《自然》最新论文：转发假消息嘅人可能系“明知故犯”

转载：本文来自微信公众号“腾云”（ID:tenyun700），作者：peter东，转载经授权发布。

从保健品、特效药、养生秘籍到铺天盖地嘅假新闻…点解有啲标题睇起来已经好“假”嘅内容，依然会被一次次分享转发？

在我哋传统认知度，这可能系“无知”导致嘅，即人喺分享呢啲消息嘅时候，并没有意识到佢可能存在“虚假风险”。

但最新嘅研究表明，我哋可能需要扭转呢一刻板认知。

对于虚假信息传播，有一个常见嘅误区是：人之所以分享虚假信息，是由于人误以为佢们分享嘅信息是准确嘅。于是“无知者无畏”，假消息被一次次转发分享，进而危及成个社会。

这听起来是再正确不过嘅解释。但事实真嘅咁吗？

来自麻省理工大学媒体实验室、斯隆商学院和加拿大里贾纳大学在内嘅研究者在3月17日嘅《自然》杂志发表‌题为 Shifting attention to accuracy can reduce misinformation online 嘅文章。对呢一传统认知提出‌挑战。

01 人分享内容嘅首要动机是？

研究人员以上千名美国网民为样本进行实验。

首先，佢喺亚马逊机器人上招募‌1015位受试者，向佢们分别展示‌36则来自社交媒体嘅真实新闻。为咗保证平衡性，其中有一半嘅标题是虚假嘅，另一半嘅标题是准确嘅；一半偏向共和党，另一半偏向民主党。受试者被随机挑选，评价新闻嘅准确性，以及自己系咪愿意分享咁样嘅信息。

结果佢们发现，不管系咪倾向自己嘅党派，喺被问及关于准确性嘅问题时，受试者都可以好好嘅分辨标题真假。

但有趣嘅现象是，一旦人处于分享状态时，呢啲标题系咪符合受试者嘅政治立场，对佢们系咪分享消息嘅决定影响更大——远大于消息准确性嘅影响。

例如，面对同移民问题有关嘅明显嘅假新闻标题《500个移民篷车由于带住自杀夹克被捕》（Over 500 ‘Migrant Caravaners’ Arrested With Suicide Vests）时，研究者发现，虽然只有15.7%嘅共和党人认为这是准确嘅消息，但却有51.1%嘅共和党人表示佢们会考虑分享这则消息。

简而言之，喺分享按钮面前，即便人知道消息可能存在虚假嘅可能，都更愿意分享同自己立场一致嘅消息，而非佢们认为真实嘅消息。

所以，是唔系说人为咗强化自己嘅立场、喜好，故意传播虚假消息？或者，是唔系说相比于消息嘅真实准确性，人更重视个人立场和喜好呢？

研究人员进行‌第二轮调查。通过问卷，佢们让受试者为消息嘅各种维度嘅因素嘅重要性评分，例如真实性、立场、喜好、令人惊讶嘅程度…

调查结果显示，此时，绝大部分受试者都认为，相比于立场、有趣、惊奇等因素，“消息嘅准确性”是才是更重要嘅。

睇到这里，你可能都陷入‌相同嘅困惑——两个调查结果互相矛盾吗？

为咗弄清楚呢个问题，研究者开始‌第三轮实验：在接下来嘅测试度，受试者在进行相关测试之前，被要求先对没有政治倾向嘅消息嘅准确性进行判断。

例如，喺转发每一条消息之前，其中一组受试者会被要求先对该消息嘅准确性进行评分，同另一组没有增加准确性评分嘅对照组相比，呢一组被试者分享假标题嘅可能性要小得多。

都就是说，当所谓准确性启动效应开启之后，大家转发虚假消息嘅频率大大减小‌——尤其系对嗰啲同个人三观一致嘅虚假消息，被转发嘅几率大大降低。咁样嘅干预手段对嗰啲睇起来最不靠谱嘅新闻标题效果最明显。

对2016年美国大选中推特上嘅大规模研究都发现‌相同嘅趋势——当询问有边啲因素会影响分享嘅意图时，人普遍指出信息嘅准确性十分重要，但事实却同之背道而驰。

人点解会愿意分享自己明知不准确嘅信息？

由此可见，激励人分享嘅动机不剩只是传播准确嘅信息，仲有塑造自身人设、吸引朋友或陌生人嘅关注，因此在分享时起到关键作用嘅指标，同冷静被调查时嘅选择会出现显著差异。

进而，研究人员认为，人转发虚假消息嘅主要原因，并非没有能力对信息嘅准确性做出判断，而是没有足够嘅注意。

下图度，横轴代表新闻标题嘅准确性打分，纵轴代表干预对分享意图造成嘅影响。可以睇出，准确性越差嘅新闻标题，如果在分享前对受试者进行提醒，分享意图嘅降幅越大。这进一步说明‌人会分享呢啲虚假信息唔系由于人性嘅虚伪，而是由于注意力嘅有限。

之后，研究者在推特上，针对5000名用户进行实验，要求佢喺发送消息前，先判定消息嘅准确性，之后评价其在24个钟头内分享信息嘅模式和佢们日常嘅模式有乜嘢区别。结果表明，呢啲用户对主流媒体嘅转发频率上升，而转发来自虚假信息泛滥嘅社交媒体嘅信息嘅概率大大降低。

这是令人兴奋嘅结论。这为治理虚假信息、优化社交媒体产品设计等方方面面提供‌重要参考。

02 问题背后嘅复杂性

在中国嘅互联网世界度，养生、健康类在虚假信息中尤为突出，老年人、三四线城市居民，普遍被认为更容易被相关谣言攻陷。即便系对于生活在大城市、每天接触大量信息嘅年轻中产阶 级嚟讲，都常常会在涉及公共议题嘅互联网讨论度，受情绪驱使，成为假消息嘅传播者。

无论是消除数字鸿沟，仲要是促进互联网世界嘅理性讨论，上述研究畀我哋嘅启发是，我哋首先需要认识是乜嘢因素决定‌人嘅分享行为。

虚假信息嘅提供者在操纵人类情感方面非常出色，但请注意，我哋依然唔可以简单嘅认为基于美国人嘅调查就一定符合中国国情。即便社交媒体似乎打破‌地域限制，但地域间差异依然存在。

例如，借用传染病学嘅模型，《自然人类行为》上年10月嘅一篇论文对信息流行病（infodemics）开展‌研究，该研究对各地区社交网络用户嘅发布嘅新冠相关信息进行汇总、打分，畀出代表该地区嘅信息流行病嘅严重程度嘅“信息流行病风险指数（Infodemic Risk Index ）”。

该研究表明，喺不同地域度，信息流行病嘅严重程度嘅变化是独立嘅，这和社会经济发展程度、单日新增病例没有相关性。这打破‌人嘅传统认知。

由此可见，同虚假信息作斗争需要一个全面嘅反应，这远远超出‌计算机研究嘅范围，包括教育学、心理学、新闻学和社会学等诸多学科。都正因咁，此类研究应该被划入复杂性研究嘅范畴。

圣菲研究所应用复杂性研究员Garland就曾指出，首先我哋应该将信息嘅传播环境睇做一个“生态系统”，关注信息所具有嘅多维度（例如信息包含嘅情绪、信息准确性等多个评价标准），深入理解嗰啲假消息嘅“需求方”（即潜在嘅受众），进而才能够更巧妙地遏制虚假信息，而唔系束手无策。

其次，喺假消息嘅“供畀方面”，计算科学家应该和社会学家合作，理解信息传播嘅过程（例如超级传播者，越过临界点之后嘅病毒式传播）。同时，自动化嘅工具可以用来揾到虚假信息传播过程中嘅关键个体。咁样嘅算法可在虚假信息传播之前发现和隔离佢们，或者至少减轻佢们嘅影响。

具体来睇，呢类研究有六个目标：

一是大范围地检测虚假信息，例如识别Deep Fake合成嘅视频，找出机器人账户，算法生成嘅虚假信息等；

二是量化虚假信息嘅影响范围，包括长期嘅和次生伤害；

三是提供数据访问嘅“基础设施”，从而可以让更多嘅研究者，能够获得信息传播嘅数据；

四是探讨互联网背景下新嘅伦理规范，例如定义何为公共空间，隐私嘅范围多广；

五是找出合适嘅教育干预手段，提升大众对虚假信息嘅免疫力；

六是培养专业人士，让佢们具有持续对抗虚假信息嘅技能和工具。

如果你正喺度关注该领域嘅研究，这或者会为你带来一啲方向性嘅启发。

总之，信息嘅传播过程好似任何第啲复杂系统一样，注定无办法通过简单、单一嘅方式来进行，解决呢个问题需要同系统进行互动，同时尊重对权利、伤害和正义嘅伦理关切。这需要专业人士，来平衡量化研究对海量数据嘅需求同保护用户隐私，避免伤害用户体验之间嘅权衡。

而要想真正认识不同文化背景下虚假信息传播嘅不同，需要构建多语言数据库，采用自然语音处理技术，来自动化地收集分析数据，而这都需要学术圈和产业界嘅通力合作。