基于社交媒體的網(wǎng)絡(luò)虛假信息發(fā)布者特征實證分析

莫祖英，賀雅文，劉燕權(quán)

(1.鄭州航空工業(yè)管理學(xué)院 信息管理學(xué)院，河南 鄭州 450046；2.美國南康涅狄格州立大學(xué) 信息與圖書館學(xué)系，紐黑文 06515)

1 引 言

世界衛(wèi)生組織(WHO)針對新冠疫情在全球蔓延不僅發(fā)出了COVID-19的健康風(fēng)險信號，而且將圍繞這一主題傳播的大量虛假信息標(biāo)記為“信息病”(infodemic)。其中包括新冠病毒的虛假療法，如用鹽水漱口、吃牛至(一種中藥，為唇形科植物牛至Origanum vulgare L.的全草，具有解表、理氣、清暑、利濕等功效)、喝漂白劑等；還有一些誤導(dǎo)性信息助長了虛假信息的傳播，如食用“蝙蝠湯”造成了病毒感染，或者故意設(shè)計病毒等。這些虛假信息在造成民眾恐慌的同時，也給政府采取有效預(yù)防措施帶來了干擾。為此，世衛(wèi)組織在其網(wǎng)站上開設(shè)了一個專門用于揭露虛假信息的區(qū)域——Coronavirus disease (COVID-19) advice for the public: Myth busters，以向民眾提供可靠的信息。

社交媒體和網(wǎng)絡(luò)站點因缺乏傳統(tǒng)的質(zhì)量控制和“守門”機制，成為虛假信息傳播和共享的主要平臺。有研究表明[1]，在社交媒體中，虛假信息傳播力度遠(yuǎn)遠(yuǎn)超過正規(guī)信息源的信息。那么，在新冠疫情暴發(fā)和大量虛假信息廣泛傳播的情況下，探究發(fā)布與傳播這些虛假信息的人是否具有一定的群體特征及發(fā)布與轉(zhuǎn)發(fā)是否存在一定的目的性具有重要的現(xiàn)實意義。本文以Twitter社交媒體平臺為例，選取其中一個廣泛傳播的COVID-19虛假信息主題，分析發(fā)布者的群體特征，找出多項共性規(guī)律，以更好地識別虛假信息及其發(fā)布者。本研究中，虛假信息是指包括謠言、惡作劇、傳說、陰謀論，以及其他誤導(dǎo)性或不正確的(有意或無意)共享或發(fā)布的內(nèi)容。

2 文獻綜述

近年來，人體健康方面的虛假信息在社交媒體上的傳播呈明顯上升趨勢。新冠疫情出現(xiàn)后，社交媒體中針對新冠病毒的虛假信息也在不斷增多。在國外的相關(guān)研究中，Cristina M Pulido等[2]調(diào)查了在COVID-19暴發(fā)前后兩天在Twitter上傳播的推文類型，分析了1000條推文的內(nèi)容。分析結(jié)果顯示，與基于科學(xué)的證據(jù)或事實檢查(fact-checking)的推文相比，虛假信息的推文數(shù)量更多，但轉(zhuǎn)發(fā)次數(shù)較少，而基于科學(xué)的證據(jù)和事實檢驗的推文比單純的事實推文獲得了更多的參與。Oberiri Destiny Apuk等[3]采用“使用和滿足框架(the Uses and Gratification framework)”方法研究了COVID-19的假新聞，使用6個變量(利他主義、娛樂、社交、打發(fā)時間、信息共享、信息尋求)測量虛假信息在傳播中的影響。Shalini Talwar等[4]通過定性分析，提出了識別與共享假新聞相關(guān)的六種行為表現(xiàn)形式，并采用蜂窩框架和第三人稱效應(yīng)假說，提出了假設(shè)這些行為之間相關(guān)性的研究模型，以年齡和性別為控制變量，并利用通過用戶調(diào)查獲得的兩個數(shù)據(jù)集來測試該模型。

在國內(nèi)相關(guān)研究中，邢鵬飛等[5]選取官方媒體信息、微博熱搜信息和平臺推送信息三種網(wǎng)絡(luò)信息類型，通過文本分析和扎根理論，研究了重大疫情防控中網(wǎng)絡(luò)輿情的形成機制。李月琳等[6]以微信朋友圈轉(zhuǎn)發(fā)的健康信息為研究對象，選取樣本并將其分為真、偽健康信息，通過信息特征分析，構(gòu)建了偽健康信息特征列表，發(fā)現(xiàn)真?zhèn)谓】敌畔⒌霓D(zhuǎn)發(fā)行為受轉(zhuǎn)發(fā)者的性別、職業(yè)的影響。魏德志等[7]采用博弈論分析方法，以微信虛假信息為研究對象，構(gòu)建微信用戶、微信運營商、政府監(jiān)管部門三方演化博弈模型，并仿真模擬虛假信息的傳播演化過程。王樹義等[8]對微博中虛假信息的擴散過程進行分析與建模，利用仿真軟件NetLogo建立了微博虛假信息擴散模型MFISM。

總之，國內(nèi)外相關(guān)研究主要集中在虛假信息特征分析及用戶參與、虛假信息共享行為分析、虛假信息在社交媒體上的傳播擴散研究等方面，多采用心理學(xué)和網(wǎng)絡(luò)科學(xué)領(lǐng)域的研究方法。心理學(xué)方法用于分析虛假信息和謠言的個人認(rèn)知反應(yīng)，網(wǎng)絡(luò)科學(xué)領(lǐng)域則關(guān)注虛假信息傳播的社會機制和模式，而對虛假信息發(fā)布者的群體特征研究不多。本文將以社交媒體中的新冠疫情虛假信息為研究對象，分析信息發(fā)布者的群體偏好，為更好地識別與管理虛假信息傳播提供建議與對策。

3 研究設(shè)計

3.1 數(shù)據(jù)收集

在網(wǎng)絡(luò)社交媒體中，由于Twitter是典型的應(yīng)用平臺，且用戶規(guī)模龐大，遍布世界各地，因此選擇Twitter進行虛假信息分析具有一定的代表性。

在主題選擇方面，根據(jù)NewsGuard發(fā)布的關(guān)于COVID-19的特殊報告“Trail of Deceit: The Most Popular COVID-19 Myths and How They Emerged”，選擇一個主題進行調(diào)研。NewsGuard是一家新聞評估平臺，致力于由獨立記者團隊來評級和打分，讓讀者了解他們的新聞來自哪里、是否可信。隨著新冠疫情的蔓延，NewsGuard團隊一直在跟蹤、評級和標(biāo)記網(wǎng)站，以傳遞由新冠病毒錯誤信息追蹤中心(Coronavirus Misinformation Tracking Center)發(fā)布的關(guān)于該病毒的信息。該中心列出了越來越多的發(fā)布有關(guān)COVID-19虛假聲明的網(wǎng)站，包括虛假和錯誤的治療方法、有關(guān)疾病起源的陰謀論等。它提供的“Trail of Deceit: The Most Popular COVID-19 Myths and How They Emerged”列舉了22個廣泛傳播的COVID-19虛假傳說(MYTH)，并追蹤每條信息如何出現(xiàn)并在互聯(lián)網(wǎng)上傳播。本文選取了其中一個“MYTH: The COVID-19 virus contains “HIV-like insertions,” suggesting it was engineered”，即“COVID-19病毒包含‘HIV樣插入物’，表明它是經(jīng)過設(shè)計的”。選取這一主題，分析發(fā)布與傳播這一信息的群體特征。

以此主題為關(guān)鍵詞，在Twitter中搜索相關(guān)內(nèi)容的推文并進行抓取。數(shù)據(jù)分布時間從最早出現(xiàn)相關(guān)推文(2020年2月5日)開始，截止時間是2020年6月17日，共獲取721條數(shù)據(jù)。抓取的數(shù)據(jù)字段主要有推文發(fā)布者、發(fā)布時間、推文文本內(nèi)容、附加信息(圖片、鏈接等)，其中針對推文發(fā)布者進一步抓取了它的發(fā)布者簡介，主要包括發(fā)布者的個人描述、所在地、個人主頁、出生日期、加入時間、Following和Followers數(shù)量6個方面。這些數(shù)據(jù)主要用于分析其發(fā)布者群體特征，以更好地了解在突發(fā)公共衛(wèi)生事件的背景下，不同用戶對相關(guān)疫情虛假信息的反應(yīng)與態(tài)度，從而促進社交媒體平臺更好地進行用戶管理和內(nèi)容管理。

3.2 數(shù)據(jù)處理

根據(jù)抓取的數(shù)據(jù)，首先對發(fā)布者的個人信息(包括觀點信仰、興趣愛好等)進行關(guān)鍵詞提取，以分析發(fā)布者的個人偏好。將發(fā)布者個人描述的文本信息轉(zhuǎn)化成若干個關(guān)鍵詞的形式，便于統(tǒng)計和分析發(fā)布者群體特征及其偏好。經(jīng)過項目組討論，確定關(guān)鍵詞提取的基本原則，即去除虛詞、副詞、形容詞及個人主觀情緒的語詞，只提取有實際意義的名詞，尤其是表示職業(yè)、愛好、信仰以及人物或事件等詞作為關(guān)鍵詞。根據(jù)這一原則，采用人工方式分別進行內(nèi)容分析與關(guān)鍵詞提取。操作者均是具有專業(yè)知識的項目參與者。由于人工操作具有一定的主觀性，因此在實際操作之前，首先對抓取的原始數(shù)據(jù)進行預(yù)處理，一方面幫助其準(zhǔn)確了解關(guān)鍵詞提取的基本原則，同時通過實際操作可幫助操作者熟練掌握關(guān)鍵詞提取的方法和技巧。

其次，根據(jù)推文內(nèi)容進行分組。這些推文雖然都與選取的主題相關(guān)，但文本內(nèi)容表現(xiàn)出的態(tài)度不同，如反對、支持、懷疑等。數(shù)據(jù)分組過程由兩名研究人員分別獨立完成，各自判斷推文內(nèi)容所屬的態(tài)度類型；結(jié)束后將分組結(jié)果進行對比，不一致的推文分組后再由項目組共同討論決定。通過不斷的分析與討論，最終將數(shù)據(jù)分為五組，分別是：虛假信息發(fā)布者(即支持并傳播虛假信息)、虛假信息揭露者(即揭示虛假信息)、虛假信息懷疑者(對虛假信息持懷疑態(tài)度)、無明確態(tài)度者、同一鏈接的密集轉(zhuǎn)發(fā)者。前四組是根據(jù)文本態(tài)度進行的劃分，最后一組則是處理數(shù)據(jù)時發(fā)現(xiàn)的一個特殊現(xiàn)象，即“Evidence That SARS-CoV-2, the Virus Strain That Causes COVID-19 Illness, Was Engineered?”這一鏈接的密集轉(zhuǎn)發(fā)。該鏈接共轉(zhuǎn)發(fā)了204次，其中2020年5月5日—2020年5月7日三天內(nèi)轉(zhuǎn)發(fā)次數(shù)達(dá)198次，故將其單獨列出作為一個分組，以分析轉(zhuǎn)發(fā)者特征及其轉(zhuǎn)發(fā)目的。推文分組分布及其示例如表1所示。

表1 不同態(tài)度的分組分布及其示例

由表1中分組可知，A組“虛假信息發(fā)布者”的數(shù)量最多(32.6%)，占比近三分之一；其次是E組“同一鏈接的密集轉(zhuǎn)發(fā)”(28.3%)，占比超過總數(shù)的四分之一；“虛假信息揭露者”(15.4%)和“無明確態(tài)度”(14.8%)占比較低，“虛假信息懷疑者”(8.9%)最低。從分組態(tài)度上看，“虛假信息發(fā)布者”占絕對優(yōu)勢，超過了“虛假信息揭露者”和“無明確態(tài)度”的占比之和?！疤摷傩畔岩烧摺币唤M中，更多偏向于強調(diào)“COVID-19病毒是經(jīng)過設(shè)計的”這一謠言。因此，在關(guān)于“The COVID-19 virus contains “HIV-like insertions”, suggesting it was engineered”這一虛假信息的發(fā)布與傳播中，更多的社交媒體用戶在傳播虛假信息，而非揭露事實。

由E組“同一鏈接的密集轉(zhuǎn)發(fā)”數(shù)據(jù)可知，新冠疫情下還存在一些有目的性的相關(guān)信息傳播與轉(zhuǎn)發(fā)。E組這一鏈接的內(nèi)容主要包括三個相關(guān)專業(yè)論文的鏈接，分別為“氯喹是SARS冠狀病毒感染和傳播的有效抑制劑”“2019年新型冠狀病毒的基因組表征和流行病學(xué)：對病毒起源和受體結(jié)合的影響”“SARS-CoV-2穗狀糖蛋白的結(jié)構(gòu)、功能和抗原性”。由于文章具有較強的專業(yè)性，我們邀請了耶魯醫(yī)學(xué)院專業(yè)人員進行解讀，發(fā)現(xiàn)其內(nèi)容主要介紹了病毒抑制、病毒起源和病毒結(jié)構(gòu)及感染過程等方面，但不能得出“病毒是設(shè)計的”這一結(jié)論。但這一鏈接的標(biāo)題“是否設(shè)計了SARS-CoV-2(引起COVID-19疾病的病毒株)的病毒？”很吸引眼球，會給公眾傳達(dá)“找到了SARS-CoV-2病毒設(shè)計的證據(jù)”這一誤導(dǎo)性信息，但其內(nèi)容并無實質(zhì)性結(jié)論，且由于文章專業(yè)性極強，普通讀者難以理解，很可能是被其標(biāo)題所迷惑。

4 數(shù)據(jù)分析

4.1 “虛假信息發(fā)布者”群體特征既分散又集中，表現(xiàn)出政治軍事和國家情感偏好

在A組“虛假信息發(fā)布者”推文中，共有235個發(fā)布者，其中51個發(fā)布者沒有個人描述信息，占比21.7%；對其余發(fā)布者個人描述信息進行關(guān)鍵詞提取，共獲得關(guān)鍵詞400個。對這些關(guān)鍵詞進行詞頻統(tǒng)計，發(fā)現(xiàn)只出現(xiàn)1次的關(guān)鍵詞有163個，占比40.75%，而最高頻次的關(guān)鍵詞“D.T”詞頻達(dá)到37，熱度很高，故總體上體現(xiàn)出既分散又集中的趨勢。

縱觀A組態(tài)度發(fā)布者的所有關(guān)鍵詞，頻次為1的關(guān)鍵詞有163個，頻次為2的關(guān)鍵詞有27個，我們將其界定為低頻詞，共占比54.25%，超過總詞匯的一半；而頻次大于5的高頻詞占比32.75%，近三分之一，進一步體現(xiàn)了總體關(guān)鍵詞既分散又集中的特征。

除去低頻詞，頻次≥3的關(guān)鍵詞如表2所示。

表2 A組發(fā)布者中詞頻≥3的關(guān)鍵詞

由表2可知，這些關(guān)鍵詞中，D.T、Politics、Veteran(老兵)、PRESIDENT、Constitution(al)(憲法)、War、Military(軍事)、Army等與國家政治軍事有關(guān)，United States、Patriots(愛國者)、Christ/Christian(基督)、America(n)、Libert、spirit、soul、Liberal等體現(xiàn)了個人信仰與國家感情，Science、Truth、News、Health、Trad、Animals、data、Global、Virus等則為日常詞匯的不同方面，musician、Engineer、writer、Firefighter、Mom、NRA Member(NATIONAL RIFLE ASSOCIATION, 全國步槍協(xié)會)等則與職業(yè)身份相關(guān)。上述關(guān)鍵詞反映發(fā)布者信息偏好的四個主要方面。

從以上分析可知，A組發(fā)布者信息特征總體上較為分散，只出現(xiàn)1—2次的關(guān)鍵詞占比超過一半以上。其余關(guān)鍵詞又相對集中，主要體現(xiàn)在四個方面，其熱度從高到低依次為國家政治軍事、個人信仰與國家感情、日常詞匯、職業(yè)身份詞匯。這說明“虛假信息發(fā)布者”對國家政治與軍事較為關(guān)注，有著強烈的國家感情與個人信仰追求。本研究主題“The COVID-19 virus contains “HIV-like insertions”, suggesting it was engineered”相關(guān)推文，主要與醫(yī)學(xué)科學(xué)研究相關(guān)，但A組發(fā)布者群體特征中沒有體現(xiàn)醫(yī)學(xué)、科學(xué)研究等相關(guān)背景，故發(fā)布者對相關(guān)虛假信息辨別能力不高，這也解釋了他們發(fā)布或傳播虛假信息的原因。

4.2 “虛假信息揭露者”群體特征較為分散，表現(xiàn)出科學(xué)研究和醫(yī)學(xué)類偏好

在B組“虛假信息揭露者”推文中，共有111個發(fā)布者，其中17個發(fā)布者沒有描述信息，占比15.3%；對其余發(fā)布者描述信息進行關(guān)鍵詞提取，共獲得關(guān)鍵詞211個。對這些關(guān)鍵詞進行詞頻統(tǒng)計，發(fā)現(xiàn)只出現(xiàn)1次的關(guān)鍵詞有96個，占比45.5%，頻次為2的關(guān)鍵詞有24個，占比22.75%，故低頻關(guān)鍵詞(頻次≤2)總占比為68.25%，比例較高；而最高頻次關(guān)鍵詞為“science”，頻次為9，熱度較低，故總體上關(guān)鍵詞呈現(xiàn)出較為分散的分布狀態(tài)。

統(tǒng)計詞頻≥3的關(guān)鍵詞，如表3所示。由表中數(shù)據(jù)可知，頻次較高的詞主要有science、COVID、research、Vote等，主要與科學(xué)研究、新冠病毒相關(guān)，但它們的頻次都不太高，集中趨勢不明顯。

表3 B組發(fā)布者中詞頻≥3的關(guān)鍵詞

由于B組關(guān)鍵詞總體上比較分散，故對頻次≥2的關(guān)鍵詞進行分類，如表4所示。由表中數(shù)據(jù)可知，B組關(guān)鍵詞主要集中在科學(xué)研究類、醫(yī)學(xué)類、身份類方面，這說明“虛假信息揭露者”對科學(xué)研究、醫(yī)學(xué)類關(guān)注較多，而身份信息進一步證明了其個人發(fā)布信息的可信性。這一特征較好地解釋了他們?yōu)槭裁茨軌蚪衣短摷傩畔⒌膫鞑ァ?/p>

表4 B組關(guān)鍵詞分類分析

4.3 “虛假信息懷疑者”群體特征極為分散，未形成特定偏好

在C組“虛假信息懷疑者”推文中，共有64個發(fā)布者，其中16個發(fā)布者沒有描述信息，占比25%，對其余發(fā)布者描述信息進行關(guān)鍵詞提取，共獲得關(guān)鍵詞99個。對這些關(guān)鍵詞進行詞頻統(tǒng)計，發(fā)現(xiàn)只出現(xiàn)1次的關(guān)鍵詞有69個，占比69.7%，已超過總數(shù)的三分之二，其余關(guān)鍵詞(頻次≥2)分布如表5所示。詞頻較高的有D.T、America(n)、Patriot等，但總體上這些詞頻都不高，處于絕對的分散狀態(tài)。

表5 C組發(fā)布者中詞頻≥2的關(guān)鍵詞

從詞頻為1的關(guān)鍵詞來看，有很多不常見且奇怪的語詞，如Paleoanthropology(古人類學(xué))、nightmare beyond redemption(救贖的噩夢)、multiregionalism apes(多區(qū)域猿)、purple and white anthro fox(紫色和白色的人類狐貍)、Malignant narcissistic personality(惡性自戀型人格)、Maternal tribes(產(chǎn)婦部落)、Pluralist(多元論者)、determinist universe(確定性宇宙)、Nuclear Weapons Program(核武器計劃)等，這類詞較多，非常用詞匯。總體來看其個人描述信息比較虛幻，完全脫離現(xiàn)實世界，真實性不高。總之，C組“虛假信息懷疑者”的描述信息各種各樣，處于絕對分散的狀態(tài)，未形成一定的群體特征。

4.4 “無明確態(tài)度者”群體特征較為分散，表現(xiàn)出政治軍事和醫(yī)學(xué)類偏好

在D組“無明確態(tài)度者”推文中，共有107個發(fā)布者，其中22個沒有描述信息，占比20.56%。對其余發(fā)布者描述信息進行關(guān)鍵詞提取，共獲得關(guān)鍵詞186個。對這些關(guān)鍵詞進行詞頻統(tǒng)計，發(fā)現(xiàn)只出現(xiàn)1次的關(guān)鍵詞有102個，占比54.84%，超過一半以上。其余關(guān)鍵詞(頻次≥2)分布如表6所示。詞頻最高的關(guān)鍵詞為D.T，這一特征較為集中?？傊珼組發(fā)布者特征關(guān)鍵詞處于較為分散的狀態(tài)，集中趨勢除D.T外，其他不明顯。

表6 D組發(fā)布者中詞頻≥2的關(guān)鍵詞

對所有關(guān)鍵詞進行聚類分析，按照不同類別包含的關(guān)鍵詞數(shù)量，從高到低依次為：

1)政治軍事類關(guān)鍵詞(29個)：D.T、national security、politics、Patriot、Democrat、Army、Democracy、next election等。

2)身份類關(guān)鍵詞(27個)：Architect、Engineer、Entrepreneur、musician、Veteran(退伍軍人)、Anthropologist(人類學(xué)家)、Canadians、Patent holder、Cofounder、Marine Infantry(海軍步兵)、Senior correspondent(高級通訊員)、haircutter(理發(fā)師)、food activists、Marketeer(營銷人員)、artist、Author、air traffic controllers(空中交通管制員)、motivational speaker等。

3)個人信仰與個性特征類(18個)：Malignant narcissistic personality、humanist、liberal、atheist(無神論者)、mental instability、Academic、Socialist、Catholic(天主教徒)、Urbanism(城市主義)、 Christian等。

4)醫(yī)學(xué)類(14)：Biology、Biochem、Biotech(生物技術(shù))、transgenicos(轉(zhuǎn)基因)、laboratory and clinical settings(實驗室和臨床設(shè)置)、Oncology Translational Research(腫瘤轉(zhuǎn)化研究)、Immunology(免疫學(xué))、virology(病毒學(xué))等。

從這一結(jié)果可以看出，“無明確態(tài)度者”對政治軍事和醫(yī)學(xué)關(guān)注較多，其他方面比較分散，難以集中；且在信息描述中包含較多的身份特征、信仰與個性特征，信息更具可信度。

4.5 “同一鏈接的密集轉(zhuǎn)發(fā)者”群體特征集中趨勢較強，表現(xiàn)出強烈的政治軍事和個人信仰偏好

在E組“同一鏈接的密集轉(zhuǎn)發(fā)者”推文中，共有204個發(fā)布者，其中34個沒有描述信息，占比16.67%。對其余發(fā)布者描述信息進行關(guān)鍵詞提取，共獲得關(guān)鍵詞333個。對這些關(guān)鍵詞進行詞頻統(tǒng)計，發(fā)現(xiàn)只出現(xiàn)1次的關(guān)鍵詞有86個，占比25.83%，約為四分之一，說明總體分散性較低。其余關(guān)鍵詞(頻次≥2)分布如表7所示。

表7 E組發(fā)布者中詞頻≥2的關(guān)鍵詞

由表7數(shù)據(jù)可知，D.T、Patriot的詞頻分別高達(dá)65、38，是以上所有發(fā)布者描述信息中詞頻最高的兩個詞；其次為Truth、Veteran、Constitution、christian、American等詞，體現(xiàn)了關(guān)鍵詞分布中較強的集中趨勢。從這些高頻詞可以看出，D.T、Patriot、Veteran、Constitution、Soldier、Republic等均與國家政治軍事有關(guān)，而christian、American則表示個人身份與信仰，它們反映了“同一鏈接的密集轉(zhuǎn)發(fā)者”群體的主要關(guān)注點。

對頻次≥2的關(guān)鍵詞進行聚類統(tǒng)計，按照數(shù)量從高到低排列，依次為：

1)政治軍事類(157個)：D.T、Patriot、Veteran、Constitution、Soldier、Republic、Military、Voter、TROOP、Warrior(戰(zhàn)士)、ObamaGate、Army、Political、democrat、Navy等。

2)個人信仰類(49個)：Truth、christian、Nationalist、Freedom、God、Liberty、Globalist(全球主義者)、Jesus、Justice等。

3)日常詞匯(36個)：Fake News、WORLDWIDE、swamp(沼澤)、humanity、Computer、Twilight(暮光)、Wrestling(摔跤)、flag of the USA、Cabal(陰謀)、light、USA、Evil、twitter、spiritual、United States、watering hole等。

4)身份類(15個)：American、Specialist、Engineer、Thinker等。

由此可知，“同一鏈接的密集轉(zhuǎn)發(fā)者”群體主要發(fā)布政治軍事類內(nèi)容信息，有較強的個人信仰色彩，未發(fā)現(xiàn)與醫(yī)學(xué)、科學(xué)研究等相關(guān)的描述詞匯。

5 對比分析與總結(jié)

在對以上五組信息發(fā)布者進行分析的基礎(chǔ)上，對其關(guān)鍵詞分布進行綜合對比。如表8所示。

表8 各組發(fā)布者關(guān)鍵詞分布對比

在各組關(guān)鍵詞分布中，單頻次關(guān)鍵詞反映了其總體分布的分散程度，而高頻詞反映了其集中趨勢。值得注意的是，單頻次關(guān)鍵詞占比和高頻詞的頻數(shù)均與關(guān)鍵詞總數(shù)有關(guān)。通常關(guān)鍵詞總數(shù)越多，其頻數(shù)相對越高，而關(guān)鍵詞總數(shù)越少則頻數(shù)越低。典型的例子就是C組“虛假信息懷疑者”，由于其發(fā)布者人數(shù)(64)和關(guān)鍵詞總數(shù)(99)都比較低，其單頻次關(guān)鍵詞占比很高(69.7%)，高頻詞少且頻次低，這也解釋了C組關(guān)鍵詞呈絕對分散狀態(tài)的一個重要原因。

(1)發(fā)布虛假信息或有目的的轉(zhuǎn)發(fā)群體，其關(guān)鍵詞集中趨勢較強，且具有明顯的政治軍事、國家感情和個人信仰方面偏好。對比A組“虛假信息發(fā)布者”與E組“同一鏈接的密集轉(zhuǎn)發(fā)者”，A組關(guān)鍵詞總數(shù)比E組數(shù)量多，但其單頻次關(guān)鍵詞占比(40.75%)卻比E組(25.83%)高很多，這說明E組關(guān)鍵詞的集中趨勢比A組高得多。從高頻詞來看，兩組高頻詞均體現(xiàn)了明顯的政治色彩，且E組體現(xiàn)了更強的集中趨勢。通常來說，關(guān)鍵詞分布越集中，其發(fā)布者及其推文的虛假可能性越高。這一結(jié)果進一步驗證了E組“同一鏈接的密集轉(zhuǎn)發(fā)者”的虛假性和目的性，且兩組均有明顯的政治目的。

(2)揭露虛假信息或無態(tài)度群體關(guān)鍵詞分布較為分散，揭露虛假信息者群體具有明顯的醫(yī)學(xué)、科學(xué)研究背景。對比B組“虛假信息揭露者”與D組“無明確態(tài)度者”，從關(guān)鍵詞總數(shù)與單頻次關(guān)鍵詞占比來看，兩組關(guān)鍵詞分布都比較分散，其中D組更為分散。從高頻詞看，B組表示醫(yī)學(xué)科學(xué)研究的詞較多，而D組詞則更多體現(xiàn)了政治偏好，但詞頻都不高，總之，兩組關(guān)鍵詞分布都較為分散，B組醫(yī)學(xué)研究背景特征更為明顯。由于本研究主題“The COVID-19 virus contains HIV-like insertions, suggesting it was engineered”與醫(yī)學(xué)相關(guān)，顯然B組發(fā)布者更具可信性，這也解釋了他們揭露與發(fā)布真實信息的原因。

總之，在發(fā)布者群體偏好特征方面，具有專業(yè)背景的用戶群體(即醫(yī)學(xué)和科學(xué)研究特征)更具辨識能力，不易受到虛假信息的影響，且積極揭露虛假信息。而虛假信息發(fā)布者或有目的地轉(zhuǎn)發(fā)(A組和E組)兩個群體的關(guān)鍵詞集中趨勢較強，都不具有醫(yī)學(xué)專業(yè)背景，而表現(xiàn)出明顯的政治軍事、國家感情和個人信仰偏好。這一結(jié)論與Krishna對疫苗虛假信息研究的結(jié)論相似。Krishna A.[9]對疫苗虛假信息的積極傳播者的研究發(fā)現(xiàn)，那些知識不足和厭惡疫苗的人比其他人表現(xiàn)出更高的活動水平。Aquino et al.[10]研究識別出了anti-vaxxer(反對接種疫苗的人)和支持陰謀理論的在線社區(qū)成員是錯誤信息的來源或傳播者，并且討論傾向于圍繞引起負(fù)面情緒(恐懼、憤怒、悲傷)的言辭和個人爭論展開。

通過以上分析可知，為減少虛假信息的發(fā)布與傳播，可從以下三個方面加強：一是提升用戶的專業(yè)知識能力，從而提高虛假信息辨識度。針對COVID-19新冠疫情，可通過科普、教育、宣傳等手段，使公眾更多地了解應(yīng)對COVID-19的科學(xué)知識，對相關(guān)信息不輕信、不盲從。二是注重用戶理性分析能力的培養(yǎng)。面對各種網(wǎng)絡(luò)信息，用戶應(yīng)理性對待，通過了解官方正規(guī)信息，以驗證信息的真假，從而盡可能地減少感性認(rèn)知和情感因素對信息真?zhèn)涡缘呐袛唷Ｈ亲⒅赜脩舻男畔⑺仞B(yǎng)培養(yǎng)，尤其是在批判性思維方面。已有研究表明，在虛假信息判斷與識別中，個人信息素養(yǎng)是主要影響因素。高校、圖書館等機構(gòu)應(yīng)擔(dān)負(fù)起培養(yǎng)公眾信息素養(yǎng)的重要職責(zé)，提高公眾對虛假信息的辨識能力。