Los superpropagadores de desinformación están prosperando en Twitter, propiedad de Musk

Artículo publicado por: Science Feedback

Resultados clave

1. Un estudio de 490 “superpropagadores de información errónea” (definidos aquí como cuentas que han publicado repetidamente tweets populares con enlaces a información errónea conocida) muestra que su popularidad colectiva ha crecido significativamente (en promedio, +42 % de interacciones por tweet) desde que Elon Musk entró en vigor. control de la plataforma el 27 de octubre de 2022.

Las cuentas de organizaciones de medios establecidas y creíbles no se han beneficiado de un aumento similar (-6% en el número promedio de interacciones por tweet), lo que sugiere un empoderamiento específico para los que comparten información errónea.

2. Este aumento de la influencia no es universal: el 58,2 % de los superpropagadores de desinformación ha visto cómo su tweet promedio acumula más influencia, mientras que el 41,8 % restante ha visto disminuir el impacto de su tweet promedio.

Sin embargo, incluso entre los superpropagadores, no todas las cuentas tienen la misma influencia. Las cuentas que crecieron desde el 27 de octubre tuvieron en promedio una participación más alta que aquellas cuya influencia disminuyó.

3. Cuatro de las cinco cuentas que han obtenido mayor influencia han recibido respuestas de la cuenta personal de Elon Musk a al menos uno de sus diez tuits principales. Lo más probable es que estos tuits se hicieran virales por la decisión de Elon Musk de responder y llamar la atención de sus 128 millones de seguidores, lo que apunta a una responsabilidad directa del nuevo dueño de Twitter en el crecimiento de la popularidad de los superpropagadores de desinformación.

4. Estos resultados parecen ir en contra de los compromisos de Twitter como signatario del Código de prácticas sobre desinformación de la UE, en particular aquellos relacionados con “tomar medidas en páginas web o actores que violan las políticas persistentemente […] para limitar la propagación de información falsa o engañosa dañina”. información”, lo que podría tener consecuencias regulatorias una vez que entre en vigor la Ley de Servicios Digitales dentro de unos meses.

Superpropagadores de desinformación en Twitter: un poco de contexto

Dado el historial personal de Elon Musk de hacer declaraciones no respaldadas (para ver ejemplos , consulte aquí , aquí y aquí ), su toma de control de Twitter ha generado preocupaciones sobre sus planes para la plataforma cuando se trata de abordar el problema de la desinformación.

Desde la adquisición, que finalizó el 27 de octubre de 2022, se han anunciado opciones de personal , cambios en la política de moderación de contenido , la creación de un nivel de usuario de pago que recibiría una mayor visibilidad independientemente de la credibilidad y el restablecimiento de varias cuentas previamente prohibidas . avivando aún más las dudas sobre la voluntad y la capacidad de la nueva administración para detener el flujo de desinformación en la plataforma.

Por otro lado, algunas de las nuevas iniciativas de Twitter tienen el potencial de hacer mella en la difusión de información errónea. Por ejemplo, Twitter enmarca el lanzamiento mundial de Community Notes (anteriormente conocido como Bird Watch), en el que se pueden agregar notas contextuales a los tweets siempre que suficientes usuarios con diferentes puntos de vista estén de acuerdo en su relevancia, como un enfoque innovador impulsado por la comunidad para elevar la calidad de la información en la plataforma. Del mismo modo, la declaración de Elon Musk de que el enfoque de Twitter sería de “libertad de expresión, no de libertad de alcance” (aunque sigue siendo vago cómo se traduciría esa política en la práctica) o el compromiso de hacer que el algoritmo de recomendación sea más transparente podría ofrecer un gran potencial para mitigar la difusión de información errónea.

Sin embargo, en general, la evidencia cuantitativa hasta el momento sugiere que el nuevo enfoque de Twitter para garantizar la calidad del contenido está fallando: han aumentado las menciones de discursos de odio y calumnias , al igual que la información errónea sobre el cambio climático y la proporción de contenido que proviene de dominios de baja credibilidad .

Hasta donde sabemos, un aspecto clave de la desinformación en Twitter antes y después de la adquisición no se ha estudiado hasta la fecha: si las cuentas destacadas que comparten repetidamente información errónea (denominadas “superpropagadores” en los estudios de desinformación ) han visto aumentar, disminuir o permanecer estables desde entonces. 27 de octubre.

El estudio de los superpropagadores es fundamental por dos razones:

1. Los superpropagadores representan una (muy) gran parte de las visualizaciones de desinformación

Las plataformas de redes sociales muestran fuertes efectos de “el ganador se lo lleva todo”, en los que un puñado de usuarios representa una proporción desproporcionadamente grande de las vistas de contenido. Por lo tanto, se puede suponer que estudiar lo que sucede con los superpropagadores de información errónea es una buena aproximación de lo que sucede con la información errónea en general en la plataforma.

2. El contexto normativo de la UE

Si un Twitter propiedad de Musk lograría abordar de manera efectiva la difusión de información errónea se ha convertido en una preocupación regulatoria para los principales funcionarios de la UE . Con la entrada en vigor de la Ley de Servicios Digitales dentro de unos meses, Twitter y otras grandes plataformas en línea tendrán, entre muchas otras obligaciones, que demostrar que están tomando las medidas adecuadas para detener el flujo de información errónea.

Una forma de hacerlo es cumplir con los compromisos asumidos por la plataforma en virtud del Código de prácticas sobre desinformación patrocinado por la UE pero autorregulado , que Twitter firmó en junio de 2022. Entre otras medidas detalladas, Twitter aseguró que “tomaría medidas contra actores que violan persistentemente las políticas […] para limitar la difusión de información dañina, falsa o engañosa” (Medida 18.2). Hasta ahora, el desempeño de Twitter según el Código de buenas prácticas ha sido mediocre: luego de la publicación del primer informe conjunto el 9 de febrero de 2023, la Comisión Europea señaló a Twitter por no cumplir, o incluso no informar, muchos de sus compromisos.

Si Twitter fallara descaradamente en controlar a los superpropagadores de información errónea, estaría violando sus compromisos bajo el Código de Práctica y, en consecuencia, probablemente estaría violando la Ley de Servicios Digitales. Las sanciones en virtud de la Ley de Servicios Digitales pueden llegar hasta el 6 % de la facturación de la plataforma global (lo que ascendería a cientos de millones de dólares) y, en caso de incumplimiento continuo, podría resultar en la prohibición de la plataforma en el futuro. UE.

¿Cómo les ha ido a los superpropagadores de desinformación bajo el Twitter de Elon Musk?

A. Métodos

(consulte el apéndice para obtener detalles completos, conjuntos de datos completos disponibles a pedido)

Para identificar a los superpropagadores, un consorcio compuesto por las organizaciones de verificación de hechos Lead Stories, Bolivia Verifica, Chequea Bolivia, Mala Espina, Colombia Check, Chequeado, Newtral y Science Feedback reunieron sus bases de datos internas de URL que habían etiquetado como propagadoras de información errónea en el curso de su trabajo de verificación.

Las diferentes geografías e idiomas cubiertos por las organizaciones del consorcio nos dieron una visión global, incluso sobre los idiomas oficiales de la UE distintos del inglés. Sin embargo, como era de esperar, las cuentas que obtuvieron la mayor cantidad de interacciones se publicaron principalmente en inglés.

Buscamos en Twitter todas las cuentas que habían compartido repetidamente estos enlaces, bajo el supuesto de que la publicación repetida de URL de información errónea estaba estrechamente relacionada con la aprobación de su mensaje (esta suposición está validada por investigaciones anteriores que realizamos).

Por último, filtramos estas cuentas para mantener solo aquellas que tenían una influencia significativa utilizando el índice de emisoras de información falsa , una métrica que combina la frecuencia de intercambio de información errónea y la influencia de los tweets que contienen URL de información errónea.

El resultado fue una lista de 514 usuarios de “superpropagadores”. Luego analizamos los 1 450 340 tuits publicados por estas cuentas entre el 1 de septiembre de 2022 y el 31 de diciembre de 2022, un período que se extiende a ambos lados del cambio de propiedad efectivo, que ocurrió el 27 de octubre.

Para un grupo de control, recopilamos los 641 850 tuits de las cuentas oficiales de 130 organizaciones de medios tradicionales que obtuvieron una alta puntuación en credibilidad a nivel de dominio en estudios académicos (consulte el apéndice para obtener más detalles).

B. Resultados

Los tweets de los superspreaders generan más interacciones después de la adquisición, a diferencia de las cuentas de organizaciones de renombre.

Figura 1. Desglose diario de las interacciones totales, el número de tuits y el promedio de interacciones por tuit de todos los tuits publicados por superdifusores entre el 1 de septiembre de 2022 y el 31 de diciembre de 2022. El 25 de septiembre, los superdifusores publicaron un total de 10.180 tuits, que generaron 2,7 millones de interacciones, lo que corresponde a una media de 257,95 interacciones por tuit ese día.

Inmediatamente después de la adquisición, el compromiso total con los tweets publicados por los superpropagadores se disparó , casi duplicándose de la noche a la mañana y manteniéndose en niveles elevados desde entonces. Dado que la cantidad de tweets de estas cuentas se ha mantenido más o menos constante, este salto solo se explica por un aumento en el compromiso promedio con las publicaciones de estas cuentas.

Para asegurarnos de que este aumento no se deba a un fenómeno de toda la plataforma (por ejemplo, un aumento en el número total de usuarios o en la participación por usuario), contrastamos este aumento en la participación con el de las cuentas oficiales de organizaciones de alta credibilidad. Encontramos que mientras los tweets de los superpropagadores ganaron en promedio un 42,4 % más de interacciones después de la adquisición, los tweets de las cuentas de alta credibilidad perdieron un 6,3 %.

Tabla 1. Cambio promedio ( ± error estándar de arranque) en el compromiso por tweet por categoría de cuenta, antes y después de la adquisición. Las dos cohortes no son directamente comparables debido a las diferentes tasas de participación de referencia. Por lo tanto, los valores de compromiso absolutos no son comparables, pero los relativos sí lo son .

Aumento de las interacciones con el contenido de los superpropagadores debido a que las grandes cuentas ganan influencia

Comprender las causas detrás de este aumento promedio en las interacciones de los superpropagadores con los tweets requiere una investigación sobre qué tan amplio es el aumento: ¿se han beneficiado todas las cuentas de los superpropagadores, o solo unas pocas grandes acumulan la mayor parte del aumento y, por lo tanto, elevan el total? ?

A primera vista, el aumento de la influencia de los superdifusores no es universal: aunque el 58,2 % de las cuentas de superdifusores vieron aumentar su influencia media en los tuits, el 41,8 % restante la vio disminuir.

Figura 2. Estadísticas resumidas de alto nivel del cambio en las interacciones por tweet (todas las cuentas ponderadas uniformemente) por categoría, antes (1 de septiembre – 27 de octubre) y después (28 de octubre – 31 de diciembre) de la adquisición. Entre los superdifusores, la ganancia media en interacciones por publicación en el período posterior a la adquisición (28 de octubre – 31 de diciembre) fue del 22,3 % (en relación con sus interacciones por publicación durante el período del 1 de septiembre al 27 de octubre).

Estos números respaldan aún más la idea de que el crecimiento, aunque de base bastante amplia, no es universal. El aumento medio en todas las cuentas (+22,3 %) es inferior al aumento general en la interacción con la publicación de los superpropagadores (+42,4 %; consulte la sección 1) sugiere que las cuentas más grandes se han beneficiado desproporcionadamente después de la adquisición.

Graficar, para cada cuenta, el cambio posterior a la adquisición en las interacciones generadas por sus tweets contra su influencia (representado por el número promedio de interacciones generadas por sus tweets antes de la adquisición) refuerza aún más la idea de que las cuentas más grandes tienden a haberse beneficiado desproporcionadamente. post-Musk (9 de las 10 cuentas previas a la adquisición de interacciones más altas han visto aumentar su promedio de interacciones por tweet después de la adquisición).

Figura 3. Rendimiento relativo de todas las cuentas antes y después de la adquisición. El tamaño del punto es proporcional al número promedio de interacciones antes de la adquisición (igual que el eje x).

Para obtener una visión cualitativa de lo que había impulsado el aumento, investigamos las 5 cuentas principales que habían ganado la mayor influencia (medida por el aumento relativo en el compromiso promedio posterior a la adquisición multiplicado por el número promedio de interacciones por tweet previo a la adquisición, por lo que como para combinar una tasa de crecimiento relativa y una cantidad de referencia de influencia). Ellos son:

Tabla 2. Estadísticas resumidas de las cuentas influyentes que más han crecido desde la adquisición.

ksorbs

Cuenta del actor estadounidense Kevin Sorbo, cuyos populares tuits recientes incluyen publicaciones de marketing afiliadas para planes de telefonía celular e inversión en oro, así como afirmaciones de que las personas vacunadas contra el COVID-19 representan una amenaza para los demás (falso), que los resultados de las elecciones intermedias de 2022 las elecciones fueron ilegítimas ( sin apoyo ), y que los cambios climáticos pasados ​​de alguna manera socavan nuestra comprensión del cambio climático actual ( engañoso ).

Liz_Wheeler

Relato de la comentarista política estadounidense Liz Wheeler, anteriormente presentadora de un programa de entrevistas en One America News Network, que se verifica con frecuencia . Recientemente ha propagado afirmaciones sin fundamento sobre un aumento en el riesgo de paro cardíaco entre los atletas después de la vacunación contra el COVID-19 (desmentidas repetidamente, incluso aquí y aquí ), vinculadas a una supuesta desaparición de la vista pública del exjefe del Instituto Nacional de Alergias de EE. UU. y Enfermedades Infecciosas (NIAID) Anthony Fauci a la existencia de ‘biolabs’ estadounidenses en Ucrania ( falso y sin respaldo respectivamente), y cuestionó la legitimidad de las elecciones presidenciales estadounidenses de 2020 ( sin apoyo ).

El espectacular aumento de popularidad de Wheeler después de la adquisición se remonta a un factor dominante: la cuenta oficial de Elon Musk ha respondido repetidamente a sus tweets, llamando la atención de sus 128 millones de seguidores. De los diez tuits más populares de la cuenta durante el período de septiembre a diciembre, cinco recibieron una respuesta de la cuenta de Elon Musk ( 1 , 2 , 3 , 4 , 5 ).

catturd2

Una cuenta con 1,4 millones de seguidores, cuya propiedad Rolling Stone rastrea a un hombre de Florida de unos cincuenta años, que publica comentarios que generalmente expresan su descontento con las instituciones establecidas utilizando un lenguaje coloquial. Gran parte de su popularidad se remonta a sus frecuentes interacciones con el expresidente estadounidense Donald Trump.

Además de propagar una serie de afirmaciones engañosas, incluidos los sospechosos habituales de fraude electoral ( sin respaldo ), la supuesta ineficacia de las máscaras faciales para limitar la propagación de Covid-19 ( falso ) y de las vacunas para proteger contra los efectos más peligrosos de la enfermedad, ( falso ), la cuenta ha estado en el centro de una campaña de acoso organizada .

Al igual que Liz Wheeler, su influencia en la plataforma se potenció gracias a las interacciones con la cuenta oficial de Elon Musk. Uno de sus primeros tweets después de completar la adquisición fue una respuesta a catturd2.

Además, dos de los diez tuits principales de la cuenta ( uno sobre un intercambio de prisioneros entre Rusia y EE. UU. y el otro sobre los archivos de Twitter) fueron respondidos por Elon Musk, lo que probablemente explica su desempeño relativo superior.

robertkennedyjr

Robert F. Kennedy Jr. es el jefe de la organización contra la vacunación Children’s Health Defense, un conocido medio de desinformación cuyas cuentas fueron prohibidas por Facebook e Instagram en agosto de 2022.

A diferencia de las otras cuentas en esta lista que tienden a ser más genéricas en los temas que cubren, la cuenta de Kennedy se inclina mucho hacia temas relacionados con la salud y es particularmente prolífica cuando se trata de inventar los supuestos peligros de las vacunas COVID-19.

Al igual que las cuentas de Liz_Wheeler y catturd2, uno de los tuits de mayor rendimiento de Kennedy (acusando a los “virólogos de todo el mundo” de haber sido sobornados por Fauci con becas de investigación) se hizo viral después de que la cuenta de Elon Musk respondiera respaldando su contenido . Este tuit surgió como parte de una conversación entre Elon Musk, Kennedy Jr y los autodenominados comediantes conservadores Hodge Twins, sobre los supuestos efectos secundarios peligrosos de la vacuna Pfizer COVID-19.

DineshDSouza

Relato del comentarista político y cineasta Dinesh D’Souza, quien tiene un historial de hacer declaraciones sin fundamento o completamente falsas. En mayo de 2022, D’Souza publicó un pseudodocumental que había producido llamado “2000 mulas”, que denunciaba un fraude electoral organizado a gran escala en las elecciones presidenciales de EE. UU. de 2020 y fue completamente desacreditado aquí . A pesar de sus imprecisiones, la película recibió una calurosa acogida .

Además de las denuncias de fraude electoral, la cuenta también ha respaldado narrativas falsas sobre estadísticas oficiales manipuladas de muertes por COVID-19.

El tuit de mayor rendimiento de D’Souza recibió una respuesta de la cuenta oficial de Elon Musk.

* * * *

Con la excepción de Kevin Sorbo, las respuestas de la cuenta oficial de Elon Musk ocupan un lugar destacado en los tuits de mayor rendimiento de las cuentas que han obtenido la mayor influencia desde la adquisición .

¿Por qué está creciendo la influencia de los superspreaders? Algunas hipótesis

Aunque un estudio riguroso de la causalidad para explicar el crecimiento reciente de la influencia de los superpropagadores de información errónea está más allá del alcance de esta investigación, la evidencia apunta a dos hipótesis que no se excluyen mutuamente:

1. Un gran empoderamiento de la comunidad propensa a la desinformación

El discurso “absolutista de la libertad de expresión” de Elon Musk ha alentado a los actores de la desinformación y al público a acudir a la plataforma. Su credibilidad personal para dar credibilidad a cuentas con un largo historial de desinformación al interactuar con sus publicaciones ha tenido un impacto notable en la popularidad general de algunos superpropagadores al llamar la atención de sus 128 millones de seguidores.

2. El debilitamiento de la política y los recursos de moderación de Twitter está dejando sentir sus efectos gradualmente

Se espera que el desmantelamiento de los equipos de moderación, la eliminación de las reglas de moderación relacionadas con el COVID-19 y el aumento de la visibilidad de las cuentas de Twitter Blue no examinadas contribuyan a un aumento progresivo en la prevalencia de contenido de baja credibilidad en la plataforma.

Específicamente, dado que las acciones de moderación de Twitter previas a Musk se centraron en reducir el alcance en lugar de eliminar contenido , esperaríamos observar un aumento relativo posterior a Musk en la cantidad de publicaciones de baja calidad (ya que rara vez se prohibieron), pero un aumento en la influencia de estas publicaciones (ya que se toma poca o ninguna acción de degradación) como resultado de la eliminación de estas acciones de moderación. Esta hipótesis está respaldada por datos del Iffy Quotient de la Universidad de Michigan , que mide la proporción de publicaciones que contienen enlaces a dominios de baja credibilidad entre las publicaciones más influyentes de la plataforma.

La siguiente figura ilustra este fenómeno exacto en juego: el 27 de octubre, el 12,4 % de los 5000 artículos de noticias más populares compartidos en Twitter provenían de sitios web de baja credibilidad. Para el 4 de febrero (fecha de redacción de este estudio), la proporción había aumentado al 15,9 % (un aumento de 3,5 puntos porcentuales). Durante el mismo período, la interacción con estos artículos aumentó del 10,9 % al 25,3 % (un aumento de 14,4 puntos porcentuales) de las interacciones con estos 5000 artículos de noticias. En otras palabras, la proporción relativa de URL de baja credibilidad creció lentamente, pero el compromiso con ellas se disparó.

Figura 4. Cociente dudoso de Twitter en los últimos 6 meses: proporción de artículos de noticias que son tendencia en Twitter que provienen de sitios web de baja credibilidad (no ponderados y ponderados por participación). Fuente: Centro de responsabilidad de las redes sociales de la Facultad de información de la Universidad de Michigan .

Apéndice – Metodología detallada

1. Recopilación de URL que contienen información errónea

Recopilamos un conjunto de datos de URL marcadas como que contienen información errónea por verificadores de Lead Stories, Bolivia Verifica, Mala Espina, Colombia Check, Chequeado y Newtral, así como de Open Feedback, un proyecto de Science Feedback que crea una base de datos de contenido verificado .

El conjunto de datos resultante constaba de 12 946 URL únicas marcadas como que contenían una afirmación que los verificadores de datos profesionales habían calificado como objetivamente falsa o engañosa.

Estas direcciones URL apuntan a artículos de sitios web de noticias de baja credibilidad, a publicaciones en otras plataformas de redes sociales o a publicaciones en el mismo Twitter.

2. Identificar tweets que contengan estas URL

Luego recopilamos datos sobre la difusión de estas URL en Twitter. Si bien algunos no aparecían en absoluto en la plataforma, otros se habían compartido miles de veces (la URL de información errónea más compartida en nuestro conjunto de datos, que apuntaba a un documento de Pfizer sobre los efectos secundarios de la vacuna informados y se compartió amplia y erróneamente como “prueba” de los peligros de la vacuna Covid-19 y fue desacreditado aquí , apareció en más de 15,000 tweets).

La suposición subyacente era que compartir un enlace a una URL de información errónea comprobada era un fuerte predictor de que la cuenta respaldaba el mensaje en la URL de información errónea. Este enfoque está validado por nuestros hallazgos en un estudio anterior que utilizó la misma metodología, en el que encontramos que el tweet de hecho respaldaba la afirmación realizada en la URL de información errónea en más del 90 % de los casos).

3. Identificar cuentas influyentes que comparten repetidamente URL de información errónea

Luego consolidamos estos datos de tweets a nivel de cuenta, dando como resultado, para cada cuenta, lo siguiente:

  • varias URL distintas de desinformación compartidas,
  • una serie de tweets que contienen estas URL de información errónea,
  • una serie de interacciones (citas, retweets, me gusta o respuestas) generadas por estos tweets,
  • el idioma dominante en el que la cuenta tuitea,
  • El estado “verificado” del usuario (este estado “verificado” se refiere al estado verificado heredado, que se otorgó a las cuentas oficiales de personas u organizaciones destacadas, y no al nuevo Twitter Blue, que cualquier usuario puede obtener por un Cuota mensual de USD 8).

Siguiendo una metodología desarrollada por DeVerna et al. [1] , calculamos un índice FIB para cada cuenta. El FIB (False Information Broadcaster)-Index es una métrica inspirada en el índice h ampliamente utilizada en la academia para medir la influencia de un investigador. Un índice FIB de 10 significa que el usuario ha publicado al menos 10 tweets que contienen una URL de información errónea, y que cada uno de estos 10 tweets ha generado al menos 10 interacciones.

Seleccionamos usuarios con índices FIB de al menos 15, lo que nos permite mantener solo cuentas que mezclan una influencia significativa y el intercambio repetido de URL de información errónea, lo que limita el riesgo de incluir falsos positivos en nuestra muestra de superpropagadores de información errónea. Como referencia, el índice FIB más alto en nuestro conjunto de datos fue 135.

De esta lista, filtramos las cuentas oficiales de dos medios de comunicación generalmente confiables, según lo definido por Lin et al. [2] ): The Telegraph, Sky News y CNN.

La lista resultante contenía 514 cuentas influyentes que habían difundido repetidamente información errónea.

4. Diseño de un grupo de control de cuentas de alta credibilidad

Para aislar cualquier efecto específico de los difusores influyentes de información errónea en la plataforma, utilizamos un grupo de control de cuentas destacadas y de alta credibilidad provenientes de dos fuentes:

Esto nos permitió evitar ser engañados por posibles efectos en toda la plataforma, como un cambio en la actividad general de los usuarios en Twitter (lo que presumiblemente impulsaría las interacciones independientemente de las decisiones de la plataforma).

Dado que los idiomas europeos más representados en nuestra muestra de tuits que contenían URL de información errónea eran el inglés, el español y el francés, recopilamos una lista de 135 cuentas de alta credibilidad que publican principalmente en uno de estos tres idiomas (84 en inglés, 27 en francés y 23 en inglés). en español).

La lista de cuentas de alta credibilidad se obtuvo de las cuentas oficiales de Twitter de nombres de dominio clasificados alto en una serie de dimensiones [2] , o del uso de las recomendaciones sugeridas de Twitter “Te podría gustar”, cuando se accede desde la cuenta de un usuario altamente calificado. organización de confianza.

5. Recopilación de todos los tuits publicados por cuentas de baja y alta credibilidad entre el 1 de septiembre y el 31 de diciembre de 2022.

Recopilamos todos los tweets publicados por cuentas en listas de baja y alta credibilidad entre el 1 de septiembre y el 31 de diciembre de 2022, un período que abarca el cambio de propiedad que tuvo lugar el 27 de octubre de 2022.

De los 514 superpropagadores de información errónea, 490 habían twitteado durante el período de estudio. Los idiomas más representados fueron los siguientes: 329 cuentas tuitearon principalmente en inglés, 32 en japonés, 26 en francés y 16 en español.

6. Descartar el estado “Verificado” de una cuenta como posible explicación del resultado

Investigamos si el estado “Verificado” de una cuenta tuvo un impacto en su trayectoria de popularidad antes y después de la adquisición. No encontramos una diferencia sustancial entre el crecimiento de las cuentas de superspreader verificadas y no verificadas.

Tabla 3. Promedio de aumento/disminución de participación por tuit por estado de cuenta “Verificado”, antes y después de la adquisición. Las dos cohortes no son directamente comparables debido a las diferentes tasas de participación de referencia. Por lo tanto, los valores de compromiso absolutos no son comparables, pero los relativos sí lo son .

“Verificado” en este contexto se refiere a las cuentas que fueron verificadas bajo el antiguo sistema de Twitter (que aseguraba la legitimidad de las cuentas que decían pertenecer a figuras u organizaciones públicas prominentes), y no aquellas que pagaban por Twitter Blue (un servicio de suscripción que da inter otras cosas, un aumento de visibilidad de las publicaciones de la cuenta en los hilos). Esta elección se hizo debido a restricciones metodológicas (Twitter Blue se implementó, luego se canceló y luego se implementó nuevamente durante la ventana de estudio, por lo que aislar su efecto sería un desafío).

7. Procesamiento específico de figuras

7.1. Figura 1

Divida todos los tuits en dos categorías: tuits publicados por una de las 490 cuentas de superpropagación de información errónea y tuits publicados por una de las 135 cuentas de alta credibilidad.

Para cada categoría, calcule y trace estadísticas diarias sobre:

a. número total de tweets publicados por cualquiera de la cuenta,

b. número total de interacciones generadas por cualquiera de estos tweets,

C. número promedio de interacciones generadas por los tweets en ese día (simple división de b por a).

7.2. tabla 1

Divida todos los tuits en dos categorías: tuits publicados por una de las 490 cuentas de superpropagación de información errónea y tuits publicados por una de las 135 cuentas de alta credibilidad.

Divida aún más ambas categorías en dos subcategorías: tuits publicados entre el 1 de septiembre y el 27 de octubre de 2022 (inclusive) y tuits publicados entre el 28 de octubre y el 31 de diciembre de 2022.

Calcule las interacciones promedio por tweet para cada subcategoría, así como el aumento porcentual para cada categoría.

El error estándar se obtiene a través de un arranque con un nivel de confianza del 95 % (100 remuestreos) utilizando el método stats.bootstrap del paquete scipy Python.

7.3. Figura 2

Para cada cuenta, calcule el número promedio de interacciones por tweet para el período del 1 de septiembre al 27 de octubre de 2022 (inclusive), y para el período del 28 de octubre al 31 de diciembre de 2022.

Para cada cuenta, calcule el cambio relativo en las interacciones promedio por tweet antes y después del 27 de octubre . Si la cuenta X obtuvo en promedio 30 interacciones por tweet antes del 27 de octubre y 40 interacciones por tweet después del 27 de octubre , su cambio relativo es (40-30)/30 = 33,3 %.

Calcule el cambio medio y mediano entre las cuentas (todas las cuentas con la misma ponderación) para cada categoría (superpropagadores de información errónea y cuentas de alta credibilidad).

El error estándar se obtiene a través de un arranque con un nivel de confianza del 95 % (9999 remuestreos) utilizando el método stats.bootstrap del paquete scipy de Python.

7.4. figura 3

Usando los mismos datos a nivel de cuenta que arriba (cambio relativo en las interacciones por tweet antes y después del 27 de octubre), muestre un diagrama de dispersión de los datos que muestre la relación entre el compromiso promedio antes de la adquisición (un indicador de cuán influyente fue la cuenta antes la adquisición) y el cambio en el compromiso promedio después de la adquisición (un indicador de cuánto creció la cuenta desde la adquisición).

El tamaño de los puntos es relativo a su valor en el eje x (compromiso promedio antes de la adquisición), para transmitir una idea visual de cuánto impacta cada cuenta en los resultados generales. Los 5 puntos etiquetados corresponden a las 5 cuentas enumeradas en la tabla 2 (ver más abajo).

7.5. Tabla 2

Para cada cuenta de superpropagador de información errónea, multiplique la participación promedio por tweet antes de la adquisición por el cambio porcentual en las interacciones por tweet después de la participación. Esto da como resultado una métrica única que combina la influencia previa a la adquisición con el crecimiento posterior a la adquisición, que usamos como proxy para identificar las cuentas más grandes que obtuvieron la mayor influencia desde la adquisición.

Se aislaron las cinco cuentas con mayor puntaje.

REFERENCIAS

whatsapp BV