过去十年政治虚假信息的特征研究

尽管虚假信息倾向于在线传播，但它可能产生严重的现实世界后果。为了开发能够检测和缓解虚假信息影响的自动化工具，研究人员必须利用能够适应模态（文本、图像和视频）、来源和虚假信息内容的算法。然而，这些特征随时间动态变化，使得开发鲁棒的虚假信息对抗算法具有挑战性。因此，本文使用自然语言处理方法来发现过去十二年间政治虚假信息的共同特征。结果表明，虚假信息在近年来急剧增加，并且越来越多地来自主要信息模态为文本和图像的来源（例如Facebook和Instagram），尽管包含虚假信息的视频分享来源开始增加（例如TikTok）。此外，发现表达虚假信息的陈述比准确信息包含更多的负面情感。然而，准确和不准确信息所附带的情感均呈下降趋势，表明政治陈述在时间维度上整体语气更为负面。最后，发现了跨多年反复出现的虚假信息类别，这可能意味着人们倾向于围绕他们恐惧或不理解的信息（科学和医学、犯罪、宗教）分享不准确陈述，或这些信息直接影响他们（政策、选举完整性、经济），或与他们日常生活中的公众人物相关。希望这些洞察能够帮助研究人员开发时间不变且能够在时间维度上检测和缓解虚假信息的算法。