Como a desinformação se espalha como um vírus: Modelos matemáticos e soluções eficazes para combater Fake News

A desinformação é uma ameaça crescente, com impactos notáveis na política, nas eleições e na sociedade como um todo. Modelos matemáticos usados para entender a propagação de doenças estão sendo adaptados para estudar como as notícias falsas se espalham nas redes sociais, revelando padrões alarmantes de contágio e estratégias para mitigar esses efeitos.

O impacto da desinformação

Estudos recentes revelam que cerca de 73% dos americanos já se depararam com notícias eleitorais enganosas, e a desinformação tem crescido em sofisticação e alcance, especialmente desde a eleição de 2016 nos EUA. A desinformação pode afetar decisões eleitorais, incitar violência e manipular o público de maneira perigosa.

• Preocupações globais: 85% das pessoas no mundo expressam preocupação com a disseminação de desinformação, segundo pesquisa da ONU.
• Efeitos sociais: Teorias da conspiração, como as envolvendo manipulação do clima ou fraude eleitoral, têm se espalhado amplamente, impactando a confiança pública e as políticas públicas.

Modelos matemáticos: A analogias com epidemias

Modelos epidemiológicos, especialmente o modelo SIR (susceptível-infectado-recuperado), têm sido aplicados para entender como a desinformação se propaga. Esses modelos simulam como informações falsas "infectam" indivíduos e se espalham pela população.

• Suscetíveis (S): Indivíduos ainda não expostos à desinformação.
• Infectados (I): Indivíduos que compartilham ou acreditam em informações falsas.
• Recuperados (R): Indivíduos que se tornam imunes à desinformação, após exposição ou desmentidos.

Esses modelos permitem prever o impacto das intervenções, como o debunking (desmascaramento) e o prebunking (inoculação preventiva), e calcular o número básico de reprodução (R0), que é crucial para entender o potencial de disseminação da desinformação.

Como a desinformação se propaga

A desinformação pode se espalhar como um vírus, sendo transmitida de pessoa para pessoa. Alguns indivíduos, conhecidos como superdisseminadores, têm grande poder de amplificação, atingindo milhões de pessoas com informações falsas. A plataforma de mídia social tem um R0 maior que 1, sugerindo que elas têm grande potencial para disseminar desinformação de forma epidêmica.

Exemplo de propagação:

• Superdisseminadores: Influenciadores ou figuras públicas com muitos seguidores que podem espalhar desinformação rapidamente.
• Imunidade social: Alguns indivíduos permanecem imunes à desinformação, enquanto outros atuam como vetores assintomáticos, compartilhando informações sem saber de sua falsidade.

Estratégias para combater a desinformação

Existem diversas abordagens baseadas nos modelos epidemiológicos para combater a disseminação de desinformação:

Debunking (Desmascaramento)

• Quando a desinformação é exposta como falsa após sua disseminação. No entanto, essa abordagem tem eficácia limitada, com uma taxa de "infecção" de 10% após a exposição.

Prebunking (Inoculação Psicológica)

• Introduzir falsidades de forma controlada para preparar as pessoas a reconhecerem desinformações futuras. Estudos recentes utilizam chatbots de IA para educar as pessoas sobre fraudes eleitorais e rumores sensacionalistas.
• Eficácia do Prebunking: Mais eficaz do que o debunking, prevenindo que as pessoas "se infetem" com desinformações futuras.

Modelo de Simulação de Disseminação

O modelo simula como a desinformação se espalha com uma chance de 10% de "infecção" (influência) por exposição:

• Sem Intervenção: 10% de chance de infecção, sem correção.
• Com Debunking: 10% de chance de infecção, com 5% de eficácia na refutação.
• Com Prebunking: 10% de chance de infecção, com 10% de eficácia preventiva.

Esse modelo mostra que o prebunking é duas vezes mais eficaz que o debunking na contenção da desinformação.

A disseminação de desinformação segue padrões epidêmicos, sendo amplificada por superdisseminadores e plataformas sociais. Modelos matemáticos retirados da epidemiologia são ferramentas poderosas para entender a dinâmica dessa propagação e testar intervenções eficazes. Estratégias como o prebunking oferecem promissora redução na disseminação de notícias falsas, destacando a importância de educar a população sobre como reconhecer e reagir a desinformações. No entanto, como qualquer modelo, esses métodos não são perfeitos e precisam ser constantemente ajustados e validados para serem eficazes na prática.