SARS-CoV-2 : the impact of fake news on the vaccination campaign. The case of France and Germany

The spread of COVID -19 meant a dramatic change in people's lives. Several lockdowns, curfews and business closures caused people to become more and more distant from each other. In such a difficult time, social networks have played a fundamental role in everyday life: they have helped the population stay in touch with relatives, friends, and colleagues. These platforms have also facilitated the rapid spread of news, which has increased the worries and fears of many people. One of these social networks, Twitter, has been widely used by politicians, organisations, and newspapers, which subsequently attracted many users to the platform. But in an environment where news can spread so quickly, it is very easy to come across a lot of "fake news" as well: information that only appears to be real. The aim of this paper is therefore to analyse the spread of Fake News on Twitter. To this end, we developed a classification algorithm fed with almost 24 million tweets about conversations on covid-19 in order to analyse the spread of disinformation on French and German territory. We exploited also socio-economic datasets to complete the overall picture. The final goal of the thesis is to understand whether or not the spread of disinformation and socio-economic factors have influenced the course of the vaccination campaign.

La diffusione del COVID-19 ha segnato un forte cambiamento nella vita delle persone. Diversi lockdown, il coprifuoco e la chiusura delle attività hanno portato le persone ad essere sempre più distanti. In un periodo così difficile, i social network hanno svolto un ruolo fondamentale nella vita di tutti i giorni: hanno aiutato la popolazione a rimanere in contatto con parenti, amici e colleghi. Queste piattaforme hanno anche favorito la rapida diffusione di notizie, che hanno aumentato le preoccupazioni e le paure di molti. Uno di questi social network, Twitter, è risultato molto utilizzato da politici, organizzazioni e testate giornalistiche, che hanno conseguentemente attirato un elevato numero di utenti all’interno della piattaforma. Ma in un ambiente in cui le notizie hanno la capacità di diffondersi così rapidamente, è molto facile imbattersi anche in molte “Fake News”: notizie solo apparentemente reali. Questo lavoro di tesi vuole quindi analizzare la diffusione di fake news su Twitter. A tal fine, abbiamo sviluppato un algoritmo di classificazione alimentato da circa 24 milioni di tweet contenenti conversazioni relative al covid-19 con il fine di analizzare la diffusione della disinformazione in territorio francese e tedesco. Abbiamo inoltre sfruttato molteplici dataset contenenti dati socioeconomici per avere un quadro generale più completo. L'obiettivo finale della tesi è quindi di comprendere se il corso della campagna vaccinale sia stato influenzato o meno dalla disinformazione e da fattori di natura socio-economica.