Spåra föränderliga grupper i kedjor av falska nyheter med temporala grafer

Varför rykten online sprids i tätt sammansvetsade grupper

När falska berättelser sprids snabbt i sociala medier rör de sig sällan ensamma. Istället pushas, delas och upprepas de av kluster av användare som agerar i samklang. Denna studie ställer en enkel men angelägen fråga: kan vi följa hur dessa onlinegrupper bildas och förändras över tid, och använda den kunskapen för att bromsa spridningen av falska nyheter—utan att ens läsa inläggets innehåll?

Följa spåren av vilseledande berättelser

Forskarna fokuserar på ”informationskaskader” på plattformar som Twitter—kedjor av retweets och svar som utvecklas efter att en berättelse bryter ut. Istället för att betrakta användare som isolerade individer ser de hur människor klustras i gemenskaper när ett rykte sprids. Dessa gemenskaper kan vara hängivna promotörer av den falska berättelsen, skeptiska kommentatorer eller vanliga åskådare som sveps med. Utmaningen är att onlinepubliken ständigt förändras: människor går med och lämnar, samtal splittras och går samman, och nätverkets struktur skiftar timme för timme.

En steg-för-steg-ram för att spåra gemenskaper

För att tackla detta introducerar författarna TIDE-MARK, en flerstegsram byggd för att följa föränderliga användargemenskaper över tid. Först återskapar de varje kaskad från råa tweet-ID:n och omvandlar den till en serie timvisa ögonblicksbilder där noder är användare och länkar representerar retweets eller svar. De berikar varje användare med enkel profilinformation och en numerisk sammanfattning av de tweets de delar. Därefter lär ett tidsmedvetet neuralt nätverk sig hur varje användares kopplingar och beteende förändras över ögonblicksbilderna, och producerar ett kompakt ”fingeravtryck” för varje användare i varje timme.

Från oskarpa massor till stabila grupper

Med dessa fingeravtryck grupperar TIDE-MARK liknande användare till preliminära gemenskaper. Därefter modellerar det hur gemenskaper förändras från en ögonblicksbild till nästa och uppskattar hur sannolikt det är att medlemmar i en grupp stannar kvar tillsammans, splittras eller ansluter sig till en annan grupp. Slutligen rensar en förstärkningsinlärningsmodul upp de suddiga gränserna mellan grupperna. Den testar upprepade gånger små förändringar—att flytta individuella användare från en gemenskap till en annan—och behåller de förändringar som gör grupperna mer internt sammanlänkade samtidigt som de är förenliga med tidigare tidsteg. Resultatet är en klarare, mer stabil bild av vem som koordinerar med vem medan kaskaden utvecklas.

Hur gemenskaper kring falska och verkliga nyheter ser ut

Teamet tillämpar TIDE-MARK på tre stora dataset med falska nyheter som spänner över politik, kändisskvaller och COVID-19-hälsoupplysning. I samtliga finner de samma mönster: falska berättelser tenderar att flöda genom tätare, mer beständiga gemenskaper än sanna berättelser. Dessa grupper för falska nyheter är mer tätt sammanlänkade inuti, har skarpare gränser mot resten av nätverket och behåller ungefär samma medlemskap över tid. Verkliga nyheter, däremot, sprids genom lösare, mer utspridda grupper som omkonfigureras när diskussionerna går vidare. Noterbart är att de strukturella egenskaper TIDE-MARK extraherar—hur kohesiva och stabila gemenskaper är—är tillräckligt starka för att hjälpa enkla klassificerare att skilja falska från verkliga kaskader, även utan att titta på textinnehållet.

Testa sätt att störa skadliga kaskader

Eftersom TIDE-MARK ger en gemenskapsnivåvy kan det också användas för att simulera ingrepp. Forskarna testar vad som händer om man tidigt i en kaskad av falska nyheter tar bort bara några få starkt uppkopplade användare från den mest beständiga gemenskapen—en idealiserad motsvarighet till att avstänga konton eller begränsa deras räckvidd. I simuleringarna försvagas kaskadens struktur markant och dess största sammanhängande kluster krymper, vilket tyder på att strukturmedvetna, innehållsneutrala strategier skulle kunna bromsa spridningen av desinformation i betydande grad.

Vad detta betyder för kampen mot desinformation

I vardagstermer visar detta arbete att falska nyheter ofta färdas genom hållbara ”fan-klubbar” av koordinerade användare, medan verkliga nyheter rör sig genom mer flytande folkmassor. TIDE-MARK erbjuder ett sätt att se och följa dessa grupper i realtid, utan att läsa eller värdera innehållet självt. Det gör verktyget lovande för plattformar, forskare och beslutsfattare som vill identifiera riskfyllda mönster av koordinering och utforma försiktiga, riktade åtgärder—möjligtvis för att avväpna skadliga kaskader innan de fullt ut tar fart.

Citering: Ma, Y., Qu, D. & Wang, Y. Tracking evolving communities in fake news cascades using temporal graphs. Sci Rep 16, 4952 (2026). https://doi.org/10.1038/s41598-026-35175-4

Nyckelord: falska nyheter, sociala nätverk, gemenskapsdetektion, spridning av desinformation, moderering på sociala medier