概率性社会学习提升公众对错误信息的识别能力

错误信息的数字传播是对民主、公共健康和全球经济的主要威胁之一。缓解错误信息的流行策略包括众包、机器学习以及媒体素养项目，这些策略要求社交媒体用户以真或假的二元方式对新闻进行分类。然而，关于同伴影响的研究表明，以二元方式构建决策会放大判断错误并限制社会学习，而以概率方式构建决策则能可靠地改善判断。在这项预注册实验中，我们比较了通过交流二元或概率判断来协作评估新闻真实性的在线同伴网络。交流新闻真实性的概率估计显著改善了个人和群体的判断，其效果是消除了新闻评估中的两极分化。相比之下，交流二元分类减少了社会学习并固化了两极分化。概率性社会学习的好处对于参与者的教育、性别、种族、收入、宗教和党派倾向具有鲁棒性。