Un reciente estudio destaca un nuevo enfoque para lidiar con la desinformación en las plataformas de redes sociales, particularmente en X, la red social anteriormente conocida como Twitter. Este análisis propone utilizar métricas fácilmente accesibles de redes sociales como una forma de identificar usuarios propensos a difundir contenido de baja veracidad. Datos como la frecuencia promedio de publicaciones diarias y la antigüedad de las cuentas fueron observadas como indicadores claves.
Los investigadores encontraron que existe una correlación entre la frecuencia de publicación de tweets y la veracidad del contenido. Un número elevado de publicaciones diarias está relacionado con contenido de baja factualidad. Esto sugiere que usuarios que tuitean con más frecuencia pueden estar sujetándose menos a verificar la precisión antes de compartir contenido. Curiosamente, las cuentas con mayor antigüedad parecen poseer una mayor probabilidad de compartir informaciones más veraces, lo cual sugiere una correlación entre la experiencia en el uso de la plataforma y una digital literacy más desarrollada.
También se analizó la relación entre el número de seguidores y la calidad del contenido compartido. Los usuarios con un mayor número de seguidores tienden a compartir más contenido de baja factualidad. La presión social y las consideraciones de reputación pueden influir en ello, llevando a decisiones de compartir basadas más en popularidad que en precisión.
Otra observación clave es el impacto del número de cuentas seguidas. Usuarios que siguen muchas cuentas encuentran un volumen mayor de información, lo que potencialmente reduce el tiempo dedicado a verificar la veracidad del contenido. El análisis también demuestra que, si bien las cuentas más antiguas suelen ser más precisas, aquellos que manejan un alto número de cuentas seguidas pueden ver afectada esta tendencia.
En conjunto, estos hallazgos subrayan la utilidad potencial de las métricas simples de redes sociales para distinguir entre los usuarios con propensión a compartir desinformación y aquellos que no. Las métricas analizadas no son infalibles, pero su aplicabilidad en contextos de regulación y estrategias de educación digital es considerable. Se espera que plataformas como X puedan utilizar este conocimiento para desarrollar medidas proactivas y efectivas contra la desinformación.
Concluyendo, aunque las observaciones ofrecen promesas, especialmente en términos de bajo costo y simplicidad de implementación, las variaciones en los comportamientos de los usuarios entre plataformas sugieren que la aplicabilidad podría diferir. Serán necesarias más investigaciones para entender cómo estas métricas se pueden adaptar en un contexto más amplio y diverso de redes sociales, fortaleciendo los esfuerzos para contrarrestar la difusión de información errónea en el ámbito digital.