Ο Αλετράς και οι συνεργάτες του ανέλυσαν περισσότερα από ένα εκατομμύριο tweets από περίπου 6.200 χρήστες, οι οποίοι χωρίστηκαν σε δύο κατηγορίες: όσους προωθούσαν αναξιόπιστες ειδήσεις και όσους μοιράζονταν πληροφορίες μόνο από αξιόπιστες πηγές ειδήσεων. Τα στοιχεία χρησιμοποιήθηκαν για να εκπαιδευθεί ένας νέος αλγόριθμος μηχανικής μάθησης, ώστε να διακρίνει ένα χρήστη ανάλογα με το βαθμό αξιοπιστίας των πληροφοριών που διακινεί.

Διαπιστώθηκε ότι οι χρήστες που ρέπουν στην παραπληροφόρηση, είναι πιθανότερο να στέλνουν μηνύματα σχετικά με την πολιτική ή τη θρησκεία, καθώς επίσης να χρησιμοποιούν αγενή γλώσσα. Τα μηνύματά τους συχνά αναφέρονται στην «κυβέρνηση», στα «μέσα ενημέρωσης», στο «Ισλάμ» ή στο «Ισραήλ». Αντίθετα, όσοι προσέχουν να εξαπλώνουν μέσω του μέσου κοινωνικής δικτύωσης μόνο αξιόπιστες πληροφορίες, «τιτιβίζουν» συχνότερα για την προσωπική ζωή τους, τα συναισθήματα τους, τις σχέσεις με τους φίλους τους κλπ.

Τα ευρήματα μπορούν να βοηθήσουν τις εταιρείες κοινωνικής δικτύωσης όπως το Twiter και το Facebook να αναπτύξουν νέους «έξυπνους» τρόπους να βάλουν φρένο στην διογκούμενη παραπληροφόρηση, καθώς επίσης να βοηθήσουν τους κοινωνικούς επιστήμονες και τους ψυχολόγους να καταλάβουν καλύτερα τη συμπεριφορά των χρηστών σε μεγάλη κλίμακα.

Όπως δήλωσε ο Αλετράς, «τα μέσα κοινωνικής δικτύωσης έχουν γίνει ένας από τους πιο δημοφιλείς τρόπους μέσω των οποίων οι άνθρωποι αποκτούν πρόσβαση στις ειδήσεις, καθώς εκατομμύρια χρήστες στρέφονται σε πλατφόρμες όπως το Twitter και το Facebook κάθε μέρα, προκειμένου να μάθουν για σημαντικά γεγονότα που συμβαίνουν τόσο στην πατρίδα τους όσο και στον υπόλοιπο κόσμο. Όμως τα μέσα κοινωνικής δικτύωσης έχουν γίνει επίσης η πρωταρχική πλατφόρμα για την εξάπλωση της παραπληροφόρησης, κάτι που έχει τεράστια επίπτωση στην κοινωνία και μπορεί να επηρεάσει την κρίση των ανθρώπων για το τι συμβαίνει στον κόσμο γύρω τους».

«Στο πλαίσιο της έρευνας μας», πρόσθεσε, «εντοπίσαμε ορισμένες τάσεις στη συμπεριφορά των χρηστών, για παράδειγμα βρήκαμε ότι η συσχέτιση ανάμεσα στη χρήση αγενούς γλώσσας και στην εξάπλωση αναξιόπιστου περιεχομένου μπορεί να αποδοθεί στην μεγάλη online πολιτική εχθρότητα».

(φωτο:photo screenshot)