Un nouveau modèle de recherche révèle comment la contagion se propage au sein d’un réseau de personnes connectées

Qu’est-ce que la désinformation et la maladie ont en commun? Ils se propagent facilement.

Mais un nouvel article intitulé «Contrôle et propagation de la contagion dans les réseaux» relie encore plus les deux en postulant un modèle unique pour étudier les deux cas. Le nouveau modèle et les algorithmes associés peuvent être utilisés pour comprendre les conséquences potentielles des politiques conçues pour contrôler ou propager la contagion au sein d’un réseau de personnes connectées.

«Nous avons commencé à réfléchir à la manière de modéliser la désinformation en utilisant des modèles de prise de décision décentralisés et interdépendants issus de la théorie des jeux», a déclaré Tarun Sabarwal, professeur d’économie à l’Université du Kansas et directeur du Center for Analytical Research in Economics.

« Dans les jeux avec des compléments stratégiques, il y a une incitation naturelle pour les gens à aller dans la même direction que les autres. C’est le fondement sous-jacent, et vous le voyez partout. Que ce soit en utilisant la même technologie pour collaborer avec d’autres ou en croyant la même chose ce que nos amis croient, les gens ont tendance à se coordonner avec leurs collègues et amis. « 

Co-écrits avec John Higgins, un senior KU en économie, leur modèle et leur analyse sont applicables à de nombreuses situations, allant du changement de régime à l’utilisation de désinfectant pour les mains pendant une pandémie. Mais, évidemment, deux problèmes actuels les plus pertinents concernent la dispersion des fausses nouvelles et le COVID-19.

Sabarwal explique que si quelqu’un veut semer la discorde dans un pays par la désinformation, il lui suffit de convaincre une relativement petite minorité de citoyens de croire à une information incendiaire, et cela peut suffire à influencer un plus grand pourcentage. Plus les gens sont convaincus au départ, plus le balayage potentiel de désinformation est grand. C’est la même chose pour les maladies infectieuses.

« Nous nous attendions à ce que cela aille dans cette direction, mais la vitesse à laquelle les choses se sont intensifiées avec la viralité était très surprenante », a déclaré Sabarwal.

« Sous des hypothèses raisonnables, si la contagion s’est propagée à environ 40% du réseau, il est presque impossible de l’arrêter. Même si les gens autour de vous ne sont pas infectés, vous serez toujours infecté en raison de l’effet global découlant de l’interaction communautaire. »

Sabarwal modélise la prolifération d’une action à l’aide d’un jeu de coordination en réseau qui est généralisé pour inclure une mesure traitable de la viralité agrégée pour la rendre plus réaliste. Ces nouveaux algorithmes étudient la propagation de la contagion dans des réseaux sans échelle avec 1000 joueurs en utilisant des millions de simulations Monte Carlo.

« Un nouvel aspect de notre travail est l’inclusion explicite d’un impact de viralité agrégé, basé sur le nombre de non-voisins infectés », a-t-il déclaré.

Sabarwal souligne que cela se voit souvent dans les affaires, l’épidémiologie et l’informatique. Par exemple, les modèles de type marketing demandent: « Quelles personnes dois-je retourner pour que je puisse maximiser les autres qui achèteront le produit? » En épidémiologie, les chercheurs se penchent sur la probabilité d’infecter quelque chose, puis ils mettent en place une équation différentielle pour voir comment cela va évoluer dans le temps. En informatique, ils étudieront la désinformation tout en étudiant l’effet de personne à personne.

« Nous disons que sur les réseaux sociaux, en plus de ce que font mes voisins, je peux être affecté par les conditions globales du réseau. En cas de désinformation, par exemple, même si tous mes voisins disent » non « , si beaucoup d’autres personnes disent «oui» sur Twitter ou Facebook, cela a un impact supplémentaire sur moi. Pour les maladies infectieuses, même si les gens autour de moi ne sont pas infectés, je peux courir un risque plus élevé en raison des voyages de personnes non apparentées ou de l’interaction avec d’autres personnes sur des marchés communautaires anonymes. Notre modèle capture cet effet de manière naturelle. « 

Ce qui rend cela plus délicat pour la société contemporaine, c’est le rôle de la viralité agrégée dans les médias sociaux / réseaux sociaux.

« Auparavant, vous pouviez partager quelque chose avec tout le pays via un journal ou une télévision. Ces médias ont intégré des freins et contrepoids de sorte que tout ce que vous dites ne soit pas entendu au niveau national », a déclaré Sabarwal, qui travaille à KU depuis 2008. .

« Dans les réseaux sociaux, vous envoyez tout ce que vous voulez envoyer, et il va partout où il veut aller. De plus, les plateformes encouragent un plus grand partage d’informations entre plus de personnes. Une campagne de désinformation bien coordonnée dans ce contexte peut avoir des conséquences sociétales larges et graves. . « 

Sabarwal espère que son modèle fournira à davantage de personnes de nouveaux outils de recherche pour analyser des situations supplémentaires.

De plus, a noté le professeur, le modèle peut être lu «dans les deux sens».

Il a dit: « Vous pouvez le lire en termes de » Que devrions-nous faire pour empêcher la propagation de quelque chose de négatif?  » Mais vous pouvez également l’examiner en termes de « Que devrions-nous faire pour augmenter la diffusion de quelque chose de positif? »  »