Who Checks the Checkers? Exploring Source Credibility in Twitter's Community Notes
Questo studio analizza le Community Notes di Twitter per rivelare che, sebbene l'algoritmo di classificazione della piattaforma sfrutti efficacemente la fattualità delle fonti per influenzare il consenso degli utenti, il processo di fact-checking basato sul crowdsourcing esibisce un pregiudizio di orientamento a sinistra nella selezione delle fonti e nei modelli di utilizzo.
Articolo originale sotto licenza CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Questa è una spiegazione generata dall'IA dell'articolo qui sotto. Non è stata scritta né approvata dagli autori. Per precisione tecnica, consulta l'articolo originale. Leggi il disclaimer completo
Immagina Twitter (ora X) come una piazza cittadina enorme e caotica dove tutti urlano notizie, opinie e voci. In passato, se qualcuno urlava qualcosa di falso, un piccolo team di bibliotecari professionisti (esperti fact-checker) cercava di fermarlo. Ma con così tanto rumore che accade ogni secondo, i bibliotecari non riuscivano a stare al passo.
Così, Twitter ha introdotto le Community Notes. Immagina questo come un programma di "controllo del vicinato". Invece di semplici bibliotecari, qualsiasi cittadino comune può intervenire, segnalare un urlo come falso e scrivere una nota per spiegarne il motivo, completandola con link a delle prove.
Il documento che hai condiviso pone una domanda molto importante: "Chi controlla i controllori?" In altre parole, quando questi cittadini comuni scrivono note per correggere la disinformazione, che tipo di "prove" (fonti) stanno usando, e questa prova ha i propri pregiudizi nascosti?
Ecco una ripartizione di ciò che hanno scoperto i ricercatori, utilizzando analogie semplici:
1. Le fonti "preferite" (I libri preferiti)
Quando i vicini scrivono le loro note di correzione, da dove prendono i fatti?
- I pesi massimi: Le due fonti più popolari sono Twitter stesso (le persone citano altri tweet per dimostrare un punto) e Wikipedia. È come se i vicini dicessero: "So che hai visto quella cosa su Twitter, ma guarda cosa ha detto un altro tweet", oppure "Controlliamo l'enciclopedia della comunità".
- Le testate giornalistiche: Quando collegano notizie esterne, usano principalmente fonti di notizie orientate a sinistra (come BBC o Reuters).
- Gli specialisti: Per la scienza e la salute, si affidano pesantemente a gruppi governativi e di ricerca (come l'OMS o il CDC).
2. Il "gusto" politico della prova
I ricercatori hanno assaggiato il "gusto" di queste fonti per vedere se erano di parte.
- La tendenza verso sinistra: La maggior parte delle fonti utilizzate per il fact-checking è centro-sinistra e ad alta fattualità. Immagina una città in cui la maggior parte delle persone che scrivono note di correzione sta usando libri dal lato "Sinistro" della biblioteca, e quei libri sono generalmente molto accurati.
- Il problema del lato destro: Quando le fonti pendono verso destra, è più probabile che siano classificate come aventi una minore fattualità. È come se il lato "Destro" della biblioteca avesse più libri che sono un misto di verità e finzione.
- Il paradosso del "Centro": Curiosamente, le fonti che sono perfettamente neutrali (Centro) vengono usate più spesso per confutare (smentire) un tweet, mentre le fonti di parte vengono talvolta usate per supportare un tweet.
3. Il test dell' "utilità" (Il martelletto del giudice)
Twitter ha un algoritmo speciale (un giudice digitale) che decide quali note sono "Utili" e quindi debbano essere mostrate a tutti, e quali sono "Non Utili".
- La qualità conta: Il giudice è intelligente. Le note che utilizzano fonti fattuali di alta qualità vengono contrassegnate come "Utili". Le note che utilizzano fonti di bassa qualità vengono contrassegnate come "Non Utili".
- Il punto cieco del pregiudizio: Ecco un colpo di scena: il giudice tende a contrassegnare le note come "Utili" anche se utilizzano fonti di destra o di sinistra, purché la fonte sia fattuale. Tuttavia, se una nota utilizza una fonte orientata a destra che è anche di bassa qualità, viene rifiutata.
- Supportare vs. Confutare: I ricercatori hanno trovato qualcosa di sospetto: le note che cercano di supportare (difendere) un tweet hanno maggiori probabilità di utilizzare fonti orientate a destra e di bassa qualità. È come se un gruppo di vicini cercasse di difendere una voce usando prove fragili, mentre il gruppo che cerca di smentire le voci usa prove solide e di alta qualità.
4. Il termometro dell' "accordo" (Il cenno della folla)
Infine, i ricercatori hanno osservato quanto la folla fosse d'accordo con le note.
- La verità vince: Quando una nota utilizza una fonte con un'alta fattualità, la folla è più d'accordo con essa.
- L'attrito del lato destro: Le note che citavano fonti orientate a destra ricevevano l'accordo più basso dalla folla. Le persone erano meno propense ad approvare tali note.
- Il punto ideale del "Neutro": Le note che citavano fonti Centrali o orientate a sinistra ricevevano un alto livello di accordo, suggerendo che la folla si fidi di più dei fatti neutrali o di sinistra rispetto a quelli di destra in questo specifico ambiente.
Il quadro generale
Lo studio conclude che, sebbene il "controllo del vicinato" (Community Notes) stia facendo un buon lavoro nel filtrare la spazzatura di bassa qualità (l'algoritmo funziona!), c'è un pregiudizio sistemico in chi effettua il controllo.
I "controllori" utilizzano principalmente fonti orientate a sinistra e di alta qualità. Ciò significa che l'ecosistema di fact-checking della piattaforma potrebbe involontariamente favorire una prospettiva politica rispetto a un'altra. Non è che i vicini stiano mentendo; è che la biblioteca da cui prendono in prestito i libri è composta principalmente da libri provenienti da un lato dello spettro politico.
In breve: Il sistema funziona bene nel individuare i fatti scadenti, ma i "fatti" usati per individuarli provengono da un angolo specifico e di orientamento sinistro di internet.
Sommerso dagli articoli nel tuo campo?
Ricevi digest giornalieri degli articoli più recenti corrispondenti alle tue parole chiave di ricerca — con riassunti tecnici, nella tua lingua.