刻画 Twitter 上用户对 COVID-19 错误信息的易感性

尽管为应对 COVID-19“错误信疫”已加大移除虚假声明和推广可靠来源等努力，但若缺乏对易受影响在线用户（即那些可能被错误信息吸引、相信并传播之的用户）的恰当理解，这仍是一项未解决的社会挑战。本研究试图回答：在疫情中构成易受在线错误信息影响人群的是哪些人，以及区分易感用户与其他用户的稳健特征与短期行为信号是什么。利用从美国地缘政治上多样的网络分层样本收集的为期 6 个月的 Twitter 纵向用户面板，我们区分了从社交机器人到具有不同 COVID 相关错误信息参与程度的人类用户等不同类型。我们随后识别出与用户 COVID-19 错误信息易感性相关的在线特征与情境预测因子。本工作带来独特贡献：首先，与先前关于机器人影响的研究相反，我们的分析显示社交机器人对错误信息分享的贡献低得惊人，而类人用户的错误信息行为表现出异质性与时间变异性。尽管错误信息的分享高度集中，普通用户偶尔分享错误信息的风险仍高得惊人。其次，我们的发现凸显了易感用户在政治敏感性活跃度及对情绪化内容的响应度。第三，我们展示了一种仅基于用户短期新闻消费及来自其网络的曝光即可高效预测用户瞬时易感性的可行方案。我们的工作对设计有效干预机制以减轻错误信息扩散具有启示意义。