Los investigadores de Georgia Tech han descubierto una estrategia ganadora para combatir la información errónea sobre vacunas sobre X. Su nueva herramienta predictiva y su análisis en profundidad revelan que las respuestas positivas, educadas y respaldadas por evidencia son clave para refutar con éxito la información falsa en línea.
Un análisis innovador de Georgia Tech revela una estrategia ganadora para combatir la información errónea sobre la vacuna COVID-19 en X, la plataforma de redes sociales anteriormente conocida como Twitter. El estudio destaca que los usuarios que responden con actitudes positivas, cortesía y evidencia sólida tienen más probabilidades de persuadir a otros para que no crean en información inexacta.
Este novedoso enfoque fue identificado por investigadores de tres escuelas tecnológicas de Georgia que también desarrollaron una herramienta predictiva. Esta herramienta evalúa si la respuesta de un usuario a la información errónea probablemente cambiará de opinión o será contraproducente, respaldando sin darse cuenta las falsedades. La herramienta puede incluso discernir respuestas bien intencionadas que podrían obstaculizar una corrección social eficaz.
Al establecer paralelismos con la forma en que los glóbulos blancos combaten los virus, el equipo observó que las plataformas de redes sociales a menudo ven a los usuarios refutar colectivamente información falsa, un fenómeno conocido como corrección social. Pero hasta ahora, la tasa de éxito de tales esfuerzos en la mayoría de los sitios de redes sociales seguía siendo incierta. Con este nuevo estudio, los investigadores han proporcionado una comprensión más clara de la eficacia de tales esfuerzos en X.
Su método integra inteligencia artificial con un extenso conjunto de datos de 1.5 millones de tweets que contienen información errónea sobre la vacuna COVID-19. Al analizar meticulosamente las respuestas de los usuarios y sus impactos, los investigadores han obtenido información valiosa sobre tácticas correctivas exitosas.
Es importante destacar que el estudio es anterior a la implementación de la función de notas de la comunidad de X, un sistema que permite a los usuarios enviar correcciones a publicaciones en toda la plataforma. Los investigadores destacaron que esta característica restringe las interacciones de los usuarios con el contenido de verificación de datos y puede no reflejar adecuadamente el amplio flujo de información de la plataforma.
Esta investigación representa una de las primeras taxonomías integrales de corrección social en la plataforma X. Los investigadores creen que sus hallazgos reforzarán significativamente futuras iniciativas de verificación de datos. Aunque el estudio se concentró en publicaciones de texto en inglés, el marco se puede adaptar para abordar la creciente amenaza de la desinformación a escala global.
El estudio El estudio, titulado “Corrective or Backfire: Characterizing and Predicting User Response to Social Correction”, fue escrito en coautoría por los estudiantes de doctorado Bing He y Yingchen (Eric) Ma y sus asesores: Mustaque Ahamad, profesor con nombramientos conjuntos en la Escuela de Ciberseguridad y Privacidad y la Escuela de Ciencias de la Computación, y Srijan Kumar, profesor asistente en la Escuela de Ciencias Computacionales e Ingeniería.