BERTopic-Virality Prioritisation: A Scalable Framework for Thematic and Comparative Analysis of COVID-19 and Monkeypox Misinformation on Twitter
Cet article présente BERTopic-VP, un cadre évolutif qui intègre le partitionnement de plongements contextuels avec une couche de priorisation de la viralité et un détecteur hybride de désinformation afin de permettre l'identification précoce et l'analyse comparative des récits de désinformation sanitaire à fort impact à travers différentes pandémies.
Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète
Lorsqu'une nouvelle maladie émerge, le monde fait face à deux crises simultanées : le virus lui-même et le déluge de fausses informations qui se propage en même temps. Cette seconde crise, souvent appelée infodémie, peut être tout aussi dangereuse que la crise biologique. Sur les plateformes de médias sociaux comme Twitter, où les messages sont courts et circulent à la vitesse de l'éclair, les fausses histoires concernant les remèdes, les origines et les mesures de sécurité peuvent gagner du terrain plus rapidement que les directives officielles de santé. Les méthodes traditionnelles de suivi de ces récits échouent souvent car elles reposent sur le comptage de la fréquence d'apparition de mots spécifiques. Dans le langage chaotique et changeant des réseaux sociaux, où les gens utilisent l'argot, les hashtags et les emojis, le simple comptage de mots s'effondre. Ces méthodes passent à côté du sens profond d'une publication, regroupant des idées sans rapport ou ne parvenant pas à repérer une nouvelle rumeur dangereuse avant qu'elle ne se soit déjà trop propagée.
Pour résoudre ce problème, des chercheurs de l'Université Manchester Metropolitan ont développé une nouvelle façon d'écouter le bruit numérique. Ils ont créé un système qui ne se contente pas de compter les mots, mais qui comprend le sens derrière ceux-ci, tout en prêtant attention à la vitesse à laquelle une histoire se propage. Leur objectif était de construire un outil capable d'aider les responsables de la santé publique à repérer les mensonges les plus dangereux tôt, même lorsqu'ils commencent tout juste à circuler. En combinant une compréhension profonde du langage avec une mesure de l'ampleur du partage d'une publication, ils ont créé un cadre capable de passer au crible des lots de tweets pour trouver les récits spécifiques qui posent le plus grand risque pour la santé publique.
Les chercheurs ont appliqué ce nouveau système, qu'ils ont nommé BERTopic-VP, à des données réelles provenant de deux crises sanitaires majeures : la pandémie mondiale causée par le nouveau coronavirus et l'épidémie de variole du singe de 2022. Ils ont injecté dans le système des lots de tweets liés à ces événements, les traitant par groupes allant de 10 000 à 100 000. Au lieu de chercher des mots-clés spécifiques, le système a d'abord regroupé les tweets en grappes (clusters) basées sur leur signification réelle. Il a utilisé des modèles de langage avancés pour comprendre que deux publications disant des choses différentes pouvaient pourtant traiter de la même idée centrale, telle que la méfiance envers le gouvernement ou la peur des vaccins. Une fois les histoires regroupées, le système a ajouté une seconde couche d'analyse : il a examiné l'engagement reçu par chaque histoire. Il a compté combien de personnes avaient aimé, partagé ou répondu aux publications au sein de chaque groupe. Cela a permis au système de classer les histoires, mettant en évidence celles qui étaient non seulement populaires, mais qui se propageaient activement.
Les résultats ont révélé des différences distinctes dans la manière dont la désinformation s'est comportée lors de ces deux épidémies. Pendant la pandémie de coronavirus, les fausses histoires étaient très variées et complexes. Elles couvraient un large éventail de sujets, allant des théories du complot sur l'origine du virus aux débats sur l'efficacité des masques et les politiques de confinement. Le langage utilisé dans ces publications était souvent dense et difficile à lire, imitant le ton d'un expert pour paraître plus crédible. En revanche, la désinformation entourant l'épidémie de variole du singe était beaucoup plus ciblée. Les récits mensongers se concentraient fortement sur quelques thèmes spécifiques, tels que les défaillances dans la distribution des vaccins et une profonde méfiance envers les autorités sanitaires. Ces histoires étaient linguistiquement plus simples, plus faciles à lire et portaient une charge émotionnelle beaucoup plus forte, particulièrement la peur et la colère.
L'étude a montré que le système était efficace dans sa tâche. Il a réussi à identifier des grappes de désinformation ayant un fort potentiel de viralité, signalant le top 1 % des histoires en pleine propagation pour un examen humain. Dans les données sur la variole du singe, où les chercheurs avaient accès aux chiffres réels de partage, le système a produit des sujets sémantiquement interprétables et a identifié les groupes les plus actifs sur la base de l'engagement observé. Pour les données du coronavirus, où les chiffres de partage n'étaient pas disponibles, le système a utilisé une astuce ingénieuse : il a appris des données de la variole du singe quelles caractéristiques linguistiques et psychologiques mènent habituellement à un partage élevé, puis a appliqué cette connaissance pour prédire quelles histoires de coronavirus étaient susceptibles de se propager. Cela a permis au système de prioriser les récits risqués même sans accès direct aux comptes de partage.
Crucialement, les chercheurs ont montré que la capacité d'une histoire à se propager n'est pas toujours liée au fait qu'elle soit vraie ou fausse. Le système a trouvé de nombreux groupes de publications hautement viraux qui étaient en réalité factuels, comme des mises à jour d'actualités ou des conseils de santé officiels. C'est pourquoi le système est conçu en deux étapes : premièrement, il trouve les histoires qui se propagent le plus vite ; deuxièmement, il utilise un contrôle distinct pour déterminer si ces histoires sont vraies. Cette combinaison permet aux responsables de la santé de concentrer leur temps limité sur les mensonges spécifiques qui gagnent le plus de terrain, plutôt que d'essayer de démystifier chaque affirmation fausse ou d'ignorer celles qui se déplacent rapidement et qui s'avèrent être vraies.
L'étude a également souligné que le ton émotionnel d'une histoire est un puissant moteur de sa propagation. La désinformation la plus virale était souvent écrite dans un langage simple, facile à comprendre rapidement, associé à des émotions fortes comme la peur et la colère. Cela suggère que les mensonges qui sont faciles à digérer et qui provoquent des émotions intenses chez les gens sont les plus susceptibles d'être partagés. En identifiant ces schémas, le nouveau cadre offre un moyen pratique pour les équipes de santé publique de surveiller le paysage numérique. Il agit comme un système d'alerte précoce, faisant remonter les récits spécifiques à haut risque qui nécessitent une attention immédiate avant qu'ils ne puissent causer des dommages étendus. Ce travail démontre qu'en comprenant à la fois le sens des mots et la mécanique de leur voyage, nous pouvons mieux protéger les communautés contre les dangers de la désinformation lors des urgences sanitaires.
Noyé(e) sous les articles dans votre domaine ?
Recevez des digests quotidiens des articles les plus récents correspondant à vos mots-clés de recherche — avec des résumés techniques, dans votre langue.