Skip to main content

Thank you for visiting nature.com. You are using a browser version with limited support for CSS. To obtain the best experience, we recommend you use a more up to date browser (or turn off compatibility mode in Internet Explorer). In the meantime, to ensure continued support, we are displaying the site without styles and JavaScript.

  • RESEARCH HIGHLIGHT

I simili si attraggono: come i social media creano le camere d'eco

Read in English

I social network sono spesso accusati di incoraggiare la polarizzazione e di ampliare le contrapposizioni ideologiche, ma questo effetto è stato raramente studiato in dettaglio. Ora uno studio su Proceedings of the National Academy of Science mostra come piattaforme diverse favoriscano diversi livelli di segregazione nelle loro comunità online, a seconda dei loro algoritmi di feed e delle modalità di interazione1. I ricercatori, guidati da Walter Quattrociocchi dell'Università La Sapienza di Roma, hanno analizzato più di cento milioni di contenuti - post, ma anche interazioni come like, commenti e condivisioni - su argomenti controversi come l'aborto, le vaccinazioni, il possesso di armi e le elezioni presidenziali statunitensi. I contenuti provenivano da quattro piattaforme social: Facebook, Twitter, Reddit (uno dei siti web più popolari al mondo) e Gab, simile a Twitter e popolare tra gli estremisti di destra.

I ricercatori hanno cercato prove dell’esistenza di echo chambers, o "camere d’eco", definite come ambienti online in cui le opinioni degli utenti vengono rafforzate dal fatto dall’interazione con fonti di informazione che hanno lo stesso orientamento. Le descrizioni precedenti delle echo chambers erano per lo più qualitative, per cui il gruppo di ricerca ha dovuto introdurre una definizione quantitativa, basandosi su due dimensioni: l'orientamento di ogni utente su un determinato argomento, e le interazioni dirette tra gli utenti. I ricercatori hanno utilizzato metodi leggermente diversi su ciascuno dei quattro social network per misurare la tendenza politica degli utenti (i ‘mi piace’ per Facebook, i link a specifiche testate giornalistiche per Twitter, Gab e Reddit) e per ricostruire la rete di interazione (ad esempio, due utenti di Facebook venivano considerati collegati se c'era almeno un post commentato da entrambi). "Volevamo sapere se applicando la stessa definizione di echo chamber a ciascuna piattaforma avremmo osservato diverse dinamiche sociali", afferma Quattrociocchi, professore di informatica. La risposta è stata sì.

Il gruppo ha riscontrato una maggiore segregazione su Facebook rispetto ad altre piattaforme, e una netta distinzione tra i social media con un algoritmo del feed modificabile dagli utenti (come Reddit) e quelli meno modificabili. Facebook, ad esempio, non offre una semplice opzione cronologica per visualizzare quanto condiviso dai contatti di un utente. Twitter consente di disattivare l'algoritmo scegliendo di vedere i tweet "più recenti". Reddit e Gab funzionano in modo diverso, e il primo, in particolare, fa meno affidamento sugli algoritmi e offre agli utenti più libertà di decidere quali post vedere.

I ricercatori hanno anche simulato la diffusione delle informazioni sulle quattro piattaforme utilizzando modelli epidemiologici simili a quelli utilizzati per modellare la diffusione di COVID-19. I risultati confermano che, su Facebook e Twitter, gli utenti con un particolare orientamento di opinione hanno molte più probabilità di essere raggiunti da informazioni propagate da utenti con orientamento simile - e quindi diffonderle verso utenti simili. Su Reddit e Gab, questo effetto non è visibile. Ciò potrebbe indicare che questi social network sono meno inclini alle camere d'eco, o al contrario che le comunità di Reddit ("subreddit") e Gab nel suo insieme sono di per sé delle echo chambers, con utenti politicamente più omogenei. "Ciò che abbiamo dimostrato è che le piattaforme con algoritmi di feed hanno un forte impatto sulle dinamiche di polarizzazione e segregazione", afferma Quattrociocchi. Anche nella vita reale tendiamo a riunirci attorno a persone che condividono i nostri valori e i nostri interessi, ma gli algoritmi di feed tendono ad amplificare questa tendenza in modi che prima non erano quantificati.

doi: https://doi.org/10.1038/d43978-021-00020-x

References

  1. 1.

    M. Cinelli, G. De Francisci Morales, A. Galeazzi, W. Quattrociocchi, M. Starnini, PNAS 118, e2023301118, (2021).

    Article  Google Scholar 

Download references

Nature Careers

Jobs

Nature Briefing

Sign up for the Nature Briefing newsletter — what matters in science, free to your inbox daily.

Get the most important science stories of the day, free in your inbox. Sign up for Nature Briefing

Search

Quick links