ايران امروز

ردیابی پویایی نظریه‌های توطئه با یادگیری ماشینی

الیزابت هولدریش

برگردان: علی‌محمد طباطبایی
جدیدترین شماره نشریه اسکپتیکر به زبان آلمانی

در جهانی که با عدم قطعیت‌ها، بحران‌ها و جریان‌های سریع اطلاعات شکل گرفته، نظریه‌های توطئه روزبه‌روز نفوذ بیشتری پیدا می‌کنند. اما چه چیزی آنها را این‌قدر جذاب می‌کند؟ و چگونه پلتفرم‌هایی مانند تلگرام شیوه گسترش این روایت‌ها را تغییر داده‌اند؟ این پرسش‌ها در قلب پژوهش‌های ما در آزمایشگاه بین‌رشته‌ای دیجیتال (IDea_Lab) دانشگاه گراتس قرار دارند. اما پیش از آنکه بتوانیم تحلیل کنیم نظریه‌های توطئه چگونه عمل می‌کنند، ابتدا باید روشن کنیم که اساساً چه ویژگی‌هایی آنها را متمایز می‌سازد.

تنها با تعریفی واضح است که می‌توان الگوها را شناسایی کرد، راهبردهای مقابله را توسعه داد و تاب‌آوری اجتماعی را تقویت کرد. این مقاله نگاهی می‌اندازد به ویژگی‌های نظریه‌های توطئه، نقش دوگانه آنها در جامعه و روش‌هایی که با آنها پویایی این نظریه‌ها در فضاهای دیجیتال را رمزگشایی می‌کنیم – از تحلیل میلیون‌ها پیام تلگرام تا بررسی سرعت گسترش نظریه‌های توطئه.

نظریه‌های توطئه چیستند و چگونه می‌توان آنها را تشخیص داد؟

نظریه‌های توطئه قرن‌هاست که انسان‌ها را مجذوب خود کرده‌اند. اما تعریف آنها پیچیده است، زیرا اشکال روایی متنوعی را در بر می‌گیرند. با این حال، همه آنها یک الگوی پایه‌ای مشترک دارند: آنها رویدادهای پیچیده اجتماعی را به رابطه‌های ساده علت و معلولی تقلیل می‌دهند، خود را به عنوان “دانش مخفی” جلوه می‌دهند و نیاز به کنترل در جهانی غیرقابل پیش‌بینی را برآورده می‌سازند.

کمیسیون اروپا شش ویژگی کلیدی را تعریف کرده است (کمیسیون اروپا، ۲۰۲۰):

۱. توطئه پنهانی: در هسته هر نظریه توطئه، این ادعا قرار دارد که گروه کوچکی از افراد یا سازمان‌ها در خفا عمل می‌کنند تا به هدفی خاص دست یابند.
۲. توطئه‌گران قدرتمند: عاملان ادعایی معمولاً افراد، سازمان‌ها یا گروه‌های قدرتمندی هستند که منابع و نفوذ دارند. این‌ها اغلب شامل سیاستمداران، نخبگان اقتصادی یا نهادهای بزرگ می باشند.
۳. ادعاهای اثباتی: نظریه‌های توطئه به شواهدی متکی هستند که اغلب گزینشی یا خارج از چارچوب ارائه می‌شوند. این شواهد برای باورپذیرتر نشان دادن نظریه استفاده می‌شوند، حتی اگر از نظر علمی قابل دفاع نباشند.
۴. عدم پذیرش تصادفات: در یک نظریه توطئه، هیچ چیزی تصادفی نیست. هر رویدادی به عنوان بخشی از یک طرح بزرگتر تفسیر می‌شود، حتی اگر ارتباط آشکاری وجود نداشته باشد.
۵. دوگانگی خوب و بد: جهان به بازیگران “خوب” و “بد” تقسیم می‌شود. “بدها” توطئه‌گرانی هستند که علیه “خوب‌ها” – که اغلب پیروان خود نظریه هستند – عمل می‌کنند.
۶. اعتقاد به قربانی های فرضی: اغلب گروه‌ها یا افراد خاصی به عنوان مقصر معرفی می‌شوند و دلیل مشکلات جامعه قلمداد می‌گردند. این قربانیان ممکن است شامل اقلیت‌های قومی، رقبای سیاسی یا گروه‌های مذهبی باشند.

کارل پوپر، فیلسوف، جز اولین کسانی بود که در ۱۹۴۵ این ایده را مورد انتقاد قرار داد که نظریه‌های توطئه پیچیدگی جهان را نادیده می‌گیرند: آنها فرض می‌کنند که همه رویدادها نتیجه طرح‌های مخفی هستند – و در این میان، تصادفات، آشفتگی‌ها و پیامدهای ناخواسته اقدامات انسانی را نادیده می‌گیرند (پوپر، ۲۰۱۳).

نمونه‌ای از این پویایی، روایتQAnon (1) است (حسینی،۲۰۲۱). این نظریه بر این ایده استوار است که یک الیت مخفی و شیطانی، در حالی که سیاست جهانی را هدایت می‌کند کودکان را ربوده و مورد آزار قرار می‌دهد. این نظریه هر شش ویژگی را شامل می‌شود: یک اقدام مخفی، توطئه‌گران قدرتمند، ادعاهای اثباتی (اغلب به شکل پیام‌های رمزآلود از سوی فردی ناشناس به نام “Q”)، رد تصادفات (زیرا هر رویداد بخشی از طرح مخفی یک الیت قدرتمند تفسیر می‌شود)، تقسیم‌بندی واضح خوب و بد (”خوب‌ها” میهن‌پرستان طرفدار ترامپ هستند که علیه یک الیت شیطانی و کودک‌آزار – “بدها” – می‌جنگند)، و شیطانی‌سازی گروه‌های خاص (نخبگان جهانی، سیاستمداران لیبرال، رسانه‌ها و غیره). علیرغم عناصر نامعقول، QAnon پیروانی در سراسر جهان یافته و نمونه‌ای بارز از چگونگی تحریف واقعیت توسط نظریه‌های توطئه است.

نظریه‌های توطئه در جامعه: در میانه روشنگری و ایجاد شکاف در میان توده مردم

نظریه‌های توطئه در جامعه نقشی دوگانه و متناقض ایفا می‌کنند: از یک سو می‌توانند شکاف‌های اجتماعی را عمیق‌تر کرده و بی‌اعتمادی را گسترش دهند، و از سوی دیگر، گاه به افشای نارسایی‌ها و سوءاستفاده از قدرت نیز کمک می‌کنند. حضور آن‌ها بازتابی از ترس‌های عمیق، تردید نسبت به نهادها، و نیاز به روشنگری است. در هسته‌ی اصلی خود، نظریه‌های توطئه بیانگر نوعی بی‌اعتمادی نسبت به نهادهای دولتی، سیاسی، اقتصادی و نخبگان اجتماعی‌اند. آن‌ها توضیحاتی جایگزین برای رویدادهایی ارائه می‌دهند که مردم آن‌ها را پیچیده یا ناعادلانه می‌دانند. در جوامع اقتدارگرا یا شدیداً قطبی‌شده، این نظریه‌ها می‌توانند صدای گروه‌هایی باشند که خود را طردشده یا محروم احساس می‌کنند. همین ویژگی در دوران بحران، که ناامنی‌ها افزایش می‌یابد و توضیحات رسمی ناکافی به نظر می‌رسند، آن‌ها را جذاب‌تر می‌سازد (Uscinski 2014).

توطئه‌هایی واقعی نیز وجود دارند که زمینه‌ساز شکل‌گیری چنین نظریه‌هایی شده‌اند. رسوایی واترگیت نمونه‌ای است که نشان می‌دهد توافق‌های پنهانی و سوءاستفاده از قدرت واقعاً می‌توانند وجود داشته باشند. در چنین مواردی، نظریه‌های توطئه گاه به جلب توجه عمومی به تناقض‌ها کمک کرده و بر نهادها فشار می‌آورند تا کاستی‌ها را با دقت بررسی کنند. به عنوان مثال، نظریه‌های بی‌شمار پیرامون ترور جان اف. کندی باعث شدند که این پرونده بارها بررسی شده و برخی جنبه‌های آن با نگاهی انتقادی مورد بازبینی قرار گیرد.

این نقش «نگهبان» نظریه‌های توطئه نشان می‌دهد که آن‌ها همیشه هم مخرب نیستند، بلکه گاه می‌توانند بیانگر شکاکیت سالم در جامعه باشند (Uscinski 2018). با این حال، آن‌ها خطراتی جدی نیز در بر دارند. با ساختن روایت‌های روشن و قاطع که جهان را به دو دسته‌ی «خیر» و «شر» تقسیم می‌کند، به دو قطبی کردن اجتماعی دامن می‌زنند. این نظریه‌ها به پیروان خود این احساس را می‌دهند که بخشی از اقلیتی روشنگر هستند، در حالی که گروه‌ها یا نهادهای دیگر را اهریمنی می‌سازند. این پویایی‌ها اغلب از طریق رسانه‌های اجتماعی تشدید می‌شوند، که با ایجاد «حباب‌های فیلتری» و «اتاق‌های پژواک» اجازه می‌دهند این روایت‌ها بدون مانع گسترش یافته و تثبیت شوند. در جریان همه‌گیری کووید-۱۹، پلتفرم‌هایی مانند تلگرام نقش تعیین‌کننده‌ای ایفا کردند، چرا که فضایی بدون نظارت برای پخش چنین محتواهایی فراهم آوردند (Kleinenvon Königslow 2021).

چرا مردم به نظریه‌های توطئه باور دارند؟

مردم به دلایل گوناگونی به نظریه‌های توطئه باور پیدا می‌کنند. این دلایل را می‌توان در سه سطح بررسی کرد: سطح فردی، گروهی، و اجتماعی.

در سطح فردی، افراد اغلب در پی یافتن توضیحاتی ساده برای مسائل پیچیده هستند تا حس کنترل را بازیابند. نظریه‌های توطئه رابطه‌ای روشن میان علت و معلول ترسیم می‌کنند و در عین حال نیاز به خاص بودن را برآورده می‌سازند. کسی که به آن‌ها باور دارد، معمولاً خود را عضوی از اقلیتی آگاه می‌بیند که حقیقت‌های پنهان را کشف کرده است.

در سطح گروهی، مسئله‌ی اصلی تعلق است. نظریه‌های توطئه روایتی از «ما در برابر دنیا» می‌سازند که پیروان را به هم نزدیک می‌کند. این هویت با مرزبندی نسبت به «دشمنان» یا بیگانگان تقویت می‌شود و انسجام درون‌گروهی را افزایش می‌دهد. در سطح اجتماعی، ساختارهای قدرت نقش تعیین‌کننده دارند. گروه‌های مخالف سیاسی از نظریه‌های توطئه برای فاسد نشان دادن نخبگان و تضعیف اعتماد به ساختارهای قدرت موجود بهره می‌برند. در عین حال، صاحبان قدرت نیز گاه روایت‌هایی در مورد توطئه‌گرانِ فرضی در سطوح بالاتر می‌سازند تا حواس مردم را از مشکلات خود منحرف کرده و وفاداری‌شان را جلب کنند (Imhoff 2024).

تلگرام در کانون توجه

نظریه‌های توطئه پدیده‌ای جدید در این قرن نیستند، اما انقلاب دیجیتال پویایی این نظریه‌ها را به طور اساسی تغییر داده است. امروزه از طریق شبکه‌های اجتماعی و سرویس‌های پیام‌رسانی مانند تلگرام، الگوهای تبیین جایگزین به صورت بلادرنگ - هم در سطح جهانی و هم در جوامع محلی - منتشر می‌شوند. آنچه قبلاً سال‌ها زمان می‌برد تا نهادینه شود، اکنون می‌تواند در عرض چند روز به یک پدیده اجتماعی تبدیل گردد. این بعد جدید، درک چگونگی شکل‌گیری و انتشار نظریه‌های توطئه را برای پژوهشگران و تصمیم‌گیرندگان بیش از پیش ضروری ساخته است.

یکی از دلایل این فوریت، گسترش سریع نظریه‌های توطئه در پلتفرم‌هایی مانند تلگرام به ویژه در دوران همه‌گیری کووید-۱۹ است. مطالعات نشان داده‌اند که نظریه‌های توطئه در زمان بحران‌های اجتماعی با شدت بیشتری منتشر می‌شوند (اشتاین۲۰۲۱). در طول همه‌گیری، نظریه‌هایی درباره توطئه‌های ادعایی واکسیناسیون یا نخبگان جهانی مخفی با استقبال گسترده‌ای مواجه شدند. افزایش فعالیت آنلاین در دوران قرنطینه این روند را تسریع کرد (فلدمن ۲۰۲۰).

طراحی این پلتفرم‌ها نقش محوری ایفا می‌کند. سرویس پیام‌رسان تلگرام محیطی تقریباً فاقد مقررات ارائه می‌دهد که در آن محتوا می‌تواند آزادانه منتشر شود. به همین دلیل تلگرام به یکی از مهم‌ترین عوامل انتشار نظریه‌های توطئه تبدیل شده است. عدم وجود نظارت، گروه‌ها و جوامعی با باورهای ایدئولوژیک توطئه‌گرایانه را جذب می‌کند. فقدان تأثیر الگوریتم‌های پیشنهاد محتوا که در پلتفرم‌هایی مانند ایکس (توییتر سابق) یا یوتیوب محتوا را اولویت‌بندی می‌کنند، امکان تحلیل جریان‌های اطلاعاتی هدایت‌شده توسط انسان را فراهم می‌سازد (کورلی۲۰۲۲؛ اورمان ۲۰۲۲).

بعد دیگر فوریت پژوهش به تأثیر نظریه‌های توطئه بر دموکراسی و سلامت عمومی مربوط می‌شود. حمله به کاپیتول ایالات متحده در ۶ ژانویه۲۰۲۱ که ارتباط تنگاتنگی با نظریه‌های QAnon داشت، نشان می‌دهد چگونه این روایت‌ها می‌توانند نهادهای دموکراتیک را تضعیف و رفتارهای افراطی را تشویق کنند (باند ۲۰۲۳). نظریه‌های توطئه تأثیرات قابل توجهی نیز بر سلامت عمومی دارند. بر اساس شورای آکادمی‌های کانادا (Council of Canadian Academies)، اطلاعات نادرست درباره کووید-۱۹ منجر به حدود ۲۸۰۰ مرگ اضافی و هزینه‌ای بالغ بر ۳۰۰ میلیون دلار کانادا شد (سلامت ۲۰۲۳). این امر به وضوح نشان می‌دهد که چگونه اطلاعات نادرست نه تنها بر رفتار فردی تأثیر می‌گذارد، بلکه آسیب‌های اجتماعی نیز ایجاد می‌کند.

پژوهش درباره نظریه‌های توطئه برای درک پویایی‌ها و مکانیسم‌های انتشار آنها ضروری است. این پژوهش به رمزگشایی تأثیر طراحی پلتفرم، الگوریتم‌ها و پویایی‌های اجتماعی بر انتشار اطلاعات نادرست کمک می‌کند و از این طریق تاب‌آوری جامعه در برابر چنین روایت‌هایی را تقویت می‌نماید.

چگونه درباره نظریه‌های توطئه تحقیق می‌کنیم؟

توسعه فناوری در سال‌ها و دهه‌های اخیر امکان نوع جدیدی از پژوهش درباره پدیده‌های جامعه‌شناختی مانند نظریه‌های توطئه را فراهم کرده است. به طور سنتی، تحقیقات کیفی در رشته‌های جامعه‌شناسی و روانشناسی در اولویت بوده است. در این روش‌ها از مصاحبه‌ها یا مطالعات قوم‌نگاری برای درک دلایل باور افراد به نظریه‌های توطئه و مکانیسم‌های روانشناختی و پویایی‌های اجتماعی پشت آن استفاده می‌شد. این رویکردها بینش عمیقی در مورد انگیزه‌های فردی و زمینه‌های اجتماعی ارائه می‌دهند، اما در بررسی الگوهای اجتماعی گسترده‌تر با محدودیت مواجه می‌شوند.

با دیجیتالی شدن فزاینده و گسترش رسانه‌های اجتماعی، امکان پژوهش درباره نظریه‌های توطئه در سطح جدیدی فراهم شده است: از طریق تحلیل حجم انبوهی از داده‌های رسانه‌های اجتماعی. در سال‌های اخیر، ابزارها و روش‌های این حوزه به سرعت توسعه یافته‌اند، به ویژه در زمینه تحلیل متن مبتنی بر رایانه که امکان تحلیل حجم زیادی از متون بدون نیاز به خواندن آنها را فراهم می‌کند. این روش‌های محاسباتی اکنون امکان پژوهش در مقیاس بزرگ را درباره محتوا و همچنین پویایی های انتشار نظریه‌های توطئه فراهم می‌کنند.

نمونه‌ای از این نوع جدید پژوهش، مجموعه داده‌های «آرشیو توهمات» (Schwurbelarchiv) در تلگرام است که در بایگانی اینترنت قابل دسترسی است. این مجموعه داده شامل بیش از ۶۰ میلیون پیام از گروه‌ها و کانال‌های آلمانی‌زبان تلگرام بین سال‌های۲۰۲۰ تا ۲۰۲۲ است که به نظریه‌های توطئه مختلف می‌پردازند. این مجموعه داده آنقدر جامع است که امکان مطالعه رفتار جمعی افراد در حلقه‌های نظریه توطئه را بدون نیاز به تحلیل افراد یا پیام‌های منفرد فراهم می‌کند. هدف شناسایی یا ارزیابی افراد نیست، بلکه درک پویایی‌ها و الگوهای رفتار جمعی است. از طریق تحلیل این مجموعه داده‌ها، ما مکانیسم‌های مؤثر بر محبوبیت نظریه‌های توطئه، میزان اطلاعات نادرست به اشتراک گذاشته شده در این شبکه‌ها و سرعت انتشار اطلاعات را بررسی می‌کنیم. با استفاده از تحلیل شبکه می‌توانیم بازیگران پرنفوذ در این گروه‌ها و میزان اتصال بخش‌های مختلف شبکه را مشخص کنیم.

چگونه میلیون‌ها پیام را بررسی می‌کنیم

وقتی معمولاً به مجموعه‌داده‌ها فکر می‌کنیم، اغلب جداولی از اعداد به ذهن می‌آیند که می‌توان با روش‌های آماری مختلف تحلیلشان کرد. اما متن - اعم از اخبار، نظرات یا سخنرانی‌ها - نیز می‌تواند به شکلی درآید که با فناوری‌هایی مانند پردازش زبان طبیعی (NLP) (Processing Natural Language) قابل تحلیل باشد. NLP کاربرد ویژه‌ای از یادگیری ماشین است که رابطی بین زبان‌شناسی و علوم کامپیوتر ایجاد می‌کند و هدف آن درک و تحلیل داده‌های متنی است. این فناوری‌ها به‌ویژه هنگام پردازش حجم عظیمی از متون است که بسیار مرتبط و مناسب ارزیابی می‌شوند، زیرا تحلیل دستی آن‌ها عملاً غیرممکن است. با استفاده از تکنیک‌هایNLP می‌توان الگوهایی در متون شناسایی کرد که بلافاصله برای چشم انسان آشکار نیستند. برای مثال با روش‌هایی مانند تحلیل احساسات می‌توان به سرعت و به صورت خودکار فضای حاکم بر بحث‌ها - اعم از مثبت، منفی یا خنثی - را ارزیابی کرد. مدل‌سازی موضوعی این امکان را فراهم می‌کند که بدون نیاز به خواندن تک‌تک پیام‌هایا بخش‌های متنی، موضوعات یا کلیدواژه‌های پرتکرار در حجم زیادی از متن شناسایی شوند. این روشی کارآمد برای تشخیص روایت‌ها و روندهای کلیدی در مجموعه‌داده‌های عظیم است.

اطلاعات نادرست در اتاق‌های پژواک

بخشی از تحلیل مجموعه‌داده‌های آرشیو توهمات (Schwurbelarchiv) به کیفیت یا اعتبار لینک‌های منتشرشده به صفحات خبری در گروه‌های تلگرام مربوط می‌شود. برای ارزیابی کیفیت اخبار از اطلاعات «نگهبان خبر» (News-Guard) استفاده می‌کنیم، سازمانی که اعتبار منابع خبری را بر اساس معیارهای روزنامه‌نگاری ارزیابی و به هر صفحه خبری نمره‌ای بین۰ تا ۱۰۰ می‌دهد. نمره بالا نشان‌دهنده منبعی قابل اعتماد و نمره پایین حاکی از اطلاعات نادرست یا گزارش‌گیری یک‌جانبه است.

این امتیازها امکان تحلیل کیفیت لینک‌های به اشتراک‌گذاشته شده در گروه‌های تلگرام را فراهم می‌کنند. تحقیقات نشان می‌دهد بخش قابل توجهی (بیش از ۴۰ درصد) از این لینک‌ها به منابعی با امتیاز پایین نگهبان خبر (زیر۶۰) منتهی می‌شوند. برای مقایسه، تحلیل ارتباطات سیاستمداران در توییتر نشان می‌دهد تنها ۴ تا ۱۰ درصد لینک‌های منتشرشده به منابع کم‌اعتبار اشاره دارند. شیوع بالای لینک‌های غیرقابل اعتماد در تلگرام بازتابی از طبیعت بی‌قاعده این پلتفرم است.

چگونه چت‌های ابرپخش‌کننده (Superspreader-Chats)، روایت‌های توطئه‌گرایانه را در تلگرام هدایت می‌کنند

برای درک بهتر پدیده نظریه‌های توطئه در شبکه‌های اجتماعی مانند تلگرام، مهم است که نحوه انتشار آن‌ها روشن شود. در اینجا بین دو حالت تفاوت قائل می‌شویم: انتشار عمدتاً توسط چند بازیگر تأثیرگذاریا انتشار از طریق گفتمان «ارگانیک» و غیرمتمرکز توده مردم. این تمایز بینش مهمی درباره مکانیسم‌های انتشار اطلاعات در تلگرام و پویایی‌های چنین شبکه‌هایی ارائه می‌دهد. اگر گفتمان به شدت تحت تأثیر چند بازیگر محوری باشد، این موضوع نشان‌دهنده پتانسیل تلگرام برای دستیابی به مخاطبان گسترده با صرف کمترین تلاش از طریق تعیین هدفمند روایت‌هاست. اما اگر گفتمان به صورت ارگانیک شکل بگیرد، نشان‌دهنده انتشار خودجوش و تا حد زیادی کنترل‌نشده توسط بازیگران متعدد است که از پویایی‌های جمعی ناشی می‌شود.

این پرسش‌ها برای ارزیابی نقش پلتفرم‌هایی مانند تلگرام در انتشار نظریه‌های توطئه و اطلاعات نادرست مرتبط با آن‌ها حیاتی هستند. اگر فقط چند گروه یا فرد تأثیرگذار بر گفتمان مسلط باشند، این موضوع می‌تواند توضیح دهد که چگونه برخی روایت‌ها چنین بازتاب گسترده‌ای پیدا می‌کنند و چرا محتواها اغلب به طور همزمان در گروه‌های مختلف ظاهر می‌شوند. برای درک بهتر این موضوع، شبکه‌هایی ایجاد می‌شوند که جریان اطلاعات بین گروه‌ها را نمایش می‌دهند.

در چنین تحلیلی، گروه‌های تلگرام به عنوان گره‌های شبکه (دایره‌ها در شکل) نمایش داده می‌شوند، در حالی که فلش‌های بین گره‌ها نشان‌دهنده ارسال پیام‌ها بین گروه‌ها هستند. ضخامت فلش نشان می‌دهد که محتواها چند بار از یک گروه به گروه دیگر ارسال شده‌اند. با این روش می‌توان تشخیص داد که کدام گروه‌ها به عنوان توزیع‌کنندگان مرکزی اطلاعات عمل می‌کنند و شبکه‌ها تا چه حد تحت تأثیر ساختارهای متمرکز یا غیرمتمرکز هستند.

نتایج این تحلیل‌ها نشان می‌دهد که ۱۰ درصد از گروه‌هایی که بیشترین ارسال مجدد را دارند - موسوم به «گروه‌های ابرپخش‌کننده» (Superspreader-Gruppen) - مسئول نزدیک به ۹۵ درصد از پیام‌های ارسال شده هستند. این موضوع حاکی از آن است که گفتمان به شدت تحت تأثیر چند گروه تأثیرگذار است. این گروه‌ها نقش کلیدی در انتشار محتوا دارند، در حالی که گروه‌های کوچک‌تر اغلب فقط به عنوان نقاط پایانی جریان اطلاعات عمل می‌کنند.

چرا محتوای تلگرام بیشتر از ترندهای توییتر دوام می‌آورد

این بینش که گفتمان در شبکه‌های تلگرام به شدت توسط چند گروه مرکزی هدایت می‌شود، مبنایی برای تحلیل سرعت حرکت اطلاعات در شبکه فراهم می‌کند. در حالی که تحلیل شبکه نشان می‌دهد کدام گروه‌ها بر جریان اطلاعات تسلط دارند، درک مدت زمان فعال ماندن محتواها در شبکه نیز به همان اندازه مهم است. سرعت ارسال مجدد پیام‌ها و مدت زمان انتشار تک‌تک پیام‌ها، سرنخ‌های مهمی درباره اثربخشی تلگرام در مقایسه با سایر پلتفرم‌ها برای حفظ مرتبط بودن محتوا در بازه زمانی طولانی‌تر ارائه می‌دهند.

تحلیل آرشیو توهمات (Schwurbelarchiv) نشان می‌دهد که انتشار پیام‌ها در تلگرام نسبتاً کند کاهش می‌یابد. پس از حدود یک روز، به‌طور متوسط ۷۵ درصد از ارسال‌های مجدد یک پیام انجام شده است و پس از یک ماه، فرآیند ارسال مجدد برای۹۵ درصد از محتواها به پایان رسیده است. در مقایسه،تحلیل مشابهی از پلتفرم توییتر نشان می‌دهد که بیش از ۹۵ درصد از تمام واکنش‌های ناشی از یک پست – مستقیم یا غیرمستقیم - در ۲۴ ساعت اول ایجاد می‌شوند. تنها یک روز پس از پست اولیه، به ندرت واکنش بیشتری ایجاد می‌کند. (Pfeffer, Matter, Sargsyan 2023).

توضیح احتمالی این امر ساختار پلتفرم‌هاست. در حالی که توییتر با الگوریتم پیشنهاد خود باعث می‌شود محتواها به سرعت از دید خارج شوند، جریان اطلاعات در تلگرام برای مدت طولانی‌تری فعال می‌ماند. این امر باعث می‌شود پیام‌ها در بازه زمانی طولانی‌تری در گروه‌های مختلف گردش داشته باشند.

پویایی کندتر انتشار محتوای تلگرام مزیت ماندگاری طولانی‌تر را ارائه می‌دهد، به طوری که نظریه‌های توطئه یا اطلاعات نادرست اگرچه به سرعت ویروسی نمی‌شوند، اما می‌توانند به صورت پایدار در شبکه‌ها باقی بمانند. این تفاوت با پلتفرم‌هایی مانند توییتر نشان می‌دهد که طراحی پلتفرم تا چه حد بر طول عمر و دسترسی محتوا تأثیر می‌گذارد - عاملی که باید در تحلیل پویایی اطلاعات و توسعه راهبردهای مداخله در نظر گرفته شود.

قدرت پلتفرم‌ها و مسئولیت سیاست

انتشار نظریه‌های توطئه و اطلاعات نادرست در فضای دیجیتال معضل مرکزی زمانه ماست: در حالی که از یک سو رسانه‌های اجتماعی فضایی برای آزادی بیان فراهم می‌کنند، از سوی دیگر می‌توانند به عنوان شتاب‌دهنده‌ای برای اطلاعات نادرست و تفرقه‌افکنی اجتماعی عمل کنند. تحقیقات ما نشان می‌دهد که طراحی پلتفرم‌ها - از اتاق‌های پژواک بی‌قاعده تا محتواهای بادوام - به طور اساسی بر پویایی روایت‌های توطئه‌گرایانه تأثیر می‌گذارد؛ از سرعت انتشار محتوا گرفته تا نوع محتوایی که به ما نمایش داده می‌شود.

تسلط معدود گروه‌های «ابرپخش‌کننده» همزمان پتانسیل نفوذ هدفمند اطلاعات به کل شبکه‌ها را نشان می‌دهد. اینجا جایی است که سیاست نیز وارد عمل می‌شود: با «قانون خدمات دیجیتال» (DSA) اتحادیه اروپا برای اولین بار چارچوب نظارتی ایجاد می‌شود که پلتفرم‌ها را ملزم می‌کند ریسک‌های سیستماتیک خود برای جامعه را ارزیابی و مسئولیت تأثیر الگوریتم‌های خود را بپذیرند. DSA تمرکز را از نظارت بر تک‌تک مطالب به ارزیابی جامع ریسک‌های اجتماعی - از جمله تأثیرات بر گفتمان مدنی و فرآیندهای دموکراتیک - گسترش می‌دهد و پلتفرم‌ها را به شفافیت در نحوه اولویت‌بندی و نمایش محتوا ملزم می‌کند.

این مقررات گام اولیه ضروری برای محدود کردن قدرت رسانه‌های اجتماعی است، زیرا پلتفرم‌هایی مانند تلگرام تاکنون به عنوان پناهگاه‌ها و کانال‌های ایده‌آل انتشار ایدئولوژی‌های توطئه‌گرایانه عمل کرده‌اند. بنابراین، بحث درباره خطرات بالقوه نظریه‌های توطئه نه تنها پرسشی درباره واقعیت در مقابل خیال‌پردازی، بلکه همچنین پرسشی درباره طراحی فضاهای دیجیتال و مکانیسم‌هایی است که انتشار نظریه‌های توطئه را تسهیل یا مهار می‌کنند.

——————-
۱: QAnon یک تئوری توطئه‌ی گسترده و راست‌گرای افراطی است که در اواخر سال ۲۰۱۷ در فضای اینترنت ظهور کرد. این جنبش حول محور یک فرد یا گروه ناشناس با نام “Q” می‌چرخد که ادعا می‌کند به اطلاعات محرمانه‌ای از داخل دولت ایالات متحده دسترسی دارد.

باورهای اصلی QAnon:

۱. “طوفان” (The Storm):
- ادعا می‌کند که یک گروه شیطانی از نخبگان جهانی (از جمله سیاستمداران، هنرمندان و افراد مشهور) کودکان را قربانی می‌کنند و از خون آن‌ها برای کسب قدرت استفاده می‌نمایند.
- پیش‌بینی می‌کند که یک رویداد بزرگ (”طوفان”) رخ خواهد داد که در آن هزاران نفر از این نخبگان دستگیر و اعدام خواهند شد.

۲. ترامپ به عنوان ناجی:
- طرفداران QAnon معتقدند دونالد ترامپ به طور مخفیانه در حال مبارزه با این شبکه‌ی شیطانی است و در نهایت آن‌ها را نابود خواهد کرد.

۳. دشمنان خیالی:
- دموکرات‌ها، رسانه‌های جریان اصلی، بانک‌داران بین‌المللی و سازمان‌هایی مانند FBI و CIA بخشی از این توطئه‌ی جهانی معرفی می‌شوند.

تأثیرات و گسترش:
- QAnon ابتدا در فروم‌های اینترنتی مانند 4chan و 8kun شکل گرفت، اما به سرعت در شبکه‌های اجتماعی مانند فیسبوک، توییتر و یوتیوب پخش شد.
- برخی از هواداران آن در رویدادهای خشونت‌آمیز، مانند حمله به کاپیتول ایالات متحده در ۶ ژانویه ۲۰۲۱، مشارکت داشتند.
- این جنبش به یک پدیده جهانی تبدیل شده و در کشورهای دیگر مانند آلمان، بریتانیا و استرالیا نیز طرفدارانی دارد.
به طور خلاصه، QAnon یک جنبش توطئه‌گرای خطرناک است که با انتشار اطلاعات نادرست و تحریک خشونت، تهدیدی برای امنیت و ثبات اجتماعی محسوب می‌شود.

* کلیه تصاویر این مقاله توسط هوش مصنوعی و برای همین متن تهیه شده است.

Literatur:
● Bond, B. A.; Neville-Shepard, R. (2023): The rise of presidential eschatology: Conspiracy theories, religion, and the January 6th insurrection. American Behavioral Scientist, 681-696.
● Literatur Bond, B. A.; Neville-Shepard, R. (2023): The rise of presidential eschatology: Conspiracy theories, religion, and the January 6th insurrection. American Behavioral Scientist, 681-696.
● Curley, C.; Siapera, E. (2022): Covid-19 Protesters and the Far Right on Telegram: Co-Conspirators or Accidental Bedfellows? Social Media + Society, https://journals.sagepub.com/ doi/10.1177/20563051221129187.
●  Europaische Kommission (2020): Identifying Conspiracy Theories, https://commission.europa.eu/strategyand- policy/coronavirus-response/fighting-disinformation/ identifying-conspiracy-theories_en, Zugriff am 23. April 2025.
Feldmann, A.; Gasser, O.; Lichtblau, F.; Pujol, E.; Poese, I.; Dietzel, C.; Wagner, D.; Wichtlhuber, M.; Tapiador, J.; Vallina-Rodriguez, N.; Hohlfeld, O.;
●  Smaragdakis, G. (2020): The Lockdown Effect: Implications of the COVID-19-Pandemic on Internet Traffic. Proceedings of the ACM Internet Measurement Conference.
●  Health, E. P. (23. Marz 2023): Fault Lines. The Council of Canadian Academies, https://www.cca-reports. ca/reports/the-socioeconomic-impacts-of-health-andscience- misinformation/, Zugriff am 23. April 2024.
●  Hoseini, M.; Feldmann, A.; Melo, P.; Benevenuto, F.; Zannettou, S. (2021): On the Globalization of the QAnon Conspiracy Theory Through Telegram. Ar- Xiv. https://arxiv.org/pdf/2105.13020. Imhoff, R. (2024): Die Psychologie der Verschworungstheorien. Hogrefe, Gottingen.
● Kleinen-von Konigslow, K.; von Nordheim, G. (2021): Verschworungstheorien in sozialen Netzwerken am Beispiel von QAnon. Bundeszentrale fur politische Bildung: https://www.bpb.de/shop/zeitschriften/apuz/ verschwoerungstheorien-2021/339281/verschwoerungstheorien- in-sozialen-netzwerken-am-beispielvon- qanon/, Zugriff am 23. April 2025.
● Lasser, J.; Aroyehun, S. T.; Simchon, A.; Carrella, F.;
● Garcia, D.; Lewandowsky, S. (2022): Social media sharing of low-quality news sources by political elites. PNAS Nexus, 1(4), S. 186ff, 6, https://doi. org/10.1093/pnasnexus/pgac186.
●  Newsguard (2020): Newsguard Tech. Rating Process and Criteria: http://www.newsguardtech.com/ratings/rating-process- criteria/, Zugriff am 23. April 2025.
●  Proceedings of the International AAAI Conference on Web and Social Media 17:1163-1167,DOI:10.1609/ icwsm.v17i1.22228, https://www.researchgate.net/ publication/371527325_The_Half-Life_of_a_Tweet
●  Popper, K. (2013): The Open Society and Its Enemies. Princeton University Press, Princeton.
●  Stein, R. A.; Ometa, O.; Shetty, S. P.; Katz, A.; Poppitu, M. I.; Brotherton, R. (2021): Conspiracy theories in the era of COVID-19: A tale of two pandemics. International Journal of Clinical Practice, https://pmc. ncbi.nlm.nih.gov/articles/PMC7995222/.
●  Stryker, C.; Holdsworth, J. (2024): Was ist NLP? https://www.ibm.com/de-de/topics/natural-language- processing, Zugriff am 11. August 2024. Urman, A.; Katz, S. (2022): What they do in the shadows: examining the far-right networks on Telegram. Inf., Commun. Soc., S. 904 – 923.
●  Uscinski, J. E.; Parent, J. M. (2014): American Conspiracy Theories. Oxford University Press, Oxford, New York.
●  Uscinski, J. E. (2018): The Study of Conspiracy theories. Argumenta.Virchow, F. (1. Marz 2022). Bundeszentrale fur politische Bildung, https://www.bpb. de/themen/rechtsextremismus/dossier-rechtsextremismus/ 508468/querdenken-und-verschwoerungserzaehlungen- in-zeiten-der-pandemie/, Zugriff am 23. April 2025.

Das IDea_Lab der Universität Graz Mit maschinellem Lernen der Dynamik von Verschwörungstheorien auf der Spur Elisabeth Höldrich skeptiker 2/2025