Zu verstehen, wie Informationen in sozialen Netzwerken fließen, ist entscheidend, um gefährlichen Fehlinformationen entgegenzuwirken, die Verbreitung von Nachrichten zu fördern und gesunde soziale Online-Umgebungen zu gestalten. Wissenschaftler haben die Rolle von Informations-Superverbreitern schon lange erkannt – nämlich von Benutzern, die in der Lage sind, Nachrichten und Ideen schnell an viele andere zu verbreiten.
Eine langjährige Forschungstradition identifiziert die Superspreader anhand ihrer Position im sozialen Netzwerk. Aktuelle Forschung, veröffentlicht im Tagebuch National Science Review unter der Leitung von Prof. Linyuan Lü (University of Electronic Science and Technology of China) und Dr. Manuel S. Mariani (Universität Zürich) stellt dieses seit langem bestehende Paradigma in Frage. Es zeigt, dass die Verhaltensmerkmale der Nutzer (d. h. wie sie sich tendenziell verhalten) genauere Frühindikatoren für ihre Verbreitungsfähigkeit liefern als ihre Position im sozialen Netzwerk.
Die Autoren wichen von traditionellen Netzwerkansätzen ab und begannen mit einem Modell dafür, wie Informationen von Individuum zu Individuum fließen. Basierend auf früheren empirischen Erkenntnissen geht das Modell davon aus, dass die Wahrscheinlichkeit, dass eine Nachricht von einer Quelle an einen Zielbenutzer übermittelt wird, sowohl vom Einfluss der Quelle (nämlich einem Parameter, der ihre Wahrscheinlichkeit erfasst, Informationen an andere zu übermitteln) als auch von der Anfälligkeit des Ziels bestimmt wird beeinflussen.
Die Einfluss- und Anfälligkeitsparameter der Nutzer sind a priori nicht bekannt. Die Autoren leiteten jedoch ein Paar gekoppelter Gleichungen ab, die den Einfluss und die Anfälligkeit der Benutzer mit der Struktur des zugrunde liegenden Ausbreitungsnetzwerks verbinden, was ihre Berechnung auf umfangreichen Verhaltensdatensätzen ermöglicht.
Mithilfe dieser Gleichungen konnten die Autoren die Einfluss- und Anfälligkeitswerte von Millionen von Nutzern auf Weibo und Twitter messen, was unser Verständnis von Informations-Superspreadern auf zwei Arten verbessert. Erstens stellen die Ergebnisse der Autoren das Paradigma in Frage, dass die Netzwerk-Hubs – also die Benutzer mit vielen Followern – die effektivsten Informationsverbreiter sind.
Sie zeigen, dass stattdessen die Einfluss- und Anfälligkeitswerte der Nutzer genauere Prädiktoren dafür liefern, ob sie ein Superspreader sind, als die Anzahl der Follower der Nutzer. Zweitens zeichnen sich Superspreader durch stärker ansteckende Verbindungen aus (dh das Produkt zwischen ihrem Einfluss und der Anfälligkeit ihres Publikums ist tendenziell groß) und beeinflussen tendenziell einflussreichere Benutzer.
Dies legt nahe, dass die Erklärung der Superspreader die Integration von Netzwerkstrukturen und Verhaltensmerkmalen auf individueller Ebene erfordert.
Diese Erkenntnisse könnten neue Wege in der Forschung zu sozialen Netzwerken eröffnen. Im Bereich der Informationsverbreitung könnten die vereinfachenden Annahmen des Ausbreitungsmodells schrittweise gelockert werden. Verfeinerte Modelle können Themenvielfalt, algorithmische Einflüsse und Gedächtniseffekte umfassen, die alle zu unterschiedlichen Gleichungen für die Einfluss- und Anfälligkeitswerte der Benutzer führen könnten.
Die Einfluss- und Anfälligkeitswerte können auch je nach Thema variieren, was letztendlich zu einer mehrdimensionalen Charakterisierung der Benutzer und ihrer Verbreitungsfähigkeiten führen könnte.
Allgemeiner gesagt könnte das in dieser Studie vorgeschlagene Paradigma auch Auswirkungen auf Interventionen haben, die auf eine umfassende Verhaltensänderung abzielen. Traditionell konzentrieren sich diese Aktivitäten darauf, die sozialen Zentren davon zu überzeugen, frühzeitig ein neues Produkt oder Verhalten anzunehmen. Die Ergebnisse der Autoren deuten darauf hin, dass ein effektiverer Ansatz darin bestehen könnte, Verbindungen mit hoher Ansteckungsgefahr zu identifizieren, die äußerst einflussreiche und äußerst anfällige potenzielle Anwender verbinden.
Zu diesem Zweck ist zusätzliche Forschung erforderlich, um den Algorithmus an die Verbreitung von Verhaltensweisen anzupassen, was wahrscheinlich andere Gleichungssätze als die für die Informationsverbreitung erfordern wird. Um die daraus resultierenden Erkenntnisse zu validieren, sind Feldexperimente erforderlich. Letztendlich könnten diese Bemühungen zeigen, wie man die Positionen von Einzelpersonen in ihren sozialen Netzwerken am besten mit ihrem typischen Verhalten integrieren kann, um Interventionen für Verhaltensänderungen zu entwerfen, die für Organisationen und politische Entscheidungsträger von entscheidender Bedeutung sind.
Mehr Informationen:
Fang Zhou et al., Jenseits der Netzwerkzentralität: Verhaltensmerkmale auf individueller Ebene zur Vorhersage von Informations-Superspreadern in sozialen Medien, National Science Review (2024). DOI: 10.1093/nsr/nwae073