假新闻的传播、能力与学习：动力学建模与数值逼近

社交网络作为世界上几乎所有国家主要通讯手段的兴起，同时引发了网络上流传的假新闻数量的增加。这一事实在2016年美国政治选举期间尤为明显，在COVID-19大流行到来之际更是如此。多项研究表明，可以通过终身学习、讨论社区以及通常严格的科学方法训练和广泛的跨学科教育来提升能力，从而减轻假新闻传播的影响。当前的大流行凸显了建立能够描述日益严重的假新闻信息流行病的模型的迫切需求。由于错误信息以及通常情况下个人无法辨别信息可靠性而导致的疫苗接种运动放缓，正给许多国家的政府带来巨大风险。在本研究中，我们利用动力学理论的工具，通过多种群模型描述了假新闻传播与个人能力之间的相互作用，在这些模型中，假新闻类似于传染病传播，并根据个人的能力水平产生不同的影响。特别是，能力水平受制于由智能体之间的社会互动和外部学习动态共同驱动的演化动态。结果表明，该模型能够正确描述假新闻的扩散动态，以及能力在遏制假新闻方面的重要作用。