Rozprzestrzenianie plotek w hipergrafach

Dlaczego czaty grupowe mają znaczenie dla plotek

Codziennie miliony wiadomości przemieszczają się przez czaty grupowe w aplikacjach takich jak WhatsApp czy Telegram. Jeden link lub zrzut ekranu może przeskoczyć z grupy do grupy, szybko stając się plotką kształtującą poglądy ludzi na temat polityki, zdrowia czy codziennych wydarzeń. Mimo to większość naukowych modeli rozprzestrzeniania informacji traktuje komunikację jako wymianę w parach — jedna osoba mówi do drugiej — zamiast uwzględniać grupy. Ten artykuł pyta: co się zmienia, gdy traktujemy grupy poważnie i jak to modyfikuje nasze rozumienie tego, kiedy plotki wybuchają lub gasną?

Od prostych połączeń do złożonych sieci grup

Na platformach do przesyłania wiadomości ludzie nie rozmawiają wyłącznie jeden na jednego — uczestniczą w wielu nachodzących na siebie grupach. Aby to uchwycić, autorzy używają struktury matematycznej zwanej hipergrafem, gdzie pojedyncza „krawędź” może łączyć wielu ludzi jednocześnie, reprezentując grupę czatu. W ich modelu każda osoba może znajdować się w jednym z trzech stanów: nieświadoma plotki, aktywnie ją rozpowszechniająca lub usłyszała ją, lecz nieprzekazująca dalej. Plotka rozprzestrzenia się w grupie tylko wtedy, gdy wystarczająca liczba członków już ją rozsyła, odzwierciedlając presję społeczną, która narasta, gdy wielu kontaktów powtarza tę samą historię. Wtedy wszyscy w grupie, którzy byli nieświadomi, mogą nagle stać się nadawcami, naśladując rzeczywiste napływy aktywności w popularnych czatach.

Jak plotki tracą impet

Plotki nie rozprzestrzeniają się bez końca. Ludzie z czasem tracą zainteresowanie lub uznają, że „wszyscy już wiedzą” i przestają przekazywać wiadomości. Klasyczną nowością tej pracy jest sposób, w jaki traktuje to wygaszanie. Zamiast zakładać, że ludzie losowo przestają rozpowszechniać, autorzy pozwalają, by następowało ono przez nasycenie związane z grupami. Gdy osoba należy do wystarczającej liczby grup, w których plotka już szeroko krążyła, staje się „rozpraszającym” (stiflerem) i przestaje ją przekazywać. Ta prosta reguła prowadzi do dwóch bardzo różnych sposobów gaszenia plotek. W niektórych przypadkach liczba aktywnych nadawców spada szybko wykładniczo, podobnie jak w wielu standardowych modelach epidemii. W innych spadek jest znacznie wolniejszy i przebiega zgodnie z prawem potęgowym, co oznacza, że możliwe są rzadkie, lecz bardzo długotrwałe kaskady plotek.

Krytyczne punkty zwrotne w kaskadach plotek

Przeprowadzając duże symulacje komputerowe, badacze mapują, kiedy plotki gasną, kiedy wybuchają i jak zbliżają się do punktów krytycznych między tymi zachowaniami. Pokazują, że równowaga między tym, jak łatwo grupy zapalają się (próg rozprzestrzeniania), a tym, jak szybko ludzie się nasycają (próg zatrzymania), determinuje, który reżim występuje. Co ciekawe, w szerokim zakresie struktur sieci — od dość jednorodnych zbiorów grup po wyraźnie nierówne układy z wieloma małymi czatami i kilkoma ogromnymi kanałami — obserwowane przez nich przejścia są ciągłe. Nie ma nagłego skoku z „prawie żadnych plotek” do „wszyscy wiedzą”, lecz raczej płynnego przesunięcia, w którym kaskady plotek stają się stopniowo większe i bardziej trwałe w pobliżu punktu krytycznego.

Dopasowanie teorii do rzeczywistych danych z Telegrama

Aby sprawdzić, czy ich abstrakcyjny model uchwytuje rzeczywiste zachowania, autorzy sięgają po duży zestaw publicznych kanałów Telegrama zawierający setki milionów wiadomości. Budują sieć opartą na grupach, w której użytkownicy należą do jednego lub więcej kanałów, a następnie śledzą kaskady wiadomości zawierających ten sam link, traktując każdy link jako odrębną plotkę. Dla każdej kaskady mierzą, jak długo plotka przetrwała i jak często była przekazywana. Gdy symulują swój model bezpośrednio na tej sieci Telegrama, stwierdzają, że statystyki symulowanych kaskad — ich rozmiary i czas trwania — najlepiej zgadzają się z danymi rzeczywistymi, gdy system jest dostrojony blisko punktu krytycznego. Podobne wyniki uzyskane na zbiorze danych z komunikacji e-mailowej wzmacniają ten obraz.

Co to oznacza dla informacji online

W sumie badanie sugeruje, że rozprzestrzenianie plotek w rzeczywistych systemach grupowych online ma tendencję do funkcjonowania blisko delikatnego punktu równowagi: plotki nie wybuchają zawsze bez kontroli ani nie gasną zawsze szybko, lecz zamiast tego znajdują się blisko reżimu krytycznego, gdzie współistnieją małe i duże kaskady. Poprzez jawne modelowanie rozmów grupowych zamiast jedynie pojedynczych połączeń oraz powiązanie wygaszania plotki z nasyceniem grup danej osoby, autorzy dostarczają bardziej realistycznego ramienia do rozumienia wiralnych treści w aplikacjach do przesyłania wiadomości. Dla decydentów i projektantów platform praca ta sugeruje, że nawet niewielkie zmiany w sposobie tworzenia grup, ich nakładania się lub przekazywania wiadomości mogłyby przesunąć dynamikę plotek z dala od tego krytycznego brzegu i pomóc ograniczyć rozprzestrzenianie się dezinformacji bez konieczności monitorowania każdej pojedynczej wiadomości.

Cytowanie: 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

Słowa kluczowe: rozprzestrzenianie plotek, grupy w mediach społecznościowych, sieci hipergrafowe, kaskady informacji, krytyczność