基于信號檢測論的錯誤信息鑒別層級模型

曹呈旭 七十三 金童林 曾小葉 安葉青 卜塔娜

摘 ?要??在錯誤信息鑒別的研究領域， 系統2動機性推理理論和經典推理理論分別從不同視角探討了影響個體錯誤信息鑒別的因素， 但兩者在認知能力的作用解釋上存在分歧。在現有研究基礎之上， 引入情緒、信息特征和個體立場及其深層次動機等因素， 進一步完善基于信號檢測論的錯誤信息鑒別層級模型， 旨在深化對不同因素如何影響錯誤信息鑒別的理解。該模型通過區分不同因素對信息鑒別中辨別敏感性和判斷標準的影響， 不僅有效地調和了系統2動機性推理理論和經典推理理論在認知能力作用觀點上的分歧， 也為理解錯誤信息鑒別的復雜機制提供了更為細致和結構化的分析框架。

關鍵詞??錯誤信息， 信號檢測論， 影響因素， 系統2動機性推理理論， 經典推理理論

分類號??B849

1??引言

網絡通訊技術發展帶來諸多便利的同時， 也滋生了一些危害， 錯誤信息¹便是其中之一（彭知輝， 2022; 吳詩苑 等， 2022; Wang et al.， 2019; Wardle & Derakhshan， 2017）。與真實信息相比， 錯誤信息的傳播更快、更深、更遠、更廣（Vosoughi et al.， 2018）。其不僅會影響個體對事件做出最優決策， 還可能引發諸多社會負面效應（Lewandowsky et al.， 2017）。因此， 一些研究從不同視角探索了個體為何會相信錯誤信息（Brashier & Marsh，

2020; Pennycook & Rand， 2021）， 并提出了如何鑒別和糾正錯誤信息的建議（Lewandowsky et al.， 2012; Swire et al.， 2017）。

信息鑒別是一個復雜的過程（Brashier & Marsh， 2020）， 其會受到認知、情緒和動機等多種因素的影響。這些因素之間的復雜交互作用會導致不同理論對影響因素的解釋存在差異。例如， 系統2動機性推理理論和經典推理理論在解釋個體認知能力對錯誤信息鑒別的作用方面存在不同觀點（Baron， 2017; Gawronski et al.， 2023; Kahan & Corbin， 2016; Pennycook & Rand， 2019）。這種理論上的分歧， 源于未能充分區分和認識不同因素對錯誤信息鑒別的作用。作為心理學研究中廣泛采用的分析框架， 信號檢測論為區分和深入理解影響個體判斷的各種因素提供了有效方法（Green & Swets， 1966; Lynn & Barrett， 2014）。基于此， 本文在現有研究基礎上， 試圖補充和完善基于信號檢測論的錯誤信息鑒別層級模型， 進一步闡釋認知、情緒、動機以及信息特征等因素如何影響錯誤信息鑒別， 以期調和現有理論之間的分歧， 為后續研究提供更為細致的分析框架， 并對實際應用中的信息鑒別和治理提供理論支持。

2??系統2動機性推理理論與經典推理理論是對立還是誤會？

2.1??系統2動機性推理理論

個體在信息鑒別時并非一張白紙。動機性推理理論認為， 個體的先前信念、期望和目標等因素均會影響其判斷與決策（Kunda， 1990）。Kahan等人通過系列研究進一步提出了系統2動機性推理理論（motivated System 2 reasoning account， MS2R）。該理論認為， 認知能力越高的個體在信息鑒別時更傾向于信任和支持與自身利益相一致的觀點（Kahan， 2013;Kahan & Corbin， 2016; Kahan et al.， 2012; Kahan et al.， 2017）。

Kahan等人（2012）探究了科學素養和數字計算能力對氣候變化風險感知的影響。結果發現，?隨著科學素養和數字計算能力的提高， 個體對氣候變化風險感知呈兩極分化， 更偏向于信任和維護自己所屬群體的觀點。這表明， 個體的科學素養和數字計算能力越高， 他們在信息鑒別時越傾向于信任和維護自己所屬群體的觀點。此外， Kahan （2013）的研究發現， 分析性思維高的個體在信息鑒別時也同樣會傾向于信任和支持他們所屬群體的觀點。

Kahan等人（2017）的研究通過兩項不同的信息鑒別任務， 再次探討了個體的認知能力與黨派偏見的關系。其中一項任務是評估護膚霜治療皮疹的有效性， 該任務與黨派偏見無關。另一項任務是評估禁槍降低城市犯罪率的有效性， 該任務與黨派偏見有關。結果顯示， 高計算能力的個體在評估護膚霜效用任務中表現出更高的準確性。然而， 在評估禁槍效用任務中， 高計算能力的個體卻表現出更高的黨派偏見， 這再次證明了系統2動機性推理理論。

2.2??經典推理理論

決策研究者常常將思維分為兩個算法系統或兩個處理過程（Evans & Stanovich， 2013; Thompson?& Johnson， 2014; Tversky & Kahneman， 1983）。其中系統1是依賴直覺進行的啟發式快加工， 而系統2是依賴理性的分析性慢加工。經典推理理論（classical reasoning account）認為， 當個體使用系統1進行信息鑒別時， 會忽略信息細節進行粗略的估計和判斷， 進而降低了信息鑒別的準確性（Pennycook & Rand， 2019， 2020）。相反， 采用系統2進行分析性推理時， 能夠提高個體信息鑒別的準確性。相關研究從個體差異層面（Pennycook & Rand， 2019， 2020）以及個體內部實驗操縱層面表明， 采用系統2分析性推理有助于提高信息鑒別的準確性。

Pennycook和Rand （2019）的研究探討了分析性推理對錯誤信息鑒別的影響。研究結果反駁了系統2動機性推理理論， 而支持了經典推理理論， 即無論個體的政治立場如何， 分析性推理都有助于提高錯誤信息鑒別的準確性。隨后， 他們的研究再次發現， 分析性推理與錯誤信息鑒別之間的關系相對穩定， 不受信息來源和信息熟悉度的影響（Pennycook & Rand， 2020）。同樣， Pehlivanoglu等人（2022）的研究也表明， 具有較高分析性推理能力的個體在鑒別與COVID-19無關的錯誤信息時更準確， 而且這種關系不受年齡的影響。這些個體差異層面的研究結果一致表明， 分析性推理傾向高的個體在信息鑒別時更準確（Pennycook & Rand， 2019， 2020）。

此外， 還有一些研究探討了個體內部認知加工深度對錯誤信息鑒別的影響。Qiu等人（2017）的研究發現， 低質量信息過載和個體注意不足都會降低信息鑒別的準確性。Pennycook等人（2020）通過在信息中添加警告標簽的方式， 促使個體投入更多的分析性推理來鑒別信息。結果發現， 這種方式不僅提高了個體信息鑒別的準確性， 也有效降低了個體對黨派立場信息的信任。該結果同樣支持了經典推理理論， 并反駁了系統2動機性推理理論。Bago等人（2020）采用了兩次反應范式來探究分析性思維對信息鑒別的影響。結果發現， 當個體有更多時間進行分析性思考時（Bago & De Neys， 2017， 2019）， 減少了對信息錯誤的信任。此外， 他們的研究也再次證實， 分析性思維較高的個體在信息鑒別時更準確。這些個體內部實驗操縱層面的研究表明， 無論是提供充足的時間促使個體進行分析性推理（Bago et al.， 2020）， 還是通過在信息中添加警告標簽以激發分析性推理（Pennycook et al.， 2020）， 均能提高個體信息鑒別的準確性。

2.3對立還是誤會？

現有研究中， 系統2動機性推理理論和經典推理理論常被視為相互對立的觀點（Bago et al.， 2020; Gawronski et al.， 2023; Pehlivanoglu et al.， 2022; Pennycook & Rand， 2019， 2020）。兩個理論的核心爭議在于：系統2動機性推理理論主張認知能力高的個體在信息鑒別時會更傾向于信任與自己黨派立場一致的信息; 而經典推理理論則認為， 無論信息是否與個體的黨派立場一致， 個體的分析性思維越高， 信息鑒別的準確性就會越高（李艷紅， 劉佳諾， 2022）。雖然一些研究將這兩個理論視為相互對立， 但這種觀點仍需細致推敲。

一方面， 相關理論研究中使用的測量工具與其理論所指的對應不夠清晰， 這可能是導致結論矛盾的重要原因之一。越來越多的理論和模型將智力因素細分為認知能力和思維傾向兩個方面（馮雪， 彭凱平， 2015; Stanovich， 2016）， 但與兩個理論相關的現有研究似乎未能充分區分這兩個方面。特別是一些研究中將與數字計算能力緊密相關的測量工具（Thomson & Oppenheimer， 2016）與分析性推理等同起來（Bago et al.， 2020; Kahan， 2013; Kahan， 2017; Kahan & Corbin， 2016; Kahan et al.， 2012; Kahan et al.， 2017; Pennycook & Rand， 2019， 2020）， 或籠統地將這些因素歸為認知能力（Kahan & Corbin， 2016）， 這會導致錯誤地理解這些因素的作用， 并引發理論間的矛盾。

更重要的是， 兩個理論關注的重點是不同的。系統2動機性推理理論聚焦于個體的社會性動機對錯誤信息鑒別的影響; 而經典推理理論則側重于個體的認知能力對錯誤信息鑒別的影響。將社會性動機與認知能力作為競爭性因素進行討論似乎并不恰當， 因為兩者在錯誤信息鑒別時發揮的作用是不同的。認知能力代表的是個體完成任務的基礎能力， 其本身并不具備明確的目標指向性; 而動機作為激發個體行為的心理趨向或內在驅力， 具有明確的目標指向性。因此， 更為恰當的方式是比較不同類型的動機， 或比較不同的認知能力， 以更準確地理解這些因素對錯誤信息鑒別的影響。例如， Rathje等人（2023）的研究便探討了個體在信息鑒別時社會性動機與準確性動機的競爭關系。研究發現， 通過金錢激勵手段對準確性動機進行操縱能夠減少被試鑒別信息時的黨派偏見。反之， 通過讓被試識別其所屬群體可能會贊同的信息來對社會性動機進行操縱會降低錯誤信息鑒別的準確性。這表明準確性動機與社會性動機具有一定的競爭性。此外， 他們的研究還發現， 分析性思維與準確性動機對不同變量的影響存在差異。具體來說， 準確性動機對黨派偏見相關因素的影響權重大于分析性思維， 而分析性思維對錯誤信息鑒別的影響權重大于準確性動機。這不僅揭示了準確性動機與分析性思維的作用差異， 也再次驗證了社會性動機與準確性動機之間的某種競爭關系。因此， 兩個理論重點關注的因素并非相互對立， 而是屬于不同范疇。

綜上所述， 將系統2動機性推理理論與經典推理理論視為相互對立的觀點似乎是一種誤會。這種誤會產生的根本原因在于未能充分區分不同因素在錯誤信息鑒別中的作用。作為心理學中廣泛應用的分析框架， 信號檢測論能使研究者更清晰地理解不同因素對判斷的影響， 從而有望化解將兩個理論視為對立的誤會（Batailler et al.， 2022; Gawronski et al.， 2023）。

3 ?信號檢測論和相關研究

3.1信號檢測論簡介

信號檢測論（signal detection theory， SDT）是感知、認知和決策研究中的重要分析框架（Green & Swets， 1966）， 其也可以用于理解不同因素如何影響信息鑒別（Gawronski et al.， 2023）。通過分析信息鑒別的不同結果（擊中、漏報、誤報和正確拒絕）， 研究者可以深入地理解影響錯誤信息鑒別的各種因素。

在信號檢測論中（Green & Swets， 1966; Lynn & Barrett， 2014）， 有兩個衡量反應績效的核心指標：擊中率（H）和誤報率（FA）。在信息鑒別中， 擊中率是將真實信息正確地鑒別為真實的次數占真實信息出現總次數的比例。相應的， 誤報率是將錯誤信息錯誤地鑒別為真實的次數占錯誤信息出現總次數的比例。這兩個反應指標為進一步理解影響個體判斷的關鍵因素提供了基礎。

信號檢測論中區分了影響個體判斷的兩個關鍵因素（Green & Swets， 1966; Lynn & Barrett， 2014）：辨別敏感性（d）和判斷標準（c）。辨別敏感性反映了個體區分真實信息和錯誤信息的能力。判斷標準反映了個體在判斷信息時將信息識別為真或為假的傾向。將擊中率和誤報率轉化為標準分布的z分數后， 可通過公式d′=z（H）–z（FA）計算出辨別敏感性以及公式c=–0.5×[z（H）+z（FA）]計算出判斷標準。

在信號檢測論中， 判斷后的收益、事件發生的基本概率和刺激的相似性也是影響個體判斷的重要指標（Lynn & Barrett， 2014）。判斷后的收益是指個體在做出特定判斷后可能獲得的利益或遭受的損失， 這種收益或損失的預期會影響個體的判斷標準。事件發生的基本概率則涉及到特定事件發生的先驗概率， 其也會影響個體的判斷標準。刺激的相似性是指信號與噪音之間的相似程度， 其會影響個體的辨別敏感性。刺激之間的相似性越高， 個體區分它們的難度也越大， 從而會降低辨別敏感性。相反， 刺激之間的相似性越低， 個體越容易區分它們， 從而會提高辨別敏感性。

3.2 基于信號檢測論的錯誤信息鑒別現有研究

Batailler等人（2022）指出， 先前的研究在探討人們為何會相信錯誤信息時， 將準確鑒別信息的能力和鑒別信息的反應偏差混為一談， 可能導致了錯誤結論。因此， 他們將信號檢測論應用于錯誤信息鑒別的研究中， 以更好地理解個體為何會相信錯誤信息。Batailler等人（2022）采用信號檢測論的方法重新分析了Pennycook等人之前發布的兩項研究數據（Pennycook et al.， 2018; Pennycook & Rand， 2019）。結果與Batailler等人（2022）最初的假設一致， 即黨派偏見是通過影響判斷標準來影響信息鑒別的。具體來說， 個體傾向于將與自己黨派立場不一致的信息視為錯誤信息。雖然他們最初假設分析性思維會通過影響個體的辨別敏感性來影響信息鑒別， 但結果顯示， 分析性思維不僅可以通過提高信息辨別敏感性來影響信息鑒別， 也可以通過增加將信息鑒別為錯誤的傾向來影響信息鑒別。此外， 他們的研究還進一步探討了分析性思維與黨派偏見之間的關系。結果表明， 盡管兩者會共同影響錯誤信息鑒別， 但分析性思維的增加并沒有減少黨派偏見。這進一步支持了本文的觀點， 即系統2動機性推理理論與經典推理理論之間的對立實際上是一種誤解。

同樣， Gawronski等人（2023）的研究也揭示了系統2動機性推理理論與經典推理理論并非相互對立的觀點。通過信號檢測論分析發現， 在錯誤信息鑒別時， 給予被試更多的分析性思維時間會提高他們的辨別敏感性， 同時也會增加將信息鑒別為錯誤的傾向， 但不會減少他們的黨派偏見。這一發現與Batailler等人（2022）的研究結果一致， 再次證明了黨派偏見和分析性思維并不是相互影響的。同時， 研究還發現黨派偏見會通過改變個體的判斷標準來影響信息鑒別。具體來說， 個體在信息鑒別時會更傾向于信任與其黨派立場一致的信息。他們的綜合分析發現， 黨派偏見在錯誤信息易感性方面發揮著核心作用。雖然未能證實對自我肯定或自我危險的操縱會影響黨派偏見， 但該研究提示了未來需要進一步探討影響黨派偏見的深層次因素。

4??基于信號檢測論的錯誤信息鑒別層級模型

上述基于信號檢測論的研究共同指出， 系統2動機性推理理論與經典推理理論并非相互對立（Batailler et al.， 2022; Gawronski et al.， 2023）。錯誤地將兩者視為對立觀點的部分原因在于先前研究未能充分區分不同因素在錯誤信息鑒別中發揮的作用。Gawronski等人（2023）基于信號檢測論的分析結果， 提出了一個理解個體為何會信任錯誤信息的簡要層級模型， 旨在更清晰地理解不同因素對錯誤信息鑒別的影響。在該模型的第一層， 將影響錯誤信息鑒別的因素分為信息辨別敏感性和黨派偏見。第二層則深入地探討了影響第一層因素的心理基礎。例如缺乏分析性思維和對真相的關注不足會導致信息辨別敏感性的降低; 而個體的主觀判斷信心則會加劇黨派偏見。

雖然Batailler等人（2022）和Gawronski等人（2023）的工作初步勾勒出了基于信號檢測論的錯誤信息鑒別層級模型， 但該模型在一些方面有待完善。首先， 該模型在考慮影響錯誤信息鑒別的因素時， 尚未納入如情緒、信息特征等重要因素。如Batailler等人（2022）在其研究中指出， 后續研究應該通過信號檢測論分析方法來考慮信息來源等其他因素對錯誤鑒別的影響。其次， 該模型對黨派偏見影響錯誤信息鑒別的深層次原因分析尚顯不足（Gawronski et al.， 2023）。此外， 該模型主要基于美國兩黨制的特殊政治背景， 其中黨派偏見被視為關鍵研究對象。然而， 錯誤信息鑒別并不僅限于政治領域， 也可能在其他多種社會和文化背景下發生。因此， 黨派偏見在某種程度上只是影響判斷標準的特例。鑒于此， 本文將補充和完善基于信號檢測論的錯誤信息鑒別模型， 以適用于更廣泛的應用場景。

4.1情緒對錯誤信息鑒別的影響

情緒是影響判斷的重要因素之一（Lerner et al.， 2015）， 一些研究探討了情緒對錯誤信息鑒別的影響（Bago et al.， 2022; Martel et al.， 2020; Weeks， 2015）。

首先， 情緒能夠影響個體在鑒別錯誤信息時的判斷標準。Weeks （2015）的研究探討了情緒狀態對錯誤信息鑒別的影響。該研究通過讓被試撰寫關于移民改革和死刑的文章來操縱其憤怒或焦慮情緒。隨后， 被試被要求鑒別含有黨派立場的錯誤信息。結果發現， 憤怒情緒增強了個體支持黨派立場信息的傾向， 而焦慮情緒則降低了這一傾向。這可能是由于焦慮會促使個體從多角度考慮信息， 從而降低了信息鑒別時的黨派偏見。相反， 憤怒激發了個體的防御心理， 減少了對相反信息的思考， 從而增加了信息鑒別時的黨派偏見。因此， 情緒可以通過加強或降低個體信任其所屬黨派立場信息的傾向性， 進而影響判斷標準。

其次， 情緒也可以作為信息鑒別時的線索和依據， 進而影響個體信息鑒別時的辨別敏感性。情感信息理論（feelings-as-information theory）指出（Schwarz & Clore， 2003）， 人們會將自身的情緒感受（無論是有意識或無意識的）作為判斷的信息來源， 對個體的認知風格和判斷產生影響。同樣， 情緒啟發式理論強調（Slovic et al.， 2007）， 個體在面對判斷任務時產生的主觀情緒體驗可以作為判斷依據， 且這種依賴情感的判斷是系統1處理的重要成分。在雙系統理論視角下， 依賴情緒的判斷和依賴理性的判斷存在一定的對立關系。Martel等人（2020）在研究中通過誘導提示范式將被試分為情感誘導組、理性歸納組和對照組， 旨在探討錯誤信息鑒別中依賴情感和依賴理性的不同作用。結果發現， 在鑒別信息時， 依賴理性的方法比依賴情感更為準確。相關研究也同樣表明， 在錯誤信息鑒別時， 情緒的參與通常預示著錯誤信息鑒別準確性的降低（Bago et al.， 2022; Martel et al.， 2020）。這些研究表明， 情緒作為信息鑒別時的線索和依據， 可以通過抑制或阻礙個體的理性認知， 進而導致錯誤信息鑒別的辨別敏感性降低。

上述這些證據表明， 情緒對錯誤信息鑒別的影響路徑是雙重的：一方面， 情緒通過影響個體的判斷標準， 進而影響錯誤信息鑒別; 另一方面， 情緒還會通過影響個體的辨別敏感性， 進而影響錯誤信息鑒別。Bago等人（2022）的補充分析中也驗證了這一觀點。

4.2 信息特征對錯誤信息鑒別的影響

錯誤信息與真實信息存在明顯的特征差異， 這些特征差異可作為個體錯誤信息鑒別的線索和依據。根據Vosoughi等人（2018）的大數據研究， 錯誤信息通常具有更快、更深、更遠、更廣的傳播特征， 內容更新穎， 也更容易引發個體的厭惡情緒。劉雅輝等人（2018）的研究顯示， 錯誤信息內容中更傾向于包含消極情感詞匯、動詞、第一人稱代詞、臟話、非標準語法、符號輔助和加強語氣。Li等人（2022）的研究揭示了錯誤信息內容的幾個關鍵特征， 包括夸張和絕對化的表達方式、誘惑性的措辭、過度強烈的語氣、聲稱信息具有獨特性和秘密性、在標點符號使用上存在問題等。此外， 該研究還指出， 錯誤信息的排版和呈現方式也具有一定的不合理性。Zheng等人（2021）發現， 錯誤信息標題往往傾向于使用確定性的表述， 同時也包含更多的情感訴求。吳詩苑等人（2022）從多個角度綜述了錯誤信息的特性， 包括內容、用戶和傳播， 指出了錯誤信息鑒別可分為實體特征識別 （如圖形、正文）以及非實體特征識別（如信息的態度、情感和立場）。

信息來源屬性特征也可以作為個體錯誤信息鑒別的線索和依據。根據Hovland提出的來源可信度模型， 個體對信息發布來源的可信度感知與信息可信度感知呈正相關（Ismagilova et al.， 2020）， 并進一步將信息來源可信度分為真實性和專業性兩個維度。Pilditch等人（2020）通過概率學習范式的研究， 探討了個體的直接經驗和信息來源可信度對信息鑒別的影響。在他們的研究中， 信息來源參與任務的次數被用來操縱專業性， 將信息來源的利益與被試判斷的績效關聯起來作為真實性操縱， 同時通過個體選擇后的藥物有效性反饋作為直接經驗操縱。結果發現， 個體對信息來源的可信度感知對判斷的影響大于直接經驗。另外， Trivedi等人（2020）的研究也驗證了信息來源可信度感知與個體信息信任之間的正相關關系。此外， 他們的研究通過眼動指標發現（Trivedi et al.， 2022）， 錯誤信息鑒別能力較低的個體在信息鑒別時更關注信息來源， 這可能是因為他們更傾向于采用信息來源啟發式來鑒別信息。這些研究表明， 個體傾向于將高可信度信息來源所發布的信息視為真實信息， 而將低可信度信息來源所發布的信息視為錯誤信息。

當個體采用上述信息特征作為錯誤信息鑒別的線索和依據時， 錯誤信息與真實信息的特征差異大小會影響錯誤信息鑒別。同樣， 信號檢測論中， 刺激的相似性也是影響判斷的關鍵指標， 其會直接影響個體的辨別敏感性（Green & Swets， 1966; Lynn & Barrett， 2014）。因此， 上述錯誤信息與真實信息之間的特征差異可以看作是信號檢測論框架下信號與噪音之間的物理特征差異。當錯誤信息與真實信息的特征差異越小， 個體的辨別敏感性就越低， 區分錯誤信息與真實信息也更困難。例如， 一些錯誤信息發布者會偽裝成高可信度信息來源傳播錯誤信息（Trivedi et al.， 2020）， 這會降低被試鑒別錯誤信息的準確性。相反， 當錯誤信息與真實信息的特征差異越大， 個體的辨別敏感性就越高， 也更易于區分錯誤信息與真實信息。例如， 過于夸張的錯誤信息標題會提高個體信息鑒別的準確性。

4.3 個體立場以及深層次動機對錯誤信息鑒別的影響

個體在信息鑒別時所展現的黨派偏見， 實際上只是基于動機性推理的表面現象， 有必要進一步探討黨派偏見背后的深層次動機。此外， 黨派偏見只是影響判斷標準的一個特例， 還應探討其他類似因素， 以更全面地理解錯誤信息鑒別的影響因素， 并有效地拓展和應用現有研究成果。

Lewandowsky和Oberauer （2016）認為， 錯誤信息及其負面影響的產生與特定的時代背景密切相關， 包括社會資本的減少、價值觀的轉變、美國社會的分化加劇、科學信任的下降、不同政黨對錯誤信息的易感性差異以及媒體格局的變化等。他們強調， 個體對科學信息的拒絕和對錯誤信息的信任深受其核心信念和世界觀的影響。同樣， Hornsey和Fielding （2017）將個體對信息鑒別的具體動機和態度比喻為樹葉和樹枝， 而將潛在的恐懼、社會認同需求、利益、身份認同、陰謀論、意識形態和世界觀等深層次動機比作樹根。他們認為， 提升錯誤信息鑒別準確性的關鍵在于理解并利用這些深層次動機進行有效說服和引導。此外， Van Bavel和Pereira （2018）等人提出了一個基于身份信念的模型來解釋個體信念為何傾向于黨派而非真相。該模型認為， 黨派群體能夠滿足個體的歸屬感、獨特性、認知封閉性、權利和資源的獲取以及道德價值觀的認同。因此， 個體可能認為支持真相的收益小于支持黨派立場的收益， 從而傾向于采用黨派立場來鑒別信息。這一觀點也與我們上述的假設相吻合， 即在錯誤信息鑒別中， 黨派立場動機與準確性動機是對立的。這些理論表明， 黨派立場只是影響個體錯誤信息鑒別的表面現象， 而隱藏在黨派立場背后的實際利益與心理需求等深層次動機才是影響個體判斷標準的核心要素。在信號檢測論視角下（Green & Swets， 1966; Lynn & Barrett， 2014）， 這些深層次動機可以看作是判斷后的收益， 其會通過影響個體的判斷標準， 進而影響錯誤信息鑒別。

此外， 黨派立場作為現有研究焦點， 主要是源于美國兩黨制的特殊政治背景。將黨派立場視為模型的核心因素可能會限制模型的廣泛適用性。因此， 應該將黨派偏見作為影響判斷標準的一個特例， 并考慮其他類似立場（如性別、經濟地位、社會角色等）來拓展和應用現有研究成果。上述對黨派立場背后深層次動機的探索， 也為理解和解釋影響判斷標準的不同立場提供了理論支持。例如， 錯誤信息中也會涉及性別或經濟地位等不同立場， 個體在信息鑒別時傾向于信任或拒絕某一立場的信息可能同樣源于對實際利益的考量和心理需求。

4.4基于信號檢測論的錯誤信息鑒別層級模型圖

基于信號檢測論分析視角， 現有研究提供了模型的基礎框架（Batailler et al.， 2022; Gawronski et al.， 2023）。在這一框架下， 錯誤信息鑒別的影響因素可以通過兩個主要途徑產生作用：一是影響辨別敏感性， 二是影響判斷標準。具體而言， 缺乏分析性思維和對真相的關注不足會削弱個體在錯誤信息鑒別時的辨別敏感性; 黨派偏見則通過改變判斷標準來發揮作用， 使個體更傾向于將與其立場不一致的信息視為錯誤信息。

進一步地， 本文深入挖掘了黨派偏見影響錯誤信息鑒別的深層次原因。在錯誤信息鑒別中， 黨派偏見僅是影響個體判斷標準的表面現象和特例， 而其背后的實際利益和心理需求等深層次動機才是影響個體判斷標準的核心因素。同時， 本文還將黨派偏見的概念拓展為更廣泛的立場， 使模型能有效地適用于不同情景和文化背景。

此外， 情緒和信息特征等因素也被納入了該模型。情緒作為影響錯誤信息鑒別的關鍵因素， 不僅可以通過加強或抑制個體的立場傾向來影響個體的判斷標準（Weeks， 2015）， 還可以通過與理性思維競爭來降低個體的辨別敏感性（Bago et al.， 2022; Slovic et al.， 2007）。同時， 個體的立場及其背后的深層次動機也會對情緒產生影響（汪新建 等， 2017; Kahan et al.， 2010）。

同樣， 錯誤信息與真實信息之間的特征差異也會影響個體的辨別敏感性， 進而影響錯誤信息鑒別。當錯誤信息與真實信息的特征差距越小， 也就是錯誤信息偽裝程度較高時， 個體的辨別敏感性就越低， 也越難準確地鑒別信息。當錯誤信息與真實信息的特征差距越大， 也就是錯誤信息偽裝程度較低時， 個體的辨別敏感性就越高， 就越能有效地鑒別錯誤信息。

綜上所述， 本模型將影響錯誤信息鑒別的因素分為兩大類：一是通過影響判斷標準來發揮作用， 二是通過影響辨別敏感性來發揮作用。針對判斷標準， 個體的深層次動機發揮著關鍵作用， 其會使個體更信任與自身立場一致的信息。此外， 情緒也會加強或削弱這種立場傾向， 進而影響判斷標準。同時， 個體的立場和背后的深層次動機也能夠觸發情緒反應。針對辨別敏感性， 錯誤信息與真實信息之間的特征差異以及理性思維發揮著關鍵作用。情緒也能夠通過與理性思維的相互作用來影響辨別敏感性（見圖1）。

該模型的建立有助于深入理解不同因素在錯誤信息鑒別中發揮的作用， 并能夠調和系統2動機性推理理論與經典推理理論之間的分歧。根據基于信號檢測論的錯誤信息鑒別層級模型， 系統2動機性推理理論與經典推理理論關注的核心因素是通過不同途徑來影響錯誤信息鑒別的。系統2動機性推理理論關注的黨派偏見主要是通過影響判斷標準來產生作用， 而經典推理理論關注的分析性思維主要是通過影響辨別敏感性來產生作用。如在Kahan等人（2017）的研究結果中發現， 具有高計算能力的個體在評估護膚霜效用任務（與黨派立場無關）中表現出更高的準確性， 但其在禁槍效用任務（與黨派立場有關）中更傾向于相信與其黨派立場一致的信息， 進而降低了判斷準確性。根據模型來說， 當判斷任務不涉及到黨派立場時， 高計算能力的個體具有較高的辨別敏感性， 因此判斷信息更為準確。當判斷任務涉及到立場時， 個體的深層次動機會使判斷標準傾向于支持有利自己立場的信息， 從而降低了準確性。這進一步說明， 兩個理論關注的主要因素可以分為通過影響辨別敏感性或通過影響判斷標準兩條不同途徑發揮作用。值得注意的是， 盡管這樣的劃分有助于清晰地理解不同因素在錯誤信息鑒別時發揮的作用， 但這并不意味著某個因素只能通過一條路徑發揮作用。實際上， 某些因素在其它路徑上的作用可能相對較小且不穩定， 因而在當前模型中未得到充分體現。如Batailler等人（2022）和Gawronski等人（2023）的研究發現， 分析性思維同樣能夠通過增加個體將信息鑒別為錯誤的傾向來影響信息鑒別， 但這種影響的效應量較小且不甚穩定。此外， 他們的研究還發現， 在判斷標準上， 分析性思維與黨派立場的交互作用并不顯著（Batailler et al.， 2022; Gawronski et al.， 2023）， 這不僅削弱了分析性思維對判斷標準的影響， 也一定程度上反駁了分析性思維會加強黨派立場的假設?？偟膩碚f， 系統2動機性推理理論與經典推理理論并非彼此對立， 而是關注的焦點不同， 二者側重關注的因素均在錯誤信息鑒別中扮演了重要的角色。

此外， 該模型通過區分影響錯誤信息鑒別的兩條途徑， 不僅有助于理解個體為何會信任錯誤信息， 也為信息治理提供了策略啟示。具體而言， 針對不同類型的錯誤信息， 可采用不同的治理策略。例如， 對于那些因缺乏警覺而易于誤信的錯誤信息， 可以通過在信息中添加警告標簽的方式（Pennycook?et al.， 2020）或加強個體的防范意識等策略來提升辨別敏感性（Swire et al.， 2017）， 進而降低個體對錯誤信息的信任。對于含有不同立場且難以直接糾正的錯誤信息， 除了要及時安撫信息所引發的情緒外， 還需要深入剖析信息背后隱含的利益關系和心理需求等深層次動機（Hornsey &?Fielding， 2017）， 并引導個體建立正確的判斷標準，?進而有效地減少錯誤信息對個體和社會的影響。

5??總結與展望

本文介紹了影響錯誤信息鑒別的兩個重要理論， 即系統2動機性推理理論（Kahan， 2013; Kahan & Corbin， 2016; Kahan et al.， 2012; Kahan et al.， 2017）和經典推理理論（Pennycook & Rand， 2019， 2020）。盡管一些研究將這兩個理論視為相互對立的觀點（Bago et al.， 2020; Gawronski et al.， 2023; Pehlivanoglu et al.， 2022; Pennycook & Rand， 2019， 2020）， 但這種觀點可能是一個誤會， 其原因在于未能充分地理解動機與認知能力在錯誤信息鑒別中所發揮的不同作用。對此， 基于信號檢測論的錯誤信息鑒別層級模型將影響錯誤信息鑒別的因素分為通過影響判斷標準或影響辨別敏感性兩條途徑產生作用， 使研究者更清晰和深入地理解了不同因素在錯誤信息鑒別中發揮的作用（Batailler et al.， 2022; Gawronski et al.， 2023）， 并調和了現有理論之間的矛盾。此外， 本文根據相關研究和理論， 深入挖掘了黨派偏見的深層次原因， 并將黨派偏見這一特例拓展為更廣泛的立場， 以適用于不同情景和文化背景。還有， 本文將情緒和信息特征因素也納入了模型之中， 補充和完善了基于信號檢測論的錯誤信息鑒別層級模型， 為研究者理解個體如何鑒別錯誤信息提供了更為全面的理論框架， 也為實際應用中的信息鑒別和信息治理提供了理論支持。

盡管基于信號檢測論的模型為研究和理解錯誤信息鑒別提供了新的視角， 但其仍存在一些不足。就整體來說， 采用基礎的信號檢測論分析不可避免地存在一些局限性。第一， 本模型采用的是基于二元判斷（“真”或“假”）的基礎信號檢測論， 但部分研究采用多點計分來評估對錯誤信息的信任程度， 這會導致模型無法充分利用信息。盡管存在基于多點計分的信號檢測論， 但這些模型通常較為復雜（如會出現多個判斷標準）， 需要更深入地探討相關因素以適應復雜模型。第二， 信號檢測論的計算過程較為復雜， 這可能會導致實際研究中的數據無法較好地擬合模型。第三， 信號檢測論假設信號和噪音的統計特點是已知穩定的， 但現實中錯誤信息的形態和特性卻是在不斷變化的。

本文雖探討了情緒對錯誤信息鑒別的影響， 但仍有許多方面需要進一步研究。首先， 盡管本文指出情緒能夠通過影響辨別敏感性或判斷標準來影響錯誤信息鑒別， 但對于不同情緒的具體作用及其機制尚不清晰。評價傾向框架理論認為（Lerner et al.， 2015）， 不同情緒會導致個體在信息處理時產生不同的認知模式， 但目前的研究尚不充分。例如， 積極情緒似乎對人類的推理有著復雜的影響（Pham， 2006）， 但探討積極情緒對錯誤信息鑒別影響的研究相對匱乏。此外， 在現有研究中， 憤怒情緒對錯誤信息鑒別的作用呈現出不一致的結果。Weeks （2015）的研究發現， 憤怒狀態會加強個體信任與其黨派立場一致信息的傾向。但Bago等人（2022）的研究發現， 當人們在面對與自己立場不一致的信息標題而感到憤怒時， 他們的錯誤信息鑒別表現反而更準確。這需要未來研究進一步探討其中的緣由。其次， 現有研究探討情緒與錯誤信息鑒別關系時， 并沒有明確區分整合情緒和偶然情緒（朱月龍 等， 2017）。整合情緒是由當前信息引起的主觀情緒體驗， 而偶然情緒是與信息本身相關較小的背景情緒。如Weeks （2015）和Bago等人（2022）的研究中測量的是與錯誤信息有關的整合情緒。而Martel等人（2020）的研究中測量的是與錯誤信息相關較小的偶然情緒。因此， 未來研究可以進一步探討整合情緒和偶然情緒對錯誤信息鑒別的影響。

再有， 研究可以進一步細化影響錯誤信息鑒別的認知因素。理性思維是影響錯誤信息鑒別的重要因素之一， 其測量可分為有關認知能力的測量和有關認知傾向的測量（馮雪， 彭凱平， 2015）。同樣， 在Stanovich （2016）的三方智力理論中， 系統2的理性認知可以進一步分為有關計算能力的認知和有關理性思維傾向的認知。正如本文提到的， 將系統2動機性推理理論和經典推理理論錯誤地視為對立的另一個原因可能是相關研究中使用的測量工具與其理論所指的對應不夠清晰。雖然認知反思測驗（Cognitive Reflection Test， CRT）可以測量系統2中對直覺反應的抑制能力， 但其與個體的算術能力關系密切， 且在某些群體中存在天花板效應和地板效應（Thomson & Oppenheimer， 2016）。這提示研究者有必要使用其他測量理性思維的工具來探討其與錯誤信息鑒別的關系。已有研究發現， 使用積極開放性思維量表作為理性思維傾向的測量指標， 不僅能有效地預測錯誤信息鑒別的準確性（Mirhoseini et al.， 2023; Saltor et al.， 2023）， 還能解釋具有妄想傾向的個體為何更易信任錯誤信息（Bronstein et al.， 2019）。值得注意的是， 雖然Kahan （2017）的研究中發現具有高積極開放性思維的個體在鑒別信息時更傾向于信任與自己立場一致的信息（Kahan & Corbin， 2016）， 但該結果受到了其他研究者的質疑（Baron， 2017）。此外， Baron （2017）還指出， 積極開放性思維量表和認知反思測驗所測量的認知風格是不同的， 這種差異可能體現在思考的數量和方向上。因此， 需要進一步探討由不同工具所測量的理性思維對錯誤信息鑒別的影響。

還有， 未來研究者可以通過實驗來操縱錯誤信息的特征， 從而更清晰地揭示這些特征對錯誤信息鑒別的影響。目前， 錯誤信息特征主要是通過大數據技術和計算機算法提取的， 這種方式雖然具有較高的生態效度， 但在因果關系的證明上不夠嚴謹。此外， 也有研究者建議通過實驗設計對判斷后的收益、事件發生的基本概率和刺激的相似性進行操縱， 以進一步完善信號檢測論（Green & Swets， 1966; Lynn & Barrett， 2014）。因此， 后續研究者可以通過實驗方法來操縱錯誤信息與真實信息的特征差異， 以進一步完善和驗證現有模型。

盡管本模型強調了需要考慮包括性別、經濟地位和社會角色在內的多元立場對判斷標準的影響， 但現有研究多集中于美國兩黨制政治背景下的黨派立場， 對于其他立場的研究則相對欠缺。鑒于此， 未來研究可以深入探討不同情境和文化背景下錯誤信息鑒別中的多元立場， 以增強模型的適用性。

總之， 基于信號檢測論的錯誤信息鑒別層級模型為研究者提供了一個清晰的理論框架， 有助于深入理解和分析影響錯誤信息鑒別的多種因素， 并為實際生活中的信息鑒別和信息治理實踐提供了理論依據。

參考文獻

馮雪， 彭凱平. （2015）. 技能和風格： 理性思維的兩種測量途徑. 心理科學進展， 23（9）， 1550?1559.

李艷紅， 劉佳諾. （2022）. 人們為什么相信假新聞：對“假新聞信念”的認知心理學解釋. 新聞界， 8， 14?26.

劉雅輝， 靳小龍， 沈華偉， 鮑鵬， 程學旗. （2018）. 社交媒體中的謠言識別研究綜述. 計算機學報， 41（7）， 1536??1558.

彭知輝. （2022）. 論中國語境下Disinformation概念的對接、轉換與重新闡釋. 情報理論與實踐， 45（1）， 1?10.

汪新建， 張慧娟， 武迪， 呂小康. （2017）. 文化對個體風險感知的影響：?文化認知理論的解釋. 心理科學進展， 25（8）， 1251?1260.

吳詩苑， 董慶興， 宋志君， 張斌. （2022）. 社交媒體中錯誤信息的檢測方法研究述評. 情報學報， 41（6）， 651?661.

朱月龍， 張開華， 段錦云. （2017）. 建議采納的情緒機制. 心理科學進展， 25（9）， 1607?1613.

Bago， B.， & De Neys， W. （2017）. Fast logic？： Examining the time course assumption of dual process theory. Cognition， 158， 90?109. doi： 10.1016/j.cognition.2016.10.014

Bago， B.， & De Neys， W. （2019）. The intuitive greater good： Testing the corrective dual process model of moral cognition. Journal of Experimental Psychology： General， 148（10）， 1782?1801. doi： 10.1037/xge0000533

Bago， B.， Rand， D. G.， & Pennycook， G. （2020）. Fake news， fast and slow： Deliberation reduces belief in false （but not true） news headlines. Journal of Experimental Psychology： General， 149（8）， 1608?1613. doi： 10.1037/xge0000729

Bago， B.， Rosenzweig， L. R.， Berinsky， A. J.， & Rand， D. G. （2022）. Emotion may predict susceptibility to fake news but emotion regulation does not seem to help. Cognition and Emotion， 36（6）， 1166?1180. doi： 10.1080/02699931.?2022.2090318

Baron， J. （2017）. Comment on Kahan and Corbin： Can polarization increase with actively open-minded thinking？ Research & Politics， 4（1）， 1?4. doi： 10.1177/2053168 0166 88122

Batailler， C.， Brannon， S. M.， Teas， P. E.， & Gawronski， B. （2022）. A signal detection approach to understanding the identification of fake news. Perspectives On Psychological?Science， 17（1）， 78?98. doi： 10.1177/1745691620986135

Brashier， N. M.， & Marsh， E. J. （2020）. Judging truth. Annual Review of Psychology， 71， 499?515. doi： 10.1146/annurev-psych-010419-050807

Bronstein， M. V.， Pennycook， G.， Bear， A.， Rand， D. G.， & Cannon， T. D. （2019）. Belief in fake news is associated with delusionality， dogmatism， religious fundamentalism， and reduced analytic thinking. Journal of Applied Research in Memory and Cognition， 8（1）， 108?117. doi： 10.1016/j.jarmac.2018.09.005

Evans， J.， & Stanovich， K. E. （2013）. Dual-process theories of higher cognition： Advancing the debate. Perspectives on Psychological Science， 8（3）， 223?241. doi： 10.1177/1745691612460685

Gawronski， B.， Ng， N. L.， & Luke， D. M. （2023）. Truth sensitivity and partisan bias in responses to misinformation.?Journal of Experimental Psychology： General， 152（8）， 2205?2236. doi： 10.1037/xge0001381

Green， D. M.， & Swets， J. A. （Eds）. （1966）. Signal detection theory and psychophysics. John Wiley.

Hornsey， M. J.， & Fielding， K. S. （2017）. Attitude roots and Jiu Jitsu persuasion： Understanding and overcoming the motivated rejection of science. American Psychologist， 72（5）， 459?473. doi： 10.1037/a0040437

Ismagilova， E.， Slade， E.， Rana， N. P.， & Dwivedi， Y. K. （2020）. The effect of characteristics of source credibility on consumer behaviour： A meta-analysis. Journal of Retailing and Consumer Services， 53， 101736. doi： 10.1016/j.jretconser.2019.01.005

Kahan， D. M. （2013）. Ideology， motivated reasoning， and cognitive reflection. Judgment and Decision Making， 8（4）， 407?424. doi： 10.1017/S1930297500005271

Kahan， D. M. （2017）. ‘Ordinary science intelligence： A science-comprehension measure for study of risk and science communication， with notes on evolution and climate change. Journal of Risk Research， 20（8）， 995?1016. doi： 10.1080/13669877.2016.1148067

Kahan， D. M.， Braman， D.， Monahan， J.， Callahan， L.， & Peters， E. （2010）. Cultural cognition and public policy： The case of outpatient commitment laws.?Law and Human Behavior， 34（2）， 118?140. doi： 10.1007/s10979-?008-9174-4

Kahan， D. M.， & Corbin， J. C. （2016）. A note on the perverse effects of actively open-minded thinking on climate-change polarization. Research & Politics， 3（4）， 1?5. doi： 10.1177/2053168016676705

Kahan， D. M.， Peters， E.， Dawson， E. C.， & Slovic， P. （2017）. Motivated numeracy and enlightened self-government. Behavioural Public Policy， 1（1）， 54?86. doi： 10.1017/bpp.?2016.2

Kahan， D. M.， Peters， E.， Wittlin， M.， Slovic， P.， Ouellette， L. L.， Braman， D.， & Mandel， G. （2012）. The polarizing impact of science literacy and numeracy on perceived climate change risks. Nature Climate Change， 2（10）， 732?735. doi： 10.1038/nclimate1547

Kunda， Z. （1990）. The case for motivated reasoning. Psychological Bulletin， 108（3）， 480?498. doi： 10.1037/0033-?2909.108.3.480

Lerner， J. S.， Li， Y.， Valdesolo， P.， & Kassam， K. S. （2015）. Emotion and decision making. Annual Review of Psychology， 66， 799?823. doi： 10.1146/annurev-psych-?010213-115043

Lewandowsky， S.， Ecker， U. K. H.， & Cook， J. （2017）. Beyond misinformation： Understanding and coping with the “Post-Truth” era. Journal of Applied Research in Memory and Cognition， 6（4）， 353?369. doi： 10.1016/?j.jarmac.2017.07.008

Lewandowsky， S.， Ecker， U. K.， Seifert， C. M.， Schwarz， N.， & Cook， J. （2012）. Misinformation and its correction： Continued influence and successful debiasing.?Psychological?Science in the Public Interest， 13（3）， 106?131.?doi： 10.1177/1529100612451018

Lewandowsky， S.， & Oberauer， K. （2016）. Motivated rejection of science. Current Directions in Psychological Science， 25（4）， 217?222. doi： 10.1177/0963721416654436

Li， Y.， Fan， Z.， Yuan， X.， & Zhang， X. （2022）. Recognizing fake information through a developed feature scheme： A user study of health misinformation on social media in China. Information Processing & Management， 59（1）， Article 102769. doi： 10.1016/j.ipm.2021.102769

Lynn， S. K.， & Barrett， L. F. （2014）. “Utilizing” signal detection theory. Psychological Science， 25（9）， 1663?1673. doi： 10.1177/0956797614541991

Martel， C.， Pennycook， G.， & Rand， D. G. （2020）. Reliance on emotion promotes belief in fake news. Cognitive Research： Principles and Implications， 5， Article 47. doi： 10.1186/s41235-020-00252-3

Mirhoseini， M.， Early， S.， El Shamy， N.， & Hassanein， K. （2023）. Actively open-minded thinking is key to combating fake news： A multimethod study.?Information & Management， 60（3）， 103761. doi： 10.1016/j.im.2023.?103761

Pehlivanoglu， D.， Lighthall， N. R.， Lin， T.， Chi， K. J.， Polk， R.， Perez， E.， … Ebner， N. C. （2022）. Aging in an “infodemic”： The role of analytical reasoning， affect， and news consumption frequency on news veracity detection. Journal of Experimental Psychology： Applied， 28（3）， 468?485. doi： 10.1037/xap0000426

Pennycook， G.， Bear， A.， & Collins， E. （2020）. The implied truth effect： Attaching warnings to a subset of fake news headlines increases perceived accuracy of headlines without warnings. Management Science， 66（11）， 4944??4957.?doi： 10.1287/mnsc.2019.3478

Pennycook， G.， Cannon， T. D.， & Rand， D. G. （2018）. Prior exposure increases perceived accuracy of fake news. Journal of Experimental Psychology： General， 147（12）， 1865?1880. doi： 10.1037/xge0000465

Pennycook， G.， & Rand， D. G. （2019）. Lazy， not biased： Susceptibility to partisan fake news is better explained by lack of reasoning than by motivated reasoning. Cognition， 188， 39?50. doi： 10.1016/j.cognition.2018.06.011

Pennycook， G.， & Rand， D. G. （2020）. Who falls for fake news？ The roles of bullshit receptivity， overclaiming， familiarity， and analytic thinking. Journal of Personality， 88（2）， 185?200. doi： 10.1111/jopy.12476

Pennycook， G.， & Rand， D. G. （2021）. The psychology of fake news. Trends in Cognitive Sciences， 25（5）， 388?402. doi： 10.1016/j.tics.2021.02.007

Pham， M. （2006）. Emotion and rationality： A critical review and interpretation of empirical evidence. Review of General Psychology， 11（2）， 155?178. doi： 10.1037/1089-?2680.11.2.155

Pilditch， T. D.， Madsen， J. K.， & Custers， R. （2020）. False prophets and Cassandra's curse： The role of credibility in belief updating. Acta Psychologica， 202， 102956. doi： 10.1016/j.actpsy.2019.102956

Qiu， X. Y.， Oliveira， D.， Shirazi， A. S.， Flammini， A.， & Menczer， F. （2017）. Limited individual attention and online virality of low-quality information. Nature Human Behaviour， 1（8）， 1?7. doi： 10.1038/s41562-018-0507-0

Rathje， S.， Roozenbeek， J.， Van Bavel， J. J.， & van der Linden， S. （2023）. Accuracy and social motivations shape judgements of （mis）information. Nature Human Behaviour，?7（6）， 892?903. doi： 10.1038/s41562-023-01540-w

Saltor， J.， Barberia， I.， & Rodríguez-Ferreiro， J. （2023）. Thinking disposition， thinking style， and susceptibility to causal illusion predict fake news discriminability. Applied Cognitive Psychology， 37（2）， 360?368. doi： 10.1002/acp.4008

Schwarz， N.， & Clore， G. L. （2003）. Mood as information： 20 years later. Psychological Inquiry， 14（3-4）， 296?303. doi： 10.1207/S15327965PLI1403&4_20

Slovic， P.， Finucane， M. L.， Peters， E.， & MacGregor， D. G. （2007）. The affect heuristic. European Journal of Operational Research， 177（3）， 1333?1352. doi： 10.1016/j.ejor.2005.04.006

Stanovich， K. E. （2016）. The comprehensive assessment of rational thinking. Educational Psychologist， 51（1）， 23?34. doi： 10.1080/00461520.2015.1125787

Swire， B.， Ecker， U. K.， & Lewandowsky， S. （2017）. The role of familiarity in correcting inaccurate information. Journal of Experimental Psychology： Learning， Memory， and Cognition， 43（12）， 1948?1961. doi： 10.1037/xlm00 00422

Thompson， V. A.， & Johnson， S. C. （2014）. Conflict， metacognition， and analytic thinking. Thinking & Reasoning， 20（2）， 215?244. doi： 10.1080/13546783.?2013.869763

Thomson， K. S.， & Oppenheimer， D. M. （2016）. Investigating an alternate form of the cognitive reflection test. Judgment and Decision Making， 11（1）， 99?113. doi： 10.1017/?S19302 97500007622

Trivedi， N.， Krakow， M.， Hyatt Hawkins， K.， Peterson， E. B.， & Chou， W. S. （2020）. “Well， the message is from the institute of something”： Exploring source trust of cancer-?related messages on simulated facebook posts. Frontiers in Communication， 5， 12. doi： 10.3389/fcomm.2020.00012

Trivedi， N.， Lowry， M.， Gaysynsky， A.， & Chou， W. S. （2022）. Factors associated with cancer message believability：?A mixed methods study on simulated facebook posts. Journal of Cancer Education， 37（6）， 1870?1878. doi： 10.1007/s13187-021-02054-7

Tversky， A.， & Kahneman， D. （1983）. Extensional versus intuitive reasoning： The conjunction fallacy in probability judgment. Psychological Review， 90（4）， 293?315. doi： 10.1037/0033-295X.90.4.293

Van Bavel， J. J.， & Pereira， A. （2018）. The partisan brain： An identity-based model of political belief. Trends in Cognitive Sciences， 22（3）， 213?224. doi： 10.1016/j.tics.?2018.01.004

Vosoughi， S.， Roy， D.， & Aral， S. （2018）. The spread of true and false news online. Science， 359（6380）， 1146?1151. doi： 10.1126/science.aap9559

Wang， Y.， McKee， M.， Torbica， A.， & Stuckler， D. （2019）. Systematic literature review on the spread of health-?related misinformation on social media.?Social Science & Medicine， 240， 112552. doi： 10.1016/j.socscimed.2019.112552

Wardle， C.， & Derakhshan， H. （2017）.?Information disorder： Toward an interdisciplinary framework for research and policy making. Strasbourg， France： Council of Europe.

Weeks， B. E. （2015）. Emotions， partisanship， and misperceptions： How anger and anxiety moderate the effect of partisan bias on susceptibility to political misinformation. Journal of Communication， 65（4）， 699??719. doi： 10.1111/jcom.12164

Zheng， X.， Wu， S.， & Nie， D. （2021）. Online health misinformation and corrective messages in China： A comparison of message features. Communication Studies， 72， 1?16. doi： 10.1080/10510974.2021.1917437

Hierarchy model of misinformation identification based on signal detection theory

CAO Chengxu， QI Shisan， JIN Tonglin， ZENG Xiaoye， AN Yeqing， BU Tana

（School of Psychology， Inner Mongolia Normal University， Key Research Base of Psychological Education in Inner Mongolia Colleges and Universities， Hohhot?010022， China）

Abstract： In the field of misinformation identification research， the motivated System 2 reasoning and classical reasoning accounts probe the influencing factors that shape individuals' ability to identify misinformation from different perspectives， yet diverge in their interpretations of cognitive abilities' roles. Building upon existing research， this study introduces factors such as emotions， information characteristics， individual stances， and their underlying motivations to further refine the hierarchical model of misinformation identification based on a signal detection theory. The objective is to enrich our comprehension of the multifaceted ways in which these diverse elements bear upon the process of misinformation identification. By differentiating the influence of various factors on both the discrimination sensitivity and the judgment criteria within the identification process， the model not only reconciles the contrasting perspectives on cognitive abilities posited by motivated System 2 reasoning and classical reasoning accounts but also furnishes a detailed and systematically organized analytical framework. This framework is instrumental in elucidating the intricate mechanisms that underpin the identification of misinformation.

Keywords：?misinformation， signal detection theory， affecting factors， motivated System 2 reasoning account， classical reasoning account