从新浪“微博辟谣”小组建立看微博辟谣现状

自媒体时代,基于微博自身的传播特点,越来越多的谣言在微博这一平台上被撰写并发布。官方辟谣成为治理谣言的新模式,新浪"微博辟谣"小组,更是其中的佼佼者。本文通过对于新浪辟谣小组所辟谣言的内容的观察后,分析了新浪官方辟谣的发展现状,总结其优势和局限,再对未来微博辟谣的发展提出相关的建议。

微博辟谣的作用机制初探——以新浪微博为例

随着互联网的兴起与普及,微博以其便捷易用、实时和动感、话语权的下放等特质,成为网络谣言滋生与传播的温床。本文以新浪微博为探讨对象和平台,试从传播学、社会心理学等角度探究微博辟谣机制产生和存在的动因,找出其中的规律性因素。

微博辟谣的发展和治理模式——以新浪微博辟谣为例

本文以新浪微博辟谣为研究对象,分析2010年11月20日到2011年7月1日的新浪微博辟谣博文,通过分析博文总数量、内容分类和惩罚方式、转发、评论前三名,得出新浪辟谣主要以发博文告知博友的方式进行,对于涉及人身攻击、诽谤等恶劣影响的发布者,则注册用户进行惩罚。新浪辟谣微博在努力提高辟谣速度,成果虽多,但与网络上、微博上流传的大量谣言相比,还有较大差距。

基于辟谣微博的互动及热门评论情感倾向的辟谣效果研究——以新冠疫情相关辟谣微博为例

[目的/意义]增强社交媒体平台上的辟谣效果可以为辟谣提供新的思路,加快辟谣过程,减轻谣言的危害。[方法/过程]提出了辟谣效果指数(REI)。搜集2020年1月1日至2020年4月20日由“微博辟谣”转发的辟谣信息,应用自然语言处理(NLP)方法,以提取辟谣微博的文本特征,分析辟谣微博文本、热门评论的情感倾向。采用人工标注法验证了REI对辟谣效果评价的有效性,并探索REI与辟谣微博的内容特征与背景特征之间的关系,建立了四种回归模型,基于综合拟合表现最优的XGBoost回归模型,利用SHapley Additive exPlanations(SHAP)对回归结果进行可视化和分析。[结果/结论]基于分析结果,为不同辟谣情景(如辟谣者的影响力、话题热度等)提出了如何组织辟谣信息以增强辟谣效果的决策建议,REI也可应用于其他社交媒体平台。

疫情期网络谣言的传播特征与治理重点探究

疫情期间的网络谣言具有特殊性,围绕人、疫情以及人与疫情互动的关系,在社会公众与新闻报道的相互作用下,借由一定的热议话题表现出来,反映了疫情给社会运行带来的各方面影响。本文依据"中国互联网联合辟谣平台",①统计了2020年1月22日至同年3月14日期间的网络谣言共500条,以下所称"网络谣言"皆基于此。"中国互联网联合辟谣平台"由中央网信办(国家互联网信息办公室)违法和不良信息举报中心主办,新华网承办,成员单位包括各地网络辟谣平台,合作单位有百度辟谣、今日头条、腾讯较真、新浪微博等,其信息数据具有权威性。

基于仿真模型的社交网络辟谣效果研究

在经典SIR谣言传播模型的基础上,加入辟谣者角色,提出"谣言传播—谣言辟谣交互传播"的二阶段SIAR传播模型;以数值仿真方法,探究真实在线社交网络的谣言、辟谣信息传播与辟谣效果。研究发现,越早发布辟谣信息,辟谣效果越好,滞后一定时期发布辟谣信息,辟谣无效;应该抓住"谣言出现"向"谣言扩散"阶段转变时刻辟谣。与其他节点关系紧密、周围个体未聚集成团的用户,对辟谣效果产生显著影响;应让辟谣信息迅速扩散到不同特征的群体中,再让"高密度"群体自行扩散,形成"1个中心—多个领袖—无数小群体"的辟谣模式。公众对辟谣信息的接受度,无法影响谣言传播进程,但可以减少最终相信谣言人数;谣言预防比谣言防治更为重要。