Neurocomputational mechanisms of sharing clarifying information about ambiguous news

Resumen Técnico: Mecanismos Neurocomputacionales del Compartir Información Clarificadora sobre Noticias Ambiguas

Planteamiento del Problema
La propagación de la desinformación es impulsada no solo por errores en el juicio de la veracidad de las noticias ambiguas, sino también por la retención de información clarificadora cuando los receptores se beneficiarían de recibirla. Si bien la investigación existente caracteriza los mecanismos neurales de la búsqueda de información y el intercambio motivado por uno mismo, los procesos neurocomputacionales ascendentes mediante los cuales los individuos infieren las preferencias informativas de un receptor —particularmente cuando estas preferencias son inciertas— permanecen desconocidos. Específicamente, no está claro cómo los individuos integran su propia incertidumbre sobre una afirmación (creencias de primer orden) con las inferencias sobre la postura de un receptor (creencias de segundo orden) para guiar la transmisión selectiva de información clarificadora.

Metodología
El estudio empleó un juego de coordinación novedoso, el "juego de Envío de Noticias" (Sending News game), combinado con modelado computacional y resonancia magnética funcional (fMRI) basada en modelos.

• Diseño Experimental: Treinta y dos participantes (Emisores) realizaron tareas dentro de un escáner de fMRI. En cada ensayo, los Emisores evaluaron la veracidad de elementos de noticias ambiguas, reportaron su confianza y decidieron si transmitían información clarificadora adicional a un Receptor. Crucialmente, los Emisores nunca vieron el contenido de la información adicional; su recompensa dependía únicamente de coincidir con la preferencia revelada del Receptor para recibir o evitar dicha información.
• Condiciones: Se probaron dos condiciones:
  1. Control: Los Emisores no tenían información sobre el Receptor, simulando interacciones anónimas.
  2. Señal (Cue): Los Emisores recibieron una señal visual que indicaba la distancia social entre el Receptor y una organización asociada con el dominio de la noticia, simulando el conocimiento social parcial disponible en plataformas digitales.
• Datos Conductuales: Los Receptores (un grupo separado de 20 participantes) completaron previamente un "juego de Recepción de Noticias" donde indicaron su disposición a recibir información clarificadora. Las decisiones de los Emisores se contrastaron contra este conjunto de datos fijo.
• Modelado Computacional: Los autores compararon modelos heurísticos, de aprendizaje por refuerzo, basados en la utilidad y bayesianos jerárquicos. El modelo ganador, BayesRL, fue un modelo bayesiano jerárquico que integró cuatro componentes de creencia: evidencia de veracidad derivada de la confianza, evidencia de distancia social, aprendizaje basado en retroalimentación y sesgo.
• Neuroimagen: Los datos de fMRI fueron analizados mediante Modelos Lineales Generales (GLM) con moduladores paramétricos derivados de los modos de creencia latente del modelo BayesRL ($\theta_{truth}$, $\theta_{distance}$, $\theta_{learning}$ y la posterior integrada $\theta_{action}$).

Resultos Clave

• Hallazgos Conductuales:
  • En ausencia de señales sociales (Control), los Emisores usaron su propia confianza como un proxy de la preferencia del Receptor: una menor confianza aumentaba la probabilidad de enviar información clarificadora.
  • En presencia de señales sociales (Señal), los Emisores cambiaron su dependencia hacia creencias de segundo orden específicas del Receptor. La probabilidad de envío disminuyó a medida que la distancia social entre el Receptor y la organización relevante aumentaba.
  • Los Emisores adaptaron sus decisiones a lo largo del tiempo basándose en la retroalimentación, con un descenso más pronunciado en el envío para elementos juzgados falsos en la condición de Señal.
• Hallazgos Computacionales:
  • El modelo BayesRL superó significativamente a los modelos alternativos (heurístico, RL, basado en utilidad) al explicar el comportamiento de los participantes (Probabilidad de Excedencia Protegida = .99).
  • Los parámetros del modelo revelaron un reponderaje de la evidencia: en la condición de Control, las decisiones fueron impulsadas por las creencias de veracidad derivadas de la confianza y las creencias previas (priors); en la condición de Señal, el peso del componente de distancia social aumentó notablemente (casi tres veces), mientras que el peso de los componentes de veracidad y aprendizaje disminuyó.
• Hallazgos Neurales:
  • Creencias de Primer Orden: La actividad en la corteza prefrontal ventromedial (vmPFC) y el estriado ventral rastreó el componente de veracidad derivado de la confianza ($\theta_{truth}$). Estas regiones codificaron el valor subjetivo de la información derivada de la propia incertidumbre del Emisor.
  • Creencias de Segundo Orden: La actividad en la unión temporoparietal derecha (TPJ) y la surco temporal superior rastreó el componente de distancia social ($\theta_{distance}$), codificando inferencias sobre las preferencias del Receptor basadas en señales sociales.
  • Señal de Decisión Integrada: La actividad en la corteza frontopolar lateral (LFPC) rastreó la estimación posterior integrada ($\theta_{action}$), que combinó los componentes de primer orden, segundo orden y aprendizaje en una estimación unificada de la preferencia del Receptor que gobernó directamente la decisión de transmisión.

Significancia y Reivindicaciones
El artículo afirma identificar una arquitectura neurocomputacional distinta para la "coordinación epistémica": el proceso de inferir si otra persona desea información clarificadora. Los autores argumentan que este proceso es disociable tanto de la búsqueda de información dirigida a uno mismo como de los motivos de intercambio relacionados con uno mismo (por ejemplo, la aprobación social).

• Mecanismo de Inferencia: El estudio demuestra que cuando la información social está ausente, los individuos proyectan racionalmente su propio estado epistémico (confianza) sobre otros. Cuando las señales sociales están disponibles, el cerebro cambia hacia un mecanismo de inferencia de segundo orden más específico.
• Disociación Neural: Los hallazgos establecen una arquitectura neural jerárquica donde las regiones de valoración (vmPFC/estriado) codifican la incertidumbre privada, las regiones de mentalización (TPJ) codifican inferencias sociales, y la corteza frontopolar lateral (LFPC) actúa como un integrador, sintetizando estas señales heterogéneas para guiar la acción.
• Implicaciones para la Desinformación: Los autores sugieren que en las plataformas de redes sociales, donde los incentivos suelen priorizar el valor propio (likes, viralidad) sobre la exactitud y las señales sociales son escasas, las señales de valor propio en la vmPFC y el estriado pueden anular la inferencia epistémica dirigida hacia el otro. Este mecanismo puede explicar por qué la información clarificadora se retiene con frecuencia o por qué el contenido ambiguo se propaga indiscriminadamente. El estudio postula que comprender este proceso de inferencia específico ofrece un potencial objetivo para intervenciones que mejoren el flujo de información, distinto de las estrategias dirigidas a la mera evaluación de la veracidad.

Los autores mantienen un alcance modesto, señalando que su diseño aísla la inferencia de preferencia de la evaluación del contenido y utiliza estímulos neutrales y no partidistas. Reconocen que los hallazgos pueden diferir en contextos naturalistas, recíprocos o políticamente cargados donde el encuadre del contenido y el compromiso emocional juegan roles mayores.