基于社交媒體的網絡虛假信息發布者特征實證分析

莫祖英，賀雅文，劉燕權

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

1 引 言

世界衛生組織(WHO)針對新冠疫情在全球蔓延不僅發出了COVID-19的健康風險信號，而且將圍繞這一主題傳播的大量虛假信息標記為“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防措施帶來了干擾。為此，世衛組織在其網站上開設了一個專門用于揭露虛假信息的區域——Coronavirus disease (COVID-19) advice for the public: Myth busters，以向民眾提供可靠的信息。

社交媒體和網絡站點因缺乏傳統的質量控制和“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遠超過正規信息源的信息。那么，在新冠疫情暴發和大量虛假信息廣泛傳播的情況下，探究發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布與轉發是否存在一定的目的性具有重要的現實意義。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，分析發布者的群體特征，找出多項共性規律，以更好地識別虛假信息及其發布者。本研究中，虛假信息是指包括謠言、惡作劇、傳說、陰謀論，以及其他誤導性或不正確的(有意或無意)共享或發布的內容。

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。在國外的相關研究中，Cristina M Pulido等[2]調查了在COVID-19暴發前后兩天在Twitter上傳播的推文類型，分析了1000條推文的內容。分析結果顯示，與基于科學的證據或事實檢查(fact-checking)的推文相比，虛假信息的推文數量更多，但轉發次數較少，而基于科學的證據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的六種行為表現形式，并采用蜂窩框架和第三人稱效應假說，提出了假設這些行為之間相關性的研究模型，以年齡和性別為控制變量，并利用通過用戶調查獲得的兩個數據集來測試該模型。

在國內相關研究中，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絡信息類型，通過文本分析和扎根理論，研究了重大疫情防控中網絡輿情的形成機制。李月琳等[6]以微信朋友圈轉發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，構建了偽健康信息特征列表，發現真偽健康信息的轉發行為受轉發者的性別、職業的影響。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，構建微信用戶、微信運營商、政府監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，國內外相關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，多采用心理學和網絡科學領域的研究方法。心理學方法用于分析虛假信息和謠言的個人認知反應，網絡科學領域則關注虛假信息傳播的社會機制和模式，而對虛假信息發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 研究設計

3.1 數據收集

在網絡社交媒體中，由于Twitter是典型的應用平臺，且用戶規模龐大，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NewsGuard發布的關于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、評級和標記網站，以傳遞由新冠病毒錯誤信息追蹤中心(Coronavirus Misinformation Tracking Center)發布的關于該病毒的信息。該中心列出了越來越多的發布有關COVID-19虛假聲明的網站，包括虛假和錯誤的治療方法、有關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并在互聯網上傳播。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’，表明它是經過設計的”。選取這一主題，分析發布與傳播這一信息的群體特征。

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

3.2 數據處理

根據抓取的數據，首先對發布者的個人信息(包括觀點信仰、興趣愛好等)進行關鍵詞提取，以分析發布者的個人偏好。將發布者個人描述的文本信息轉化成若干個關鍵詞的形式，便于統計和分析發布者群體特征及其偏好。經過項目組討論，確定關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、愛好、信仰以及人物或事件等詞作為關鍵詞。根據這一原則，采用人工方式分別進行內容分析與關鍵詞提取。操作者均是具有專業知識的項目參與者。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據進行預處理，一方面幫助其準確了解關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鍵詞提取的方法和技巧。

其次，根據推文內容進行分組。這些推文雖然都與選取的主題相關，但文本內容表現出的態度不同，如反對、支持、懷疑等。數據分組過程由兩名研究人員分別獨立完成，各自判斷推文內容所屬的態度類型；結束后將分組結果進行對比，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，最終將數據分為五組，分別是：虛假信息發布者(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度)、無明確態度者、同一鏈接的密集轉發者。前四組是根據文本態度進行的劃分，最后一組則是處理數據時發現的一個特殊現象，即“Evidence That SARS-CoV-2, the Virus Strain That Causes COVID-19 Illness, Was Engineered?”這一鏈接的密集轉發。該鏈接共轉發了204次，其中2020年5月5日—2020年5月7日三天內轉發次數達198次，故將其單獨列出作為一個分組，以分析轉發者特征及其轉發目的。推文分組分布及其示例如表1所示。

表1 不同態度的分組分布及其示例

由表1中分組可知，A組“虛假信息發布者”的數量最多(32.6%)，占比近三分之一；其次是E組“同一鏈接的密集轉發”(28.3%)，占比超過總數的四分之一；“虛假信息揭露者”(15.4%)和“無明確態度”(14.8%)占比較低，“虛假信息懷疑者”(8.9%)最低。從分組態度上看，“虛假信息發布者”占絕對優勢，超過了“虛假信息揭露者”和“無明確態度”的占比之和?！疤摷傩畔岩烧摺币唤M中，更多偏向于強調“COVID-19病毒是經過設計的”這一謠言。因此，在關于“The COVID-19 virus contains “HIV-like insertions”, suggesting it was engineered”這一虛假信息的發布與傳播中，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“同一鏈接的密集轉發”數據可知，新冠疫情下還存在一些有目的性的相關信息傳播與轉發。E組這一鏈接的內容主要包括三個相關專業論文的鏈接，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：對病毒起源和受體結合的影響”“SARS-CoV-2穗狀糖蛋白的結構、功能和抗原性”。由于文章具有較強的專業性，我們邀請了耶魯醫學院專業人員進行解讀，發現其內容主要介紹了病毒抑制、病毒起源和病毒結構及感染過程等方面，但不能得出“病毒是設計的”這一結論。但這一鏈接的標題“是否設計了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“找到了SARS-CoV-2病毒設計的證據”這一誤導性信息，但其內容并無實質性結論，且由于文章專業性極強，普通讀者難以理解，很可能是被其標題所迷惑。

4 數據分析

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

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

縱觀A組態度發布者的所有關鍵詞，頻次為1的關鍵詞有163個，頻次為2的關鍵詞有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，進一步體現了總體關鍵詞既分散又集中的特征。

除去低頻詞，頻次≥3的關鍵詞如表2所示。

表2 A組發布者中詞頻≥3的關鍵詞

由表2可知，這些關鍵詞中，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，United States、Patriots(愛國者)、Christ/Christian(基督)、America(n)、Libert、spirit、soul、Liberal等體現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, 全國步槍協會)等則與職業身份相關。上述關鍵詞反映發布者信息偏好的四個主要方面。

從以上分析可知，A組發布者信息特征總體上較為分散，只出現1—2次的關鍵詞占比超過一半以上。其余關鍵詞又相對集中，主要體現在四個方面，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、職業身份詞匯。這說明“虛假信息發布者”對國家政治與軍事較為關注，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”相關推文，主要與醫學科學研究相關，但A組發布者群體特征中沒有體現醫學、科學研究等相關背景，故發布者對相關虛假信息辨別能力不高，這也解釋了他們發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，表現出科學研究和醫學類偏好

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

統計詞頻≥3的關鍵詞，如表3所示。由表中數據可知，頻次較高的詞主要有science、COVID、research、Vote等，主要與科學研究、新冠病毒相關，但它們的頻次都不太高，集中趨勢不明顯。

表3 B組發布者中詞頻≥3的關鍵詞

由于B組關鍵詞總體上比較分散，故對頻次≥2的關鍵詞進行分類，如表4所示。由表中數據可知，B組關鍵詞主要集中在科學研究類、醫學類、身份類方面，這說明“虛假信息揭露者”對科學研究、醫學類關注較多，而身份信息進一步證明了其個人發布信息的可信性。這一特征較好地解釋了他們為什么能夠揭露虛假信息的傳播。

表4 B組關鍵詞分類分析

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個發布者，其中16個發布者沒有描述信息，占比25%，對其余發布者描述信息進行關鍵詞提取，共獲得關鍵詞99個。對這些關鍵詞進行詞頻統計，發現只出現1次的關鍵詞有69個，占比69.7%，已超過總數的三分之二，其余關鍵詞(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。

表5 C組發布者中詞頻≥2的關鍵詞

從詞頻為1的關鍵詞來看，有很多不常見且奇怪的語詞，如Paleoanthropology(古人類學)、nightmare beyond redemption(救贖的噩夢)、multiregionalism apes(多區域猿)、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?？傮w來看其個人描述信息比較虛幻，完全脫離現實世界，真實性不高?？傊?，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，未形成一定的群體特征。

4.4 “無明確態度者”群體特征較為分散，表現出政治軍事和醫學類偏好

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

表6 D組發布者中詞頻≥2的關鍵詞

對所有關鍵詞進行聚類分析，按照不同類別包含的關鍵詞數量，從高到低依次為：

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

2)身份類關鍵詞(27個)：Architect、Engineer、Entrepreneur、musician、Veteran(退伍軍人)、Anthropologist(人類學家)、Canadians、Patent holder、Cofounder、Marine Infantry(海軍步兵)、Senior correspondent(高級通訊員)、haircutter(理發師)、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)醫學類(14)：Biology、Biochem、Biotech(生物技術)、transgenicos(轉基因)、laboratory and clinical settings(實驗室和臨床設置)、Oncology Translational Research(腫瘤轉化研究)、Immunology(免疫學)、virology(病毒學)等。

從這一結果可以看出，“無明確態度者”對政治軍事和醫學關注較多，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 “同一鏈接的密集轉發者”群體特征集中趨勢較強，表現出強烈的政治軍事和個人信仰偏好

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

表7 E組發布者中詞頻≥2的關鍵詞

由表7數據可知，D.T、Patriot的詞頻分別高達65、38，是以上所有發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，體現了關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，而christian、American則表示個人身份與信仰，它們反映了“同一鏈接的密集轉發者”群體的主要關注點。

對頻次≥2的關鍵詞進行聚類統計，按照數量從高到低排列，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，“同一鏈接的密集轉發者”群體主要發布政治軍事類內容信息，有較強的個人信仰色彩，未發現與醫學、科學研究等相關的描述詞匯。

5 對比分析與總結

在對以上五組信息發布者進行分析的基礎上，對其關鍵詞分布進行綜合對比。如表8所示。

表8 各組發布者關鍵詞分布對比

在各組關鍵詞分布中，單頻次關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，單頻次關鍵詞占比和高頻詞的頻數均與關鍵詞總數有關。通常關鍵詞總數越多，其頻數相對越高，而關鍵詞總數越少則頻數越低。典型的例子就是C組“虛假信息懷疑者”，由于其發布者人數(64)和關鍵詞總數(99)都比較低，其單頻次關鍵詞占比很高(69.7%)，高頻詞少且頻次低，這也解釋了C組關鍵詞呈絕對分散狀態的一個重要原因。

(1)發布虛假信息或有目的的轉發群體，其關鍵詞集中趨勢較強，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“虛假信息發布者”與E組“同一鏈接的密集轉發者”，A組關鍵詞總數比E組數量多，但其單頻次關鍵詞占比(40.75%)卻比E組(25.83%)高很多，這說明E組關鍵詞的集中趨勢比A組高得多。從高頻詞來看，兩組高頻詞均體現了明顯的政治色彩，且E組體現了更強的集中趨勢。通常來說，關鍵詞分布越集中，其發布者及其推文的虛假可能性越高。這一結果進一步驗證了E組“同一鏈接的密集轉發者”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度群體關鍵詞分布較為分散，揭露虛假信息者群體具有明顯的醫學、科學研究背景。對比B組“虛假信息揭露者”與D組“無明確態度者”，從關鍵詞總數與單頻次關鍵詞占比來看，兩組關鍵詞分布都比較分散，其中D組更為分散。從高頻詞看，B組表示醫學科學研究的詞較多，而D組詞則更多體現了政治偏好，但詞頻都不高，總之，兩組關鍵詞分布都較為分散，B組醫學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”與醫學相關，顯然B組發布者更具可信性，這也解釋了他們揭露與發布真實信息的原因。

總之，在發布者群體偏好特征方面，具有專業背景的用戶群體(即醫學和科學研究特征)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。而虛假信息發布者或有目的地轉發(A組和E組)兩個群體的關鍵詞集中趨勢較強，都不具有醫學專業背景，而表現出明顯的政治軍事、國家感情和個人信仰偏好。這一結論與Krishna對疫苗虛假信息研究的結論相似。Krishna A.[9]對疫苗虛假信息的積極傳播者的研究發現，那些知識不足和厭惡疫苗的人比其他人表現出更高的活動水平。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布與傳播，可從以下三個方面加強：一是提升用戶的專業知識能力，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對COVID-19的科學知識，對相關信息不輕信、不盲從。二是注重用戶理性分析能力的培養。面對各種網絡信息，用戶應理性對待，通過了解官方正規信息，以驗證信息的真假，從而盡可能地減少感性認知和情感因素對信息真偽性的判斷。三是注重用戶的信息素養培養，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，個人信息素養是主要影響因素。高校、圖書館等機構應擔負起培養公眾信息素養的重要職責，提高公眾對虛假信息的辨識能力。