Julio Amador

Julio Amador est titulaire d'un doctorat en économie de l'Université d'Essex, au Royaume-Uni. Son domaine d'expertise est la théorie des jeux appliquée et l'apprentissage automatique (ML).

M. Amador a occupé différents postes de recherche, tant au Royaume-Uni qu’à l’étranger, et est désormais chercheur à l’Imperial College, affilié au Data Science Institute et à la Business School de l’Imperial College.

Ses recherches comprennent des études Big Data sur la participation politique en ligne et l'application du ML pour catégoriser l'opinion publique et identifier automatiquement les fausses actualités. Le Dr Amador se consacre actuellement à l'étude de la désinformation.

Alors que le lieu du discours public est passé des médias de masse aux plateformes en ligne, les décideurs politiques sont confrontés au double défi de la réaction des experts et des incitations économiques à fournir des histoires que les gens veulent entendre, même si elles sont fausses. Le problème se pose, bien sûr, lorsque les publics influencés par des histoires litigieuses n'ont pas l'arrière-plan pour évaluer les preuves ou ont de fortes antipathies pour les parties fournissant la falsification, comme il est actuellement possible de l'observer en ce qui concerne le Covid-19.

En effet, la propagation de la COVID-19 a entraîné la propagation de fausses informations et de fausses actualités. De fausses affirmations telles que celles indiquant que les tours 5G propagent la COVID-19 ou celles remettant en question l'efficacité des masques faciaux imprègnent les flux de médias sociaux en ligne. Cette information peut convaincre les gens de prendre des mesures qui ne sont pas seulement nuisibles pour eux-mêmes, mais peuvent compromettre la sécurité des autres.

Pour comprendre pourquoi les gens tombent dans la désinformation liée à la COVID-19 et pourquoi ces actualités sont générées et diffusées, j'utiliserai les données Twitter pour retracer les arguments liés à la désinformation.

Ce faisant, je m'attends à faire la lumière sur les raisons pour lesquelles les gens consomment des informations qui peuvent être nocives pour leur propre santé.