Les médias sociaux, c’est une question de popularité, non ?
Lorsque tu vois un contenu viral avec beaucoup de likes et de partages, il est plus facile de croire qu’il est vrai (1-3), surtout si le message a été partagé par des personnes de ton réseau ou des sources en lesquelles tu as confiance (4-7). Mais ce n’est pas parce qu’une information est populaire qu’elle est exacte !
Les algorithmes sont complexes et diffèrent d’une plateforme à l’autre. Il est donc difficile de savoir pourquoi certaines publications deviennent populaires et d’autres non. Mais les médias sociaux ont tendance à donner la priorité aux messages qui suscitent un plus grand engagement (2,7), et les informations controversées ou dérangeantes – comme les fausses informations qui peuvent être très anxiogènes – sont plus susceptibles d’obtenir des clics, des partages et des commentaires (1,2,7,8). En revanche, des études ont montré que les publications sur les médias sociaux contenant des preuves de haute qualité sur des sujets de santé obtiennent souvent de moins bons résultats que les publications contenant des informations moins fiables (9-11), peut-être parce que les preuves sont moins engageantes que les affirmations sans source et sensationnalistes.
La prochaine fois que tu vois passer une publication populaire, prends le temps de réfléchir à la raison pour laquelle elle est arrivée dans ton fil.
Des chatons qui jouent du piano ? Génial ! Des affirmations intenses concernant ta santé ou des événements dans le monde ? Prends le temps de vérifier l’information avant de la repartager.
Social Prevalence Is Rationally Integrated in Belief Updating | Open Mind | 2022- Lies, Damn Lies and Viral Content | Columbia Academic Commons | September 2017
- Going Viral: Sharing of Misinformation by Social Media Influencers | Australasian Marketing Journal | August 2024
- Factors Associated with Cancer Message Believability: a Mixed Methods Study on Simulated Facebook Posts | Journal of Cancer Education | June 2021
- Comparative Approaches to Mis/Disinformation| Belief in or Identification of False News According to the Elaboration Likelihood Model | International Journal of Communication | 2021
- Who can you trust? | Health Policy and Technology | March 2014
- Embedding Societal Values into Social Media Algorithms | Journal of Online Trust and Safety | September 2023
- What Makes online Content Viral? | Journal of Marketing Research | 2011
- Quality and Popularity Trends of Weight Loss Procedure Videos on TikTok | Obesity Surgery | January 2023
- Unravelling the truth: Examining the evidence for health-related claims made by naturopathic influencers on social media – a retrospective analysis | Health Promotion Perspectives | December 2023
- Zika virus pandemic-analysis of Facebook as a social media health information platform | American Journal of Infection Control | March 2017
Voir notre Tweet original !
Voir notre post Instagram original !