Estimar a infectividade do tweet nos primeiros 50 retuítes é a chave para prever se um tweet se tornará viral, de acordo com um novo estudo publicado em PLOS ONE em 17 de abril, 2019 por Li Weihua da Beihang University, China e colegas.

À medida que as redes sociais e mídias online continuam a crescer, o mesmo acontece com a importância de compreender como eles influenciam nossos pensamentos e opiniões. Em particular, ser capaz de prever a propagação de contágios sociais é considerado um objetivo fundamental para essas redes de informações sociais. Embora os modelos desenvolvidos no campo das doenças infecciosas tenham sido usados ​​para descrever a difusão de ideias, estudos não usaram dados reais para estimar o quão infecciosa é a informação. Os autores do presente estudo usaram cerca de um mês de dados do Twitter - compreendendo mais de 12 milhões de tweets e mais de 1,5 milhão de retuítes - e estimaram a infectividade de cada tweet com base na dinâmica da rede dos primeiros 50 retuítes associados a ele. Então, eles incorporaram as estimativas de infecciosidade em um modelo com uma constante de decadência que captura o declínio gradual no interesse à medida que as informações online envelhecem.

Usando dados reais e simulações, os autores testaram a capacidade do modelo baseado em infectividade para prever a viralidade das cascatas de retuíte, e comparou seu desempenho ao do modelo de comunidade padrão, que incorpora outros fatores preditivos - como reforço social e efeitos de trapping que agem para manter cascatas de tweet dentro de pequenas comunidades de usuários conectados. Eles descobriram que, tanto para dados reais do Twitter quanto para dados simulados, o modelo de infectividade teve um desempenho melhor do que o modelo de comunidade, indicando que a infectividade é uma grande força motriz para determinar se um tweet se torna viral. Combinar os dois modelos em um modelo híbrido de infectividade de comunidade produziu as previsões mais precisas, destacando a complexidade das forças interagentes que determinam a vida e a morte das informações da rede social.

Os autores acrescentam:"Propomos um modelo de simulação usando dados do Twitter para mostrar que a infectividade, que reflete o interesse intrínseco de uma cascata de informações, pode melhorar substancialmente a previsibilidade das cascatas virais. "