Skip to main content

Article Category

Article available in the folowing languages:

Znajomi, obserwujący i fałszywe wiadomości – pozyskiwanie zaufania w sieciach internetowych

Nowy sposób na modelowanie siły relacji interpersonalnych w internecie może przynieść korzyści dotyczące wszystkich dziedzin życia – od polityki po zdrowie publiczne.

Gospodarka cyfrowa

Zrozumienie sposobu, w jaki osoby żyjące w społeczeństwie podejmują decyzję ma kluczowe znaczenie dla wielu obszarów, począwszy od polityki i handlu, a na opiece zdrowotnej skończywszy. Dokładne modelowanie nastrojów wśród dużych grup ludzi stanowi jednak olbrzymie wyzwanie, często musi opierać się bowiem na fragmentarycznych, różnorodnych i sprzecznych danych. Uczestnicy projektu DeciTrustNET postanowili rozwiązać ten problem, opracowując modele matematyczne, które pozwolą na określenie poziomu zaufania w ramach sieci oraz konsensusu wśród tłumów ludzi. „Ludzie częściej opisują swoje opinie za pomocą słów niż liczb”, wyjaśnia koordynator projektu Francisco Chiclana z Uniwersytetu De Montfort w Leicester w Zjednoczonym Królestwie. „Moje badania skupiają się na modelowaniu zgody między ludźmi z rozmytymi preferencjami”.

Więzi internetowe

Media społecznościowe odgrywają coraz ważniejszą rolę w naszym codziennym życiu, dlatego kluczowe staje się zrozumienie, w jaki sposób kształtują one nasze postawy i decyzje. To pozwoli nam zrozumieć i wyjaśnić proces powstawania takich zjawisk, jak dezinformacja w internecie oraz odrzucanie prawdziwych informacji jako fałszywych. Projekt DeciTrustNET pozwolił na opracowanie ram uwzględniających bieżące i historyczne relacje w całej sieci w celu dokładnej oceny wiarygodności informacji w niej zamieszczanych. Jak uważa Chiclana, zaufanie jest centralnym elementem wpływającym na zachowanie w ramach relacji w sieci. „Zaufanie występuje między znajomymi. Takie osoby wychodzą zwykle z założenia, że skoro znają się nawzajem i wiedzą, że są szczere, mogą ufać informacjom przekazywanym przez drugą stronę i wierzyć w to, że są prawdziwe”, dodaje. Modelowanie tego zaufania przy użyciu metod obliczeniowych może pomóc w budowaniu sieci odpornych na rozpowszechnianie dezinformacji poprzez oznaczanie wątpliwych treści.

Pierwsze próby

Modele opracowane w ramach projektu mogą pozwolić także na pomiar poziomu konsensusu w grupie ludzi oraz wskazywać osoby, których opinie są najbardziej oddalone od średniej. „Na przykład w sytuacji, w której rząd kraju chciałby uchwalić ustawę o płacy minimalnej, jego przedstawiciele mogliby przekazać mediom kilka wstępnych informacji na ten temat”, wyjaśnia Chiclana. „Dzięki reakcjom obywateli na Twitterze lub Facebooku, rząd mógłby przeanalizować poziom akceptacji tego pomysłu. Jeśli rządzący zobaczą, że większość ludzi jest za tą zmianą, podejmą dalsze kroki na rzecz wprowadzenia takiej ustawy”. Narzędzia sztucznej inteligencji analizujące poziom zaufania między użytkownikami internetu będą mogły również zostać wykorzystane przez firmy marketingowe w celu doboru influencerów, którzy będą w stanie najskuteczniej zwiększyć sprzedaż produktu.

Dorobek publikacyjny

Badania przeprowadzono dzięki wsparciu działania „Maria Skłodowska-Curie”, dzięki któremu badaczka Raquel Ureña otrzymała grant pozwalający jej połączyć siły z Chiclaną. „Głównym celem tego projektu było opracowanie ram matematycznych i obliczeniowych do analizy wyborów społecznych opartych na zaufaniu i podejmowanych przy dostępie do nieprecyzyjnych i niedokładnych informacji. W wyniku naszych prac udało nam się zapewnić ich skuteczność”, twierdzi badacz. „W ciągu zaledwie dwóch lat udało nam się opublikować siedem publikacji w cenionych czasopismach”. Chiclana twierdzi, że dalsze prace skupią się na dynamicznych modelach oferujących informacje zwrotne dotyczące na przykład reakcji społeczeństwa na nowe inicjatywy ustawodawcze. Takie rozwiązanie pozwoli też organizacjom opieki zdrowotnej zrozumieć, w jaki sposób mogą skutecznie zniechęcać ludzi do szkodliwych zachowań, takich jak palenie papierosów.

Słowa kluczowe

DeciTrustNET, zaufanie, internet, społecznościowe, sieci, fałszywe, wiadomości, społeczność, influencerzy, dezinformacja

Znajdź inne artykuły w tej samej dziedzinie zastosowania