社交媒体上错误信息传播的趋势

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

英文标题：
《Trends in the Diffusion of Misinformation on Social Media》
---
作者：
Hunt Allcott, Matthew Gentzkow, Chuan Yu
---
最新提交年份：
2018
---
英文摘要：
  We measure trends in the diffusion of misinformation on Facebook and Twitter between January 2015 and July 2018. We focus on stories from 570 sites that have been identified as producers of false stories. Interactions with these sites on both Facebook and Twitter rose steadily through the end of 2016. Interactions then fell sharply on Facebook while they continued to rise on Twitter, with the ratio of Facebook engagements to Twitter shares falling by approximately 60 percent. We see no similar pattern for other news, business, or culture sites, where interactions have been relatively stable over time and have followed similar trends on the two platforms both before and after the election.
---
中文摘要：
我们衡量了2015年1月至2018年7月期间Facebook和Twitter上错误信息传播的趋势。我们关注570个被认定为虚假故事制作者的网站的故事。截至2016年底，Facebook和Twitter上与这些网站的互动稳步增长。随后，Facebook上的互动量急剧下降，而Twitter上的互动量继续上升，Facebook的互动量与Twitter份额的比率下降了约60%。我们认为其他新闻、商业或文化网站没有类似的模式，随着时间的推移，这些网站的互动相对稳定，并且在选举前后两个平台上都遵循类似的趋势。
---
分类信息：

一级分类：Computer Science        计算机科学
二级分类：Social and Information Networks        社会和信息网络
分类描述：Covers the design, analysis, and modeling of social and information networks, including their applications for on-line information access, communication, and interaction, and their roles as datasets in the exploration of questions in these and other domains, including connections to the social and biological sciences. Analysis and modeling of such networks includes topics in ACM Subject classes F.2, G.2, G.3, H.2, and I.2; applications in computing include topics in H.3, H.4, and H.5; and applications at the interface of computing and other disciplines include topics in J.1--J.7. Papers on computer communication systems and network protocols (e.g. TCP/IP) are generally a closer fit to the Networking and Internet Architecture (cs.NI) category.
涵盖社会和信息网络的设计、分析和建模，包括它们在联机信息访问、通信和交互方面的应用，以及它们作为数据集在这些领域和其他领域的问题探索中的作用，包括与社会和生物科学的联系。这类网络的分析和建模包括ACM学科类F.2、G.2、G.3、H.2和I.2的主题；计算应用包括H.3、H.4和H.5中的主题；计算和其他学科接口的应用程序包括J.1-J.7中的主题。关于计算机通信系统和网络协议（例如TCP/IP）的论文通常更适合网络和因特网体系结构（CS.NI）类别。
--
一级分类：Economics        经济学
二级分类：General Economics        一般经济学
分类描述：General methodological, applied, and empirical contributions to economics.
对经济学的一般方法、应用和经验贡献。
--
一级分类：Quantitative Finance        数量金融学
二级分类：Economics        经济学
分类描述：q-fin.EC is an alias for econ.GN. Economics, including micro and macro economics, international economics, theory of the firm, labor economics, and other economic topics outside finance
q-fin.ec是econ.gn的别名。经济学，包括微观和宏观经济学、国际经济学、企业理论、劳动经济学和其他金融以外的经济专题
--

---
PDF下载：
-->

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：错误信息 社交媒体 interactions Applications Architecture

社交媒体上错误信息传播趋势Hunt Allcott，New Yor k University，Micro soft Research，和NBER*Matthew Gentzkow，Stanford University和NBERChuan Yu，Stanford University 2018年9月摘要我们衡量了2015年1月至2018年7月期间Facebook和Twitter上错误信息传播的趋势。我们关注570个被认定为虚假故事制造者的网站的故事。截至2016年底，在Facebook和TWITTER上与这些网站的互动稳步上升。随后，Facebook上的互动量急剧下降，而Twitter上的互动量持续上升，Facebook的互动量与Twitter的份额之比下降了约60%。我们在其他新闻、商业或文化网站上看不到类似的模式，随着时间的推移，这些网站的互动相对稳定，在选举前后两个平台上都遵循类似的趋势*电子邮件：hunt。allcott@nyu.edu, gentzkow@stanford.edu, chuanyu@stanford.e杜。我们感谢斯坦福经济政策研究所（SIEPR）、斯坦福网络倡议、图卢兹信息技术网络、奈特基金会和阿尔弗雷德·P·斯隆基金会的慷慨财政支持。我们感谢DavidLazer、Brendan Nyhan、David Rand、David Rothschild、Jesse Shapiro和Nils Wernerfelt提出的有益意见和建议。我们也要感谢我们的专职研究助理为这个项目所做的贡献。1简介近年来，社交媒体上的错误信息引起了广泛的恐慌。美国成年人中有相当一部分人在2016年选举前接触到虚假新闻，选举后调查表明，许多阅读此类新闻的人相信这些新闻是真实的（Silverman and Singer Vine 2016；Allcott and Gentzkow 2017；Guess et al.2018）。

许多人认为，虚假新闻在2016年的选举（例如，奥尔森2016年；帕金森2016年；里德2016年；冈瑟等人2018年）以及随后持续的政治分裂和危机（例如，斯波尔2017年；阿齐莫·恩蒂和费尔南德斯2018年；塔鲁尔2018年）中发挥了重要作用。为了应对虚假新闻的威胁，已经做出了许多努力，包括民间社会组织的教育和其他倡议、监管机构的听证会和法律行动，以及Facebook和其他社交媒体公司进行的一系列算法、设计和政策更改。关于这些努力是否有效或错误信息问题的规模如何在更广泛范围内演变的证据仍然有限。最近的一项研究表明，即使在2018年初更改了Facebook的新闻提要算法（Newswip2018），虚假报道仍然是Facebook上的一个问题。《st udy》报道称，在改版后的两个月内，脸书上最吸引人的故事分别排在第26和第38位，它们来自虚假的新闻网站。许多被主要事实调查机构评为虚假的文章都没有在Facebook的系统中发布，自2016年初以来，两个主要的虚假新闻网站在Facebook上的参与度几乎没有下降（Funke 2018）。Facebook现在停止了将不准确的新闻贴上“有争议”的标签的策略，这可以适度降低被贴上标签的新闻标题的感知准确性（Blair等人，2017年），但一些研究表明，警告的存在可能会导致未贴标签的虚假新闻被视为更准确（Pennycook和Rand，2017年）。

媒体评论员认为，通过事实核查来消除错误信息的努力“没有奏效”（Levin 2017），错误信息总体上“变得势不可挡”（Ghosh和Scott 2018）。在本文中，我们提供了2015年1月至2018年7月so ci almedia上传播的错误信息量的新证据。我们收集了一份由570个网站组成的列表，这些网站被认定为前五期研究和在线列表中虚假新闻的来源。我们将这些网站统称为虚假新闻网站。我们按月衡量这些网站上所有网站的Facebook预订量和Twitter共享量。作为比较点，我们还测量了（i）一组主要新闻网站上的报道的相同结果；（ii）一组小型新闻网站，未被认定为在网上发布错误信息；以及（iii）一套涵盖商业和文化主题的网站。结果显示，从2015年初到2016年大选后的几个月，我们数据库中虚假新闻网站在Facebook和Twitter上的互动稳步上升。Facebook上的互动减少了一半以上，而推特上的互动继续增加。从本期开始到2016年末，Facebook预订量与Twitter共享量的比率大致稳定在40:1左右，然后在样本期结束时降至15:1左右。相比之下，与主要新闻网站、小型新闻网站、商业和文化网站的互动在一段时间内都保持相对稳定，2016年大选前后，Facebook和推特上也出现了类似的趋势。

虽然这一证据远未确定，但我们认为这与错误信息问题的总体规模可能已经下降的观点一致，至少是暂时的，2016年大选后，脸书限制信息传播的努力可能产生了重大影响。结果还表明，与信息传播的绝对互动水平仍然很高，脸书在传播中继续发挥着特别重要的作用。在选举期间，虚假新闻网站收到的Facebook订婚数量几乎与我们样本中的38个主要新闻网站一样多。即使在大选后大幅下降之后，脸书上虚假新闻网站的签约量仍然平均每月7000万卢布。我们的证据受制于许多重要的注意事项，必须谨慎解释。对于互动中的原始趋势，这一点尤其正确。虽然我们试图使我们的虚假故事数据库尽可能全面，但它可能还远未完成，许多因素可能会产生随时间变化的选择性偏差。Facebook业务量的大幅下降可能部分反映了对本可以在我们的抽样期内进入或获得人气的网站的抽样不足，以及虚假信息制作人通过更改域名来逃避Facebook的检测。这也可能反映出随着时间的推移，对高度党派政治内容的需求发生了变化，如果不努力消除信息，这种变化就会存在，并且可能在未来发生逆转，例如在未来选举的准备阶段。我们认为，将Facebook与推特共享进行比较，可能会提供更多信息。

如果这些平台的设计及其用户的行为随着时间的推移保持稳定，我们可能会预期样本选择偏差或需求变化会产生类似的比例效应，而Facebook与推特共享的比例大致保持不变。例如，我们可能期望生产者更改do main名称以逃避检测，从而在我们测量的两个pl at表单上的交互中产生类似的decline。事实上，2016年末之前，Facebook的活动和推特分享了相似的趋势，而我们的数据中，非虚假新闻网站的趋势也很相似，但选举之后，虚假新闻网站的趋势出现了明显的分歧，这表明一些因素减缓了Facebook上错误信息的相对传播。Facebook在大选后做出的一系列政策和算法改变似乎是一个有计划的候选人。然而，即使是对这些平台的相对比较也只是一种暗示。FaceBook和TWitter都对其平台进行了更改，因此，这一衡量标准最多只能反映前者与后者的相对影响。Facebook上的约会会影响推特上的共享，反之亦然。在我们的数据库中选择故事可能出于各种原因，不同的故事类型可能会在一个或另一个平台上共享，而且这种选择可能会随着时间的推移而变化。需求变化不必对两个平台产生相同的比例效应。其中一些因素可能会减弱脸书推特比率的变化，导致你的结果保守，但其他因素可能会随着时间的推移而产生明显的下降。在附录中，我们表明，我们的定性结果提供了一组稳健性检查，旨在部分解决潜在的样本选择偏差。

这些检查包括：（i）关注多个列表中被认定为虚假的站点；（ii）依次从我们的五个列表中排除网站，（iii）查找在不同时期活跃的网站；（iv）排除潜在的外包商，并查看不同规模的现场；以及（v）研究不同可能性的si TE发布错误信息。背景脸谱网和推特都已采取措施减少其平台上错误信息的传播。在应用程序endix中，我们列出了Facebook发布的12条此类公告，以及2016年大选之后Twitt发布的5条此类公告。大体上，平台采取了三种类型的行动来限制错误信息。首先，他们通过屏蔽重复分享虚假故事的页面上的广告和删除违反社区标准的账户，限制了其供应。第二，他们引入了诸如“有争议的”标签或“相关物品”之类的功能，这些功能可以提供与虚假存储相关的纠正信息。第三，他们改变了算法hms，以降低虚假存储的优先级，支持来自可靠公众的新闻以及来自朋友和家人的文章。立法者也在采取行动。例如，康涅狄格州、新墨西哥州、罗德岛州和华盛顿州于2017年通过了鼓励媒体素养和数字公民身份的法律（Zubrzycki2017）。Facebook、Goog le和Twitter的高管被要求在国会各委员会面前就他们打击错误信息的努力作证（Shaban等人，2017年；Popken 2018年）。尽管没有重大的国家立法，但这一证词可能提高了公众的认识。最后，民间社会组织也发挥着重要作用。

例如，新闻文学项目提供无党派教育材料，帮助教师教育学生评估信息的可信度；过去2月，对其材料的需求大幅增长（Strauss 2018）。2017年，新成立的新闻诚信倡议（NII）获得了十笔总金额为180万美元的赠款，以帮助建立新闻编辑室与公众之间的信任，使新闻编辑室更加多样化和包容性，并减少公众对话的两极分化（Owen 2017）。3数据我们结合之前的五个列表，编制了一份产生虚假新闻的网站列表：（i）Grin berg等人的一个研究项目（20 1 8490个网站）；（ii）PolitiFact的文章标题为“PolitiFact的虚假新闻网站指南及其内容”（Gillin 2017，325 si tes）；（iii）BuzzFeed关于虚假新闻的三篇文章（Silverman 2 0 16；Silverman et al.2017a；Silverman et al.2017b；223个站点）；（iv）Guess等人的一个研究项目（2018，92 sit es）；（v）FactCheck的文章标题为“发布虚假和讽刺故事的网站”（Schaedel 2017，61个网站）。Politifact和FactCheck是独立的新闻事实检查网站，而BuzzFeed同样应用新闻标准来评估她的文章是真是假。这两项研究项目的成果最初来源于其他三项研究的成果，再加上Snopes。com，另一个独立的事实调查网站，以及博客作者Brayton（2016）和媒体研究学者Z imdars（2016）整理的列表。五个列表的联合是我们虚假新闻网站的集合。PolitiFact和FactCheck直接与Facebook合作，评估Facebook用户发布的可能虚假的故事的真实性。因此，这些列表包含Facebook可能知道是假的假新闻网站。

因此，我们的研究结果可能会倾向于传播Facebook已知的错误信息，并且可能无法完全捕捉Facebook未知的错误信息趋势。很难评估后一个群体的规模。我们的名单几乎肯定包括虚假保守党最重要的提供者，因为Facebook用户可以浏览任何和所有可疑的文章进行审查。另一方面，该列表可能会排除大量产生虚假报道的小型网站。将这五个列表结合起来，总共会产生673个独特的站点。我们有570个的数据。我们在附录x中报告了样本期内50个最大网站的名称和原始列表，这些网站的总Facebook预订量加上Twitter共享量。在稳健性检查中，我们考虑了选择站点集的替代规则。我们的比较网站集是根据Alexa的类别级网络流量排名确定的。Alexa使用其全球流量面板来衡量网络流量。全球流量面板是数百万安装了浏览器扩展的国际用户的样本，允许记录他们的浏览数据，以及来自使用Alexa来衡量其流量的网站的数据。Alexa然后根据对单一访问者和页面浏览量的综合衡量对网站进行排名。我们将主要新闻网站定义为Alexa\'sNews类别中排名前100的网站。我们将小型新闻网站定义为在新闻类别中排名401-500的网站。我们将商业和文化网站定义为艺术、商业、健康、娱乐和体育类各50个网站。对于这些群体中的每一个，我们从我们的样本政府网站、数据库、不主要制作新闻或类似内容的网站、受众主要在美国以外的国际网站，以及包含在我们虚假新闻网站列表中的网站中省略。

我们的最终样本包括38个主要新闻网站、78个小型新闻网站和54个商业和文化网站。我们每月从BuzzSumo（www.BuzzSumo.com）收集2015年1月至2018年7月在这些网站上发布的所有文章的Facebook预订和推特分享。BuzzSumo是一个商业内容数据库，它使用Facebook、Twitter和其他社交媒体平台上的应用程序编程接口（API）提供的数据，跟踪用户与互联网内容的交互量。我们使用BuzzSumo的数据，通过创建网站和月份，统计Facebook的总签约量和推特的总共享量。Facebook签约被定义为(c)2018，Alexa Internet（www.Alexa.com）的股份、内容和反应的总和，如“喜欢”我们拥有列表中673个虚假新闻站点中570个站点的数据，以及对照组中所有站点的数据。我们对每个类别中所有网站每月的FacebookEngagement和推特分享的文章进行汇总，然后按季度进行平均。4结果图1显示了各类网站Facebook订婚次数和推特分享故事数量的趋势。在过去两年中，主要新闻网站、小型新闻网站以及商业和文化网站的互动相对稳定，并在Facebook和Twitter上遵循类似的趋势。这两个平台的主要新闻和小型新闻网站都呈现出温和的上升趋势，而商业和文化网站则呈现出温和的下降趋势。相比之下，与假新闻的互动随着时间的推移发生了更大的变化，而这两个平台上的变化非常不同。从2015年初到2016年大选，这两个平台上的虚假新闻互动稳步增加。