Elezioni di Midterm e social media: un gemello virtuale conferma la polarizzazione
Un team coordinato dal Cnr-Isti ha sviluppato YSocial, una piattaforma con migliaia di utenti artificiali che simula le dinamiche tra utenti, contenuti e algoritmi: l’effetto dei sistemi di raccomandazione porta a scegliere le informazioni affini alla propria opinione. Il lavoro è pubblicato su “Big Data & Society”
Le “bolle” informative nascono dall’interazione tra algoritmi e comportamenti degli utenti. In occasione di eventi particolarmente rilevanti, come le elezioni di Midterm che si terranno negli Stati Uniti il prossimo 3 novembre, possono accentuare la polarizzazione politica, limitando l’accesso degli elettori a punti di vista differenti.
Per comprendere come si formino e quale ruolo svolgano le echo chamber, un team coordinato dall’Istituto di Scienze e tecnologie dell’informazione “Alessandro Faedo” del Consiglio nazionale delle ricerche di Pisa (CNR-ISTI), in collaborazione con le Università di Pisa e di Trento e con l’Université Claude Bernard di Lione, ha sviluppato un virtual twin, un gemello digitale che riproduce le dinamiche di un social network. Lo studio è pubblicato sulla rivista “Big Data & Society”.
“Il sistema ci consente di simulare e osservare, in un ambiente controllato, come si sviluppano la polarizzazione, la viralità dei contenuti, l’impatto degli algoritmi di raccomandazione e le interazioni con utenti e contenuti”, osserva Giulio Rossetti, ricercatore del Cnr-Isti e primo autore dello studio. “Analizzare tali fenomeni direttamente sulle piattaforme reali, infatti, è sempre più complesso: l’accesso ai dati è limitato, gli algoritmi che determinano i contenuti visualizzati dagli utenti spesso poco trasparenti e numerose sperimentazioni sono impedite per ragioni etiche. Il sistema è inoltre progettato per essere accessibile anche a ricercatori senza competenze di programmazione, grazie a un’interfaccia zero-code”.
Nasce così YSocial, una piattaforma digitale nella quale gli utenti, generati da modelli di intelligenza artificiale basati sui Large Language Models (LLM), pubblicano contenuti e replicano le dinamiche di interazione e diffusione tipiche delle piattaforme social. Ogni agente artificiale possiede caratteristiche di età, interessi, opinioni, personalità e preferenze che ne influenzano il comportamento. Gli agenti nel tempo interagiscono e rispondono agli stimoli generati dagli algoritmi della piattaforma.
“Abbiamo simulato per 60 giorni un dibattito tra mille agenti artificiali, equamente suddivisi tra Democratici e Repubblicani, con due fonti informative basate su CNN e Fox News e utilizzando dati storici provenienti dalla piattaforma di microblogging Bluesky, raccolti su circa l’80% della sua popolazione, al fine di riprodurre con la massima fedeltà l’attività osservata nel mondo reale”, prosegue Rossetti. 2I due gruppi hanno progressivamente sviluppato diete informative sbilanciate, interagendo prevalentemente con le fonti più affini al proprio orientamento e, pur discutendo degli stessi temi, hanno utilizzato linguaggi e hashtag differenti. La polarizzazione si è mantenuta anche quando hanno interagito con agenti del gruppo opposto”.
