Information Gerrymandering ma…

---

[Reading Time: 9 minutes]

Nessuno percepisce l’Information Gerrymandering

Ci sono tante cose che sfuggono vivendo il Social Network ma l’Information Gerrymandering è forse una delle più rarefatte e quasi impercettibili.

l’Information Gerrymandering è una pratica sottile ed estremamente manipolatoria che non si materializza se non nei risultati.

 

Suona veramente strano come termine ma se continuate a leggere, forse riuscite a capire come un Social Network può anche sterzare le elezioni in una determinata nazione.

È stato fatto?

Sì.

Perché è stato fatto?

Per soldi e per obiettivi di geopolitica.

È ufficiale oppure è complottismo?

È ufficiale.

Si adotta anche per altro?

Si adotta ogni volta che qualcuno vuole polarizzare una reazione oppure vuole creare una situazione di stallo.

[Tenete bene a mente questo ultimo passaggio]

La dinamica è interessante e cercherò di raccontarla senza incazzarmi, proviamo a vedere se ce la faccio.

 

Quante volte ho ululato e discusso sulle evidenze manipolatorie dei Social Network?

Centinaia.

Chi nega questo aspetto lo fa solamente perché accettare la realtà fa male alla salute, oppure l’ha accettata per il fatto che in fondo, in fondo non gli dispiace neanche e spera di cavarne opportunisticamente dei vantaggi.

 

Ma a dire il vero, spesso e volentieri Le Macchine fanno solo in modo che si faccia tutto da soli.

Mi spiego meglio:

 

Essendo animali molto suggestionabili ed estremamente dipendenti dai comportamenti sia dei nostri simili in senso lato che dei nostri simili all’interno della community alla quale sentiamo di appartenere, succede che basta creare dei presupposti specifici e i nostri comportamenti diventano prevedibili, ricorrenti, inducibili e telecomandabili.

 

l’Information Gerrymandering fa esattamente questo:

Crea presupposti

…e il resto lo facciamo esattamente da soli sotto la pressione di un cocktail di bias che non finiscono mai e che si digerisce anche male.

Tanto per capirci:

un bias è uno scherzo del cervello che non sappiamo contrastare.

Non ne abbiamo il controllo e tutti ne siamo colpiti (per forme e gradi differenti).

Non esiste essere umano che non ne subisca gli effetti.

Qui sotto una bella grafica che vi rappresenta la complessità dei bias più ricorrenti

*Gerrymandering*, è un americanismo riferito alla politica statunitense, ossia la pratica di tracciare i confini dei distretti elettorali in modo da conferire a un partito politico un ingiusto vantaggio sui suoi rivali (gerrymandering politico o di parte) o che diluisce il potere di voto dei membri di gruppi di minoranze etniche o linguistiche (gerrymandering razziale).

 

Il termine deriva dal nome del governatore Elbridge Gerry del Massachusetts, la cui amministrazione ha promulgato una legge nel 1812 definendo nuovi distretti senatoriali statali.

 

La legge ha consolidato il voto dei federalisti in alcuni distretti e quindi ha dato una rappresentanza sproporzionata ai democratici-repubblicani.

Si pensava che il profilo di uno di questi quartieri somigliasse a una salamandra.

Una vignetta satirica di Elkanah Tisdale apparsa sulla Boston Gazette ha trasformato graficamente i distretti in un animale favoloso, “The Gerry-mander”, fissando il termine nell’immaginario popolare.

 

Social Network e Gerrymandering che relazione c’è?

 

Una delle caratteristiche fondamentali del Social Network che ci è stato venduto (ossia quello mainstream) è la sua insita capacità, automatica e meccanica, di aggregazione.

Quando pensiamo di scegliere o di essere scelti, in realtà ci stiamo muovendo dentro una bolla precisa che La Macchina realizza con due scopi prioritari:

1) Creare una comfort zone dalla quale si uscirà con estrema difficoltà e che si rigenera all’infinito (parliamone quando vi pare)

2) Creare dei cluster di persone omologhe sulla base del comportamento digitale, dei gusti, delle opinioni, dei luoghi frequentati ecc. in modo da ottenere una profilazione sempre più approfondita e specifica che gli è necessaria per i propri obiettivi di business e pubblicitari.

 

Dunque il Social Network di per sé aggrega automaticamente gli individui che lo usano, ne deriva masse ingenti di dati appunto *aggregati* con il consenso dell’utente e senza il consenso, li usa, li condivide e li rivende.

La stessa cosa fanno tutte le app che avete nello Smartphone.

 

E arriviamo al punto

Se avete letto fino a questo paragrafo, oltre a essere eroici, avete più o meno capito che trovarsi tra gente che la pensa in modo simile è parecchio facile e frequente sul Social Network.

 

Uno studio molto articolato e approfondito ha dimostrato una tendenza ricorrente.

L’analisi mostra che il flusso di informazioni tra gli individui in un Social Network può essere “gerrymandered” per distorcere le percezioni di come voteranno gli altri nella comunità, il che può alterare i risultati delle elezioni.

 

Questo studio condotto da Alexander J. Stewart, Mohsen Mosleh, Marina Diakonova, Antonio A. Arechar, David G. Rand & Joshua B. Plotkin e pubblicato nel Settembre del 2019

sulla rivista scientifica Nature, ha dimostrato che il processo decisionale collettivo è vulnerabile quando sottoposto a distorsione sistematica dovuta a un flusso di informazioni ristretto.

 

L’analisi evidenzia che il gerrymandering delle informazioni può consentire a una parte di influenzare le decisioni a proprio favore, ma quando più parti si impegnano nel creare blocchi di informazioni entro la stessa area e nella stessa community, senza avere contatti con la parte avversa, il gruppo perde la propria capacità di raggiungere il consenso e rimane intrappolato in una situazione di stallo.

 

La situazione si fa complicata

Gli elettori spesso vivono in bolle d’informazione estremamente di parte, dove ricevono solo dettagli parziali (anche volontariamente omessi dalla *Stazione Emittente* ndr.) su come si sentono gli altri rispetto alle questioni politiche.

Ora, l’esperimento sviluppato in parte dai ricercatori del MIT fa luce su come questo fenomeno influenzi le persone quando votano e quando lo vivono.

 

L’esperimento, ha posto i partecipanti in una sorta di elezioni simulate e ha rilevato non solo che le reti di comunicazione (come i social media) possono distorcere le percezioni degli elettori su come gli altri intendono votare, ma anche che questa distorsione può aumentare la possibilità di una situazione di stallo elettorale o di influenzare gli esiti generali delle elezioni a favore di una delle parti.

 

Dichiara David Rand, professore associato presso la Sloan School of Management del MIT:

“La struttura delle reti di informazione può davvero influenzare in modo fondamentale i risultati delle elezioni “.

Ecco 4 casi di strutture d’informazione ricorrenti prima di una eventuale elezione, osservateli bene per capire:

1. In alto a sinistra: Politici che parlano TUTTI tra di loro con almeno 1 della parte avversa
2. In basso a sinistra: Politici che parlano solo con i rappresentanti della parte avversa e il resto della parte avversa è esclusa dalle comunicazioni e parla principalmente tra di loro
3. In alto a destra: politici in maggioranza elitari e con privilegi che parlano solo tra di loro e abbandonano una parte della loro stessa compagine la quale, automaticamente, sentendosi discriminata prenderà contatto con la parte avversa
4. In basso a destra: politici che sono radicalmente su piani opposti, comunicano solo all’interno delle community e non hanno relazione con la parte avversa

 

È un casino!

Le persone devono integrare molteplici fonti di informazioni quando prendono le decisioni.

Ma le informazioni non sempre fluiscono liberamente (praticamente mai) anzi possono essere limitate a livello di Social Network e distorte da algoritmi precisi che indirizzano messaggi e contenuti precisi a un pubblico preciso, oppure i contenuti possono essere numericamente soverchianti e consegnati via Social Network agli utenti, rimbalzati centinaia, migliaia di volte da bot automatizzati che agiscono come sostenitori fanatici e irriducibili.

 

L’esperimento

Nel tentativo di chiarirVi l’esperimento mi atterrò quanto più possibile a ciò che ho rintracciato nelle fonti che ho usato.

 

L’esperimento è stato concepito come un gioco di simulazione dove al campione (2520 persone) è stato chiesto di comportarsi come elettori in modo di ottenere e avere un modello pratico, utile per studiare il flusso di informazioni nelle decisioni collettive.

 

I *giocatori* vengono assegnati a 2 gruppi concorrenti (partiti) e inseriti in una “rete di influenza” che determina le intenzioni di voto.

Ogni giocatore può osservare le intenzioni di voto degli altri ma entro regole precise.

I giocatori sono incentivati e motivati a votare in base all’interesse di parte, ma anche a coordinare il proprio voto con l’intero gruppo.

 

I partecipanti sono stati reclutati tramite la piattaforma Mechanical Turk di Amazon e hanno preso parte alle elezioni simulate tramite Breadboard, una piattaforma che genera interazioni di rete multiplayer.

 

I giocatori sono stati divisi in due squadre, una squadra “gialla” e una squadra “viola”, solitamente con 24 persone per parte e hanno potuto modificare le proprie intenzioni di voto in risposta ai dati dei sondaggi continuamente aggiornati (i sondaggi venivano forniti dai ricercatori).

 

I partecipanti avevano anche incentivi per provare a produrre determinati risultati di voto che riflettessero quella che gli autori chiamano:

“Visione di compromesso del mondo”.

 

Ad esempio, i giocatori avrebbero ricevuto un (modesto) compenso di $2.00 se la loro squadra avesse ricevuto una quota di voti a maggioranza assoluta.

Avrebbero invece ricevuto una ricompensa minore, ossia $0,50 se l’altra squadra guadagnava una maggioranza assoluta.

 

Non avrebbero ricevuto nulla se nessuna delle due squadre avesse raggiunto quella soglia.

 

I giochi elettorali duravano solitamente quattro minuti, durante i quali ogni elettore doveva decidere come votare.

 

In generale, gli elettori hanno quasi sempre votato per il proprio partito quando i dati dei sondaggi mostravano che aveva la possibilità di raggiungere una quota di maggioranza assoluta.

[Spinti anche dalla motivazione di un compenso 4 volte più alto.

COMPENSO = PROMESSA

Compenso più alto = Promessa più allettante]

 

Hanno anche votato per la propria parte quando i dati dei sondaggi hanno mostrato che era probabile una situazione di stallo.

 

Ma quando era probabile che il partito avversario raggiungesse una super maggioranza, metà dei giocatori avrebbe votato a favore e metà avrebbe continuato a votare per la propria parte.

 

Durante una serie di partite elettorali di base in cui tutti i giocatori avevano informazioni elettorali imparziali e casuali, ciascuna parte ha vinto circa un quarto delle volte e circa la metà delle volte si è verificata una situazione di stallo senza una super maggioranza.

 

Ma i ricercatori hanno anche variato il gioco in più modi.

In un’iterazione del gioco, hanno aggiunto informazioni gerrymandered ai sondaggi, in modo tale che alcuni membri di una squadra sono stati collocati all’interno della camera dell’eco (Echo Chamber) dell’altra squadra.

 

…. PAUSA che è dura, lo capisco.

Facciamo un piccolo inciso:

Ho definito varie volte cosa sia una Echo Chamber e lo ripetiamo:

La echo-chamber può essere una struttura di diffusione delle informazioni sia essa fittizia e costruita ad hoc (tutte le multinazionali hanno echo-chamber realizzate su misura) che naturale e spontanea.

Qui sotto, come esempio, lo schema della echo chamber creata ad hoc e denominata Climate Change Denial Machine messa in atto da diverse società petro-carbonifere]

 

Riprendiamo? Dai che possiamo farcela!

 

Andiamo avanti parlando sempre dell’esperimento.

In un’altra iterazione, il team di ricerca ha utilizzato dei bot online a rappresentare circa il 20% degli elettori, facendoli comportare come “fanatici”, come li chiamavano gli studiosi; i bot sostenevano fortemente solo una parte.

 

Dopo mesi di iterazioni del gioco, i ricercatori hanno concluso che i risultati elettorali potevano essere fortemente influenzati dal modo in cui le informazioni dei sondaggi sono state distribuite sulle reti e dalle azioni dei bot fanatici.

 

Quando i membri di un partito sono stati indotti a credere che la maggior parte degli altri votasse per l’altro, spesso hanno cambiato i loro voti per evitare lo stallo.

 

Il *gerrymandering delle informazioni* ha influenzato i risultati delle elezioni a favore di un partito rispetto all’altro.

 

Come parte del progetto più ampio, il team ha anche cercato alcune informazioni empiriche su scenari simili tra governi eletti.

 

Ci sono molti casi in cui i funzionari eletti potrebbero sostenere la loro legislazione di prima scelta, accontentarsi di un compromesso interpartigiano o rimanere in una situazione di stallo.

 

In questi casi, sembrerebbe molto importante disporre di informazioni imparziali sulle intenzioni di voto di altri legislatori.

 

L’analisi matematica dell’esperimento ha scoperto che il fenomeno chiamato e definito *Gerrymandering delle informazioni* viene determinato dalla struttura della rete di influenza.

Vi ricordate i 4 modelli di rete d’influenza che Vi ho mostrato sopra?

 

Queste strutture di relazioni – e qui s’innesca una ulteriore e profonda analogia con la meccanica del Social Network – possono influenzare l’esito del voto a favore di un partito, anche quando entrambi i partiti hanno dimensioni uguali e ogni giocatore ha la stessa influenza.

 

Perché?

Perché un piccolo numero di fanatici, se posizionato strategicamente sulla rete di influenza, può indurre il gerrymandering delle informazioni e quindi influenzare i risultati del voto.

E questo è ciò che effettivamente succede sovente tramite Social Network.

Per cui lo studio ha rilevato che il “gerrymandering delle informazioni” può influenzare l’esito di un voto, in modo tale che un partito vinca fino al 60% delle volte, nelle elezioni simulate di situazioni bipartitiche in cui i gruppi opposti sono ugualmente popolari.

 

Cosa mette in moto questo meccanismo?

Esistono diverse implicazioni che influiscono su questo fenomeno.

Tra le più intuitive possiamo metterci:

⚪ Circuitazione ristretta delle informazioni

⚪ Informazioni limitate

⚪ Informazioni limitate all’interno di una community ristretta

⚪ Mancanza di contatto con la parte avversa spesso indotta allo scopo non di stravincere ma di prendere tempo innescando uno stallo

⚪ Isolamento di una minoranza che avverte di non avere gli stessi privilegi all’interno della propria compagine.

Spesso questa minoranza prende contatto con la parte avversa perché ha idea di poter acquisire i privilegi negati

⚪ Manipolazione volontaria o esterna a generare *segregazione* che automaticamente fa sterzare l’intenzione di voto verso la parte avversa.

Esempi sono il Gerrymandering razziale, sessuale, medico, climatico, economico, energetico, ecologico ecc.

⚪ Corruzione

⚪ Arriviasmo individuale o di sottogruppi interni a ogni compagine

⚪ Lobbying

 

Ma la domanda è:

Se i Social Media e la struttura operativa dei Social Network mainstream non usassero strumentalmente i contenuti e le community, questo processo sarebbe esattamente lo stesso che è ora?

Avrebbe la stessa magnitudine?

La risposta è: No

 

Che poi il meccanismo sia noto da più di 2 secoli e mezzo è innegabile ma la facilità con cui si può realizzare e diffondere adesso, non si è mai riscontrata.

 

Cosa potrebbe fare il Social Media per evitare tali distorsioni?

Se fosse una Macchina neutra, onesta e etica potrebbe…

… per esempio, smetterla di aggregare nel feed contenuti profilando i gusti e le opinioni degli user.

Potrebbe incentivare i contenuti che hanno un sound positivo e propositivo ed eliminare quelli che invece hanno carattere prettamente accusatorio, distorsivo, manipolatorio, offensivo, delatorio.

Potrebbe abolire la logica dei meme che anche se fanno ridere (io lo odio) in realtà fanno filtrare messaggi distorti.

Potrebbe richiedere un’interazione obbligatoria con il rischio di essere sbattuti fuori se ci si limita *a guardare*… a dire:

“Account inerte? Fuori!”

Potrebbe far sottoscrivere agli user un codice etico di pochi punti chiari con la conseguente espulsione dal Social Network se venisse trasgredito.

Potrebbe blastare gli account fasulli richiedendo una verifica immediata all’apertura dell’account stesso e vietare totalmente l’uso di bot.

Eh, sarebbe bello ma come si fa a pretendere se è il Social Network stesso che usa i bot senza regole e ne ammette serenamente l’introduzione sulla propria rete finto-sociale?

Potrebbe investire in *moderazione* ma non si fa perché non rende un tubo.

[E su questo punto non sono assolutamente d’accordo. Non rende un tubo nell’immediato ma sul lungo periodo può anche rendere]

Potrebbe evitare di assoldare fact-checker di parte.

Potrebbe evitare come la peste di fare lobbying con istituzioni pubbliche, partiti politici, associazioni di categoria e altre Big Tech del comparto.

Potrebbe NON avere comitati etici in busta paga e essere obbligato a sottostare a comitati etici indipendenti…. e chi controlla i comitati etici indipendenti?

Lo Stato?

Eccerto! E invece No! Perché lo Stato stesso fa ricorso alle medesime logiche con la complicità delle Big Tech Social e allora?

 

Allora, al momento non c’è via d’uscita anche se ci piacerebbe tanto e un Happy Ending non si nega mai a nessuno.

PuLtroppo non si fa niente di tutto questo perché perderebbero troppi soldi e se volete il finale felice lo dovete chiedere allo spacciatore sotto casa.

Ecco, lo sapevo me stò a ‘ncazzà e quindi chiudo il pezzo di corsa.

Ah! Questo articolo vale €350,00 senza esclusiva… che faccio, mando PayPal?

Fumo.

Tagged as: disinformazione / informazione / Social Network