新冠疫情期间健康信息网络谣言的逆转模型

新冠疫情期间健康信息网络谣言的逆转模型

王晰巍

新冠疫情期间的谣言

新冠疫情深刻地改变了全球经济与社会,使得社会中的每个人、每个组织都进入了VUCA时代,即一个动荡(Volatility)、不确定(Uncertainty)、复杂(Complexity)和模糊(Ambiguity)的时代。互联网和社交媒体的发展扩大了信息传播的速度和范围,但在社交媒体上传播的有关新冠疫情的信息都是真实且可信的吗?发布的谣言会不会对网民和社会稳定产生负面影响?在全球新冠疫情盛行期间,由于互联网用户缺乏与健康有关的知识,导致了其对健康信息需求剧增,同时也极大地刺激了大众媒体对于健康信息的传播,但这也为造谣者提供了发布和传播健康信息的网络谣言的机会。如果无法及时对不实健康信息相关的网络谣言进行辟谣和控制,极易引发社会恐慌,影响社会公共秩序的同时也破坏了危机事件下的社会稳定。因此,如何对关于健康信息的网络谣言传播进行逆转及控制,是当前新冠肺炎疫情期间网络谣言治理及舆情引导的重要社会议题。

—逆转并控制关于健康信息的网络谣言的传播,是当前新冠肺炎疫情期间网络谣言治理及舆情引导的重要社会议题—

我们的研究主要考察了以下几方面的研究问题:(1)如何基于传统传染病的SIR模型,并结合科学知识水平理论构建G-SCNDR网络谣言逆转模型;(2)以新冠疫情期间的“双黄连事件”网络谣言为例,确定G-SCNDR网络谣言反转模型的传播规模和逆转路径;(3)对G-SCNDR网络谣言逆转模型中的参数进行敏感性分析,以确定相应措施,进而提高网络谣言逆转模型的效率。

谣言传播和逆转的模拟

研究在综合考虑健康信息网络谣言传播及逆转的内外部因素基础上,采纳科学知识水平理论对社交网络中的用户类型进行分类,确定健康信息网络谣言传播的具体策略,构建了网络谣言逆转模型G-SCNDR,对健康信息网络谣言的传播和逆转过程进行全局模拟,并对其传播及逆转的过程进行对比分析。

网络谣言逆转的G-SCNDR模型

研究提出的网络谣言逆转模型G-SCNDR,是以传统传染病SIR模型为基础,采纳了科学知识水平理论及“隔离-转换”策略进行构建的。根据模型的设计,研究将谣言逆转过程主要分为两个阶段,包括信息真空阶段(第一阶段)和信息披露阶段(第二阶段),官方节点采取外部控制策略之前为真空阶段,采取外部控制策略之后为信息披露阶段。在信息真空阶段,健康信息网络谣言在社交媒体中传播,在科学知识水平的影响下,系统中易感用户将分别转化为3种状态,分别是接触网络谣言后否认网络谣言的用户、相信网络谣言并传播谣言的用户C(t)、无法确定网络谣言的真实性保持中立并可能传播网络谣言的用户U(t)。

图1 网络谣言传播过程中用户状态转化图

图2 G-SCNDR网络谣言逆转过程中用户状态转化图

某一时刻t0,官方机构实施外部介入措施“隔离-转化”策略。官方机构找到部分有影响力的传播网络谣言的轻信节点及中立节点,人为的将这些用户转化为辟谣信息的用户,并对辟谣信息的微博进行转发,以证明发布辟谣信息的权威性及真实性,将此类人群命名为政府代言人节点G(t)。

此时系统中由于出现具有权威性的辟谣信息,中立节点和轻信节点自发开始转化为否认节点。同时,由于政府代言人节点的存在,易感节点出现两种转化为否定节点的方式。图1为网络谣言传播过程中用户的状态转化图,图2为网络谣言逆转过程中用户状态的转化图。

“隔离-转变”策略

研究从内部因素及外部因素角度出发,基于SIR模型采纳科学知识水平理论与外部网络谣言控制策略,构建了G-SCNDR网络谣言逆转模型,采用仿真分析方法对提出的G-SCNDR模型进行模拟,并对模型的重要参数进行敏感性分析,提出“隔离-转换”策略可以更好地控制网络谣言。研究发现,通过适当的采纳“隔离-转换”策略作为网络谣言外部控制的措施,提升用户科学知识水平的普及率,促进官方节点的转化效率,可以提升G-SCNDR网络谣言逆转模型的逆转效率。研究可以更好地帮助理解突发公共卫生事件背景下网络谣言的传播及网络谣言逆转过程,为突发公共卫生事件期间的网络谣言控制提供一定的指导和参考。

本文引用格式:Wang, X., Li, Y., Li, J., Liu, Y., & Qiu, C. (2021). A rumor reversal model of online health information during the Covid-19 epidemic. Information Processing and Management, 58(6). https://doi.org/10.1016/j.ipm.2021.102731

Author

  • Xiwei Wang is a professor in Jilin University, Changchun, China. Her research interests include big data, data mining, social media and information ecology. Her research has been funded by NSSFC, NSFC and other organizations. She has published over 150 journal articles in such outlets as Information Technology & Management, Information Processing & Management and CSSCI Journals.

Xiwei Wang

Xiwei Wang is a professor in Jilin University, Changchun, China. Her research interests include big data, data mining, social media and information ecology. Her research has been funded by NSSFC, NSFC and other organizations. She has published over 150 journal articles in such outlets as Information Technology & Management, Information Processing & Management and CSSCI Journals.