Espalhamento de Fakenews - Um modelo de simulação do impacto do uso de WhatsApp na propagação de informações
Este repositório contém o código e resultados de um modelo para demonstrar como o espalhamento de informação se dá em vários contextos diferentes de países distintos. O código foi criado por Eric Araújo, e quaisquer dúvidas podem ser enviadas para eric@ufla.br.
O modelo considera que um grupo de 1.000 (mil) pessoas está conectado por meio de uma rede social que simula o uso do WhatsApp. Esta rede considera que a distribuição das conexões das pessoas segue um modelo Small-world. Este modelo é utilizado para descrever redes de influência social, motivo pelo qual utilizaremos este modelo aqui.
Este código serve única e exclusivamente para fins didáticos. Dados reais não foram utilizados para validar o modelo.
Cada pessoa em nossa rede apresenta uma opinião política, que varia de -1 a 1. O valor de -1 indica uma opinião mais à esquerda, e 1 seria uma opinião mais à direita. valores próximos de 0 indicam centristas.
Quando uma postagem é gerada por um indivíduo na rede, seus vizinhos terão acesso à informação, e decidirão se compartilharão ou não baseado em um método estocástico, onde a probabilidade de compartilhamento é maior caso a informação esteja mais alinhada com o seu posicionamento, simulando assim o viés de confirmação.
Serão 3 cenários testados.
- O cenário brasileiro.
- O cenário britânico.
- Um cenário onde não existem grupos públicos, e as pessoas só têm acesso à informação de seus vizinhos.
Segundo pesquisa da Reuters 2019:
- 53% da população usa WhatsApp como rede principal para discutir e compartilhar notícias.
- 58% dos usuários de WhatsApp fazem parte de grupos com pessoas que eles não conhecem (12% no Reino Unido)
- 18% dos usuários brasileiros de WhatsApp discutem notícias e política em grupos públicos (2% no Reino Unido)
- 22% dos usuários de Facebook se apoiam em informações de grupos públicos e privados com desconhecidos para se informar sobre política e das notícias (8% no Reino Unido).
Desta forma, para os cenários 1 e 2 consideramos a porcentagem de pessoas que fazem parte de grupos públicos ao conectar indivíduos que não são conhecidos nas mesmas proporções levantadas pela pesquisa da Reuters 2019. Para o cenário 3, não existirão grupos públicos/privados para compartilhamento de informação.
Grupos públicos são criados a partir da afinidade entre os agentes. Dessa forma, 3 grupos públicos serão criados, considerando a partir do posicionamento político das pessoas. A ideia é que a porcentagem de pessoas em um grupo corresponda ao valor acima, 22% para os brasileiros, e 8% para os britânicos.
Baseado nas estatísticas do Facebook disponíveis pela OMNICORE, o Facebook tem:
- 55 milhões de updates (postagens) por dia.
- 1.59 bilhões de usuários ativos diariamente.
Desta forma, consideramos que a chance de um usuário criar uma nova postagem é de 55 milhões em 1.59 bilhões, ou 0.034% de chances de fazer uma postagem.
Cada membro da rede poderá gerar uma postagem a cada passo do modelo com probabilidade de 0.034%. Essa postagem conterá um valor referente à carga política (ou viés político) do conteúdo. Para tal, usaremos uma distribuição normal com desvio padrão de 0.1 da posição do agente.
O usuário irá verificar a sua concordância com a postagem criada por meio da verificação da diferença entre o conteúdo do post e sua opinião pessoal. Esse cálculo é feito considerando a seguinte fórmula:
A posição do agente é dada por pos_pessoa, e a posição da postagem por pos_post. A diferença é divida por 2 (a maior diferença possível em nossa escala) e multiplicada pelo fator de envelhecimento da postagem (age). Um post recém criado tem 100% de chances de ser compartilhado, um post do dia anterior 75%, de dois dias atrás 50%, três dias atrás 25% e post mais antigos do que isso são eliminados do sistema.
Para mensurar o alcance das mensagens, contabilizaremos quantas vezes cada mensagem foi propagada.