Viral: Yanlış haberler, virüslerle aynı şekilde yayılıyor

Ortalama bir sosyal medya kullanıcısıysanız muhtemelen her gün onlarca asılsız haberle karşılaşıyorsunuzdur. Bu haberler, aslı astarını araştırmadan paylaştığınız bir ortamda rencide olmanızla sonuçlanan bir felakete bile dönüşmüş olabilir. Eğer böyle bir deneyim yaşadıysanız bunu kişisel algılamayın. Zira uzmanlara göre yanlış haberler, çevrimiçi platformlarda bir virüsün toplumda yayılmasıyla aynı şablonda yayılıyor. Bu da her gün milyonlarca kullanıcının bu dezenformasyon salgınına yakalanmasına neden oluyor.

Rakamlar: Sosyal medyadaki asılsız bilgilerin oranı, özellikle siyasi seçim ve ekonomik kriz gibi büyük toplumsal olayların yaşandığı dönemlerde ciddi bir artış gösteriyor. Pew Research Center’ın bu yıl yaptığı bir ankete katılan ABD vatandaşlarının %73’ü, asılsız bilgiler içeren seçim haberleriyle karşılaştıklarını söylüyor. Katılımcıların yaklaşık yarısı ise hangi haberin doğru, hangi haberin yanlış olduğunu ayırt etmekte zorlandığına işaret ediyor. 

• Birleşmiş Milletler tarafından yapılan başka bir anket de dünya genelinde kullanıcıların %85’inin yanlış haberlerle ilgili bir endişe duyduğuna işaret ediyor. 

Öte yandan: Sosyal medya jargonunda hızla yayılan haberler için kullanılan bir ifade bulunuyor: Viral olmak. Çalışmalar, bu ifadenin bir metafordan çok daha fazlası olduğunu gösteriyor. Salgın uzmanlarının yakın zamanda yaptığı bir çalışma, yanlış bilgilerin yayılma şekli ve virüslerin yayılma biçimi arasında yakın bir benzerlik olduğunu ortaya koydu. Araştırma ayrıca, yanlış haberlerin yayılma şeklinin mikropların yayılma şeklini simüle etmek için oluşturulan matematiksel modeller kullanılarak açıklanabileceğine işaret etti. 

Özellikle 2016 yılında yapılan ABD başkanlık seçimlerinden bu yana sosyal medyadaki dezenformasyon, kapsam ve karmaşıklık bakımından önemli bir büyüme gösterdi. Bu yılki başkanlık seçimi süreci, ABD’deki kasırga felaketlerine ilişkin komplo teorileri, Haitili göçmenlere karşı şiddeti teşvik eden ve bu göçmenlerin evcil hayvanları yediğini iddia eden sahte haberler ve ABD Başkanı Donald Trump’a desteğini açıkça gösteren Elon Musk’ın desteklediği yanıltıcı bilgilere sahne oldu. 

Bilim insanları ise dezenformasyondaki bu devasa artışı açıklamak için salgın biliminde kullanılan matematiksel modellerden faydalandı. Sonuçlar, virüslerin yayılma şeklini analiz etmek için oluşturulan bu modellerin sosyal ağlarda yanlış haberlerin yayılma biçimini açıklamak için de kullanılabileceğini gösterdi. 

Hangi model kullanıldı? 

Araştırmacılar, özellikle dezenformasyon için de kullanılabilecek olan matematiksel modelin “Susceptible-Infectious-Recovered (SIR)” modeli olduğuna işaret etti. Söz konusu model, virüslere duyarlı, virüslerden enfekte olmuş ve enfeksiyon sonrası iyileşen veya dirençli bireyler arasındaki dinamikleri simüle ediyor. Matematikçilerin değişim oranlarını anlamasına yardımcı olan diferansiyel denklemler kullanılarak oluşturulan model, asılsız bilgilerin yayılma biçimini anlamak için de kullanılabiliyor. 

Ayrıntılar: Çalışmaya göre sosyal medyada da yanlış bilgiler, aynı virüsler gibi bireyden bireye yayılıyor. Bu bireylerden bazıları, enfekte olurken bazıları, bağışıklık kazanıyor. Bazı bireyler ise taşıyıcı görevi görüyor ve farkında olmadan veya bu dezenformasyon faaliyetinden kötü yönde etkilenmeden yanlış haberleri yayıyor. 

Neden önemli? Çalışma ekibi, modelin toplumdaki dinamiklerin tahmin edilmesine ve simüle edilmesine olanak tanıdığı için faydalı olduğuna işaret ediyor. Model, “R0” kısaltmasıyla ifade edilen ve enfekte bir birey tarafından oluşturulan vaka sayısının ölçülebilmesine olanak tanıyan değerin hesaplanabilmesini de mümkün kılıyor. 

• Örneğin dezenformasyon için oluşuturulan model, çoğu sosyal medya platformunun R0 değerinin 1’den büyük olduğunu gösteriyor. Bu da bu platformların, yanlış haberleri virüs gibi yayma potansiyeli taşıdığı anlamına geliyor. 

Çözüme giden yolda kullanılabilir 

Matematikçiler, modelleme yöntemlerini kullanarak gözlemlenen şablonları tanımlayabiliyor veya bilinen bağlantılara dayalı öngörülerde bulunabiliyor. Bu sayede belirli bir probleme yönelik çözümler de geliştirilebiliyor. Çalışma ekibi, matematiksel modellerin sosyal medya platformlarında yanlış haberlerin yayılmasını önlemeye yönelik çözümler geliştirilmesine de yardımcı olabileceğine inanıyor. 

Örneğin: Çalışmada kullanılan bir grafik, dezenformasyon sürecine ne şekilde müdahale edilebileceğine yönelik içgörüler sunuyor. Söz konusu grafik, sürecin çeşitli varsayımlar altında nasıl evrileceğini ortaya koyuyor ve bu öngörüyü doğrulama imkanı sunuyor. 

Çalışmaya göre sosyal medyada büyük bir takipçi kitlesine sahip figürler, siyasi seçim döneminde yüz milyonlarca kişiye asılsız bilgileri yayma potansiyeli taşıdıkları için dezenformasyon sürecinin süper yayıcıları hâline gelebiliyor. Oluşturulan grafik, kullanıcıların yanlış bir habere maruz kaldıktan sonra enfekte olma riskinin %10 olduğunu varsayıyor. Bu senaryoda asılsız bilgileri çürütme yoluna gitmek, yalnızca %5’lik bir etki yaratıyor ve enfekte olarak bu dezenformasyondan etkilenen kişi sayısı, dramatik bir biçimde artıyor. 

Fakat bu asılsız bilgiler, proaktif bir tutumla öngörülür ve önceden çürütülürse etki, yanlış bilgi yayıldıktan sonra bilginin çürütüldüğü bir senaryoya kıyasla 2 kat artıyor. Bu durum, grafikte dezenformasyonun yayılma dinamiğini de belirgin bir şekilde değiştiriyor. 

• Grafikler, enfekte olarak dezenformasyondan etkilenen kişilerin büyüme oranını turuncu çizgiyle gösteriyor. 

Dezenformasyonun ilacı: Psikolojik aşılama

Araştırma ekibi, grafik ışığında dezenformasyona karşı uygulanabilecek yöntemin “psikolojik aşılama” olarak nitelendirdikleri önceden çürütme metodu olduğuna işaret ediyor. Bu metotta araştırmacılar, yanlış bir bilgiyi önceden tespit ediyor ve yalanlıyor. Böylece kullanıcılar, ileride yayılabilecek asılsız bilgilere karşı bağışıklık geliştirebiliyor. Süreç, bağışıklık sistemini potansiyel bir maruziyete hazırlamak için vücudun düşük dozda virüsle tanıştırıldığı aşılama süreciyle benzerlik gösteriyor. 

Araştırma: Yakın tarihli bir çalışma, seçimlerde sahtekarlık yapıldığına yönelik oluşturulan yaygın komplo teorilerini proaktif bir biçimde önceden çürütmek için yapay zeka destekli sohbet robotlarını kullandı. Bu kapsamda seçmenler, siyasi figürlerin komplo teorileriyle fikirlerini manipüle edebileceği konusunda önceden uyarıldı ve bu tür yanıltıcı bilgilerin nasıl tespit edilebileceğine dair önemli ipuçları paylaşıldı. 

• Sonuçlar, grafikte de olduğu gibi önceden çürütme metodu uygulanmazsa kullanıcıların yanlış haberlere karşı bağışıklık kazanma hızının dramatik bir biçimde yavaşladığını ortaya koydu. 

Perspektif: Elbette bu modellerin amacı, sorunu olduğundan daha korkutucu göstermek değil. Ancak bu metot, sahte haberlerin basit bir virüs gibi yayıldığı ve kullanıcıları anında etkilediğine yönelik tezleri doğruluyor. Çalışma ayrıca, çoğu yanlış bilginin virüslerde olduğu gibi az sayıda süper yayıcı tarafından geniş kitlelere yayıldığına yönelik tezi de kanıtlıyor.