Consommation d’informations et de désinformation en Europe : conclusions et références

Tableau des liens

• Résumé et introduction
• Matériels et méthodes
• Résultats et discussion
• Conclusions et références
• Information supplémentaire

4. Conclusions

Dans cette étude, nous avons approfondi la dynamique évolutive de la production et de la consommation d’informations dans le contexte européen. Nous avons examiné la consommation du contenu Twitter produit par les médias en France, en Allemagne, en Italie et au Royaume-Uni, en fournissant une comparaison entre les pays et les sujets.

du discours public en ligne. Nous avons identifié les sujets débattus dans les quatre pays et mis en évidence les différences et les similitudes dans les modes de consommation. De plus, nous avons construit des réseaux basés sur les similitudes entre les audiences des médias, révélant la présence de groupes d'utilisateurs interagissant avec des sources de fiabilité différente.

Nos résultats ont indiqué que les sources fiables dominent le paysage de l’information, mais que les utilisateurs consommant du contenu provenant principalement ou exclusivement de médias douteux étaient souvent présents. Cependant, la taille et l’importance de ces groupes varient en fonction du sujet et du pays considéré. En outre, notre comparaison entre pays a révélé des variations dans la structure des réseaux de similarité des sources d'information. Alors que certains pays présentaient une séparation plus nette entre les groupes de sources douteuses et les sources fiables, d’autres présentaient une situation plus hétérogène avec des différences moins détectables dans la composition des groupes. Cependant, la connectivité des réseaux et l'analyse du comportement des utilisateurs ont indiqué la présence d'une petite fraction d'utilisateurs ayant un régime d'information mixte dans tous les pays.

Nos résultats ont mis en évidence les différences et les similitudes dans les modèles de consommation d’informations entre les pays en ce qui concerne des sujets d’importance mondiale. Comprendre la dynamique de la consommation d'informations et sa dépendance à l'égard de facteurs tels que le sujet ou le pays peut fournir des informations précieuses sur le développement de contre-mesures efficaces pour atténuer la propagation de la désinformation et de la désinformation. La surveillance du paysage de l'information aux niveaux national et européen est en effet cruciale pour comprendre l'état du discours public sur des sujets controversés et développer des stratégies cohérentes sur mesure pour améliorer la santé des écosystèmes d'information.

Les références

Commission européenne, le paquet de lois sur les services numériques. consulté le 23-10-2023.

Bakshy, E., Hofman, JM, Mason, WA et Watts, DJ (2011). Identifier les influenceurs sur Twitter. Dans Quatrième conférence internationale ACM sur la recherche Web et l'exploration de données (WSDM), volume 2.

Bakshy, E., Messing, S. et Adamic, LA (2015). Exposition à des informations et opinions idéologiquement diverses sur Facebook. Science, 348(6239):1130-1132.

Bessi, A. et Ferrara, E. (2016). Les robots sociaux faussent les discussions en ligne sur l'élection présidentielle américaine de 2016. Premier lundi, 21(11-7).

Blondel, VD, Guillaume, J.-L., Lambiotte, R. et Lefebvre, E. (2008). Déploiement rapide des communautés dans de grands réseaux. Journal de mécanique statistique : théorie et expérience, 2008(10) :P10008.

Bovet, A. et Makse, HA (2019). Influence des fausses nouvelles sur Twitter lors de l'élection présidentielle américaine de 2016. Communications sur la nature, 10(1):7.

Broniatowski, DA, Simons, JR, Gu, J., Jamison, AM et Abroms, LC (2023). L'efficacité des politiques et de l'architecture de Facebook en matière de désinformation sur les vaccins pendant la pandémie de covid-19. Avancées scientifiques, 9(37):eadh2132.

Cinelli, M., De Francisci Morales, G., Galeazzi, A., Quattrociocchi, W. et Starnini, M. (2021). L’effet chambre d’écho sur les réseaux sociaux. Actes de l'Académie nationale des sciences, 118(9):e2023301118.

Cinelli, M., Quattrociocchi, W., Galeazzi, A., Valensise, CM, Brugnoli, E., Schmidt, AL, Zola, P., Zollo, F. et Scala, A. (2020). L’infodémie covid-19 sur les réseaux sociaux. Rapports scientifiques, 10(1):1-10.

Cota, W., Ferreira, SC, Pastor-Satorras, R. et Starnini, M. (2019). Quantification des effets de chambre d'écho dans l'information diffusée sur les réseaux de communication politique. Science des données EPJ, 8(1):35.

Del Vicario, M., Bessi, A., Zollo, F., Petroni, F., Scala, A., Caldarelli, G., Stanley, HE et Quattrociocchi, W. (2016). La diffusion de fausses informations en ligne. Actes de l'Académie nationale des sciences, 113(3):554-559.

Del Vicario, M., Zollo, F., Caldarelli, G., Scala, A. et Quattrociocchi, W. (2017). Cartographie des dynamiques sociales sur Facebook : le débat sur le Brexit. Réseaux sociaux, 50 : 6-16.

Falkenberg, M., Galeazzi, A., Torricelli, M., Di Marco, N., Larosa, F., Sas, M., Mekacher, A., Pearce, W., Zollo, F., Quattrociocchi, W. , et coll. (2022). Polarisation croissante autour du changement climatique sur les réseaux sociaux. Nature Changement climatique, pages 1 à 8.

Ferrare, E. (2017). Désinformation et opérations de robots sociaux à l'approche de l'élection présidentielle française de 2017. Préimpression arXiv arXiv : 1707.00086.

Ferrara, E., Cresci, S. et Luceri, L. (2020). Désinformation, manipulation et abus sur les réseaux sociaux à l'ère du covid-19. Journal des sciences sociales computationnelles, 3 : 271-277.

Flamino, J., Galeazzi, A., Feldman, S., Macy, MW, Cross, B., Zhou, Z., Serafino, M., Bovet, A., Makse, HA et Szymanski, BK (2023) . Polarisation politique des médias d'information et des influenceurs sur Twitter lors des élections présidentielles américaines de 2016 et 2020. Nature Comportement humain, pages 1 à 13.

Flaxman, S., Goel, S. et Rao, JM (2013). Ségrégation idéologique et effets des médias sociaux sur la consommation d'information. Disponible au SSRN, 2363701.

Garimella, K., Smith, T., Weiss, R. et West, R. (2021). Polarisation politique dans la consommation d'informations en ligne. Dans Actes de la Conférence internationale AAAI sur le Web et les médias sociaux, volume 15, pages 152-162.

Gonzalez-Bail'on, S., Lazer, D., Barber'a, P., Zhang, M., Allcott, H., Brown, T., Crespo-Tenorio, A., Freelon, D., Gentzkow, M., Guess, AM et al. (2023). Ségrégation idéologique asymétrique dans l'exposition à l'actualité politique sur Facebook. Science, 381(6656):392-398.

Grinberg, N., Joseph, K., Friedland, L., Swire-Thompson, B. et Lazer, D. (2019). De fausses nouvelles sur Twitter lors de l'élection présidentielle américaine de 2016. Science, 363(6425):374-378.

Grootendorst, M. (2022). Bertopic : Modélisation de sujets neuronaux avec une procédure tf-idf basée sur les classes. Préimpression arXiv arXiv:2203.05794.

Karimi, F. et Oliveira, M. (2022). Sur l'insuffisance de l'assortativité nominale pour évaluer l'homophilie dans les réseaux. Préimpression arXiv arXiv:2211.10245.

Lazer, DM, Baum, MA, Benkler, Y., Berinsky, AJ, Greenhill, KM, Menczer, F., Metzger, MJ, Nyhan, B., Pennycook, G., Rothschild, D. et al. (2018). La science des fausses nouvelles. Science, 359(6380) :1094-1096.

McInnes, L., Healy, J. et Astels, S. (2017). hdbscan : clustering basé sur la densité hiérarchique. J. Logiciel Open Source., 2(11):205.

McInnes, L., Healy, J. et Melville, J. (2018). Umap : approximation de variété uniforme et projection pour la réduction de dimension. Préimpression arXiv arXiv:1802.03426.

Nyhan, B., Settle, J., Thorson, E., Wojcieszak, M., Barber´a, P., Chen, AY, Allcott, H., Brown, T., Crespo-Tenorio, A., Dimmery, D., et coll. (2023). Les sources partageant les mêmes idées sur Facebook sont répandues mais ne polarisent pas. Nature, 620(7972):137-144.

Ruths, D. (2019). La machine à désinformation. Science, 363(6425):348-348.

Sammut, C. et Webb, GI (2011). Encyclopédie de l'apprentissage automatique. Médias scientifiques et commerciaux Springer.

Santoro, A., Galeazzi, A., Scantamburlo, T., Baronchelli, A., Quattrociocchi, W. et Zollo, F. (2023). Analyser le paysage changeant du débat sur le vaccin covid-19 sur Twitter. Analyse et exploitation des réseaux sociaux, 13(1):115.

Schmidt, AL, Zollo, F., Scala, A., Betsch, C. et Quattrociocchi, W. (2018). Polarisation du débat sur la vaccination sur Facebook. Vaccin, 36(25):3606-3612.

Stella, M., Ferrara, E. et De Domenico, M. (2018). Les robots augmentent l’exposition aux contenus négatifs et incendiaires dans les systèmes sociaux en ligne. Actes de l'Académie nationale des sciences, 115(49) :12435-12440.

Zannettou, S., Bradlyn, B., De Cristofaro, E., Kwak, H., Sirivianos, M., Stringini, G. et Blackburn, J. (2018). Qu'est-ce que le bavardage : un bastion de la liberté d'expression ou une chambre d'écho de l'extrême droite. Dans les actes complémentaires de la conférence Web 2018, pages 1007 à 1014.

Zannettou, S., Caulfield, T., De Cristofaro, E., Sirivianos, M., Stringhini, G. et Blackburn, J. (2019). Guerre de désinformation : comprendre les trolls parrainés par l'État sur Twitter et leur influence sur le Web. Dans les actes compagnons de la conférence World Wide Web 2019, pages 218 à 226.