研究证实假消息传播得更快更广

2018 年 3 月 9 日 科学网 徐徐

欢迎点击「科学网」↑关注我们!


图片来源:NurPhoto/Getty

一项最新研究对12.6万条消息如何在300万名推特用户中间传播进行了分析,并且发现假消息比真消息扩散得更快、更广。相关成果3月8日发表于《自然》杂志。

“这是迄今对真假信息如何在社交媒体扩散进行的最复杂的描述性研究。”未参与该工作的美国麻省理工学院(MIT)社会科学家Dean Eckles表示。

不真实的“消息”和小道传闻一样古老,但它的扩散在社交媒体时代变得越来越令人不安。在脸书和推特上被放大的假故事,比如教皇方济各支持唐纳德·特朗普参选美国总统的传闻会使选举结果发生倾斜。

虚假消息在特朗普2016年令人吃惊地竞选总统成功和英国退欧投票中所起的作用引发了激烈讨论。来自MIT的Sinan Aral及其团队认为,部分答案取决于理解假消息如何传播。他们利用来自6个既有的事实查证来源的信息反复核对,将在推特上扩散的消息分成“真实”和“虚假”两类。通过这种方法,研究人员分析了2006~2017年12.6万条消息在300万名推特用户中的扩散。

分析显示,被认为真实的新闻故事比假消息扩散得慢并且到达的用户较少。即便是最流行的真实的新闻故事也只到达了1000多名用户,而扩散率占前1%的虚假新闻故事到达的用户数在1000~10万不等。同时,数据模型显示,假消息被转发的可能性比真消息高70%。

Aral团队利用软件辨认推特上自动生成的机器人账户。它们被怀疑扭曲了消息传播的方式。不过,即便将这些数据移除,由人而非机器人产生的假消息仍然比真相扩散得快。这表明,该属性源于人类行为。(徐徐)

关注我们

微信号:sciencenet-cas (←长按复制) 或长按下方二维码

登录查看更多
0

相关内容

【CVPR2020】多模态社会媒体中危机事件分类
专知会员服务
54+阅读 · 2020年4月18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
2020图机器学习GNN的四大研究趋势,21篇论文下载
专知会员服务
135+阅读 · 2020年2月10日
用深度学习揭示数据的因果关系
专知
28+阅读 · 2019年5月18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
网络舆情分析
计算机与网络安全
20+阅读 · 2018年10月18日
2017年深度学习重大研究进展全解读
深度学习世界
3+阅读 · 2017年12月22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
SepNE: Bringing Separability to Network Embedding
Arxiv
3+阅读 · 2019年2月26日
Arxiv
11+阅读 · 2018年5月13日
Arxiv
3+阅读 · 2017年10月1日
VIP会员
相关资讯
用深度学习揭示数据的因果关系
专知
28+阅读 · 2019年5月18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
网络舆情分析
计算机与网络安全
20+阅读 · 2018年10月18日
2017年深度学习重大研究进展全解读
深度学习世界
3+阅读 · 2017年12月22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
相关论文
Top
微信扫码咨询专知VIP会员