【人类才是传谣机器】Science刊发最大规模社交网络假新闻研究,人比机器更爱转发谣言

简介: MIT 媒体实验室近日发表在Science的一项迄今最大规模的假新闻研究发现,在 Twitter 上不实消息被转发的概率比真相高 70%,真消息扩散至 1500 人所需的时间平均是不实消息的 6 倍。研究以海量数据揭示了假新闻的传播路径和传播特征——谣言比真相传得更远、更深、更快,而且每个人都是散播恐惧、厌恶的假新闻的放大器。

一项迄今最大规模的关于新闻在社交媒体上传播方式的研究,以海量数据揭示了假新闻的传播路径和传播特征——谣言比真相传得更远、更深、更快,而且每个人都是散播恐惧、厌恶的假新闻的放大器。

研究由 MIT 媒体实验室进行,发表在最新一期Science上。研究发现,与发表真实消息的推文相比,发表不实消息的推文被转发的概率高70%。其中有关政治的错误消息比其他类别的消息传播得更远。

MIT的数据科学家和社交媒体专家团队分析了 2006 年至 2017 年的12年间,被300万用户转发了 450 万次的 12.6 万篇报道后,得出这些令人反感的结论。

MIT媒体实验室的Soroush Vosoughi和Deb Royof,以及MIT斯隆管理学院的Sinan Aral在报告中写道:“在所有类别的信息中,不实新闻传播得更远、更快、更深,而且传播范围更广。”

他们补充说:“真实消息扩散至1500人所需的时间平均是假消息的6倍。

6edf4af090db1a7a300ad4d5bba93d7ba991695f

上面动图演示了真实消息和假新闻传播速度的对比。在继续说结论之前,让我们先看看该研究使用的术语定义

研究人员将“新闻”定义为“在Twitter上发表的任何断言”。它可以是文字,照片或互联网上的文章链接。

研究人员有意避免使用争议性术语 “假新闻”(fake news),而使用 “不实新闻”(false news),这更便于客观查证。

他们将新闻分类为“真实”(true)或“虚假”(false)。如果一条推文被标记为“虚假”,并不意味着撰写推文的人试图欺骗,而只意味着推文中的断言不准确。

任何类型的新闻在Twitter上传播时,它就变成了“流言”(rumor)。

特定推文传播的模式是“流言级联”(rumor cascade)。如果一条推文在一条完整的链中被转发了10次,那么它就是一个大小为10的级联。如果两个人独立推送同一条消息,并且每条推文都在一个完整的链中被转发5次,那么就是两个流言级联,每个的大小是5。

研究人员使用这个框架来分析Twitter上的信息传播,他们分析了大约126000个流言级联。

对于每个级联,研究人员确定了级联的大小(即从开始到结束参与到级联的人数),深度(在单个不间断链中转发的数量),最大广度(任何深度的级联中最大数量的人)以及结构病毒式传播(衡量造成特定推文传播的人数)。谣言越是蔓延,上述四个因素越大。

以下是他们的发现:

  • 被“更多的人”转推的,通常包含虚假新闻的推文,而不是包含真实新闻的推文。
  • 真实消息在Twitter上传播到1500人的时间,比假消息长6倍
  • 基于真实新闻的传闻“极少”传播到1000人及以上。但是,至少有1%的基于假消息的流言,经常性地做到这一点
  • 研究人员查看了真假流言级联传播中最高的0.01%,并发现假消息比真消息在推文空间(Twittersphere)中传播深度要高8级(diffused eight hops deeper)。
  • 假新闻也更可能形成“病毒式传播”。因此,假新闻不仅转推链更长,而且更有可能分叉形成新的传播链。
  • 真消息的级联传播要达到10级(传播深度达到10),时间比假消息要长20倍。
  • 有关政治的谣言比所有其他话题更容易传播。其次是都市传说,再其次是商业,恐怖主义,科学,娱乐和自然灾害的话题。这些谣言最终都将传播给关心政治、都市传说和科学的大多数人。
  • 关于政治的假新闻,传播到两万人的速度,比其他类型的假新闻传播到1万人的速度快三倍。
  • 与传播真实新闻的人相比,传播虚假新闻的人更容易是Twitter新用户,粉丝较少,在社交媒体平台上活跃程度较低。

那么,究竟是什么让假消息比真实信息更吸引人呢?研究人员认为,答案是虚假新闻有更多新意,让人觉得更意外,也因此更有可能被转推。

研究人员通过研究随机选择的大约5000人的25,000条推文,并将其内容与其他人在过去60天内看到的推文进行比较。他们还检查了这些推文回复的情感内容,发现虚假推文引发了更多的惊讶和厌恶感。而真实的推文,得到的回复则更多表示悲伤和信任。

这三位研究人员制作了一张单独的地图,排除了所有可以用bot检测算法识别的假Twitter帐户。在消除以bot开始的流言后,也并没有改变虚假消息传播的模式。

假消息比真相传播得更远、更快、更深和更广泛,因为人类而不是bot更有可能转发假消息,”作者写道。

如果所有这些让你对未来感到绝望,Vosoughi,Roy和Aral建议你坚持下去。研究人员写道:“了解假新闻如何传播是控制假新闻的第一步。我们希望我们的工作能够启发对假新闻传播的原因和后果以及潜在应对方法的更大规模的研究。”


原文发布时间为:2018-03-10

本文作者:肖琴、闻菲

本文来自云栖社区合作伙伴新智元,了解相关信息可以关注“AI_era”微信公众号

原文链接:【人类才是传谣机器】Science刊发最大规模社交网络假新闻研究,人比机器更爱转发谣言

相关文章
|
7月前
|
传感器 机器学习/深度学习 算法
【WSN】无线传感器网络模拟器研究Matlab代码实现
【WSN】无线传感器网络模拟器研究Matlab代码实现
【WSN】无线传感器网络模拟器研究Matlab代码实现
|
2月前
|
机器学习/深度学习 存储 人工智能
存内计算芯片研究进展及应用—以基于NorFlash的卷积神经网络量化及部署研究突出存内计算特性
存内计算芯片研究进展及应用—以基于NorFlash的卷积神经网络量化及部署研究突出存内计算特性
102 3
|
3月前
|
机器学习/深度学习 存储 算法
基于多模态融合与图神经网络的用户精准感知系统研究
基于多模态融合与图神经网络的用户精准感知系统研究
61 0
|
3月前
|
机器学习/深度学习 vr&ar
生成对抗网络(GANs)在图像生成和风格转换方面的研究进展
生成对抗网络(GANs)在图像生成和风格转换方面的研究进展
77 0
生成对抗网络(GANs)在图像生成和风格转换方面的研究进展
|
7月前
|
机器学习/深度学习 传感器 物联网
毫米波V2I网络的链路层仿真研究(Matlab代码实现)
毫米波V2I网络的链路层仿真研究(Matlab代码实现)
|
8月前
|
机器学习/深度学习 算法 Python
【ARIMA-SSA-LSTM】合差分自回归移动平均方法-麻雀优化-长短期记忆神经网络研究(Python代码实现)
【ARIMA-SSA-LSTM】合差分自回归移动平均方法-麻雀优化-长短期记忆神经网络研究(Python代码实现)
|
8月前
|
机器学习/深度学习 算法 调度
【经济调度】基于多目标宇宙优化算法优化人工神经网络环境经济调度研究(Matlab代码实现)
【经济调度】基于多目标宇宙优化算法优化人工神经网络环境经济调度研究(Matlab代码实现)
|
8月前
|
机器学习/深度学习 数据采集 算法
一种用于RBF神经网络的新型自适应内核研究(Matlab代码实现)
一种用于RBF神经网络的新型自适应内核研究(Matlab代码实现)
|
8月前
虚拟机的网卡没了,研究了一下,自己的网络也没了。
虚拟机的网卡没了,研究了一下,自己的网络也没了。
114 0
|
8月前
|
机器学习/深度学习 数据采集 算法
非线性质量弹簧阻尼器的神经网络仿真研究(Matlab代码&Simulink仿真实现)
非线性质量弹簧阻尼器的神经网络仿真研究(Matlab代码&Simulink仿真实现)

热门文章

最新文章