Misinformasi Benar-benar Menyebar Seperti Virus, Rencana Epidemiologis


Esai berikut dicetak ulang dengan izin dari PercakapanThe Conversation, publikasi online yang meliput penelitian terbaru.

Kami semakin menyadari bagaimana misinformasi dapat mempengaruhi pemilu. Sekitar 73% warga Amerika melaporkan melihat berita pemilu yang menyesatkan, dan sekitar setengahnya kesulitan membedakan antara yang benar dan yang salah.

Ketika berbicara tentang misinformasi, “menjadi viral” tampaknya lebih dari sekadar ungkapan sederhana. Para ilmuwan telah menemukan analogi yang erat antara penyebaran informasi yang salah dan penyebaran virus. Faktanya, cara misinformasi dapat dijelaskan secara efektif menggunakan model matematika yang dirancang untuk mensimulasikan penyebaran patogen.


Tentang mendukung jurnalisme sains

Jika Anda menyukai artikel ini, pertimbangkan untuk mendukung jurnalisme pemenang penghargaan kami dengan berlangganan. Dengan membeli langganan, Anda membantu memastikan masa depan cerita yang berdampak tentang penemuan dan ide yang membentuk dunia kita saat ini.


Kekhawatiran mengenai misinformasi masih banyak dirasakan, dan survei PBB baru-baru ini menunjukkan bahwa 85% orang di seluruh dunia mengkhawatirkan hal tersebut.

Kekhawatiran ini beralasan. Disinformasi asing semakin canggih dan luas sejak pemilu AS tahun 2016. Siklus pemilu tahun 2024 telah memunculkan teori konspirasi berbahaya tentang “manipulasi cuaca” yang melemahkan manajemen badai yang tepat, berita palsu tentang imigran yang memakan hewan peliharaan yang memicu kekerasan terhadap komunitas Haiti, dan konspirasi pemilu yang menyesatkan. teori yang diusung oleh orang terkaya di dunia, Elon Musk.

Penelitian terbaru menggunakan model matematika yang diambil dari epidemiologi (studi tentang bagaimana penyakit muncul dalam suatu populasi dan alasannya). Model ini awalnya dikembangkan untuk mempelajari penyebaran virus, namun dapat digunakan secara efektif untuk mempelajari penyebaran misinformasi di jejaring sosial.

Salah satu jenis model epidemiologi yang berfungsi untuk mengatasi misinformasi dikenal sebagai model yang mudah menular dan pulih (SIR). Ini mensimulasikan dinamika antara individu yang rentan (S), terinfeksi (I), dan pulih atau resisten (R).

Model ini dihasilkan dari serangkaian persamaan diferensial (yang membantu ahli matematika memahami laju perubahan) dan mudah digunakan untuk menyebarkan informasi yang salah. Misalnya saja di media sosial, informasi palsu menyebar dari individu ke individu, ada yang tertular, ada pula yang kebal. Yang lain berfungsi sebagai vektor tanpa gejala (pembawa penyakit), menyebarkan informasi yang salah tanpa mengetahui atau terkena dampak buruknya.

Model ini sangat berguna karena memungkinkan kita untuk memprediksi dan mensimulasikan dinamika populasi dan menghasilkan ukuran seperti angka reproduksi dasar (R0) – jumlah rata-rata kasus yang dihasilkan oleh individu yang “terinfeksi”.

Oleh karena itu, terdapat peningkatan minat untuk menerapkan pendekatan epidemiologi terhadap ekosistem informasi kita. Sebagian besar platform media sosial memiliki perkiraan R0 lebih besar dari 1, yang menunjukkan bahwa platform tersebut berpotensi menyebarkan misinformasi seperti epidemi.

Mencari solusi

Pemodelan matematika biasanya melibatkan apa yang disebut penelitian fenomenologis (di mana peneliti menjelaskan pola yang diamati) atau pekerjaan mekanistik (yang melibatkan pembuatan prediksi berdasarkan hubungan yang diketahui). Model ini sangat berguna karena memungkinkan kita mengeksplorasi bagaimana kemungkinan intervensi dapat membantu mengurangi penyebaran misinformasi di jaringan sosial.

Kita dapat mengilustrasikan proses dasar ini dengan model ilustratif sederhana yang ditunjukkan pada grafik di bawah, yang memungkinkan kita mengeksplorasi bagaimana sistem dapat berkembang berdasarkan berbagai asumsi hipotetis, yang kemudian dapat diverifikasi.

Tokoh-tokoh populer di media sosial dengan banyak pengikut dapat menjadi “penyebar massal” misinformasi dalam pemilu, menyebarkan kebohongan kepada ratusan juta orang. Hal ini mencerminkan situasi saat ini di mana petugas pemilu melaporkan adanya inkonsistensi dalam upaya mereka memverifikasi informasi.

Dalam model kami, jika kami berasumsi secara konservatif bahwa orang hanya memiliki peluang 10% untuk tertular penyakit setelah terpapar, maka membantah informasi yang salah hanya memiliki dampak yang kecil, menurut penelitian tersebut. Dalam skenario probabilitas infeksi 10%, populasi yang terinfeksi oleh misinformasi pemilu tumbuh dengan cepat (garis oranye, panel kiri).

Gambar penyebaran virus misinformasi

Model misinformasi 'kotak' yang tersebar selama seminggu pada sekelompok pengguna, dengan misinformasi tersebut memiliki peluang 10% untuk menulari individu rentan yang tidak divaksinasi setelah terpapar. Pembongkaran diasumsikan 5% efektif. Jika prebunking diterapkan dan dua kali lebih efektif dibandingkan pembongkaran, dinamika infeksi disinformasi akan berubah secara signifikan.

Sander van der Linden/Robert David Grimes

'vaksinasi' psikologis

Analogi penyebaran virus dengan informasi yang salah sangat tepat karena memungkinkan para ilmuwan melakukan simulasi cara memerangi penyebarannya. Intervensi ini mencakup pendekatan yang disebut “inokulasi psikologis”, yang juga dikenal sebagai prebunking.

Di sinilah para peneliti pertama kali memperkenalkan, dan kemudian menghilangkan prasangka, kebohongan sehingga masyarakat mendapatkan kekebalan terhadap informasi yang salah di masa depan. Hal ini mirip dengan vaksinasi, di mana orang diperkenalkan dengan virus dengan dosis (lemah) untuk meningkatkan sistem kekebalan mereka terhadap paparan di masa depan.

Misalnya, sebuah penelitian baru-baru ini menggunakan chatbot AI untuk menghasilkan prasangka terhadap mitos penipuan pemilu. Hal ini mencakup peringatan dini kepada masyarakat bahwa aktor-aktor politik mungkin memanipulasi opini mereka dengan cerita-cerita sensasional, seperti klaim palsu bahwa “pemungutan suara secara besar-besaran dalam semalam telah mengubah pemilu”, serta tips penting tentang cara mengenali rumor yang menyesatkan. 'Inokulasi' ini dapat diintegrasikan ke dalam model populasi penyebaran informasi yang salah.

Anda dapat melihat dalam grafik kami bahwa jika prebunking tidak digunakan, dibutuhkan waktu lebih lama bagi masyarakat untuk membangun kekebalan terhadap misinformasi (panel kiri, garis oranye). Panel kanan menggambarkan bagaimana, jika prebunking digunakan dalam skala besar, maka dapat menampung jumlah orang yang tidak mendapat informasi (garis oranye).

Tujuan dari model ini bukan untuk membuat masalah tersebut terdengar menakutkan atau untuk memberi kesan bahwa manusia adalah vektor penyakit yang mudah tertipu. Namun terdapat bukti jelas bahwa beberapa berita palsu menyebar seperti penyakit menular dan langsung menginfeksi konsumen.

Sementara itu, berita-berita lain berperilaku lebih seperti penularan yang kompleks, di mana orang perlu berulang kali terpapar sumber informasi yang menyesatkan sebelum mereka “tertular”.

Fakta bahwa kerentanan individu terhadap misinformasi dapat bervariasi tidak mengurangi kegunaan pendekatan yang diambil dari epidemiologi. Misalnya, model dapat disesuaikan tergantung pada seberapa sulit atau sulitnya misinformasi “menular” pada sub-populasi yang berbeda.

Meskipun memikirkan orang-orang dengan cara seperti ini mungkin secara psikologis tidak nyaman bagi sebagian orang, sebagian besar misinformasi disebarkan oleh sejumlah kecil penyebar yang berpengaruh, seperti halnya virus.

Mengambil pendekatan epidemiologis terhadap studi berita palsu memungkinkan kita memprediksi penyebarannya dan membuat model efektivitas intervensi seperti prebunking.

Beberapa penelitian terbaru memvalidasi pendekatan viral dengan menggunakan dinamika media sosial dari pemilihan presiden AS tahun 2020. Penelitian ini menemukan bahwa kombinasi intervensi dapat efektif dalam mengurangi penyebaran informasi yang salah.

Model tidak pernah sempurna. Namun jika kita ingin menghentikan penyebaran informasi yang salah, kita perlu memahaminya agar dapat mengatasi dampak sosial yang ditimbulkannya secara efektif.

Artikel ini awalnya diterbitkan pada Percakapan. Bacalah artikel asli.



Source link

Leave a Reply

Your email address will not be published. Required fields are marked *

Proudly powered by WordPress | Theme: Funky Blog by Crimson Themes.