Cómo se propagan las “fake news”

Crédito foto: https://www.maxpixel.net/Software-Computer-Html-Code-Digital-Web-Internet-1689066

Cuando menos es más: el efecto “few-get-richer”

 

Un trabajo analiza cómo se propagan las noticias falsas. El resultado más relevante del estudio ha sido la identificación de un efecto sorprendente que los autores han llamado “few-get-richer” y que creen está presente en aquellos algoritmos de ranking que usan la “popularidad” como criterio para ordenar los elementos de una lista.

 

UPF / Según un trabajo de Fabrizio Germano, Vicenç Gómez y Gaël Le Mens, investigadores de los Departamentos de Economía y Empresa y de Tecnologías de la información y las Comunicaciones, de la UPF, que acaba de ser aceptado en la conferencia internacional The Web Conference, que se celebrará del 13 al 17 de mayo en San Francisco (EE.UU.).

“La motivación de este trabajo se enmarca en el hecho, cada vez más relevante, que los algoritmos en Internet influencian nuestra sociedad”, afirma Vicenç Gómez, investigador del Departamento de Tecnologías de la Información y las Comunicaciones (DTIC) y coautor del estudio recientemente aceptado en The Web Conference, una de los certámenes más importantes a nivel internacional y que se celebrará del 13 al 17 de mayo en San Francisco (EE.UU.).

Un trabajo que Vicenç Gómez presentará conjuntamente con Fabrizio Germano y Gaël Le Mens, ambos investigadores del Departamento de Economía y Empresa, de la UPF. El trabajo pertenece a un proyecto financiado por el Consejo Europeo de Investigación (ERC),  en el marco del programa de investigación e innovación de la Unión Europea Horizonte 2020 (acuerdo de subvención n ° 772268),  y por el Ministerio de Economía y Empresa , a través del Programa Ramon y Cajal.

 

Los algoritmos de ranking los encontramos por todas partes en Internet

“Para este trabajo en particular, hemos considerado los algoritmos de ranking que proporcionan listas ordenadas de elementos como resultado de una consulta de los usuarios”, afirman los autores. En Internet, estos tipos de algoritmos los encontramos por todas partes. Por ejemplo, cuando hacemos una búsqueda en Google y nos muestra un listado de resultados; en los sistemas de recomendación personalizados; cuando nos listan las noticias estimadas relevantes para nosotros; cuando nos recomiendan visualizar determinados vídeos en Youtube, etc., etc.

El efecto “few-get-Ritcher”, está presente en aquellos algoritmos de ranking que usan la “popularidad” como criterio para ordenar los elementos de una lista

El resultado más relevante del estudio ha sido la identificación de un efecto sorprendente que los autores han llamado “few-get-richer” y que creen está presente en aquellos algoritmos de ranking que usan la “popularidad” como criterio para ordenar los elementos de una lista. El criterio de popularidad se basa en el principio según el cual cuantos más “clics” recibe una opción determinada, más arriba sitúan esta opción en un ranking. Existen muchos estudios que confirman que muchos servicios en línea siguen este principio con lo que crean un sesgo, dado que la popularidad de un ítem no necesariamente implica su elevada calidad o relevancia.

El efecto “few-get-richer” descrito en este trabajo dice lo siguiente: cuando hay dos tipos (o más) de elementos en el ranking (por ejemplo, noticias falsas y auténticas), el número total de clics que recibe un tipo concreto decrece con el número de elementos de este tipo. Por ejemplo, si hay veinte noticias, el número total de clics en noticias falsas será superior cuando hay sólo tres de falsas, que cuando hay diecisiete”, explican los autores.

Si hay veinte noticias, el número total de clics en noticias falsas será superior cuando hay sólo tres de falsas, que cuando hay diecisiete”, explican los autores

Para que esto ocurra deben existir personas muy interesadas en los diferentes tipos de noticias y, además, personas sin preferencia respecto al tipo. Este efecto, en principio va en contra la intuición y se explica por el siguiente motivo: si hay muy pocas noticias falsas que inicialmente son poco populares, todos los clics de los interesados en noticias falsas se concentrarán mucho. Esta concentración provocará que las pocas noticias falsas rápidamente suban posiciones porque son más elegidas. Una vez arriba del ranking, estas noticias atraerán la atención, no sólo de los usuarios interesados en noticias falsas, sino también de los que no tienen preferencia respecto al tipo.

“Nuestro trabajo parte de un análisis previo que habían hecho Fabrizio Germano y Francesco Sobbrio, investigadores del Departamento de Economía de la UPF. Para el artículo, que ha sido aceptado en la conferencia de The Web Conference 2019, hemos enriquecido el modelo con simulaciones que demuestran que el efecto “few-get-richer” es robusto en muchas condiciones diferentes”, comenta Vicenç Gómez.

 

Un experimento que ha contado con 786 participantes

Los autores del trabajo han llevado a cabo un experimento contando con la colaboración de Amazon Mechanical Turk y 786 personas participantes. El experimento presentaba a los participantes una lista ordenada de fotografías de gatos y perros y actualizaba esta lista según los clics de los participantes, por lo que un nuevo participante veía las fotografías ordenadas por popularidad, según los clics de los usuarios anteriores.

Los autores del trabajo han llevado a cabo un experimento contando con la colaboración de Amazon Mechanical Turk y 786 personas participantes

El caso más interesante, de acuerdo con las predicciones del modelo, fue ver cómo el total de clics en fotografías de perros era más elevado cuando había sólo tres perros (y diecisiete gatos) que cuando había diecisiete perros (y sólo tres gatos).

Este fenómeno va contra la intuición y, en cierto modo, complementa el que se conoce como efecto “rich-get-richer”, que en este caso nos dice que los elementos más populares tienden a ser aún más populares. De hecho, el efecto “few-get-richer” descrito por los autores del trabajo requiere del efecto “rich-get-richer” una vez los elementos de clase minoritaria llegan a posiciones altas en el ranking.

 

Regular la propagación de noticias falsas y romper las burbujas de información

Las implicaciones de este efecto son diversas. Por ejemplo, si se quiere regular la propagación de noticias falsas eliminando algunas fuentes de noticias en particular y dejando otras, se podría causar el efecto contrario al deseado, ya que aquellas otras fuentes de noticias falsas acumularán mucho más tráfico.

Una manera de romper las burbujas de información es incentivar que los usuarios exploren a partir de la introducción de recomendaciones aleatoria

También, en sistemas de recomendación, una manera de romper las burbujas de información es incentivar que los usuarios exploren a partir de la introducción de recomendaciones aleatorias.

“Nuestro análisis predice que introducir más elementos aleatorios, precisamente disminuye la exploración. En estos escenarios, pensamos que una posible manera de neutralizar el efecto debería tener en cuenta el número de elementos de cada clase, e incorporar esta información para decidir la popularidad “efectiva” para el algoritmo de ranking”, comenta Gómez.

Las implicaciones de todo ello sin embargo, no siempre tienen que ser negativas. Por ejemplo, por el mismo principio, “si queremos dar relevancia a un conjunto pequeño de elementos, el efecto “few-get-richer” puede ayudar a hacer estos elementos más accesibles, poniéndolos a arriba del ranking”, concluyen los autores.

Referencia bibliográfica: 
Fabrizio Germano, Vicenç Gómez, Gaël Le Mens (2019), “The few-get-richer: a surprising consequence of popularity-based rankings”, WWW’19. The Web Conference, San Francisco, EUA, 13-17 de mayo.

Fabrizio Germano, Francesco Sobbrio (2018), “Opinion Dynamics via Search Engines (and other Algorithmic Gatekeepers)“, Computer Science Social and Information Networks, septiembre.

Dejar comentario

Deja tu comentario
Pon tu nombre aquí