你的朋友圈为什么总有谣言? | 谣言的回声室效应

2017 年 8 月 9 日 中科院物理所 夸特洛西奥奇

▲点击图片了解“科学三分钟”大赛详情


本文由微信公众号“环球科学”(ID:huanqiukexue)授权转载

转载请先联系www.huanqiukexue.com


在网络上,尝试消除错误的观点,似乎只会强化这种观点。要想阻止错误信息的病毒式传播,并没有明确而简单的办法。

 


撰文 沃尔特 · 夸特洛西奥奇(Walter Quattrociocchi)

翻译 戚译引


阴谋论不是什么新事物,但在民粹主义猖獗、键盘侠盛行的年代,阴谋论获得了新的力量,足以影响真实事件的进程,而且会将它推向最坏的方向。2013年,一项全球风险报告中,世界经济论坛将无根据或错误信息的病毒式传播列为当今最危险的社会趋势之一,与恐怖主义并列。随着整个西方世界中反民主政客的崛起,我们正在目睹错误信息病毒式传播成为现实。然而,人们分辨可靠信息和谎言的能力却低得令人惊讶。根据经济合作与发展组织(OECD,Organisation for Economic Co-operation and Development)的估计,在意大利,15到65岁的公民中超过一半人读写能力低下。社交媒体让信息能在几乎一瞬间传遍世界,不幸的是,其中也包括那些错误信息。

 

最近,社会科学家在信息的传播和消费、信息传播对意见形成的影响、人与人之间的相互影响等方面的研究上,取得了重要的进展。技术的进步让我们得以挖掘社交媒体上的海量数据,包括人们在网络上选择、分享和评论时留下的痕迹,从而以较高的精度分析社会动力学。这种方法叫做计算社会科学,结合了数学、统计学、物理学、社会学和计算机科学,目标是用量化的方式研究社会现象。

 

通过计算社会科学方法分析人们在脸书、推特等媒体上留下的痕迹,我们能够以一种前所未有的精度研究阴谋论的传播。多亏这些研究,我们发现人们并不像自己认为的那样理性。面对未经过滤的信息,人们会认同那些与他们的想法相符的部分。这种效应就是证实性偏见(confirmation bias),会促进那些明显是错误的论点的传播——包括全球性的阴谋论,疫苗与自闭症之间的联系,以及其他许多无稽之谈。不幸的是,似乎没有一个简单的方式能够打破这个循环。

 


网络回声室

  

在卢卡IMT高级研究所,我和同事们用了5年的时间分析信息和谣言在社交网络上的传播。研究小组包括两位物理学家——奎多·卡达雷利(Guido Caldarelli)和安东尼奥·斯卡拉(Antonio Scala),一位统计学家——南加利福尼亚大学信息科学研究所的亚历山德罗·贝西(Alessandro Bessi),一位数学家——米科拉· 德尔·维卡里奥(Michela Del Vicario),以及两位计算机科学家——我和菲比安娜·佐罗(Fabiana Zollo)。我们非常关注信息的病毒式传播过程,以及观点在网络空间中的形成和强化。

 

早在2012年,我们就开始从事这方面的研究了,当时的研究结果是在2015年发表见刊的。在研究中,我们分析了社交媒体用户如何对待三种不同类型的信息:主流新闻、其他新闻和网络政治活动。第一类信息是无须解释的:它来自在意大利全国性新闻报道的媒体平台。第二类信息来源于自称要报道被主流媒体“隐瞒”的信息的平台。最后一类指的是激进团体发布的内容,他们将网络当成一种政治动员工具。

 

为收集研究所需的信息,我们要耗费了大量的时间,推进过程也十分困难,尤其是收集那些另类的信息。我们从积极辟谣的脸书用户和群组的页面收集了不同的指示标记,并对这些标记进行人工验证。通过研究的50个脸书主页,我们分析了超过200万意大利用户的在线行为,他们在2012年9月到2013年2月间与这些主页有过互动关系。我们发现,网上那些完全不相同的帖子,受到的待遇却非常相似:喜欢与这些帖子互动的用户基本上是同一拨人,他们会在社交媒体上分享、讨论这些帖子。换言之,不管是来自主流日报,还是其他新闻源或政治激进网站,信息的传播方式几乎都是一样的。

 

有两种不同的猜想能解释这个结果。第一种可能是,无论信息的准确性如何,所有用户都用同样的方式对待所有的信息。第二种可能是,无论真实与否,某些利益团体的成员会用同样的方式对待那些能加强他们原有信念的信息。在我们看来,第二种猜想更有意思,它暗示了证实性偏见(即过于关注支持自己决策的信息)在错误信息的传播过程中扮演着重要角色。这种猜想还认为,尽管我们都知道“群体智慧”等较乐观的说法,但实际上,是人们大量聚集的网络导致了“回声室”现象的产生——被认同的部分信息不断传播,不断被加强




关键差别

   

下一步要做的就是对这两种猜想进行测试。在这项研究中,我们决定将两类人的在线行为进行对比,一类阅读科技新闻,一类通常关注其他新闻和阴谋论。我们之所以选择这两类内容,是因为它们之间存在一个非常特别的差异:信息是否有明确的发出者,也就是说,一条信息到底有没有管理者。科技新闻主要介绍发表在科技期刊上的研究,有明确的作者和机构。相反,阴谋论信息没有明确的发出者,这些信息产生的目的是强化不确定性,其主题通常是一个秘密计划,或某人故意对公众隐瞒的事实。

 

科技新闻和阴谋论之间还有一个重要差异。无论是否真实,科技新闻都有理性思考的传统,一般建立在实验证据上。而阴谋论的产生是因为人们无法为眼前复杂的不利局面作出简单解释。当面对极其复杂的议题,比如多元文化论、全球经济系统不断增加的复杂性,以及技术进步背后的推动力时,无论受教育程度如何,人们都更倾向于选择相信简洁的、能够明确指出一个责任人的解释。伦敦政治经济学院的一名社会心理学家、研究阴谋论动力学的马丁·鲍尔(Martin Bauer)将阴谋论思想称为一种“准宗教心态”。这有点像在人类文明的早期,人们用神灵来解释暴风雨。

 

我们把《科学与阴谋:谣言时代的集体叙事》(Science vs Conspiracy: Collective Narratives in the Age of Misinformation)发表在了《公共科学图书馆·综合》(PLOS ONE)上。整个研究中,我们关注了73个脸书主页,其中39个充斥着阴谋论,另外34个发布科技新闻。从2010年到2014年,访问这些页面的意大利用户超过100万人。我们发现,这两组页面吸引的读者都非常专一,他们极少离开自己的“回声室”。阅读科技新闻的人极少阅读阴谋论消息;反之,阅读阴谋论的人也极少阅读科技新闻。但是,阴谋论相关页面吸引的用户数量是科技新闻页面的3倍。

 

在脸书谣言的传播过程中,产生回声室的趋势扮演着重要角色。我们研究了4709篇讽刺阴谋论的帖子(比如“飞机尾迹含有伟哥”)后发现,阅读“真正”的阴谋论消息的读者,要比科技新闻的读者更喜欢阅读这类讽刺性的文章。我们还发现,关注阴谋论的用户更倾向于广泛分享自己看到的内容。

 

通过重新构建这两个群体(科技新闻读者和阴谋论爱好者)的社交网络,我们发现了一个令人惊讶的统计规律:当某种内容的点赞数越来越多后,一个具有共同特征的虚拟用户网络的规模也越来越大。换而言之,你接触某一类信息越多,你的脸书好友具有相同新闻偏好的可能性就越大。要理解这种现象的病毒特征,关键在于理解社交网络如何划分出同质的群体。这些群体的特征明显,都倾向于排除一切不符合他们世界观的内容。

 


无法阻止

    

2014年,我们决定开始探索如何阻止谣言在社交媒体上传播。不过,揭露这些消息有用吗?为了回答这个问题,我们专程测试了阴谋论读者的辟谣“抗性”:当读者暴露在辟谣的言论中,他们会不会因为沉浸在阴谋论中太久,而继续选择相信他们经常接触到的内容。目前,研究结果还没发表,但我只能说,并不乐观。在接触过辟谣信息后,人们继续阅读阴谋论消息的可能性增加了30%。换而言之,对一些用户来说,辟谣实际上强化了他们对阴谋论的信念

 

在一项针对5500万美国脸书用户的研究中,我们也观察到了同样的现象。用户会阅读支持他们观点和信念的信息,从而避免认知冲突。他们也会广泛传播这些信息。而且,我们还发现,随着时间的推移,接受某一领域阴谋论(比如把疫苗与自闭症联系在一起的阴谋论)的人会在其他领域寻找类似的理论。一旦进入了这种自我增强的“回声室”,他们就更倾向于全盘接受各种阴谋论。


这些现象表明,我们很难在网络上阻止这些错误信息的传播。所有理性讨论的尝试都会在双方的网络交流中沦为极端分子之间的战争,最终导致观点的两极分化。在这种环境下,要为人们提供准确的信息非常困难,而要阻止一条没有根据的信息的传播,几乎是不可能的。

 

在社交媒体上,很有可能还会继续充斥各种关于全球性大型阴谋论的争论。人人急于分享这些看似被隐藏的信息,但它本身的真假已经不重要了。或许,我们应该停止将今天称为信息时代,转而称之为轻信的时代。


编辑:huashan


近期热门文章Top10

↓ 点击标题即可查看 ↓

1. 当理科生真玩起段子,也就没文科生什么事了

2. 物理所小编的心情不好,一个字也不想说,所以今天的头条就这样吧……

3. 宇宙是唯一的吗?

4. 风扇为什么逆时针旋转?

5. 为什么用摄像头拍电视屏幕会出现条纹?

6. 为改变人类献身的科研人,其实都在无偿为一个暴利行业打工?

7. 是什么让比尔盖茨、霍金都在恐惧?| SciFM Vol.14

8. 世界是如何存在的?(上)

9. 人红是非多,霍金这些年都为哪些谣言“背过锅”?

10. 宇宙灾难能毁灭地球上的全部生命吗?

点此查看以往全部热门文章


登录查看更多
0

相关内容

【KDD2020】自适应多通道图卷积神经网络
专知会员服务
119+阅读 · 2020年7月9日
【ICML2020】持续图神经网络,Continuous Graph Neural Networks
专知会员服务
149+阅读 · 2020年6月28日
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
缺失数据统计分析,第三版,462页pdf
专知会员服务
108+阅读 · 2020年2月28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
泰国通过个人信息保护法
蚂蚁金服评论
16+阅读 · 2019年4月3日
【专题】Facebook遭德国反垄断调查及其影响分析
蚂蚁金服评论
17+阅读 · 2019年4月1日
热点! 虚假新闻检测综述
专知
111+阅读 · 2019年2月26日
威胁情报驱动:F3EAD 之利用
计算机与网络安全
4+阅读 · 2018年12月28日
威胁情报浅析
计算机与网络安全
7+阅读 · 2017年11月15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
Arxiv
6+阅读 · 2019年8月22日
Arxiv
3+阅读 · 2017年10月1日
VIP会员
相关资讯
泰国通过个人信息保护法
蚂蚁金服评论
16+阅读 · 2019年4月3日
【专题】Facebook遭德国反垄断调查及其影响分析
蚂蚁金服评论
17+阅读 · 2019年4月1日
热点! 虚假新闻检测综述
专知
111+阅读 · 2019年2月26日
威胁情报驱动:F3EAD 之利用
计算机与网络安全
4+阅读 · 2018年12月28日
威胁情报浅析
计算机与网络安全
7+阅读 · 2017年11月15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
Top
微信扫码咨询专知VIP会员