L'estimation de l'infectivité des tweets à partir des 50 premiers retweets est la clé pour prédire si un tweet deviendra viral, selon une nouvelle étude publiée dans PLOS UN le 17 avril, 2019 par Li Weihua de l'Université de Beihang, Chine et collègues.

Alors que les réseaux sociaux et les médias en ligne continuent de se développer, Il en va de même de l'importance de comprendre comment ils influencent nos pensées et nos opinions. En particulier, pouvoir prédire la propagation des contagions sociales est considéré comme un objectif clé pour ces réseaux d'informations sociales. Bien que des modèles développés dans le domaine des maladies infectieuses aient été utilisés pour décrire la diffusion des idées, les études n'ont pas utilisé de données réelles pour estimer à quel point l'information est contagieuse. Les auteurs de la présente étude ont utilisé environ un mois de données Twitter, comprenant plus de 12 millions de tweets et plus de 1,5 million de retweets, et ont estimé l'infectiosité de chaque tweet en fonction de la dynamique du réseau des 50 premiers retweets qui lui sont associés. Puis, ils ont incorporé les estimations de l'infectivité dans un modèle avec une constante de décroissance qui capture le déclin progressif de l'intérêt à mesure que l'information en ligne vieillit.

En utilisant des données réelles et des simulations, les auteurs ont testé la capacité du modèle basé sur l'infectivité à prédire la viralité des cascades de retweet, et comparé ses performances à celles du modèle communautaire standard, qui intègre d'autres facteurs prédictifs, tels que le renforcement social et les effets de piégeage qui agissent pour maintenir les cascades de tweets au sein de petites communautés d'utilisateurs connectés. Ils ont constaté que pour les données Twitter réelles et les données simulées, le modèle d'infectiosité a mieux fonctionné que le modèle communautaire, indiquant que l'infectiosité est une force motrice plus importante pour déterminer si un tweet devient viral. La combinaison des deux modèles dans un modèle hybride communauté-infectiosité a donné les prédictions les plus précises, soulignant la complexité des forces en interaction qui déterminent la vie et la mort des informations des réseaux sociaux.

Les auteurs ajoutent :« Nous proposons un modèle de simulation utilisant les données Twitter pour montrer que l'infectivité, qui reflète l'intérêt intrinsèque d'une cascade d'informations, peut considérablement améliorer la prévisibilité des cascades virales."