Modeling alt-tech ecosystems: a statistical analysis of engagement and toxicity on Truth Social

This paper presents a data-driven investigation into the alt-tech social network Truth Social with the aim of providing insights into how the platform operates. The study focuses on the complex relationship between external content curation, political bias and online hostility by making use of two different analytical frameworks: Mann-Whitney U tests and Linear Mixed Effects Models. We analyze data collected from hashtags grouped thematically using snowball sampling, the most popular groups on the platform and Donald Trump’s posts. The results reveal how discourse quality is dependent on context and how partisan bias in news sources influences both engagement and toxicity. In particular this study shows how links to right-wing media are correlated with higher engagement (measured in likes and "retruths") while left-wing ones generate deeper threads. We also show how instead Donald Trump’s posts receive more likes, retruths and replies when sharing left-wing links. When comparing different communities we report how toxicity has noticeable dependence on context and type of link shared across all data sources. Right-leaning links are consistently shown to be accompanied by increased toxicity with respect to content from left or center sources. Finally, an analysis of reply chains demonstrated how toxicity is transmitted from the parent post while decreasing as threads get deeper. The findings of this study describe how Truth Social shapes discussion providing a deeper understanding of alt-tech platforms and their dynamics.

Questo studio presenta un’indagine basata sul social network alt-tech Truth Social, fornendo approfondimenti sulle dinamiche nella piattaforma e sul comportamento dei suoi utenti. Utilizzando test U di Mann-Whitney e modelli lineari a effetti misti, questa ricerca esamina la relazione tra condivisione di contenuti esterni, il bias politico e l’ostilità online. Vengono analizzati dati raccolti dai post di Donald Trump, dai gruppi più popolari sulla piattaforma e da cluster tematici di hashtag ottenuti tramite snowball sampling. I risultati illustrano come la qualità del discorso è fortemente dipendente dal contesto e che l’orientamento politico delle fonti di notizie condivise influenza sia il coinvolgimento (engagement) che i livelli di tossicità. Nello specifico un maggiore engagement (espresso con like e "retruth") è correlato alla condivisione di notizie da fonti orientate a destra, mentre fonti orientate a sinistra gennerano thread di discussione più profondi. Si dimostra come parti di queste tendenze sono invece invertite considerando i post di Donald Trump, dove link da fonti di sinistra ricevono più like, retruth e risposte. Confrontare diverse comunità indica come la tossicità dipenda sia dal contesto che dal tipo di link condiviso. Si dimostra inoltre che tra i post che condividono link le fonti di destra sono accompagnate da maggiore tossicità rispetto a link provenienti da fonti di sinistra o centro. Infine, un’analisi delle catene di risposte dimostra che, nonostante la tossicità diminuisca con l’aumentare della profondità della discussione essa è comunque legata a quella del post immediatamente al di sopra e alle sue caratteristiche. Queste scoperte illustrano come il discorso politico sia plasmato su Truth Social, offrendo una maggiore comprensione delle dinamiche di piattaforme alt-tech.