利用漂移扩散模型量化在线社交网络中说服力、谨慎度与先验信念对（错误）信息分享的影响
物理与社会
2024-12-23 v2 社会与信息网络
摘要
误导性通讯稿能塑造个体的认知，并对社会构成威胁；正如我们所目睹的，它降低了后续居家令的严重性，给抗击 COVID-19 带来了重大挑战。在本研究中，我们探讨了（错误）信息的传播，重新分析了在线分享的行为数据，并使用漂移扩散模型（DDM）分析了决策机制。我们发现，受试者对分享误导性新闻表现出增强的本能倾向，但理性思维显著抑制了这种反应，尤其是对于更谨慎和年长的个体。在具有与 X、Mastodon 和 Facebook 相似特征的网络结构之上，我们使用基于主体的模型将这种个体知识扩展到大规模场景，其中个体通过朋友接触（错误）信息，并以 DDM 驱动的概率分享（或不分享）内容。我们发现，这些社交在线网络的天然形状为任何新闻迅速传播提供了沃土。然而，我们发现，对于 X 的情况，限制连接度最高的用户的关注者数量被证明是一种适当且可行的遏制策略。
引用
@article{arxiv.2401.17846,
title = {Quantifying the impact of persuasiveness, cautiousness and prior beliefs in (mis)information sharing on online social networks using Drift Diffusion Models},
author = {Lucila G. Alvarez-Zuzek and Lucio La Cava and Jelena Grujic and Riccardo Gallotti},
journal= {arXiv preprint arXiv:2401.17846},
year = {2024}
}
备注
45 pages and 22 figures (taking into account the Supplementary Information)