Come si formano le opinioni su Wikipedia? Scopri il modello Ising!

Immagina Wikipedia come una gigantesca rete di amici che si scambiano consigli. Ogni articolo è un nodo e i collegamenti tra gli articoli sono le amicizie. Per capire come nascono le opinioni, gli scienziati hanno usato il modello Ising, famoso nella fisica per descrivere magneti.

In questo modello, ogni nodo ha una “spin” che può puntare su (opinione A) o giù (opinione B). All’inizio, solo pochi articoli hanno una posizione ferma, mentre gli altri sono neutrali. Poi, in modo asincrono, ogni nodo guarda i suoi vicini: se la maggioranza è su, anche lui punta su, e viceversa. Questo processo, simulato con un algoritmo Monte Carlo, continua finché la rete raggiunge uno stato stabile, dove le spin sono polarizzate.

Il risultato è una mappa di preferenze: alcuni articoli diventano “campioni” di un’opinione, altri di quella opposta. Gli autori hanno testato il modello su Wikipedia in inglese, russo e cinese (marzo 2025), confrontando leader politici come Trump, Putin e Xi, o paesi come USA, Russia e Cina. Hanno anche esteso il modello a tre colori, per gestire più di due opinioni contemporaneamente.

Il punto forte è la capacità di catturare, in modo semplice, come le idee si diffondono e si consolidano in reti complesse. Questo approccio potrebbe aiutare a prevedere come si formano le tendenze su piattaforme digitali, o a capire meglio i meccanismi di polarizzazione online.

Il modello Ising tradizionalmente descrive interazioni ferromagnetiche, dove spin vicini tendono ad allinearsi per minimizzare l'energia di scambio J. Traslando questo concetto in una rete diretta di Wikipedia, l'energia di interazione è sostituita da una funzione di voto locale: E_i = -J \sum_{j\in N(i)} s_i s_j, dove s_i è lo spin del nodo i e N(i) l'insieme dei suoi vicini entranti. L'algoritmo Monte Carlo asincrono utilizza la regola di Metropolis, accettando un flip di spin con probabilità min(P,1), dove P = exp(-ΔE/kT). Il parametro temperatura T controlla la suscettibilità della rete a fluttuazioni casuali: a T → 0 il sistema converge rapidamente a un minimo locale, mentre a T elevata si osservano stati più disordinati.

Per l'estensione a tre opinioni, si adotta il modello di Potts, con spin s_i ∈ {1,2,3} e energia E_i = -J \sum_{j\in N(i)} δ(s_i, s_j). Qui δ è la delta di Kronecker, che vale 1 se gli spin coincidono e 0 altrimenti. Il processo Monte Carlo diventa più complesso, poiché ogni nodo può scegliere tra tre stati, ma la dinamica rimane governata da ΔE e dalla temperatura.

L'analisi dei risultati su Wikipedia multilingue mostra che la topologia della rete (grado medio, distribuzione di indegree/outdegree) influisce sulla velocità di polarizzazione. Reti con hub altamente connessi (articoli di grande rilevanza) fungono da nucleatori di opinioni, accelerando la diffusione. Inoltre, la direzionalità dei link introduce asimmetrie: un articolo citato da molti ma che cita pochi può imporre la sua opinione più facilmente rispetto a un nodo con il ruolo opposto. Queste osservazioni suggeriscono che la struttura di citazione di Wikipedia non è neutrale, ma può amplificare o attenuare la formazione di consenso, fornendo un quadro quantitativo per studiare la polarizzazione informativa online.