Sui social le bufale arrivano più lontano e più in fretta della verità. Non perché siamo ingenui, ma perché controllare costa più che credere
Quando la bugia perde il suo autore
Mentire, lo abbiamo visto, costa fatica al cervello. Eppure, nella competizione tra informazioni, il falso può avere un vantaggio sorprendente: nelle reti digitali viaggia più lontano e più in fretta del vero. Anche perché chi lo diffonde spesso non mente: ci crede. Una volta in rete, il messaggio vive di vita propria e può continuare a circolare quando il suo autore e la sua intenzione originaria sono scomparsi.
1. Dal passaparola al retweet
Le voci false sono antiche quanto i gruppi umani. Nelle reti orali ogni passaggio le deformava: Allport e Postman (1947) mostrarono come le dicerie si semplifichino di bocca in bocca. Internet ha moltiplicato velocità e portata, e la copia digitale non deforma più il contenuto. L’intelligenza artificiale generativa abbatte il costo di produrre falsi verosimili, mentre like e condivisioni trasformano la popolarità in un attributo visibile del messaggio. Quanto pesino gli algoritmi, però, non è chiaro: utenti di Facebook e Instagram che per tre mesi hanno ricevuto un feed cronologico hanno visto contenuti molto diversi, ma i loro atteggiamenti politici non sono cambiati (Guess et al., 2023).
2. Una corsa truccata: il falso arriva primo
Lo studio di riferimento è del MIT: Vosoughi e colleghi (2018) hanno ricostruito circa 126.000 cascate di retweet su Twitter tra il 2006 e il 2017, su notizie verificate da sei organizzazioni di fact-checking. Le notizie false raggiungevano più persone, penetravano più in profondità nella rete e si ramificavano di più; quelle vere impiegavano circa sei volte più tempo ad arrivare a 1.500 utenti. I bot acceleravano vero e falso in egual misura: il vantaggio era umano.
Lo studio, però, misura la diffusione, non la credenza, e riguarda una sola piattaforma. Una rianalisi mostra inoltre che, a parità di dimensioni, le cascate vere e false si somigliano: il falso non si propaga in modo diverso, è semplicemente più «contagioso» (Juul et al., 2021).
3. Condividere non è credere
Chi ragiona in modo più analitico distingue meglio i titoli veri dai falsi (Pennycook e Rand, 2019), e basta un breve richiamo all’accuratezza per migliorare le scelte di condivisione (Pennycook et al., 2020): spesso si rilancia il falso non perché ci si crede, ma perché in quel momento si pensa ad altro. Anche la portata del fenomeno va ridimensionata: l’esposizione alle fake news è concentrata in una piccola minoranza di utenti (Grinberg et al., 2019) e occupa una quota modesta del consumo informativo complessivo (Allen et al., 2020).
4. L’ho sentito dire, quindi è vero
Condividere, però, aumenta l’esposizione, e la ripetizione rende le affermazioni più credibili: anche una sola lettura di un titolo falso ne accresce la plausibilità una settimana dopo (Pennycook et al., 2018). Una meta-analisi di 182 studi conferma questo effetto della verità illusoria, piccolo ma consistente (Ye et al., 2026): ciò che è familiare si elabora con facilità, e la facilità viene scambiata per verità.
Si aggiungono i segnali di consenso, perché molti like spingono a condividere contenuti poco credibili e a verificarli meno (Avram et al., 2020), e la fiducia nel proprio gruppo: nelle reti divise in gruppi omogenei, le camere d’eco, circola più informazione falsa (Stein et al., 2023). E la smentita non basta: anche chi la accetta continua a ragionare sull’informazione errata (Ecker et al., 2022).
5. Rabbia e meraviglia, il carburante della viralità
Su circa 7.000 articoli del New York Times, la probabilità di finire tra i più inoltrati cresceva del 34% con la rabbia, del 30% con la meraviglia e del 21% con l’ansia, mentre la tristezza la riduceva (Berger et al., 2012). Le fonti di disinformazione, inoltre, suscitano più indignazione di quelle affidabili, e l’indignazione spinge a condividere a prescindere dall’accuratezza (McLoughlin et al., 2024). La leva emotiva non è esclusiva del falso, ma il falso la usa più spesso.
6. Credere costa meno che verificare
Valutare ciò che ci viene detto è una capacità antica, ma richiede tempo, attenzione e conoscenze (Sperber et al., 2010). Quando mancano, ci affidiamo a scorciatoie: familiarità, consenso, fiducia. Il sovraccarico informativo premia ciò che è facile da notare e ritrasmettere, non ciò che è accurato (Hills, 2019), e l’IA porta quasi a zero il costo del falso, mentre quello della verifica resta invariato.
Dalle lucciole alle bufale
La serie ha seguito l’inganno su tre livelli: il corpo e il comportamento degli animali, la mente del singolo bugiardo, la circolazione del falso tra molte menti. Livelli distinti, ma con un filo comune: l’informazione fuorviante persiste quando il destinatario non può verificarla a costi accettabili. Per questo gli interventi più promettenti agiscono sul costo della verifica, anche se i loro effetti, finora, restano modesti.
Articolo completo in formato PDF
Questo articolo è la sintesi di una versione estesa (circa 3.700 parole e 27 voci bibliografiche), corredata di illustrazioni e disponibile in formato PDF <link>.
Riferimenti
Allen, J., Howland, B., Mobius, M., Rothschild, D., & Watts, D. J. (2020). Evaluating the fake news problem at the scale of the information ecosystem. Science Advances, 6(14), eaay3539. https://doi.org/10.1126/sciadv.aay3539.
Allport, G. W., & Postman, L. (1947). The psychology of rumor. Henry Holt.
Avram, M., Micallef, N., Patil, S., & Menczer, F. (2020). Exposure to social engagement metrics increases vulnerability to misinformation. Harvard Kennedy School (HKS) Misinformation Review. https://doi.org/10.37016/mr-2020-033.
Berger, J., & Milkman, K. L. (2012). What makes online content viral? Journal of Marketing Research, 49(2), 192–205. https://doi.org/10.1509/jmr.10.0353.
Ecker, U. K. H., Lewandowsky, S., Cook, J., Schmid, P., Fazio, L. K., Brashier, N., Kendeou, P., Vraga, E. K., & Amazeen, M. A. (2022). The psychological drivers of misinformation belief and its resistance to correction. Nature Reviews Psychology, 1(1), 13–29. https://doi.org/10.1038/s44159-021-00006-y.
Grinberg, N., Joseph, K., Friedland, L., Swire-Thompson, B., & Lazer, D. (2019). Fake news on Twitter during the 2016 U.S. presidential election. Science, 363(6425), 374–378. https://doi.org/10.1126/science.aau2706.
Guess, A. M., Malhotra, N., Pan, J., Barberá, P., Allcott, H., Brown, T., Crespo-Tenorio, A., Dimmery, D., Freelon, D., Gonzalez-Bailon, S., Kennedy, E., Kim, Y. M., Lazer, D., Moehler, D., Nyhan, B., Rivera, C. V., Settle, J., Thomas, D. R., Thorson, E., … Tucker, J. A. (2023). How do social media feed algorithms affect attitudes and behavior in an election campaign? Science, 381(6656), 398–404. https://doi.org/10.1126/science.abp9364.
Hills, T. T. (2019). The dark side of information proliferation. Perspectives on Psychological Science, 14(3), 323–330. https://doi.org/10.1177/1745691618803647.
Juul, J. L., & Ugander, J. (2021). Comparing information diffusion mechanisms by matching on cascade size. Proceedings of the National Academy of Sciences, 118(46), e2100786118. https://doi.org/10.1073/pnas.2100786118.
McLoughlin, K. L., Brady, W. J., Goolsbee, A., Kaiser, B., Klonick, K., & Crockett, M. J. (2024). Misinformation exploits outrage to spread online. Science, 386(6725), 991–996. https://doi.org/10.1126/science.adl2829.
Pennycook, G., McPhetres, J., Zhang, Y., Lu, J. G., & Rand, D. G. (2020). Fighting COVID-19 misinformation on social media: Experimental evidence for a scalable accuracy-nudge intervention. Psychological Science, 31(7), 770–780. https://doi.org/10.1177/0956797620939054.
Pennycook, G., & Rand, D. G. (2019). Lazy, not biased: Susceptibility to partisan fake news is better explained by lack of reasoning than by motivated reasoning. Cognition, 188, 39–50. https://doi.org/10.1016/j.cognition.2018.06.011.
Pennycook, G., Cannon, T. D., & Rand, D. G. (2018). Prior exposure increases perceived accuracy of fake news. Journal of Experimental Psychology: General, 147(12), 1865–1880. https://doi.org/10.1037/xge0000465.
Sperber, D., Clément, F., Heintz, C., Mascaro, O., Mercier, H., Origgi, G., & Wilson, D. (2010). Epistemic vigilance. Mind & Language, 25(4), 359–393. https://doi.org/10.1111/j.1468-0017.2010.01394.x.
Stein, J., Keuschnigg, M., & van de Rijt, A. (2023). Network segregation and the propagation of misinformation. Scientific Reports, 13, 917. https://doi.org/10.1038/s41598-022-26913-5.
Vosoughi, S., Roy, D., & Aral, S. (2018). The spread of true and false news online. Science, 359(6380), 1146–1151. https://doi.org/10.1126/science.aap9559.
Ye, S., Attali, D., Ghazi, M., Cachia, A., Cassotti, M., & Borst, G. (2026). Systematic review and meta-analysis of the evidence for an illusory truth effect and its determinants. Nature Communications, 17, 3270. https://doi.org/10.1038/s41467-026-70041-x.
