Hvordan kan vi stoppe spredningen af ​​falske rygter om COVID-19? Bedre matematik

Tænk på alle de falske rygter, der gik viralt om COVID-19 - det blev så slemt, Verdenssundhedsorganisationen kaldte det en "infodemisk". Uanset om det er i fup eller en viral konspirationsteori, information rejser hurtigt i disse dage. Hvor hurtigt og langt informationen bevæger sig afhænger af, hvem der deler den, og hvor, fra diskussioner på sociale medier til samtaler med medpendlere på vej til arbejde.

Så, hvordan kan vores interaktioner og deres infrastrukturer påvirke spredningen af ​​rygter og information? Det er et spørgsmål, som forskere begynder at besvare med komplekse matematiske modeller for social smitte, konceptet om, at social adfærd og ideer spredes som et patogen.

"Sagen med social smitte er, at det er som at samle en eller anden form for adfærd, eller en idé, eller information, " siger Jessica Davis, en tredjeårs doktorand ved Northeastern's Network Science Institute.

Davis ledede for nylig en undersøgelse, der bruger matematiske ligninger til at modellere, hvordan rygter og information spredes i forskellige typer miljøer.

I et blad offentliggjort mandag d Naturfysik , Davis' team skitserede en ny måde at inkorporere aspekter af måden information deles på i den fysiske verden i deres beregninger - såsom folks pendling til arbejde og de onlinegrupper, de interagerer med - som kan påvirke, hvordan information spredes.

Modellen danner grundlaget for mere realistiske måder at studere, hvordan information rejser, siger Davis.

"Disse modeller kan bruges til at pege på forskellige strukturelle, social, og andre faktorer, " hun siger, "det bliver der normalt ikke taget højde for, når man tænker på, hvordan information spredes."

Alessandro Vespignani, Sternberg Family Distinguished University Professor i fysik, computer videnskab, og sundhedsvidenskab, siger, at inddragelsen af ​​sådanne realistiske funktioner er afgørende for nøjagtigt at modellere, hvordan information spredes i realtid. Vespignani, en medforfatter til undersøgelsen, har også modelleret spredningen af ​​COVID-19-udbruddet.

"Undersøgelsen åbner vejen til mere realistisk modellering af spredningen af ​​information og misinformation, der tager højde for den geografiske og sociale struktur af sociale netværk, " han siger.

Holdets tilgang til modellering af måden information spredes blandt mennesker er baseret på lignende bestræbelser fra Vespignani og andre videnskabsmænd for at modellere, hvordan smitsomme sygdomme spredes, og udnytter allerede tilgængelige data fra epidemiologiske undersøgelser.

"Vi har meget mere data i verden nu, og vi kan bruge det til at forstå, hvordan tingene breder sig, " siger Davis. "Vi har folk, der bruger transportnetværk, folk der bruger Google, Twitter, og andre sociale medier, for at få en forståelse af, hvordan en sygdom breder sig. "

Davis og hendes team brugte også en klassisk rygteformidlingsmodel som grundlag for deres model. Den tilgang, kendt som Maki-Thompson-modellen, faktorer i mennesker, der spreder sig, ignorere, og afstå fra at sprede rygtet. Alle disse individer afspejler funktionen af ​​inficerede, modtagelige, og helbredende mennesker i modeller af sygdom og infektion.

I deres undersøgelse, holdet testede, hvordan folks evne til at bevæge sig og rejse i Europa kunne påvirke spredningen af ​​et rygte. Andre test inkluderede modeller, der var begrænset til onlinedatabaser for at simulere den måde, information gennemsyrer forskellige akademiske discipliner på. Ideen er at beregne det vendepunkt, hvor rygter og information går viralt.

"Vi nedskriver et sæt ligninger, og vi kan løse denne tærskel, " siger Davis. "Det er en funktion af både rygtemodellens parametre, såvel som strukturen i dette netværk. "

Disse ligninger er, hvad sociale smittemodeller har brug for for at være så indsigtsfulde, som de kan være, siger Davis.

Og, i det lange løb, det er det, der kunne sætte netværksforskere op til at modellere spredningen af ​​information i den virkelige verden med mere præcision, herunder de roller, som forskellige grupper af mennesker spiller.

"Nogle former for information, der spredes i teenageområdet, påvirker muligvis ikke den ældre befolkning, " siger Davis. "Hvis vi kunne forstå, hvem der bliver berørt af den information, som kunne hjælpe os eller måske hjælpe sociale medier med at overvåge eller få en bedre forståelse af, hvem der er blevet påvirket af disse oplysninger."