بها الناس من سماع الكثير من المعلومات.
قدمت الدراسة طريقتين متميزتين يمكن للمجموعة من خلالهما مشاركة رسالة. في سيناريو واحد، قد يقوم شخص يعرف سراً ما ببثه إلى كل مجموعة ينتمي إليها في نفس اللحظة، مثل الصراخ في كل غرفة يدخلها. وفي السيناريو الآخر، قد يختار مجموعة واحدة فقط ليخبرها، مركزاً انتباهه محلياً. ووجد الباحثون أنه عندما يبث الناس المعلومات إلى جميع مجموعاتهم في وقت واحد، تنتشر الشائعات بسهولة أكبر وتستمر لفترة أطول، حتى لو لم يكن الأشخاص الذين ينشرونها هم الأكثر شعبية. هذا أسلوب المشاركة بنمط "البث" يقلل من الحاجز أمام انتشار الشائعة، مما يجعل من الصعب إيقافها بمجرد بدئها.
ولجعل النموذج أكثر واقعية، أدرج الفريق عاملاً لزيادة تدفق المعلومات (Information Overload). فقد لاحظوا أنه عندما يصرخ الكثير من الناس بالشائعات أو التصحيحات في وقت واحد، يصبح الشخص العادي أقل عرضة للاستماع أو التفاعل. وصف الباحثون هذا بأنه "تأثير تخميدي": فكلما ارتفع حجم المعلومات النشطة، انخفضت فعالية كل رسالة جديدة. أظهرت عمليات المحاكاة التي أجروها أنه بينما لا يمنع هذا الحمل الزائد الشائعة من البدء إذا كانت الظروف مناسبة، إلا أنه يقلل بشكل كبير من عدد الأشخاص الذين يصدقونها في النهاية. إنه يعمل ككابح طبيعي لشدة الانتشار، مما يمنع النظام من الوصول إلى أقصى حد ممكن من التشبع، حتى عندما تكون الشائعة معدية للغاية.
اختبر الباحثون أفكارهم باستخدام عمليات محاكاة حاسوبية على شبكات اصطناعية تحاكي هيكل وسائل التواصل الاجتماعي الحقيقية، حيث ينتمي بعض الأشخاص إلى مجموعات كثيرة والبعض الآخر إلى مجموعات قليلة. كما طبقوا نموذجهم على بيانات من حدثين واقعيين لشائعات حدثتا على منصات التواصل الاجتماعي الصينية. تضمن أحدهما قصة كاذبة حول عمل كاتب مشهور، وتعلقت الأخرى بشائعة حول رسوم سكن في شنغهاي. ومن خلال تغذية الانتشار الساعي الفعلي لهذه القصص في معادلاتهم، وجدوا أن نموذجهم يمكنه إعادة إنتاج الشكل العام لكيفية نمو هذه الشائعات، ووصولها للذروة، وتلاشيها. نجح النموذج في رصد الاتجاهات العامة للأحداث، مما أظهر قدرته على وصف التطور الكلي لكيفية انتقال المعلومات المضللة عبر السكان.
ومع ذلك، سلطت الدراسة الضوء أيضاً على حدود التنبؤ. فبينما يمكن للنموذج تتبع الصعود والهبوط الإجمالي للشائعة، إلا أنه لا يمكنه التنبؤ بكل طفرة مفاجئة أو تقلب محلي يحدث في الوقت الفعلي. هذه الطفرات قصيرة المدى غالباً ما تكون مدفوعة بسلوك بشري غير متوقع أو دورات أخبار خارجية لا يمكن للمعادلة الرياضية توقعها. ولمعالجة ذلك، أضاف الباحثون طبقة من العشوائية إلى معادلاتهم، لمحاكاة الضجيج الطبيعي وعدم اليقين في التفاعل البشري. وأظهر هذا الإصدار العشوائي (stochastic) من النموذج أنه بينما يكون المسار المتوسط للشائعة قابلاً للتنبؤ، فإن المسار الفعلي سيظل دائماً يتذبذب حول ذلك المتوسط، مما يخلق مجموعة من النتائج المحتملة بدلاً من خط ثابت واحد.
تشير النتائج إلى أن هيكل مجموعاتنا عبر الإنترنت يهم أكثر مما قد نعتقد. فإذا كانت الشبكة الاجتماعية تهيمن عليها مجموعات كبيرة حيث يتفاعل العديد من الأشخاص في وقت واحد، أو إذا كان توزيع أحجام المجموعات غير متساوٍ، فمن المرجح أن تنجو الشائعات وتزدهر. وعلى العكس من ذلك، إذا كانت الشبكة تتكون في الغالب من دوائر صغيرة ومترابطة، فإن الانتشار سيكون أبطأ وأقل استمرارية. كما أكد البحث أن الطريقة التي يختار بها الناس مشاركة المعلومات — سواء كانوا يبثونها للجميع أو يستهدفون مجموعات محددة — تغير بشكل جوهري استقرار النظام. ومن خلال فهم هذه الديناميكيات، نكتسب صورة أوضح لسبب اختفاء بعض القصص بسرعة بينما تترسخ أخرى، وكيف أن حجم المعلومات الهائل الذي نستهلكه يمكن أن يحمينا بشكل مفارِق بجعلنا أقل استجابة لكل ادعاء جديد.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.