Misinformation on crowdfunding platforms: a methodology for detecting misleading project descriptions on Kickstarter

Crowdfunding Platforms can become fertile ground for the proliferation of misleading information, since project descriptions, that contains the project creator's idea, is put at the centre and it is connected with the whole "crowd" to find financial support. Although crowdfunding is an opportunity to fund business projects and solidarity initiatives, it is important to be careful about the information that is disseminated through these platforms and to fight the spread of misleading and pseudoscientific information. The fourth industrial revolution, characterized by the fusion of emerging technologies, on society and on economy, although it offers many opportunities, like the reduction of barriers between inventors and markets, and a more active role for AI, it also brings with it risks such as the spread of digital misinformation. Disinformation is not a new phenomenon, but its intensification, associated with the development of the information ecosystem and the Post-Truth era, indicates the importance of this object of study in Information Science. This dissertation focusses on the issue of misleading descriptions in crowdfunding campaigns on the Kickstarter platform in the Technology section. It is developed a predictive model based on feature extracted by LIWC Analysis studying the sample of problematic projects’ description: it results that the LIWC’ dictionary categories “ipron”, “verb” and “risk” ad those that set problematic description a part. Then, LOGIT Analysis help in predicting the binary variable “problematic” that asses the probability of a description of being problematic. The proposed methodology can improve the quality of projects published on the platform, increase the trust of funders, and encourage project creators. Finally, it can help identify misinformation in a broader context and improve user awareness in the selection and dissemination of information online, only by changing the starting dataset.

Le piattaforme crowdfunding possono diventare terreno fertile per la proliferazione di informazioni fuorvianti dal momento che le descrizioni dei progetti, contenenti l'idea dell'ideatore, vengono poste al centro dell’attenzione della "folla" per trovare sostegno finanziario. Sebbene il crowdfunding sia un'opportunità per finanziare progetti imprenditoriali e iniziative di solidarietà, è importante fare attenzione alle informazioni che vengono diffuse attraverso queste piattaforme e combattere la diffusione di informazioni fuorvianti e pseudoscientifiche. La quarta rivoluzione industriale, con la fusione di tecnologie emergenti su società ed economia, sebbene offra molte opportunità, come la riduzione delle barriere tra inventori e mercati e un ruolo più attivo dell'IA, porta con sé anche rischi come la diffusione della disinformazione digitale. La presenza di sistemi sociotecnici e piattaforme sul World Wide Web (WWW) crea un percorso diretto dai produttori ai consumatori di contenuti, favorendo la diffusione di informazioni false e distorte. La disinformazione non è un fenomeno nuovo, ma la sua intensificazione, associata allo sviluppo dell'ecosistema dell'informazione e all'Era della Post-Verità, indica l'importanza di questo oggetto di studio nella Scienza dell'Informazione. Questa tesi si concentra sul problema delle descrizioni fuorvianti nelle campagne di crowdfunding sulla piattaforma Kickstarter nella sezione Tecnologia. Viene sviluppato un modello predittivo basato sulle caratteristiche estratte dall'analisi LIWC studiando il campione di descrizioni problematiche: risulta che le categorie del dizionario LIWC "ipron", "verb" e "risk" sono quelle che distinguono le descrizioni problematiche. LOGIT aiuta poi a prevedere la variabile binaria "problematico" che valuta la probabilità di una descrizione di essere problematica. La metodologia proposta migliora la qualità dei progetti pubblicati sulla piattaforma, aumenta la fiducia dei finanziatori e incoraggia i creatori di progetti. Infine, può aiutare a identificare la disinformazione in un contesto più ampio e migliorare la consapevolezza degli utenti nella selezione e diffusione delle informazioni online, solo cambiando il dataset di partenza.