BERTopic-Virality Prioritisation: A Scalable Framework for Thematic and Comparative Analysis of COVID-19 and Monkeypox Misinformation on Twitter
Questo articolo presenta BERTopic-VP, un framework scalabile che integra il clustering di embedding contestuali con uno strato di prioritizzazione della viralità e un rilevatore di disinformazione ibrido per consentire l'identificazione precoce e l'analisi comparativa di narrazioni di disinformazione sanitaria ad alto impatto attraverso diverse pandemie.
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
Quando emerge una nuova malattia, il mondo affronta due crisi simultanee: il virus stesso e l'ondata di false informazioni che si diffonde parallelamente ad esso. Questa seconda crisi, spesso chiamata infodemia, può essere altrettanto pericolosa di quella biologica. Sulle piattaforme di social media come Twitter, dove i messaggi sono brevi e si muovono a una velocità fulminea, le storie false su cure, origini e misure di sicurezza possono guadagnare terreno più velocemente delle linee guida ufficiali sulla salute. I metodi tradizionali per tracciare queste storie spesso falliscono perché si basano sul conteggio di quante volte compaiono parole specifiche. Nel linguaggio caotico e in rapido cambiamento dei social media, dove le persone usano slang, hashtag ed emoji, il semplice conteggio delle parole si rivela inadeguato. Questi metodi perdono il significato profondo dietro un post, raggruppando idee non correlate o fallendo nel individuare un nuovo e pericoloso rumor finché non si è già diffuso troppo.
Per risolvere questo problema, i ricercatori della Manchester Metropolitan University hanno sviluppato un nuovo modo per ascoltare il rumore digitale. Hanno creato un sistema che non si limita a contare le parole, ma ne comprende il significato, prestando al contempo attenzione alla velocità con cui una storia si sta diffondendo. Il loro obiettivo era costruire uno strumento che potesse aiutare le autorità sanitarie a individuare le bugie più pericolose precocemente, anche quando iniziano appena a circolare. Combinando una profonda comprensione del linguaggio con una misura di quanto le persone condividano un post, hanno creato un framework capace di setacciare lotti di tweet per trovare le narrazioni specifiche che pongono il rischio maggiore per la salute pubblica.
I ricercatori hanno applicato questo nuovo sistema, che hanno chiamato BERTopic-VP, a dati reali provenienti da due grandi crisi sanitarie: la pandemia globale causata dal nuovo coronavirus e l'epidemia di monkeypox del 2022. Hanno fornito al sistema lotti di tweet relativi a questi eventi, elaborandoli in gruppi che variavano da 10.000 a 100.000. Invece di cercare parole chiave specifiche, il sistema ha prima raggruppato i tweet in cluster basati sul loro reale significato. Ha utilizzato modelli linguistici avanzati per comprendere che due post che dicevano cose diverse potevano comunque parlare dello stesso concetto centrale, come la sfiducia nel governo o la paura dei vaccini. Una volta raggruppate le storie, il sistema ha aggiunto un secondo livello di analisi: ha osservato quanto coinvolgimento ricevesse ogni storia. Ha contato quante persone avessero messo "mi piace", condiviso o risposto ai post all'interno di ogni gruppo. Ciò ha permesso al sistema di classificare le storie, evidenziando quelle che non erano solo popolari, ma che si stavano diffondendo attivamente.
I risultati hanno rivelato differenze distinte nel comportamento della disinformazione durante questi due focolai. Durante la pandemia di coronavirus, le storie false erano altamente varieate e complesse. Coprivano una vasta gamma di argomenti, dalle teorie del complotto sull'origine del virus ai dibattiti sull'efficacia delle mascherine e sulle politiche di lockdown. Il linguaggio utilizzato in questi post era spesso denso e difficile da leggere, imitando il tono di un esperto per apparire più credibile. Al contrario, la disinformazione legata all'epidemia di monkeypox era molto più focalizzata. Le narrazioni false si concentravano pesantemente su pochi temi specifici, come i fallimenti nella distribuzione dei vaccini e la profonda sfiducia nelle autorità sanitarie. Queste storie erano linguisticamente più semplici, facili da leggere e portavano una carica emotiva molto più forte, in particolare paura e rabbia.
Lo studio ha dimostrato che il sistema era efficace nel suo compito. Ha identificato con successo cluster di disinformazione con alto potenziale virale, segnalando l'uno percento delle storie in diffusione per la revisione umana. Nei dati sulla monkeypox, dove i ricercatori avevano accesso ai numeri reali di condivisione, il sistema ha prodotto argomenti semanticamente interpretabili e ha identificato i gruppi più attivi in base all'engagement osservato. Per i dati sul coronavirus, dove i numeri di condivisione non erano disponibili, il sistema ha utilizzato un espediente intelligente: ha imparato dai dati sulla monkeypox quali caratteristiche linguistiche e psicologiche portano solitamente a un'alta condivisione e ha poi applicato tale conoscenza per prevedere quali storie sul coronavirus avrebbero probabilmente avuto successo. Ciò ha permesso al sistema di dare priorità alle narrazioni rischiose anche senza l'accesso diretto ai conteggi di condivisione.
Fondamentalmente, i ricercatori hanno dimostrato che la capacità di una storia di diffondersi non è sempre legata al fatto che sia vera o falsa. Il sistema ha trovato molti gruppi di post altamente virali che erano in realtà fattuali, come aggiornamenti di notizie o consigli sanitari ufficiali. Ecco perché il sistema è progettato per lavorare in due fasi: prima trova le storie che si stanno diffondendo più velocemente; secondo, utilizza un controllo separato per determinare se tali storie siano vere. Questa combinazione permette alle autorità sanitarie di concentrare il loro tempo limitato sulle bugie specifiche che stanno guadagnando più slancio, piuttosto che cercare di smentire ogni singola affermazione falsa o ignorare quelle che si muovono rapidamente ma che sono vere.
Lo studio ha anche evidenziato che il tono emotivo di una storia è un potente motore della sua diffusione. La disinformazione più virale era spesso scritta in un linguaggio semplice, facile da comprendere rapidamente, accompagnato da forti emozioni come paura e rabbia. Ciò suggerisce che le bugie che sono facili da digerire e che suscitano emozioni intense nelle persone sono quelle più propense a essere condivise. Identificando questi schemi, il nuovo framework offre un modo pratico per le squadre di salute pubblica per monitorare il panorama digitale. Agisce come un sistema di allerta precoce, facendo emergere le narrazioni specifiche ad alto rischio che richiedono attenzione immediata prima che possano causare danni diffusi. Il lavoro dimostra che comprendendo sia il significato delle parole sia la meccanica del loro viaggio, possiamo proteggere meglio le comunità dai pericoli della disinformazione durante le emergenze sanitarie.
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.