为什么谣言的传播速度比真相更快?

2018 年 3 月 12 日 中科院物理所 萌大统领

本文经「原理」(微信公众号:principia1687)授权转载,

禁止二次转载。


或许从人类懂得传八卦那一刻起,不实新闻就已经存在了。现如今,社交媒体让我们能获得实时新闻的同时,也让虚假信息的传播变得极其容易。在微博、Facebook(脸书)和 Twitter(推特)等社交网站上,到处都充斥着被放大的虚假故事,有时这些故事所造成的后果十分严重。


最近在《科学》杂志上发表的一项新的研究表明,所有的恶作剧——无论是无心之失还是恶意策划——传播速度都比真实新闻来得更快



○ 最新一期的《科学》杂志封面。| 图片来源:Science


首先我们要明确的是——什么样的新闻会被称为“假新闻”?假新闻指的是被捏造的信息,它在形式上模仿新闻内容,但在组织过程和意图上却和新闻不同。假新闻缺乏的是新闻媒体的编辑规范,以及确保信息准确性与可靠性的流程。它大致可被分为两种,一种是含有不正确或误导性的错误信息,另一种是故意散播的以欺骗为目的虚假信息


这些可疑的信息充斥现在的各类新闻头条中。在现代的社交媒体上,有一种由软件自动生成并发布信息的账号叫Social Bots(可对应中文里的虚假账号或僵尸粉等词语),研究人员起初怀疑虚假信息之所以传播如此迅速,主要是因为有这些虚假账号对舆情的煽动。


Social bots 是新奇事物,我们对它们的所作所为和影响并没有足够清晰的认识。虽然通常我们认为这些 bots 会对传播的信息产生歪曲,但从本次研究中来看,发现它们并没有有让头条内容偏向虚假新闻的趋势,它们传播的真假新闻数量大致相当


而研究的结果表明,在社交网络散布错误信息的罪魁祸首——是人从心理学的角度来看,这一结果并不令人太感意外。因为虚假信息所猎取的目标正是人类最大的认知弱点。


这项研究的第一作者是麻省理工学院的数据科学家Soroush Vosoughi,促成他进行这项研究的主要推动力是发生在2013年的波士顿马拉松爆炸事件。Vosoughi 说在爆炸事件发生之后,他在社交媒体上阅读到大量的错误内容。有则传闻说的是:警方正在怀疑一名已失踪的布朗大学学生。但后来人们发现这名学生与袭击案并无关联,并且已经自杀(自杀原因与爆炸无关)


那时 Vosoughi 深刻体会到——Twitter 上的谣言并不有趣,反而对人们的生活能产生真切的影响,甚至造成无法挽回的伤害。当时的 Vosoughi 还是一名博士研究生,他决定将研究方向转向检测和表征化错误信息在社交媒体上的传播问题。


他和同事收集了 Twitter 自2006年诞生以来到现在的12年间的数据,然后选出那些被6个独立事实检查组织调查过的新闻推文。最终他们得到了126000条这样的新闻,这些新闻被300万人转发过450万次,然后将其中已被证实为真实和虚假的新闻相比较。


结果发现,即使是热度最高的真实新闻,也很少传递给1000个以上的 Twitter 用户,但那些有害的虚假新闻报道却常能轻而易举的超过1000甚至10000人。据分析,在 Twitter 上将有虚假内容的推文传送到1500人的速度,比传播真实推文给1500人的速度快6倍。而且虚假信息获得首次转发的可能性比真实信息高出70%



○ 包含虚假新闻的推文(橙)比包含真实新闻的推文(绿)通过Twitter传播给更多的人。| 图片来源: (图片) PETER BESHAI; (数据) SOROUSH VOSOUGHI, DEB ROY, AND SINAN ARAL


论文中指出,对于所有形式的新闻,虚假消息都能让它们传播得更快。研究人员曾一度怀疑是自动散播舆论的 bots 扭曲了新闻的传播,所以他们用先进的 bots 检测技术来移除 Twitter 上由 bots 生成的转发。但发现即便移除那部分数据,结果仍然一样:虚假消息仍以大致相同的速率传播,波及到人群数量也大致相同——这意味着人类对虚假新闻的病毒式传播有着不可推卸的责任。


于是,研究人员开始思考参与的人群。他们猜测传播虚假新闻的 Twitter 用户可能有更多的追随者。但结果却截然相反:这些传播虚假新闻的人粉丝数相对更少,而非更多为了找到原因,研究人员决定更仔细地审视推文本身,他们对推文的“新颖度”进行了量化——发现包含虚假信息的推文比包含真实信息的推文内容更加新奇,因为它们所包含都是 Twitter 用户从未见过的新信息。


通过分析推文中的措辞发现,虚假新闻大多会引发如恐惧、厌恶和惊奇的情绪反应,而真实新闻更容易让人产生如悲伤、欢乐和信任一类的感受。而似乎正是因为这些情绪元素,导致了更多的转发。


这是否意味着“假新闻”存在一组可被套用的公式呢?纽约微软研究院的社交网络专家 Duncan Watts 认为这并不太可能。有更早的研究表明,我们很难将一个特定故事的渗透与其内容联系起来,一个具体故事会如何传播是很难预测的。


计算社会学家 David Lazer 认为,这项研究的意义在于——它让我们大致了解虚假新闻是个多严重的问题,既因为它能达到的巨大规模,也因为我们本身所具有的热衷于分享错误信息的倾向。他认为在短期内, Facebook、Google 和 Twitter 这些公司需采取更多的保护措施,来减少问题的严重程度;从长远角度看,我们还需要更多的科学,只有真正了解虚假消息的来源以及它们是如何传播的,才能更好的想出与之对抗的方法。


参考来源:

http://www.sciencemag.org/news/2018/03/fake-news-spreads-faster-true-news-twitter-thanks-people-not-bots

https://www.nature.com/articles/d41586-018-02934-x

http://science.sciencemag.org/content/359/6380/1094.full


来源:原理

编辑:Cloudiiink


近期热门文章Top10

↓ 点击标题即可查看 ↓

1. 物理定律告诉你,天下有情人终将分手!

2. 装物理学家很欢乐很沉重

3. 无孔不入的喝酒养生观念,当真你就中计了

4. 物理学家辞掉NASA工作玩折纸,竟被请回实验室“折卫星”

5. 物理学最难的方程之一,解答奖金达100万美元

6. 地球上最神奇的10种物质,你见过几个?

7. 广义相对论很难?几分钟带你简单入门!

8. 狗狗最讨厌主人做的12件事,看到第几个你中枪了?

9. 蜂巢的洞口为什么是六边形而不是圆形?| No.93

10. 我们发现一种『新型炸药』,其原料就在你们刚包好的饺子里 | 正经玩 SP

点此查看以往全部热门文章


登录查看更多
0

相关内容

新闻,是指报纸、电台、电视台、互联网等媒体经常使用的记录与传播信息的 [2] 一种文体,是反映时代的一种文体。新闻概念有广义与狭义之分。广义上:除了发表于报刊、广播、互联网、电视上的评论与专文外的常用文本都属于新闻,包括消息、通讯、特写、速写(有的将速写纳入特写之列)等等; [3] 狭义上:消息是用概括的叙述方式,以较简明扼要的文字,迅速及时地报道附近新近发生的、有价值的事实,使一定人群了解。新闻一般包括标题、导语、主体、背景和结语五部分。前三者是主要部分,后二者是辅助部分。写法以叙述为主兼或有议论、描写、评论等。新闻是包含海量资讯的新闻服务平台,真实反映每时每刻的重要事件。您可以搜索新闻事件、热点话题、人物动态、产品资讯等,快速了解它们的最新进展。

知识荟萃

精品入门和进阶教程、论文和代码整理等

更多

查看相关VIP内容、论文、资讯等
最新《Deepfakes:创造与检测》2020综述论文,36页pdf
专知会员服务
62+阅读 · 2020年5月15日
【WWW2020-UIUC】为新闻故事生成具有代表性的标题
专知会员服务
26+阅读 · 2020年3月18日
专知会员服务
27+阅读 · 2020年3月6日
广东疾控中心《新型冠状病毒感染防护》,65页pdf
专知会员服务
18+阅读 · 2020年1月26日
热点! 虚假新闻检测综述
专知
111+阅读 · 2019年2月26日
当你的头出现在A片演员的身体上
PingWest品玩
6+阅读 · 2019年1月6日
网络舆情分析
计算机与网络安全
20+阅读 · 2018年10月18日
揭秘AI识别虚假新闻背后的原理
DeepTech深科技
10+阅读 · 2018年8月5日
【社交网络】一文读懂社交网络分析
产业智能官
15+阅读 · 2017年10月14日
这位程序员为什么要弃用Facebook?
CSDN
5+阅读 · 2017年7月14日
CoCoNet: A Collaborative Convolutional Network
Arxiv
6+阅读 · 2019年1月28日
Dynamic Transfer Learning for Named Entity Recognition
Arxiv
3+阅读 · 2018年12月13日
Music Transformer
Arxiv
5+阅读 · 2018年12月12日
Hierarchical Deep Multiagent Reinforcement Learning
Arxiv
8+阅读 · 2018年9月25日
Arxiv
5+阅读 · 2018年5月22日
VIP会员
相关VIP内容
最新《Deepfakes:创造与检测》2020综述论文,36页pdf
专知会员服务
62+阅读 · 2020年5月15日
【WWW2020-UIUC】为新闻故事生成具有代表性的标题
专知会员服务
26+阅读 · 2020年3月18日
专知会员服务
27+阅读 · 2020年3月6日
广东疾控中心《新型冠状病毒感染防护》,65页pdf
专知会员服务
18+阅读 · 2020年1月26日
相关资讯
热点! 虚假新闻检测综述
专知
111+阅读 · 2019年2月26日
当你的头出现在A片演员的身体上
PingWest品玩
6+阅读 · 2019年1月6日
网络舆情分析
计算机与网络安全
20+阅读 · 2018年10月18日
揭秘AI识别虚假新闻背后的原理
DeepTech深科技
10+阅读 · 2018年8月5日
【社交网络】一文读懂社交网络分析
产业智能官
15+阅读 · 2017年10月14日
这位程序员为什么要弃用Facebook?
CSDN
5+阅读 · 2017年7月14日
相关论文
Top
微信扫码咨询专知VIP会员