Quanto può durare la “vita” di un tweet? Ovvero: per quanto tempo un può “far parlare di sé”, suscitando cuoricini e retweet, prima di entrare nell’oblìo? Secondo Li Weihua e colleghi dell’Università cinese di Beihang, la vita di un tweet dipende strettamente dai primi 50 retweet: la sua viralità è modulata principalmente dal suo tasso di diffusione iniziale e caratterizzata da una successiva, graduale perdita di interesse nel tempo. La ricerca è stata pubblicata sulla rivista PLOS ONE.
I social network e i media online continuano a crescere ed è sempre più importante capire in che modo influenzano i nostri pensieri e opinioni. In particolare, essere in grado di prevedere la diffusione del “contagio social” è considerato un obiettivo chiave i social network informativi. In passato, i ricercatori hanno cercato di applicare i modelli sviluppati nel campo delle malattie infettive per descrivere i meccanismi di diffusione delle idee, ma questi studi non hanno utilizzato dati reali per stimare quanto siano “virali” le informazioni.
Gli autori del nuovo lavoro hanno invece utilizzato circa un mese di dati relativi a Twitter – comprendenti oltre 12 milioni di tweet e oltre 1,5 milioni di retweet – e hanno valutato la viralità di ciascun tweet in base alle dinamiche di rete dei primi 50 retweet a esso associati. Successivamente, gli scienziati hanno incorporato le stime di viralità in un modello con una costante di decadimento che rappresenta il graduale declino dell’interesse man mano che l’informazioni online “invecchia”.
Utilizzando dati reali e simulazioni, gli autori hanno testato la capacità di questo modello basato sull’infettività a predire la viralità delle cascate di retweet e hanno confrontato le sue prestazioni con quelle di modelli utilizzati di consueto in contesti simili (che si basano su altri fattori predittivi, come il rinforzo sociale e il “trapping”, effetti che mirano a mantenere le cascate di tweet all’interno di piccole comunità di utenti). I ricercatori hanno così scoperto che, sia per i dati reali di Twitter che per i dati simulati, il nuovo modello di viralità funzionava meglio, indicando che quello che succede nei primi 50 rilanci è determinante per capire se un tweet diventa virale. “Proponiamo un modello di simulazione che utilizza i dati di Twitter per dimostrare che l’infettività, che riflette l’intrinseca curiosità di una cascata di informazioni, può migliorare sostanzialmente la prevedibilità delle cascate virali”.
