政治觀察人士一直對網(wǎng)絡(luò)錯誤信息的興起感到困擾——隨著選舉日的臨近，這種擔(dān)憂也在加劇。然而，盡管假新聞的傳播可能會帶來威脅，但一項新的研究發(fā)現(xiàn)，它的影響并非普遍。相反，持極端政治觀點的用戶比其他人更有可能遇到和相信虛假新聞。

紐約大學(xué)社交媒體與政治中心(CSMaP)開展的這項研究的主要作者克里斯托弗·k·托基塔(Christopher K. Tokita)說:“虛假信息是社交媒體上的一個嚴(yán)重問題，但其影響并不統(tǒng)一?！?/p>

發(fā)表在PNAS Nexus上的研究結(jié)果也表明，目前打擊錯誤信息傳播的方法可能不可行，解決這一問題的最有效方法是迅速實施干預(yù)措施，并針對最容易受到這些虛假信息影響的用戶。

CSMaP的執(zhí)行董事澤夫·桑德森補(bǔ)充說:“因為這些極端的用戶也傾向于在早期看到錯誤信息，目前的社交媒體干預(yù)往往難以遏制其影響——它們通常太慢，無法阻止那些最容易接受錯誤信息的人接觸到錯誤信息?！?/p>

現(xiàn)有用于評估在線錯誤信息暴露程度和影響的方法依賴于衡量瀏覽量或分享量。然而，這些都未能完全捕捉到錯誤信息的真正影響，這不僅取決于傳播，還取決于用戶是否真的相信這些錯誤信息。

為了解決這一缺陷，Tokita、Sanderson和他們的同事開發(fā)了一種利用Twitter(現(xiàn)在的“X”)數(shù)據(jù)的新方法，不僅可以估計有多少用戶接觸到特定的新聞故事，還可以估計有多少用戶可能相信它。

“我們這項研究方法的特別創(chuàng)新之處在于，該方法將追蹤Twitter上真實新聞和錯誤信息傳播的社交媒體數(shù)據(jù)與評估美國人是否相信這些文章內(nèi)容的調(diào)查相結(jié)合，”CSMaP的聯(lián)合主任、紐約大學(xué)政治學(xué)教授、論文作者之一約書亞·a·塔克(Joshua a . Tucker)解釋說?！斑@使我們能夠追蹤人們相信虛假信息的易感性，以及這些信息在同一項研究中同一篇文章中的傳播情況。”

方法

研究人員收集了139篇新聞文章(2019年11月至2020年2月)，其中102篇被專業(yè)事實核查員評為真實，37篇被評為虛假或誤導(dǎo)，并計算了這些文章從最初發(fā)布之日起在推特上的傳播情況。

這個受歡迎的文章樣本是從五種類型的新聞流中抽取的:主流左傾出版物、主流右傾出版物、低質(zhì)量左傾出版物、低質(zhì)量右傾出版物和沒有明顯意識形態(tài)傾向的低質(zhì)量出版物。為了確定文章的真實性，每篇文章在發(fā)表后48小時內(nèi)都被送到一個由專業(yè)事實核查員組成的團(tuán)隊。事實核查員將每篇文章評為“真實”或“虛假/誤導(dǎo)”。

為了估計這些文章的曝光率和可信度，研究人員結(jié)合了兩種類型的數(shù)據(jù)。首先，他們使用Twitter數(shù)據(jù)來識別Twitter上哪些用戶可能會接觸到每篇文章;他們還使用一種既定的方法，從用戶關(guān)注的重要新聞和政治賬戶中推斷出用戶的意識形態(tài)，從而估計出每個潛在暴露用戶在自由-保守尺度上的意識形態(tài)定位。

其次，為了確定這些被曝光的用戶相信一篇文章是真實的可能性，他們在每篇文章在網(wǎng)上傳播時進(jìn)行了實時調(diào)查。這些調(diào)查要求習(xí)慣使用互聯(lián)網(wǎng)的美國人對文章進(jìn)行真假分類，并提供包括意識形態(tài)在內(nèi)的人口統(tǒng)計信息。

根據(jù)這些調(diào)查數(shù)據(jù)，作者計算出在每個意識形態(tài)類別中相信文章是真實的個人比例。有了對每篇文章的這些估計，他們就可以計算出被曝光并愿意相信這篇文章是真的Twitter用戶的數(shù)量。

調(diào)查結(jié)果和結(jié)論

總體而言，調(diào)查結(jié)果顯示，盡管不同政治派別的用戶都能看到虛假新聞，但那些意識形態(tài)更極端的人(包括保守派和自由派)更有可能看到并相信虛假新聞。至關(guān)重要的是，這些容易接受錯誤信息的用戶往往在錯誤信息通過Twitter傳播的早期就遇到了它。

研究設(shè)計還允許研究作者模擬不同類型的干預(yù)措施的影響，這些干預(yù)措施旨在阻止錯誤信息的傳播。從這些模擬中得出的一個結(jié)論是，越早采取干預(yù)措施，越有可能有效。另一個是“可見性”干預(yù)——即平臺使被標(biāo)記的錯誤信息帖子不太可能出現(xiàn)在用戶的feed中——似乎比旨在減少用戶分享錯誤信息的干預(yù)更有可能減少錯誤信息對易受影響用戶的影響。

“我們的研究表明，了解誰更容易接受錯誤信息，而不僅僅是誰接觸到錯誤信息，是制定更好的策略來打擊在線錯誤信息的關(guān)鍵，”Tokita建議道，他現(xiàn)在是科技行業(yè)的數(shù)據(jù)科學(xué)家。