Tecnologia

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. I 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”.

LEGGI TUTTE LE NEWS DI TECNOLOGIA