Akut söylentilerin sosyal ağlardaki yayılımının en küçüklenmesi

Sosyal ağlar, ilham verici fikirleri ve yenilikleri benzeri görülmemiş bir hız ve kolaylıkla yayma yeteneğine sahiptir. Bu tür bir bilgi yayma yeteneği çok kıymetli olsa da, sosyal ağlar aynı zamanda yanlış bilgileri de büyük bir hızla geniş kitlelere yayabilir ve bu da etkilenen bireyler ve toplumlar için ciddi sonuçlar doğurabilir. Bu çalışmada, hızlı yayılma potansiyeline sahip ve bireyleri zararlı sonuçları olabilecek eylemleri yapmaya sevk edebilecek bir tür yanlış bilgi olan akut söylentilerin yayılmasına odaklanıyoruz. Akut söylentiler için klasik doğrusal eşik bilgi yayılım modelini, bireylerin söylenti konusundaki temel düşüncelerini ve içeriğin onlarda yarattığı duygusal etkiyi göz önünde bulundurarak genelleyen yeni bir yayılma modeli sunuyoruz. Bu yayılma modeline dayanarak, akut söylentilerin yayılmasını artırma potansiyeli yüksek bireyleri doğru bir şekilde tespit edebilen yeni bir merkezilik ölçütü öneriyoruz. Yaptığımız kapsamlı sayısal çalışmalarla, önerdiğimiz merkezilik ölçütünün performansını literatürdeki mevcut geleneksel merkezilik ölçütleri ile karşılaştırarak değerlendiriyoruz. Sonuçlarımız, önerilen merkezilik ölçütünün akut söylentilerin yayılımını en fazla artırabilecek bireyleri tespit edebilmesi yanında, ağdaki bireyleri söylentinin yayılıma katkıda bulunma potansiyellerine göre doğru sıralamasını da bulmakta üstün performans sergilediğini göstermektedir. Önerilen yayılım modeli ve merkezilik ölçütü, akut söylentiyi kimin yayma olasılığının yüksek olduğunu belirleme konusunda önemli bulgular sunmaktadır. Ancak bu yaklaşım, platforma özgü dinamiklerin ve bireysel düzeydeki davranışların tüm yayılım sürecini nasıl biçimlendirdiğini tam olarak yansıtamamaktadır. Bu sınırlamayı aşmak amacıyla, mesaj çeşitliliğini ve kullanıcı davranışlarındaki değişkenliği modelleyebilen, Twitter/X platformunun yapısından esinlenen bir ajan tabanlı model (ABM) geliştirilmiştir. Birden fazla kullanıcı etkileşimini içeren bu model, ampirik verilerle kalibre edilmiştir. Geliştirilen bu model, akut söylentilerin platform üzerindeki yayılımının ardından bireyler tarafından gerçekleştirilebilecek platform dışı zararlı eylemleri önlemeye çalışırken, aynı zamanda kullanıcıların platform içi etkileşim düzeylerini korumayı amaçlayan çeşitli stratejilerin performanslarını değerlendirmek için kullanılmıştır. Simülasyon sonuçları, önerilen merkezilik ölçütü doğrultusunda yüksek skor alan ve aşırı ya da kutuplaşmış görüşlere sahip kullanıcıların platformda içerikleri okuma sırasının değiştirilmesine dayanan müdahale stratejisinin, diğer stratejilere kıyasla daha başarılı olduğunu göstermektedir. Bu müdahale, söylenti yayılımını sınırlama, fiziksel eylemleri önleme ve kullanıcı etkileşimini sürdürme hedefleri arasında en etkili dengeyi sağlamaktadır.