Forscher sagen, Modelle zu Fehlinformationen übersehen die Menschen, die falsche Behauptungen am Leben halten

Eine Studie verschiebt den Fokus von Content-Erstellern auf Wiederholungsverteiler

Eine neue Studie zum Verhalten bei Fehlinformationen argumentiert, dass sich die Social-Media-Forschung zu lange mit dem Ursprung falscher Behauptungen befasst hat und zu wenig mit den Menschen, die diese Behauptungen immer wieder weiterverbreiten. Die Arbeit, über die Phys.org anhand einer im International Journal of Enterprise Network Management veröffentlichten Studie berichtet, schlägt ein Modell vor, um zu verstehen, wie Nutzerverhalten dazu beiträgt, dass irreführende Informationen immer wieder zirkulieren.

Die Kernthese ist einfach: Fehlinformationen verbreiten sich nicht nur, weil jemand sie erstellt. Sie verbreiten sich, weil große Zahlen von Menschen beschließen, ihnen zu vertrauen, sie zu wiederholen und ihnen in ihren eigenen Netzwerken neues Leben einzuhauchen. Dieser Unterschied hat weitreichende Folgen dafür, wie Plattformen, politische Entscheidungsträger, Pädagogen und Faktenprüfer versuchen, den Fluss falscher oder unbestätigter Behauptungen zu verlangsamen.

Die Forschenden sagen, dass das Verhalten der Informationsempfänger in früheren Arbeiten unterschätzt wurde. Studien konzentrierten sich oft auf Netzwerkstrukturen, auf Konten, die irreführende Narrative anstoßen, oder auf die Mechanik von Viralisierung. Diese neue Analyse betrachtet stattdessen die menschlichen Entscheidungen, die aus Kontakt Verstärkung machen.

Warum das in Krisen wichtig ist

Die Arbeit legt besonderen Wert auf Notfälle und Katastrophensituationen. In Krisen verlassen sich Menschen oft auf soziale Plattformen als schnell verfügbare Quelle für Updates, Warnungen, Bilder und Augenzeugenberichte. Diese Umgebung schafft ideale Bedingungen dafür, dass irreführende Informationen sich verbreiten: Nutzer stehen unter Druck, offizielle Informationen können unvollständig sein, und emotional aufgeladene Beiträge können dringend genug erscheinen, um sie vor einer Überprüfung zu teilen.

Unter solchen Bedingungen kann eine einzelne Falschbehauptung nicht nur durch die ursprüngliche Veröffentlichung an Fahrt gewinnen, sondern auch durch die wiederholte Weiterverbreitung durch gewöhnliche Nutzer, die glauben, hilfreich, schützend oder bürgerlich zu handeln. Genau dieses Verhalten versucht die Studie klarer zu erfassen.

Die Forschung legt nahe, dass Maßnahmen, die nur darauf abzielen, böswillige Akteure zu identifizieren oder offensichtlich falsche Beiträge zu entfernen, einen großen Teil des Problems verfehlen könnten. Wenn wiederholtes Weiterverbreiten ein zentraler Treiber ist, müssen Plattformreaktionen die Anreize, Vertrauenssignale und Entscheidungsmuster adressieren, die Nutzer dazu bringen, Fehlinformationen weiterzutragen.

Was die Forschenden entwickelt haben

Laut dem Ursprungstext kombinierten die Forschenden zwei Ansätze. Zunächst werteten sie Belege zu Vertrauens- und Glaubensmustern aus, die beeinflussen, ob Nutzer Fehlinformationen teilen. Zweitens nutzten sie unüberwachtes maschinelles Lernen, um Nutzerverhalten zu analysieren. Daraus entwickelten sie ein konzeptionelles Modell, das helfen soll, Verhaltensmuster zu erkennen, die mit Nutzern verbunden sind, die falsche Informationen wiederholt teilen.

Das bedeutet nicht, dass die Studie einen universellen Detektor für Verbreiter von Fehlinformationen hervorgebracht hat, und der bereitgestellte Text behauptet auch nicht, individuelles Verhalten mit Sicherheit vorhersagen zu können. Die Aussage ist enger gefasst, aber dennoch bedeutsam: Das Modell kartiert Muster, die erklären könnten, warum bestimmte Nutzer immer wieder Teil der Verbreitungskette werden.

Das ist ein wichtiger Unterschied. Praktisch könnte ein verhaltensbasiertes Modell nicht nur für Durchsetzungs- oder Moderationsentscheidungen genutzt werden, sondern auch für das Produktdesign. Plattformen könnten Hinweise, Reibungsmechanismen oder Kontextsignale testen, die auf die Momente zugeschnitten sind, in denen Nutzer am ehesten fragwürdige Inhalte erneut teilen.

Mehr als nur Faktenprüfung

Eine der nützlichsten Implikationen der Studie ist, dass die Kontrolle von Fehlinformationen möglicherweise über ein einfaches wahr-falsch-Schema hinausgehen muss. Faktenprüfung bleibt wichtig, doch die Forschung deutet auf ein breiteres System hin, in dem Nutzerpsychologie, Vertrauen und Gewohnheiten als zentrale Variablen behandelt werden.

Das eröffnet mehrere mögliche Anwendungen, die im Ursprungstext beschrieben werden. Die Ergebnisse könnten helfen, Plattformrichtlinien zu verbessern, Medienkompetenzprogramme zu unterstützen, Faktenprüfungsinitiativen zu stärken und Moderationssysteme zu informieren, die die Verbreitung irreführender Informationen verringern sollen. Sie könnten auch dazu beitragen, das öffentliche Vertrauen in online geteilte Informationen wieder aufzubauen.

Jede dieser Anwendungen würde erfordern, das konzeptionelle Modell in eine praktische Umsetzung zu überführen. Ein Medienkompetenzprogramm könnte sich zum Beispiel weniger auf das Erkennen offensichtlich falscher Schlagzeilen konzentrieren und stattdessen darauf, Nutzer darin zu schulen, emotionale oder soziale Auslöser zu erkennen, die sie zum schnellen Weiterverbreiten bewegen. Ein Plattformteam könnte die Erkenntnisse nutzen, um Momente zu identifizieren, in denen zusätzlicher Kontext oder mehr Reibung beim Teilen wirksamer ist als das Entfernen von Inhalten.

Die Forschungslücke, die geschlossen werden soll

Die Studie beschreibt eine Lücke in der aktuellen Literatur: zu viel Schwerpunkt auf Erstellern und Netzwerken, zu wenig auf Empfängern und wiederholten Verbreitern. Diese Kritik spiegelt eine breitere Verschiebung darin wider, wie Forschende Online-Ökosysteme zunehmend betrachten. Informationsflüsse sind nicht bloß top-down. Sie werden ständig von Nutzern neu gemischt und weiterverbreitet, deren Identitäten von sehr einflussreichen Konten bis hin zu gewöhnlichen Menschen mit kleinen, aber vertrauensvollen Kreisen reichen.

In diesem Umfeld zählt Wiederholung fast so sehr wie der Ursprung. Eine falsche Behauptung, die klein beginnt, kann mächtig werden, wenn sie sozial durch viele vertraute Stimmen bestätigt wird. Indem sich die Arbeit auf Nutzer konzentriert, die Fehlinformationen wiederholt verbreiten, rahmt sie das Problem als verteiltes Verhalten und nicht als isolierten Betrug.

Dieser Rahmen könnte besonders relevant werden, da Plattformen sich stärker auf Empfehlungssysteme und algorithmische Rangfolgen stützen. Selbst wenn eine Plattform die Reichweite eines irreführenden ursprünglichen Beitrags reduziert, können Nutzer dieselbe Kernbehauptung weiterhin in Screenshots, Paraphrasen, Antworten oder neuen Beiträgen reproduzieren. Das Verständnis der Menschen, die diesen Kreislauf am Laufen halten, könnte daher für jede dauerhafte Intervention entscheidend sein.

Grenzen und nächste Fragen

Der vorliegende Artikel stellt die Studie auf hoher Ebene dar und lässt daher mehrere Fragen offen, die für die Umsetzung wichtig wären. Er nennt weder die Größe des Verhaltensdatensatzes noch die genauen Merkmale, die das maschinelle Lernsystem untersucht hat, noch die Leistung des Modells über verschiedene Plattformen und Sprachen hinweg. Er belegt auch nicht, dass dieselben Verhaltenshinweise außerhalb von Katastrophenkontexten gleichermaßen gut generalisieren würden.

Diese Einschränkungen mindern den Wert des Beitrags nicht. Sie machen lediglich klar, was diese Arbeit offenbar ist: eine Modellierungsstudie, die eine neue Perspektive auf die Verbreitung von Fehlinformationen bietet, statt eine ausgereifte operative Lösung. Für Forschende und Plattformdesigner könnte das ausreichen, um den Blick auf einen bislang weniger vermessenen Teil des Ökosystems zu lenken.

Ein realistischeres Bild davon, wie Fehlinformationen reisen

Die stärkste Schlussfolgerung der Studie ist, dass Fehlinformationen nicht nur ein Produktionsproblem sind. Sie sind auch ein Beteiligungsproblem. Falsche Behauptungen gewinnen an Kraft, wenn Nutzer ihnen vertrauen, sie wiederholen und sie durch alltägliche Weitergabe normalisieren. Indem die Forschenden versuchen, die Verhaltensmuster hinter diesem Prozess zu identifizieren, verschiebt das Feld sich hin zu einem realistischeren Bild davon, wie digitale Fehlinformationen überleben.

Wenn sich dieser Wandel durchsetzt, könnten künftige Strategien gegen Fehlinformationen weniger darauf ausgerichtet sein, eine kleine Gruppe von Urhebern aufzuspüren, und stärker darauf, die wiederholten Entscheidungen zu unterbrechen, die einer Lüge erlauben, weiterzulaufen. In einer von Krisen getriebenen Informationsumgebung könnte genau dort noch das größte Potenzial für Verbesserungen liegen.

Wofür die Studie laut sich selbst nützlich sein kann

• Gestaltung von Richtlinien für Social-Media-Plattformen
• Medienkompetenz- und digitale Bildungsprogramme
• Faktenprüfungs-Workflows
• Moderationssysteme zur Verringerung der Wiederverbreitung
• Vertrauensaufbau bei Online-Informationen in Notfällen

Dieser Artikel basiert auf einer Berichterstattung von Phys.org. Den Originalartikel lesen.