Propagazione di voci sui ipergrafi

Perché le chat di gruppo contano per le voci

Ogni giorno milioni di messaggi corrono attraverso le chat di gruppo su app come WhatsApp e Telegram. Un singolo link o uno screenshot può saltare da un gruppo all’altro, diventando rapidamente una voce che plasma le opinioni delle persone su politica, salute o eventi quotidiani. Eppure la maggior parte dei modelli scientifici di diffusione dell’informazione continua a trattare la comunicazione come se avvenisse a coppie — una persona che parla con un’altra — invece che in gruppi. Questo articolo si chiede: cosa cambia quando consideriamo seriamente i gruppi e come modifica la nostra comprensione di come le voci scoppiano o si spengono?

Dai semplici link a trame di gruppo complesse

Nelle piattaforme di messaggistica le persone non parlano solo uno a uno — partecipano a molti gruppi sovrapposti. Per catturare questo, gli autori usano una struttura matematica chiamata ipergrafo, dove un unico “arco” può connettere molte persone contemporaneamente, rappresentando un gruppo di chat. Nel loro modello, ogni persona può trovarsi in uno di tre stati: ignara di una voce, attivamente diffusore, o averne sentito parlare ma non inoltrarla più. Una voce si diffonde all’interno di un gruppo solo quando un numero sufficiente di membri la sta già diffondendo, riflettendo la pressione sociale che si accumula quando molti contatti ripetono la stessa storia. A quel punto, chi nel gruppo era ignaro può improvvisamente diventare un diffusore, imitando le ondate reali di attività nelle chat popolari.

Come le voci si esauriscono

Le voci non si diffondono all’infinito. Le persone alla fine perdono interesse o decidono che «tutti lo sanno già» e smettono di inoltrare i messaggi. La novità chiave di questo lavoro è il modo in cui tratta quel rallentamento. Invece di assumere che le persone smettano casualmente di diffondere, gli autori permettono che ciò avvenga tramite la saturazione basata sui gruppi. Una volta che una persona appartiene a un numero sufficiente di gruppi in cui la voce ha già circolato ampiamente, diventa uno “stizzoso” che non la trasmette più. Questa semplice regola dà origine a due modalità molto differenti in cui le voci possono spegnersi. In alcuni casi il numero di diffusori attivi cala rapidamente in modo esponenziale, simile a molti modelli epidemici standard. In altri, il declino è molto più lento e segue una legge di potenza, il che significa che diventano possibili cascate di voci rare ma molto durature.

Punti critici di svolta nelle cascate di voci

Eseguendo ampie simulazioni al computer, i ricercatori mappano quando le voci si affievoliscono, quando esplodono e come si avvicinano ai punti di svolta tra questi comportamenti. Mostrano che l’equilibrio tra la facilità con cui i gruppi si innescano (la soglia di diffusione) e la rapidità con cui le persone si saturano (la soglia di arresto) determina quale regime si manifesta. È interessante che, su un’ampia gamma di strutture di rete — da raccolte di gruppi abbastanza uniformi a configurazioni altamente diseguali con molte chat piccole e pochi canali enormi — le transizioni che osservano sono continue. Non c’è un salto improvviso da “quasi nessuna voce” a “tutti sanno”, ma piuttosto uno spostamento graduale in cui le cascate di voci crescono progressivamente più ampie e persistenti vicino al punto critico.

Confrontare la teoria con i dati reali di Telegram

Per verificare se il loro modello astratto cattura il comportamento reale, gli autori si rivolgono a un ampio dataset di canali pubblici di Telegram contenente centinaia di milioni di messaggi. Costruiscono una rete basata sui gruppi in cui gli utenti appartengono a uno o più canali, poi tracciano le cascate di messaggi che condividono lo stesso link web, trattando ogni link come una voce distinta. Per ogni cascata misurano quanto a lungo la voce sopravvive e quante volte viene inoltrata. Quando simulano il loro modello direttamente su questa rete di Telegram, trovano che le statistiche delle cascate simulate — quanto sono grandi e quanto durano — corrispondono meglio ai dati reali quando il sistema è tarato vicino al punto critico. Risultati simili ottenuti su un dataset di comunicazioni via email rafforzano questa immagine.

Cosa significa per l’informazione online

Mettendo insieme i risultati, lo studio suggerisce che la diffusione delle voci nei sistemi di gruppo online tende a operare vicino a un punto di equilibrio delicato: le voci non esplodono sempre in modo incontrollato né si spengono sempre rapidamente, ma si trovano piuttosto vicino a un regime critico in cui coesistono cascate piccole e grandi. Modellando esplicitamente le conversazioni di gruppo invece dei soli legami individuali, e collegando l’estinzione della voce a quanto sono saturi i gruppi di una persona, gli autori forniscono un quadro più realistico per comprendere i contenuti virali nelle app di messaggistica. Per i responsabili politici e i progettisti di piattaforme, questo lavoro suggerisce che anche piccoli cambiamenti nel modo in cui i gruppi si formano, si sovrappongono o inoltrano messaggi potrebbero spostare la dinamica delle voci lontano da questo bordo critico e contribuire a contenere la diffusione di disinformazione senza dover monitorare ogni singolo messaggio.

Citazione: Oliveira, K.A., Traversa, P., Ferraz de Arruda, G. et al. Rumor propagation on hypergraphs. Nat Commun 17, 3253 (2026). https://doi.org/10.1038/s41467-026-70096-w

Parole chiave: diffusione di voci, gruppi sui social media, reti a ipergrafo, cascate informative, criticità