Pensez à toutes les fausses rumeurs qui sont devenues virales à propos de COVID-19 - c'est devenu si grave, l'Organisation mondiale de la santé l'a qualifié d'« infodémie ». Que ce soit dans des canulars ou une théorie du complot viral, l'information voyage vite de nos jours. La vitesse et la distance de déplacement des informations dépendent de la personne qui les partage, et où, des discussions sur les réseaux sociaux aux conversations avec d'autres navetteurs sur le chemin du travail.

Donc, comment nos interactions et leurs infrastructures peuvent-elles affecter la propagation des rumeurs et des informations ? C'est une question à laquelle les chercheurs commencent à répondre avec des modèles mathématiques complexes de contagion sociale, le concept selon lequel le comportement social et les idées se propagent comme un agent pathogène.

"Le truc avec la contagion sociale, c'est que c'est comme l'enfilage d'un certain type de comportement, ou une idée, ou des informations, " dit Jessica Davis, étudiante en troisième année de doctorat au Network Science Institute de Northeastern.

Davis a récemment dirigé une étude qui utilise des équations mathématiques pour modéliser la façon dont les rumeurs et les informations se propagent dans différents types d'environnements.

Dans un article publié lundi dans Physique de la nature , L'équipe de Davis a décrit une nouvelle façon d'intégrer dans leurs calculs des aspects de la façon dont les informations sont partagées dans le monde physique, tels que les trajets domicile-travail des personnes et les groupes en ligne avec lesquels ils interagissent, qui pourraient influencer la diffusion des informations.

Le modèle jette les bases de moyens plus réalistes d'étudier comment l'information circule, dit Davis.

"Ces modèles peuvent être utilisés pour signaler différentes structures, social, et d'autres facteurs, " elle dit, « qui ne sont normalement pas pris en compte lorsque vous réfléchissez à la façon dont les informations se propagent. »

Alexandre Vespignani, Sternberg Family Distinguished University Professeur de physique, l'informatique, et sciences de la santé, affirme que l'inclusion de telles caractéristiques réalistes est essentielle pour modéliser avec précision la façon dont les informations se propagent en temps réel. Vespignani, un co-auteur de l'étude, a également modélisé la propagation de l'épidémie de COVID-19.

« L'étude ouvre la voie à une modélisation plus réaliste de la diffusion de l'information et de la désinformation qui prend en compte la structure géographique et sociale des réseaux sociaux, " il dit.

L'approche de l'équipe pour modéliser la façon dont l'information se propage parmi les gens est basée sur des efforts similaires de Vespignani et d'autres scientifiques pour modéliser la façon dont les maladies infectieuses se propagent, et tire parti des données déjà disponibles des études épidémiologiques.

"Nous avons beaucoup plus de données dans le monde maintenant, et nous pouvons l'utiliser pour comprendre comment les choses se propagent, ", dit Davis. "Nous avons des gens qui utilisent les réseaux de transport, personnes utilisant Google, Twitter, et autres réseaux sociaux, pour comprendre comment une maladie se propage.

Davis et son équipe ont également utilisé un modèle classique de propagation de rumeurs comme base de leur modèle. Cette approche, connu sous le nom de modèle Maki-Thompson, facteurs chez les personnes qui se propagent, ignorer, et s'abstenir de répandre la rumeur. Tous ces individus reflètent la fonction d'infectés, sensible, et le rétablissement de personnes dans des modèles de maladie et d'infection.

Dans leur étude, l'équipe a testé comment la capacité des gens à se déplacer et à voyager en Europe pouvait influencer la propagation d'une rumeur. D'autres tests comprenaient des modèles contraints à des bases de données en ligne pour simuler la façon dont l'information imprègne différentes disciplines universitaires. L'idée est de calculer le point de basculement à partir duquel les rumeurs et les informations deviennent virales.

"Nous écrivons un ensemble d'équations, et nous pouvons résoudre pour ce seuil, " Dit Davis. " C'est une fonction à la fois des paramètres du modèle de rumeur, ainsi que la structure de ce réseau.

Ces équations sont ce dont les modèles de contagion sociale ont besoin pour être aussi perspicaces que possible, dit Davis.

Et, à long terme, c'est ce qui pourrait amener les scientifiques du réseau à modéliser la diffusion de l'information dans le monde réel avec plus de précision, y compris les rôles que jouent différents groupes de personnes.

"Certains types d'informations diffusées chez les adolescents peuvent ne pas affecter la population âgée, " dit Davis. " Si nous pouvions comprendre qui est affecté par cette information, qui pourraient nous aider ou aider peut-être les sites de médias sociaux à surveiller ou à mieux comprendre qui a été touché par ces informations. »