社交媒體虛假疫情信息糾正效果評估的元分析

張帥 阿比旦·艾尼瓦爾 劉運梅

摘?要：[目的/意義]社交媒體糾正對遏制虛假疫情信息的傳播至關重要，但是已有研究對社交媒體糾正虛假疫情信息的有效性存在較大分歧。本研究嘗試評估社交媒體虛假疫情信息的糾正效果，以期為社交媒體平臺糾正虛假疫情信息提供有益借鑒，為公共衛生機構制定社交媒體虛假疫情信息應對策略提供有益參考。[方法/過程]系統收集了13篇文獻的16項有關社交媒體虛假疫情信息糾正效果的因果證據（N=4?515），采用元分析技術對社交媒體虛假疫情信息的糾正效果進行了綜合定量評估，并深入考察了影響社交媒體糾正效果的調節因素。[結果/結論]元分析結果顯示，社交媒體虛假疫情信息的糾正效果是正向且顯著的（d=0.32，95%CI[0.19，0.44]，p<0.001），調節效應分析表明，樣本的卷入度、虛假來源、糾正來源、糾正格式和糾正措施均顯著影響社交媒體的糾正效果，而社交平臺和糾正表達對社交媒體糾正效果無顯著影響。

關鍵詞：社交媒體;虛假疫情信息;糾正效果;公共衛生事件;元分析

DOI：10.3969/j.issn.1008-0821.2021.08.002

〔中圖分類號〕G206?〔文獻標識碼〕A?〔文章編號〕1008-0821（2021）08-0016-11

Meta-analysis?of?the?Evaluation?of?the?Effect?of?Correcting

Epidemic?Misinformation?on?Social?Media

Zhang?Shuai1，2?Abidan?Ainiwaer1，2?Liu?Yunmei1，2

（1.School?of?Information?Management，Wuhan?University，Wuhan?430072，China;

2.Information?Resources?Research?Center，Wuhan?University，Wuhan?430072，China）

Abstract：[Purpose/Significance]Social?media?correction?is?an?essential?action?to?curb?the?spread?of?epidemic?misinformation.However，there?are?inconsistent?findings?regarding?the?effectiveness?of?social?media?in?correcting?epidemic?misinformation.This?study?attempts?to?evaluate?the?effect?of?correcting?epidemic?misinformation?on?social?media，providing?a?useful?reference?for?social?media?platforms?to?correct?epidemic?misinformation?and?offering?a?useful?guide?for?public?health?agencies?to?formulate?countermeasures?against?epidemic?misinformation?on?social?media.[Method/Process]The?study?systematically?collected?16?causal?pieces?of?evidence（N=4515）related?to?the?corrective?effect?of?epidemic?misinformation?on?social?media?from?13?studies，and?adopted?a?comprehensive?quantitative?evaluation?of?the?corrective?effect?of?epidemic?misinformation?on?social?media?using?meta-analysis?technology，and?examined?the?moderating?factors?that?affected?the?corrective?effect?of?social?media.[Result/Conclusion]The?meta-analysis?results?showed?that?the?corrective?effect?of?epidemic?misinformation?on?social?media?was?significant?（d=0.32，95%CI[0.19，0.44]，p<0.001）.The?analysis?of?the?moderating?effect?showed?that?the?samples?involvement，sources?of?misinformation，sources?of?corrective?information，corrective?formats，and?corrective?measures?significantly?affected?the?corrective?effect?of?social?media.Social?networking?platforms?and?corrective?expressions?little?affected?the?corrective?effect?of?social?media.

Key?words：social?media;epidemic?misinformation;corrective?effect;public?health?event;meta-analysis

隨著社交媒體的流行與普及，越來越多的公眾將社交媒體作為獲取疫情信息的主要來源之一[1]。從有關疫情信息的分享、相關診所和醫院信息的搜索，到點對點的社會與情感支持以及疫情的監測與預警，社交媒體已經成為不可或缺的疫情信息中心[2]。社交媒體為用戶提供疫情信息支持的同時，也助推了虛假疫情信息的傳播[3]。牛津大學路透社研究所（Oxfords?Reuters?Institute）的調查發現，88%的虛假疫情信息來自社交媒體[4]。皮尤研究中心（Pew?Research?Center）的調查也顯示，68%的社交媒體用戶遭遇過虛假疫情信息的誤導[5]。加之所有用戶都是虛假疫情信息的易感人群，長期暴露于這種高度不確定的社交媒體信息生態環境之中，無疑將增加用戶的健康風險，影響用戶的行為決策，甚至可能導致嚴重的健康后果[6-7]。比如2018年Twitter上廣泛流傳的關于“接種流感疫苗導致染病或者引發副作用”的虛假疫情信息，引發了大量的社交媒體用戶不愿接種流感疫苗和全球大規模的反疫苗運動[8]。此外，近期“飲用高度酒精可以預防新冠肺炎”的虛假疫情信息在Facebook上廣泛傳播，造成了至少數百人的喪生和上千人的酒精中毒[9]。

社交媒體促進了虛假疫情信息的傳播而對公共衛生構成了一定的威脅，但是社交媒體也嘗試通過實時更正[10]、眾包的事實核查[11]以及算法標記[12]等糾正措施來揭穿和駁斥虛假疫情信息，以消除或減輕其對用戶行為決策的負面影響[13]。然而，以往的研究對社交媒體虛假疫情信息的糾正效果存在較大爭議。一些學者發現，社交媒體采取糾正措施能明顯削弱虛假疫情信息對用戶行為決策的負面影響[14-16]。相反地，也有一些研究表明，社交媒體糾正虛假疫情信息不僅無顯著效果，反而加劇了用戶不良行為的傾向[17-19]。那么，社交媒體虛假疫情信息的糾正效果究竟如何？又受何種因素的調節？以及該如何糾正社交媒體虛假疫情信息？基于上述研究問題，本研究系統收集了與社交媒體虛假疫情信息糾正效果相關的實驗研究，采用元分析方法對社交媒體虛假疫情信息的糾正效果進行綜合定量評估，并深入考察影響社交媒體虛假疫情信息糾正效果的調節因素，以期為社交媒體糾正虛假疫情信息提供有益借鑒，為公共衛生機構制定社交媒體虛假疫情信息應對策略提供有益參考，從而遏制虛假疫情信息的傳播，推動健康中國建設。

1?理論基礎

1.1?社交媒體虛假疫情信息的糾正

虛假疫情信息是指缺乏科學證據和專家意見支持的與疫情有關的事實主張[20]。這里的疫情泛指疫病發生和蔓延發展的情況[21]。本研究的糾正是指社交媒體平臺為消除已發現的虛假疫情信息所采取的措施，而糾正效果是指社交媒體糾正能在多大程度上影響用戶的行為決策[22]。糾正措施主要包括算法糾正（Algorithmic?Correction）和社會糾正（Social?Correction）。算法糾正是指社交媒體平臺采用算法機制檢測虛假疫情信息，并匹配到權威來源的糾正信息，以自動推薦或標記的方式進行糾正，進而增進用戶的可信度感知以達到糾正效果[23]。社會糾正是指社交媒體用戶針對所接觸的虛假疫情信息，主動發布糾正信息，從而形成群體壓力或社會規范以糾正用戶的觀念或行為[24]。而社交媒體的糾正表達，通常采用科學論證和敘事講述兩種表達方式。科學論證是指通過核查信息內容的可靠性和規范性，并按照邏輯順序對科學證據加以組織，以提供科學、權威的結果[25]。敘事講述是指通過生動形象的描述，以情節、任務和動機等多種信息為核心，多方位、多視角地展現因果關系的一種表達方式[26]。上述糾正策略普遍存在于社交媒體糾正虛假疫情信息的現實場景中[14-19]。

當前，社交媒體上的虛假疫情信息亟待糾正。虛假疫情信息不僅會阻止人們采取有效的預防行為來降低健康風險[27]，而且也會影響人們對醫療衛生系統的信任，增加對疾病診治的阻礙[28]。特別是在社交媒體環境中，由于缺乏相應的信息監管機制與過濾程序[29]，以及“信息繭房”[30]與“回聲室效應”[31]的存在，進一步放大了虛假疫情信息的危害。然而，糾正虛假疫情信息并非易事[32-33]。一方面，社會心理學理論認為，當人們遇到與其心智模型和預先信念相沖突的信息時，即使該信息是正確的，人們也可能會使用動機性推理（Motivated?Reasoning）[34]和選擇性暴露（Selective?Exposure）[35]來否認或扭曲新信息;另一方面，雙系統理論（Dual-process?Theory）發現，人們對信息的處理方式存在差異，或運用自動反應系統（系統1）對信息進行評估，或運用認知系統（系統2）決定對信息的態度[36]。研究也表明，用戶使用社交媒體通常是出于享樂動機，因而其傾向于使用系統1而避免使用系統2來處理社交媒體信息，這就導致社交媒體用戶更有可能相信與先前信念相一致的新信息，而不論新信息的真或假[37]。

1.2?社交媒體糾正效果的相關研究

隨著社交媒體上虛假疫情信息日益泛濫，越來越多的學者致力于虛假疫情信息的糾正效果研究。目前這些研究主要采用實驗研究方法，模擬社交媒體的糾正策略，操控社交媒體的用戶界面，通過比較實驗組（暴露于虛假疫情信息，隨后被糾正）和控制組（暴露于虛假疫情信息，但不糾正）的行為、態度或意愿變化，以測量社交媒體的糾正效果。如Gesser-Edelsburg?A等將Facebook上虛假麻疹信息作為實驗案例，發現社交媒體糾正能夠有效地矯正用戶的麻疹預防行為[38]。Vraga?E?K等對Twitter上人乳頭瘤病毒（HPV）虛假信息的糾正效果進行了實驗研究，發現社交媒體糾正顯著降低了用戶采納HPV虛假信息的意愿[39]。Bode?L等對Facebook上有關寨卡病毒（Zika?Virus）的虛假信息進行控制實驗，發現社交媒體糾正可以顯著改正用戶對Zika病毒的虛假信息的態度[40]。然而，在Bode?L等進行的另外一項實驗研究卻發現，社交媒體糾正對流感疫苗接種虛假信息的態度無顯著影響[20]。Kim?J?W的研究也指出，社交媒體糾正無法有效更正用戶對虛假疫情信息的態度[41]。綜上所述，盡管關于社交媒體糾正效果的實證研究取得一定進展，但是已有研究對社交媒體糾正虛假疫情信息的有效性仍然存在較大分歧。

2?研究方法

本研究采用元分析方法，系統收集了有關社交媒體虛假疫情信息糾正效果的因果證據，借助CMA?3.0（Comprehensive?Meta-Analysis）軟件，對社交媒體虛假疫情信息的糾正效果進行綜合評估。元分析是對以往同類研究的不同研究結果進行綜合定量分析的方法，特別適合對存在爭議甚至相互矛盾的研究結果進行綜合分析，從而得出最具代表性的結論[42]。而CMA?3.0是目前主流的元分析工具，可對多個研究數據進行科學、客觀的統計分析，廣泛應用于醫學、社會學、心理學、圖書情報學等領域的研究。

2.1?文獻檢索

本研究進行了系統、全面的文獻檢索。①構造檢索式。在Google?Scholar和百度學術進行自由詞檢索，通過瀏覽被引頻次較高的文獻標題和關鍵詞，構造初步的檢索式，經過多輪檢索以及反復調整，直到沒有發現新的檢索詞和檢索關系，最終確定了本研究的檢索式為：（Misinformation?OR?Disinformation?OR“Conspiracy?Theor*”OR“Fake?News”OR?Rumor）AND（Epidemic?OR?Infection?OR?Pandemic?OR?Influenza?OR?Zika?OR?Ebola?OR?MERS?OR?COVID-19）AND（“Social?Media”OR?Facebook?OR?Twitter?OR?YouTube?OR?WeChat?OR?Weibo?OR?Blog）AND（Correct*?OR?Retract*?OR?Refut*?OR?Debunk*）及相應中文檢索式;②數據庫檢索。檢索的外文數據庫包括Web?of?Science、PubMed、Taylor?&?Francis?Online、PsycINFO、Elsevier、ScienceDirect、Wiley?Online?Library、Embase，中文數據庫包括CNKI、萬方和維普。文獻類型包括期刊論文、學位論文、會議論文等。文獻檢索時間為2021年2月;③擴展檢索。通過Google?Scholar進行文獻的查缺補漏，利用綜述和相關文章的引用與被引文獻進行擴展檢索。

2.2?文獻的納入與排除標準

結合元分析方法和研究主題的要求，本研究根據以下標準對納入元分析的文獻進行了資格評估：①研究必須是與糾正社交媒體虛假疫情信息相關的研究;②研究必須采用對照實驗，參與者被隨機分配到實驗組（糾正干預）和控制組（無糾正干預）;③研究必須報告至少一項糾正效果的指標，包括社交媒體糾正對用戶態度、意愿或行為的影響;④研究必須報告明確的樣本量;⑤排除重復發表的研究;⑥排除無法獲取全文或無完整數據的研究。由兩名研究者對納入元分析的文獻進行資格審查，并通過討論解決分歧。遵循上述篩選標準，本研究最終納入元分析的文獻13篇，包含16項獨立的實驗研究。其中總樣本量為4?515人（M=282.19，Med=394，SD=153.50）;文獻發表的時間跨度為2015—2021年。文獻檢索和篩選流程圖如圖1所示。

2.3?文獻編碼

本研究由兩名研究者對納入元分析的文獻進行數據編碼。經過編碼一致性計算，研究者之間的Kappa系數為0.84，表明編碼結果是有效且可靠的。遵循元分析的數據編碼框架[43]，本研究的具體編碼變量如下。文獻特征：作者、年份、類型;樣本特征包括樣本量、地域、群體、卷入度（依據文獻報告的實驗對象對虛假信息的關注程度劃分為高卷入度和低卷入度）;信息特征：疫病類型、社交平臺、虛假來源、糾正來源、糾正格式、糾正表達、糾正措施;結局指標：態度、意愿、行為。文獻按照每項獨立研究進行編碼[44]，若一篇文獻同時報告了多種條件或多項實驗時，先分析文獻所報告的不同條件是否為本研究所關注的，再按照這些條件分解為多項獨立研究。納入研究的基本特征如表1所示。

2.4?元分析過程

2.4.1?效應量計算

考慮到本研究是通過比較實驗組和控制組之間的標準差異，以衡量社交媒體糾正的效果。因此，本研究采用標準化平均偏差Cohens?d[45]，作為社交媒體糾正的效應量。本研究通過CMA?3.0直接輸入實驗組與控制組的樣本量、后測均值和標準差，可以直接計算Cohens?d效應量。如文獻未報告均值或標準差，則通過χ2值、t值或F值轉換計算。Cohens?d效應量的評價標準為：0.2為小效應量，0.5為中等效應量，0.8為大效應量[46]。由于本文納入元分析的不同研究之間（如樣本群體、社交平臺）可能存在差異，因此本研究采用隨機效應模型計算效應量[47]。同時在數據分析上采用Q檢驗和I2值進行研究之間的異質性檢驗（Heterogeneity?Test）。當Q值顯著且I2≥75%時，則表明研究之間存在不可忽視的異質性，以進一步驗證隨機效應模型選擇的合理性[48]。

2.4.2?調節效應分析

為了進一步探索研究異質性的可能來源，本文將對分組變量的調節效應進行分析，以探討不同分組變量對社交媒體糾正效果的影響。根據Jackson?D等的建議，進行調節效應分析的每個分組至少包括4項研究[49]。結合已有研究和文獻編碼結果，本文主要探究以下可能影響社交媒體糾正效果的調節變量：①樣本特征，包括群體（大學生/普通人群）和卷入度（低/高）;②信息特征，包括社交平臺（Facebook/Twitter）、虛假來源（機構/用戶）、糾正來源（專家/非專家）、糾正格式（文本/文本+圖片）、糾正表達（科學論證/敘事講述）、糾正措施（算法糾正/社會糾正）。

2.4.3?質量和出版偏倚評估

本研究嚴格按照Cochrane系統評價的偏倚風險評估工具[50]，對納入元分析的文獻進行質量評估。具體評價指標包括：隨機分配方法、分配方案隱藏、對實施者和參與者使用盲法、對結果評價者使用盲法、結果數據完整性、選擇性報告結果和其他偏倚。兩名研究者采取“低風險”“不清楚”和“高風險”3個等級進行逐條評價。非常符合質量標準的評為較低風險，普遍符合質量標準的評為不清楚風險，部分符合質量標準的評為較高風險。本文使用Kappa系數測量研究者評估的一致性，文獻質量評分的Kappa系數為0.89，表明研究者對納入元分析的文獻質量評估有較高的可靠性。此外，出版偏倚是指納入元分析的文獻是否有效代表該領域已經完成的研究總體[51]。因此，本研究采用漏斗圖（Funnel?Plot）和失安全系數（Fail-safe?Number）進一步測量出版偏倚風險[52]。在漏斗圖中，當數據點左右接近對稱分布，且集中在中部以上，則表明出版偏倚可能性較低;在失安全系數中，系數越大，表明出版偏倚可能性越低[53]。

2.4.4?敏感性分析

元分析的文獻納入標準、數據編碼方法及缺失值處理等會導致研究結果出現偏差，因此，本研究采用敏感性分析進一步檢驗研究結果的穩健性。元分析一般通過每次剔除一項納入的研究，重新計算合并效應量，與未排除該研究的效應量進行比較，從而找出效應量異常的研究，即該研究對合并效應量影響較大。異常的研究指95%的置信區間沒有與合并效應量的95%的置信區間重疊的研究，即置信區間包含0[54]。

3?研究結果

3.1?社交媒體糾正的主效應

經過效應量的計算，本研究繪制了社交媒體糾正效果的森林圖，如圖2所示。其中，橫線代表單項研究結果的95%置信區間（CI）;點的位置代表單項研究的效應量，點的大小代表研究的權重;菱形代表合并后的效應量，即主效應;刻度為0的豎線代表無效線，若某項研究的95%CI包含了0，則p>0.05，即圖中橫線與刻度為0的豎線相交時，表明該研究無統計學意義。本研究發現，社交媒體虛假疫情信息糾正的主效應是正向且顯著的（d=0.32，95%CI[0.19，0.44]，p<0.001，k=16）。同時，通過異質性檢驗發現，Q=63.26，p<0.001，且I2=76.29%，表明各研究效應量之間存在異質性。此外，社交媒體糾正用戶的態度、意愿與行為研究的效應量之間不存在顯著差異（Q=3.39，p=0.184，I2=24.67%），這也進一步驗證了將用戶態度、意愿和行為作為社交媒體糾正效果的測度指標是準確可靠的。

3.2?社交媒體糾正效果的調節效應

本研究通過調節效應分析來探究調節變量對社交媒體糾正效果的影響。調節效應分析結果如表2所示。在樣本特征方面，群體（Q=0.38，p=0.536）對社交媒體虛假疫情信息的糾正效果無顯著影響。而樣本的卷入度（Q=9.51，p=0.002）卻顯著調節社交媒體糾正效果。具體而言，相較于低卷入度用戶（d=0.23，95%CI[0.14，0.33]，p<0.001，k=12），社交媒體對高卷入度用戶（d=0.60，95%CI[0.39，0.82]，p<0.001，k=4）的糾正效果更好。

在信息特征方面，虛假來源（Q=4.97，p=0.026）也顯著影響社交媒體糾正效果。當虛假疫情信息來自機構（d=0.39，95%CI[0.27，0.52]，p<0.001，k=8）而非用戶時（d=0.19，95%CI[0.07，0.32]，p=0.002，k=8），社交媒體糾正效果更好。同樣，糾正來源（Q=9.05，p=0.003）也是社交媒體糾正效果的顯著調節變量。其中，社交媒體上來自于專家的糾正信息（d=0.44，95%CI[0.35，0.52]，p<0.001，k=10）比來自非專家的糾正信息（d=0.24，95%CI[0.13，0.34]，p<0.001，k=6）的糾正效果更好。糾正格式（Q=4.57，p=0.033）也對社交媒體糾正效果具有顯著的調節作用。其中，社交媒體采用文本和圖片組合的糾正信息（d=0.42，95%CI[0.28，0.55]，p<0.001，k=7）比僅有文本的糾正信息（d=0.26，95%CI[0.19，0.32]，p<0.001，k=9）的效果更佳。此外，糾正措施（Q=5.90，p=0.015）也對社交媒體糾正效果產生重要影響。具體而言，社交媒體采用社會糾正的措施（d=0.41，95%CI[0.33，0.48]，p<0.001，k=12）比采用算法糾正的措施（d=0.22，95%CI[0.09，0.35]，p=0.001，k=4）更加有效。而社交平臺（Q=1.26，p=0.262）和糾正表達（Q=1.35，p=0.245）對社交媒體糾正效果無顯著影響。

3.3?質量和出版偏倚評估結果

研究質量評估報告顯示，如圖3所示，納入元分析的研究質量整體較高，其中10項（62.5%）研究的風險較低，4項（25.0%）研究存在不清楚的風險，兩項（12.5%）研究存在較高的風險。同時，如漏斗圖圖4所示，納入元分析的研究均勻分布于總效應量的兩側并集中于中部以上，因此，本研究基本不存在出版偏倚風險。此外，本研究的失安全數為569（p<0.001，α=0.05），表明需要569篇相反的相關研究才能將本研究的結論推翻。因此，本研究的結論穩定且可靠。

3.4?敏感性分析結果

本研究的敏感性分析顯示，如圖5所示，剔除單項研究的合并效應量范圍為[d=0.28，95%CI[0.17，0.38]，p<0.001;d=0.34，95%CI[0.22，0.47]，p<0.001]，表明單項研究剔除對合并效應量的影響比較有限，進一步驗證了本研究合并效應量的穩健性。

4?研究結論及啟示

4.1?研究結論

本文的元分析基于對照實驗，系統剖析了社交媒體虛假疫情信息糾正與后續用戶行為決策之間的因果關系，綜合評估了社交媒體虛假疫情信息的糾正效果，并深入考察了影響社交媒體糾正效果的調節因素。研究表明，社交媒體糾正虛假疫情信息的總體效果是正向且顯著的（d=0.32，95%CI[0.19，0.44]，p<0.001，k=16），因此，社交媒體糾正可以有效消除或減輕虛假疫情信息對用戶行為決策的負面影響。同時，值得注意的是，社交媒體糾正的合并效應量是中等偏弱量級的（0.2

具體而言，相較于低卷入度的用戶，社交媒體對高卷入度的用戶糾正效果更好。精細加工可能性模型（Elaboration?Likelihood?Model）認為，高卷入度的用戶更加趨向于遵從核心路徑，即通過理性認知的方式評估新的信息，而低卷入度的用戶趨向于遵從邊緣路徑，即通過外部因素（圖像、色彩或信息表達方式）來判定信息的可信度[55]。而社交媒體虛假疫情信息的糾正需要用戶經過仔細地思考和分析，最終形成用戶態度、意愿或行為的轉變，因此，社交媒體糾正對高卷入度的用戶更為有效。當虛假疫情信息來自用戶群體而非機構時，社交媒體糾正也變得更加艱難。這一結論也印證了社交關系對個體信息處理的影響[56]，也就是說，不論疫情信息的真或假，個體更加趨向于信任同伴所提供的疫情信息，而非機構。同時，社交媒體中專家提供的糾正信息比非專家提供的糾正信息更加有效。這一結論也回應了說服理論，即外部可靠性是增加說服效果的重要條件[57]。而且，相比于文本的糾正格式，社交媒體采用文本與圖片相結合的方式糾正虛假疫情信息也更為有效。這可能與用戶的注意力機制有關[58]，社交媒體上帶有圖片的文本更加吸引用戶的注意力，更有可能引發用戶對糾正信息更多的關注和思考，從而達到更好的糾正效果。此外，社會糾正也比算法糾正更加有效。這可能是因為在社交媒體上形成的社會規范更容易促進用戶對糾正信息的信任，從而促成用戶認知和行為決策的積極轉變[59]。然而，社交平臺之間的糾正效果無顯著差異。這可能與本文元分析納入的實驗研究有關，在實驗條件下，可能無法還原不同社交平臺的現實場景，因此，社交平臺之間的糾正效果的差異可能無法精確測量。社交媒體上科學論證與敘事講述之間的糾正效果也不存在顯著差異。這可能與用戶的信息偏好有關[60]，用戶在選擇信息時，有意識地偏好認知一致性的信息，而不管是科學論證還是敘事講述，都有可能符合用戶的信息偏好，因此，它們之間的糾正效果差異并不明顯。

4.2?研究啟示

本研究在理論和實踐方面進行了有益拓展。在理論上，本研究評估了社交媒體虛假疫情信息糾正的有效性，也表明了社交媒體虛假疫情信息糾正不存在顯著的“回旋鏢效應”（Boomerang?Effect），即社交媒體糾正虛假疫情信息反而會增加用戶對虛假疫情信息的采納[61]。在此基礎上，本研究進一步明確了影響社交媒體糾正效果的重要調節因素，并揭示了其相應的內在機理，為社交媒體平臺采用不同的糾正策略應對不同情形下的虛假疫情信息提供了理論依據。此外，本研究得出的虛假疫情信息的社交媒體糾正效果可以與其他領域（如虛假政治信息、虛假科學信息）的社交媒體糾正效果進行橫向比較，從而促進對社交媒體糾正效果有更加全面地了解。

在實踐上，本研究為社交媒體平臺和公共衛生機構糾正虛假疫情信息提供有益借鑒。社交網絡和群體規范對社交媒體糾正虛假疫情信息至關重要。因此，社交媒體平臺應充分利用社交屬性積極推薦和展示來自好友與同伴的社會糾正，將社交關系融入算法糾正或許可以取得更好的糾正效果。社交媒體平臺也可以通過設置聲譽激勵機制，鼓勵用戶主動參與虛假疫情信息的糾正，創建不同用戶之間的交互糾正機制，在促進糾正效果的同時，亦破除“信息繭房”、削弱社交網絡的“回聲室效應”。此外，社交媒體平臺可以嘗試采用更為多元的糾正信息呈現形式，針對不同人群、不同主題，設定不同的糾正信息呈現方式，以求最大限度地提高虛假疫情信息被糾正的可能性。對公共衛生機構而言，應聯合社交媒體平臺推動建立虛假疫情信息實時監測系統，及時制定相關應對策略以消除虛假疫情信息的負面影響。此外，以科學證據為背書的糾正信息對社交媒體虛假疫情信息起到較好的糾正效果。因此，公共衛生機構應動員權威衛生專家和知名科普機構主動發布糾正信息，確保客觀、準確的疫情信息能夠在社交媒體平臺上引起廣泛關注，從而遏制虛假疫情信息，營造清朗的社交媒體信息生態環境，推動健康中國建設。

參考文獻

（帶*號為納入元分析的文獻）

[1]*Tully?M，Vraga?E?K，Bode?L.Designing?and?Testing?News?Literacy?Messages?for?Social?Media[J].Mass?Communication?and?Society，2020，23（1）：22-46.

[2]Patel?R，Chang?T，Greysen?S?R，et?al.Social?Media?Use?in?Chronic?Disease：A?Systematic?Review?and?Novel?Taxonomy[J].The?American?Journal?of?Medicine，2015，128（12）：1335-1350.

[3]李月琳，張秀.疫情虛假信息的甄別及傳播原因探析[J].信息資源管理學報，2020，10（2）：8-12.

[4]Reuters?Institute.Types，Sources，and?Claims?of?COVID-19?Misinformation[EB/OL].https：//reutersinstitute.politics.ox.ac.uk/types-sources-and-claims-covid-19-misinformation，2021-02-06.

[5]Pew?Research?Center.Mobile?Technology?and?its?Social?Impact?Survey?2018[EB/OL].https：//www.pewresearch.org，2021-02-11.

[6]Naeem?S?B，Bhatti?R，Khan?A.An?Exploration?of?How?Fake?News?is?Taking?Over?Social?Media?and?Putting?Public?Health?at?Risk[EB/OL].https：//onlinelibrary.wiley.com/doi/full/10.1111/hir.12320？af=R，2021-02-11.

[7]Wang?Y，Mckee?M，Torbica?A，et?al.Systematic?Literature?Review?on?the?Spread?of?Health-Related?Misinformation?on?Social?Media[J].Social?Science?&?Medicine，2019，240：112552.

[8]Broniatowski?D?A，Jamison?A?M，Qi?S?H，et?al.Weaponized?Health?Communication：Twitter?Bots?and?Russian?Trolls?Amplify?the?Vaccine?Debate[J].American?Journal?of?Public?Health，2018，108（10）：1378-1384.

[9]袁建霞，冷伏海.“信息疫情”應對中的情報調研和分析[J].競爭情報，2020，16（3）：9-13.

[10]Moravec?P?L，Kim?A，Dennis?A?R.Appealing?to?Sense?and?Sensibility：System?1?and?System?2?Interventions?for?Fake?News?on?Social?Media[J].Information?Systems?Research，2020，31（3）：987-1006.

[11]*Vraga?E?K，Bode?L.I?Do?Not?Believe?You：How?Providing?a?Source?Corrects?Health?Misperceptions?Across?Social?Media?Platforms[J].Information，Communication?&?Society，2018，21（10）：1337-1353.

[12]Smith?C?N，Seitz?H?H.Correcting?Misinformation?about?Neuroscience?via?Social?Media[J].Science?Communication，2019，41（6）：790-819.

[13]*Lee?J.Correcting?Fear-Arousing?Disinformation?on?Social?Media?in?the?Spread?of?a?Health?Virus：A?Focus?on?Situational?Fear，Situational?Threat?Appraisal，Belief?in?Disinformation，and?Intention?to?Spread?Disinformation?on?Social?Media[D].New?York：Syracuse?University，2019.

[14]*Van?Der?Meer?T?G?L?A，Jin?Y.Seeking?Formula?for?Misinformation?Treatment?in?Public?Health?Crises：The?Effects?of?Corrective?Information?Type?and?Source[J].Health?Communication，2020，35（5）：560-575.

[15]Li?H，Sakamoto?Y.Social?Impacts?in?Social?Media：An?Examination?of?Perceived?Truthfulness?and?Sharing?of?Information[J].Computers?in?Human?Behavior，2014，41（12）：278-287.

[16]*Sun?Y，Oktavianus?J，Wang?S，et?al.The?Role?of?Influence?of?Presumed?Influence?and?Anticipated?Guilt?in?Evoking?Social?Correction?of?COVID-19?Misinformation[J].Health?Communication，2021，（2）：1-10.

[17]Kim?A，Moravec?P，Dennis?A?R.Behind?the?Stars：The?Effects?of?News?Source?Ratings?on?Fake?News?in?Social?Media[J].Kelley?School?of?Business?Research，2017，18（3）：1-38.

[18]*Weber?T?J，Muehling?D?D，Kareklas?I.How?Unsponsored，Online?User-Generated?Content?Impacts?Consumer?Attitudes?and?Intentions?Toward?Vaccinations[J].Journal?of?Marketing?Communications，2020，27（4）：389-414.

[19]*Vraga?E?K，Bode?L.Using?Expert?Sources?to?Correct?Health?Misinformation?in?Social?Media[J].Science?Communication，2017，39（5）：621-645.

[20]*Bode?L，Vraga?E?K.In?Related?News，That?Was?Wrong：The?Correction?of?Misinformation?through?Related?Stories?Functionality?in?Social?Media[J].Journal?of?Communication，2015，65（4）：619-638.

[21]李進華.面向大數據時代的重大疫情信息管理理論框架及其應用[J].現代情報，2020，40（7）：25-33，51.

[22]OKeefe?D?J.Message?Generalizations?That?Support?Evidence-Based?Persuasive?Message?Design：Specifying?the?Evidentiary?Requirements[J].Health?Communication，2015，30（2）：106-113.

[23]Hoel?E?V.Funny?Myth?Busting：Are?Humorous?Messages?Effective?at?Correcting?Misinformation?Regarding?Food?Safety[D].Oslo：Norwegian?Business?School，2019.

[24]*Sullivan?M?C.Leveraging?Library?Trust?to?Combat?Misinformation?on?Social?Media[J].Library?&?Information?Science?Research，2019，41（1）：2-10.

[25]Nieminen?S，Rapeli?L.Fighting?Misperceptions?and?Doubting?Journalists?Objectivity：A?Review?of?Fact-Checking?Literature[J].Political?Studies?Review，2019，17（3）：296-309.

[26]Murphy?S?T，Frank?L?B，Chatterjee?J?S，et?al.Narrative?Versus?Nonnarrative：The?Role?of?Identification，Transportation，and?Emotion?in?Reducing?Health?Disparities[J].Journal?of?Communication，2013，63（1）：116-137.

[27]Rosenbaum?L.Invisible?Risks，Emotional?Choices-Mammography?and?Medical?Decision?Making[J].New?England?Journal?of?Medicine，2014，371（16）：1549-1552.

[28]Chou?W?Y?S，Oh?A，Klein?W?M?P.Addressing?Health-Related?Misinformation?on?Social?Media[J].JAMA，2018，320（23）：2417-2418.

[29]Bessi?A，Coletto?M，Davidescu?G?A，et?al.Science?vs?Conspiracy：Collective?Narratives?in?the?Age?of?Misinformation[J].Plos?One，2015，10（2）：e0118093.

[30]Yicheng?W，Ping?W，Meiyue?W.Research?on?Svm-Based?Network?Information?Cocoons?Hierarchy?Sensitive?Influencing?Factors?Identification[J].Information?and?Documentation?Services，2019，40（6）：90-97.

[31]Trnberg?P.Echo?Chambers?and?Viral?Misinformation：Modeling?Fake?News?as?Complex?Contagion[J].Plos?One，2018，13（9）：e0203958.

[32]Thorson?E.Belief?Echoes：The?Persistent?Effects?of?Corrected?Misinformation[J].Political?Communication，2015，33（3）：1-21.

[33]Nyhan?B，Reifler?J，Richey?S，et?al.Effective?Messages?in?Vaccine?Promotion：A?Randomized?Trial[J].Pediatrics，2014，133（4）：835-842.

[34]Diehl?T，Weeks?B?E，Gil?De?Zuniga?H.Political?Persuasion?on?Social?Media：Tracing?Direct?and?Indirect?Effects?of?News?Use?and?Social?Interaction[J].New?Media?&?Society，2016，18（9）：1875-1895.

[35]Messing?S，Westwood?S?J.Selective?Exposure?in?the?Age?of?Social?Media：Endorsements?Trump?Partisan?Source?Affiliation?When?Selecting?News?Online[J].Communication?Research，2014，41（8）：1042-1063.

[36]Evans?J?S?B?T，Curtis-Holmes?J.Rapid?Responding?Increases?Belief?Bias：Evidence?for?the?Dual-Process?Theory?of?Reasoning[J].Thinking?&?Reasoning，2005，11（4）：382-389.

[37]Johnson?T?J，Kaye?B?K.Reasons?to?Believe：Influence?of?Credibility?on?Motivations?for?Using?Social?Networks[J].Computers?in?Human?Behavior，2015，50（9）：544-555.

[38]*Gesser-Edelsburg?A，Diamant?A，Hijazi?R，et?al.Correcting?Misinformation?By?Health?Organizations?During?Measles?Outbreaks：A?Controlled?Experiment[J].Plos?One，2018，13（12）：e0209505.

[39]*Vraga?E?K，Kim?S?C，Cook?J.Testing?Logic-Based?and?Humor-Based?Corrections?for?Science，Health，and?Political?Misinformation?on?Social?Media[J].Journal?of?Broadcasting?&?Electronic?Media，2019，63（3）：393-414.

[40]*Bode?L，Vraga?E?K.See?Something，Say?Something：Correction?of?Global?Health?Misinformation?on?Social?Media[J].Health?Communication，2018，33（9）：1131-1140.

[41]*Kim?J?W.Countering?Anti-Vaccination?Rumors?on?Twitter[D].New?York：Syracuse?University，2019.

[42]Koesters?M，Guaiana?G，Cipriani?A，et?al.Agomelatine?Efficacy?and?Acceptability?Revisited：Systematic?Review?and?Meta-Analysis?of?Published?and?Unpublished?Randomised?Trials[J].British?Journal?of?Psychiatry，2013，203（3）：179-187.

[43]Chan?M?S，Jones?C?R，Jamieson?K?M，et?al.Debunking：A?Meta-Analysis?of?the?Psychological?Efficacy?of?Messages?Countering?Misinformation[J].Psychological?Science，2017，28（11）：1531-1546.

[44]Tao?D，Wang?T，Wang?T，et?al.A?Systematic?Review?and?Meta-Analysis?of?User?Acceptance?of?Consumer-Oriented?Health?Information?Technologies[J].Computers?in?Human?Behavior，2020，104（3）：1-15.

[45]Vllestad?J，Nielsen?M?B，Nielsen?G?H.Mindfulness-and?Acceptance-Based?Interventions?for?Anxiety?Disorders：A?Systematic?Review?and?Meta-Analysis[J].British?Journal?of?Clinical?Psychology，2012，51（3）：239-260.

[46]Kallapiran?K，Koo?S，Kirubakaran?R，et?al.Review：Effectiveness?of?Mindfulness?in?Improving?Mental?Health?Symptoms?of?Children?and?Adolescents：A?Meta-Analysis[J].Child?and?Adolescent?Mental?Health，2015，20（4）：182-194.

[47]Carrero?I，Vilà?I，Redondo?R.What?Makes?Implementation?Intention?Interventions?Effective?for?Promoting?Healthy?Eating?Behaviours？A?Meta-Regression[J].Appetite，2019，140（9）：239-247.

[48]Huedo-Medina?T?B，Sánchez-Meca?J，Marín-Martínez?F，et?al.Assessing?Heterogeneity?in?Meta-Analysis：Q?Statistic?Or?I2?Index？[J].Psychological?Methods，2006，11（2）：193-206.

[49]Jackson?D，Turner?R.Power?Analysis?for?Random-Effects?Meta-Analysis[J].Research?Synthesis?Methods，2017，8（3）：290-302.

[50]Higgins?J?P?T，Altman?D，Gtzsche?P?C，et?al.The?Cochrane?Collaborations?Tool?for?Assessing?Risk?of?Bias?in?Randomised?Trials[J].Bmj，2011，343：1-9.

[51]Cram?W?A，Darcy?J，Proudfoot?J?G.Seeing?the?Forest?and?the?Trees：A?Meta-Analysis?of?the?Antecedents?to?Information?Security?Policy?Compliance[J].MIS?Quarterly，2019，43（2）：525-554.

[52]Khoury?B，Lecomte?T，Fortin?G，et?al.Mindfulness-Based?Therapy：A?Comprehensive?Meta-Analysis[J].Clinical?Psychology?Review，2013，33（6）：763-771.

[53]任志洪，趙春曉，田凡，等.中國人心理健康素養干預效果的元分析[J].心理學報，2020，52（4）：497-521.

[54]Morgan?A?J，Ross?A，Reavley?N?J.Systematic?Review?and?Meta-Analysis?of?Mental?Health?First?Aid?Training：Effects?on?Knowledge，Stigma，and?Helping?Behaviour[J].Plos?One，2018，13（5）：1-20.

[55]Bhattacherjee?A，Sanford?C.Influence?Processes?for?Information?Technology?Acceptance：An?Elaboration?Likelihood?Model[J].Mis?Quarterly，2006，30（4）：805-825.

[56]Gruzd?A，Wellman?B，Takhteyev?Y.Imagining?Twitter?as?an?Imagined?Community[J].American?Behavioral?Scientist，2011，55（10）：1294-1318.

[57]Petty?R?E，Cacioppo?J?T.The?Effects?of?Involvement?on?Responses?to?Argument?Quantity?and?Quality：Central?and?Peripheral?Routes?to?Persuasion[J].Journal?of?Personality?and?Social?Psychology，1984，46（1）：69-81.

[58]Liu?M，Li?L，Hu?H，et?al.Image?Caption?Generation?with?Dual?Attention?Mechanism[J].Information?Processing?&?Management，2020，57（2）：1-10.

[59]Wang?Z，Walther?J?B，Pingree?S，et?al.Health?Information，Credibility，Homophily，and?Influence?Via?the?Internet：Web?Sites?Versus?Discussion?Groups[J].Health?Communication，2008，23（4）：358-368.

[60]Pálsdóttir?.Preferences?in?the?Use?of?Social?Media?for?Seeking?and?Communicating?Health?and?Lifestyle?Information[J].Information?Research，2014，19（4）：1-16.

[61]Werle?C?O?C，Cuny?C.The?Boomerang?Effect?of?Mandatory?Sanitary?Messages?to?Prevent?Obesity[J].Marketing?Letters，2012，23（3）：883-891.

（責任編輯：孫國雷）