Comprender cómo fluye la información en las redes sociales es fundamental para contrarrestar la información errónea peligrosa, promover la difusión de noticias y diseñar entornos sociales en línea saludables. Los académicos se han dado cuenta desde hace tiempo del papel de los superdifusores de información, es decir, usuarios con la capacidad de difundir mensajes e ideas a muchas otras personas rápidamente.
Una larga tradición de investigación identifica a los superdifusores a través de su posición en la red social. Investigación reciente, publicada en la revista National Science Review y dirigido por el Prof. Linyuan Lü (Universidad de Ciencia y Tecnología Electrónica de China) y el Dr. Manuel S. Mariani (Universidad de Zurich), desafía este paradigma de larga data. Muestra que los rasgos de comportamiento de los usuarios (es decir, cómo tienden a comportarse) proporcionan indicadores tempranos más precisos de su capacidad de difusión que su posición en la red social.
Los autores se apartaron de los enfoques tradicionales de redes y comenzaron con un modelo de cómo fluye la información de un individuo a otro. Motivado por hallazgos empíricos previos, el modelo supone que la probabilidad de que un mensaje se transmita desde una fuente a un usuario objetivo está determinada tanto por la influencia de la fuente (es decir, un parámetro que captura su probabilidad de transmitir información a otros) como por la susceptibilidad del objetivo. para influir.
Los parámetros de influencia y susceptibilidad de los usuarios no se conocen a priori. Sin embargo, los autores derivaron un par de ecuaciones acopladas que conectan la influencia y susceptibilidad de los usuarios con la estructura de la red de propagación subyacente, lo que permite su cálculo en conjuntos de datos de comportamiento masivos.
A través de estas ecuaciones, los autores pudieron medir las puntuaciones de influencia y susceptibilidad de millones de usuarios en Weibo y Twitter, lo que mejora nuestra comprensión de los superdifusores de información de dos maneras. En primer lugar, los resultados de los autores desafían el paradigma de que los centros de red (es decir, los usuarios con muchos seguidores) son los difusores de información más eficaces.
Muestran que, en cambio, las puntuaciones de influencia y susceptibilidad de los usuarios proporcionan predictores más precisos de ser un superdifusor que el número de seguidores de los usuarios. En segundo lugar, los superdifusores se caracterizan por tener vínculos de mayor contagio (es decir, el producto entre su influencia y las susceptibilidades de sus audiencias tiende a ser grande) y tienden a influir en los usuarios más influyentes.
Esto sugiere que explicar los superpropagadores requiere la integración de estructuras de red y características de comportamiento a nivel individual.
Estos hallazgos podrían abrir nuevas direcciones en la investigación de redes sociales. En el ámbito de la difusión de información, los supuestos simplificadores del modelo de propagación podrían relajarse gradualmente. Los modelos más refinados pueden incluir diversidad de temas, influencias algorítmicas, efectos de memoria, todo lo cual podría conducir a diferentes ecuaciones para las puntuaciones de influencia y susceptibilidad de los usuarios.
Las puntuaciones de influencia y susceptibilidad también pueden variar según el tema, lo que eventualmente podría conducir a una caracterización multidimensional de los usuarios y sus capacidades de difusión.
En una nota más general, el paradigma propuesto por este estudio también podría tener implicaciones para las intervenciones dirigidas a un cambio de comportamiento a gran escala. Tradicionalmente, estas actividades se centran en persuadir a los centros sociales para que adopten temprano un nuevo producto o comportamiento. Los hallazgos de los autores sugieren que un enfoque más eficaz podría depender de la identificación de vínculos de alto contagio que conecten a los adoptantes potenciales altamente influyentes y altamente susceptibles.
Con este fin, se necesita investigación adicional para adaptar el algoritmo a la difusión de comportamientos, lo que probablemente requerirá conjuntos de ecuaciones diferentes a los obtenidos para la difusión de información. Se necesitarán experimentos de campo para validar los conocimientos resultantes. Con el tiempo, estos esfuerzos podrían revelar cómo integrar mejor las posiciones de los individuos en sus redes sociales con su comportamiento habitual para diseñar intervenciones para el cambio de comportamiento, lo cual es clave para las organizaciones y los formuladores de políticas.
Más información: Fang Zhou et al, Más allá de la centralidad de la red:rasgos de comportamiento a nivel individual para predecir los superdifusores de información en las redes sociales, National Science Review (2024). DOI:10.1093/nsr/nwae073
Proporcionado por Science China Press