Con il termine di “Fake news” si intende la diffusione deliberata di disinformazione attraverso i media tradizionali o i social network. L’informazione falsa si propaga in modo estremamente veloce, grazie alla condivisione. Il problema dei social network è che è enormemente facile condividere grosse quantità di notizie e diventa estremamente difficile per un individuo riuscire a discernere il vero dal falso.

Il problema è importante perché porta a conseguenze durevoli in quanto basare il proprio ragionamento su assunti falsi porta ovviamente a conclusioni false per quanto la persona in questione abbia la capacità di fare pensieri logici.

Conseguenze economiche e politiche

Inoltre, possono esserci anche conseguenze immediate e macroscopiche. Ad esempio, in letteratura è riportato il caso di un giornalista che nel 2008 postò la falsa notizia che Steve Jobs aveva avuto un attacco cardiaco sul sito della CNN iReport.com in cui non ci sono filtri redazionali. La notizia si propagò immediatamente e il titolo della Apple in borsa fluttuò tutto il giorno portando quindi anche a bruciare miliardi in breve tempo.

Nelle elezioni presidenziali del 2016 negli U.S.A. è stato trovato che fake news a supporto di Trump sono state condivise 30 milioni di volte su Facebook contro gli 8 milioni a favore della Clinton.

I cinque meccanismi principali usati dalle fake news

1. Truth-Bias – tendenza a dare naturalmente fiducia agli altri e a considerare vero quanto viene detto soprattutto se detto da una persona di fiducia. Questo meccanismo viene ostacolato solo in presenza di elementi che destano sospetto;
2. Naïve Realism – è la tendenza che ha un individuo a ritenere automaticamente corretto e obiettivo il proprio punto di vista e errato, irrazionale o di parte quello degli altri;
3. Confirmation Bias – è il fatto che le persone preferiscono ricevere solo informazioni che confermano il loro punto di vista e ciò in cui credono e portandoli a negare qualsiasi evidenza che sia contraria. Per questo, trovare un’informazione che supporta le proprie convinzioni ha un valore maggiore rispetto alla verifica della bontà della fonte;
4. Falsa Protezione – è la sensazione tipica di chi naviga in rete e che si ritiene al sicuro tra le mura domestiche e in poltrona, favorendo così un abbassamento delle difese e un minore uso del pensiero critico;
5. Pervasività dei social media – vari studi mostrano l’alta percentuale di persone che utilizzano i social network come veicolo principale di informazione.

I tre tipi di contributori principali di fake news

• social bot – si riferisce alla generazione e al controllo seriale e automatizzato di account social tramite algoritmi. Un social bot può generare automaticamente contenuti e perfino interagire con gli altri utenti. E’ un tipo di attacco estremamente insidioso. Ad esempio, è stato mostrato che nel 2006 le elezioni presidenziali negli Stati Uniti hanno visto la partecipazione su larga scala di bot a favore o contro rispettivamente Trump e Clinton arrivando fino a utilizzare quasi 19 milioni di falsi account su Twitter;
• troll – in questo caso sono persone in carne e ossa il cui obiettivo è la distruzione di comunità online suscitando risposte emotive da parte degli utenti e favorendo la generazione di dubbi. Questo meccanismo è stato usato sempre nelle presidenziali americane del 2016 quando un migliaio di troll russi furono pagati per spargere fake news sulla Clinton e stuzzicare paura e rabbia negli utenti;
• utenti cyborg – è una via di mezzo tra le due precedenti nel senso che si tratta di attività automatizzate con un input da parte di umani. In questo caso gli account sono creati da umani, in modo da renderli più credibili, ma vengono utilizzate da programmi.

Metodologie usate per individuare le fake news

Adesso che conosciamo le ragioni e i modi per cui le fake news sono in grado di proliferare, vediamo quali sono i modi per rilevarle, in particolare se sono in formato testuale. I due approcci principali sono:

• Linguistic Cue – in questo caso gli analisti si appoggiano alle differenze di comunicazione tra bugia e verità. Ad esempio, nella comunicazione testuale, i bugiardi tendono ad usare un numero maggiore di parole o a usare meno pronomi personali singolari (“io”, “tu”) e a cercare di favorire di più comportamenti manichei di gruppo (“noi, “gli altri”). Rientrano in questa categoria metodi come Data Representation, Deep Syntax, Semantic Analysis e Sentiment Analysis;
• Network analysis – in questo caso la verità di un contenuto viene accertata paragonandolo a un corpus di informazioni esterno che possa essere usato come riferimento. Un esempio è una notizia che appare con lo stesso taglio in dieci quotidiani diversi ma in uno viene presentata in modo diverso. I metodi che appartengono a questa categoria sono expert-oriented, crowdsourcing-oriented, e computational-oriented. Nel primo caso è richiesta l’assistenza di esperti che devono analizzare l’informazione e poi emettere un verdetto (ad es. PolitiFact). Il secondo corrisponde all’ ”aiuto dagli spettatori in sala”, cioè alla cosiddetta saggezza delle masse, e si basa sull’analisi della notizia da parte di persone normali (ad es. Fiskkit). Nel terzo e ultimo caso, si sfruttano algoritmi che attingono a risorse OSINT (Open Source Intelligence) o che analizzano strutturalmente le frasi.