Combining interventions to reduce the spread of viral misinformation.
Combining interventions to reduce the spread of viral misinformation.
复制标题
DOI：
10.1038/s41562-022-01388-6
复制
发表时间：
2022-10
影响因子：
29.9
通讯作者：
West, Jevin D.
中科院分区：
文献类型：
--
作者：
Bak-Coleman, Joseph B.;Kennedy, Ian;Wack, Morgan;Beers, Andrew;Schafer, Joseph S.;Spiro, Emma S.;Starbird, Kate;West, Jevin D.
网上的错误信息构成了一系列威胁，从颠覆民主进程到破坏公共卫生措施。建议的解决方案包括鼓励个人更有选择性地分享，删除虚假内容和创建或推广虚假内容的帐户。在这里，我们提供了一个框架，以评估旨在减少病毒式错误信息的干预措施，无论是单独使用还是组合使用。我们开始推导病毒错误信息传播的生成模型，灵感来自传染病的研究。通过将该模型应用于2020年美国大选期间发生的错误信息事件的大型语料库（1050万条推文），我们发现通常提出的干预措施不太可能孤立地有效。然而，我们的框架表明，综合方法可以大幅减少错误信息的流行。我们的研究结果强调了一条切实可行的前进道路，因为网上的错误信息继续威胁着地球仪各地的疫苗接种工作、公平和民主进程。利用病毒传播的数学模型和Twitter数据，Bak-Coleman和合著者展示了事实核查、轻推和账户暂停等干预措施的组合如何有助于打击错误信息的传播。
Misinformation online poses a range of threats, from subverting democratic processes to undermining public health measures. Proposed solutions range from encouraging more selective sharing by individuals to removing false content and accounts that create or promote it. Here we provide a framework to evaluate interventions aimed at reducing viral misinformation online both in isolation and when used in combination. We begin by deriving a generative model of viral misinformation spread, inspired by research on infectious disease. By applying this model to a large corpus (10.5 million tweets) of misinformation events that occurred during the 2020 US election, we reveal that commonly proposed interventions are unlikely to be effective in isolation. However, our framework demonstrates that a combined approach can achieve a substantial reduction in the prevalence of misinformation. Our results highlight a practical path forward as misinformation online continues to threaten vaccination efforts, equity and democratic processes around the globe. Using a mathematical model of viral spread and Twitter data, Bak-Coleman and coauthors show how a combination of interventions, such as fact-checking, nudging and account suspension, can help combat the spread of misinformation.
登录
查看更多内容
影响因子：
4.6
作者：
Velásquez N;Leahy R;Restrepo NJ;Lupu Y;Sear R;Gabriel N;Jha OK;Goldberg B;Johnson NF
通讯作者：
Johnson NF
DOI：
10.1073/pnas.2100786118
发表时间：
2021-11-16
影响因子：
11.1
作者：
Juul, Jonas L.;Ugander, Johan
通讯作者：
Ugander, Johan
DOI：
10.1073/pnas.1806781116
发表时间：
2019-02-12
影响因子：
11.1
作者：
Pennycook, Gordon;Rand, David G.
通讯作者：
Rand, David G.
DOI：
10.1073/pnas.1618923114
发表时间：
2017-07-11
影响因子：
11.1
作者：
Brady, William J.;Wills, Julian A.;Van Bavel, Jay J.
通讯作者：
Van Bavel, Jay J.
影响因子：
64.8
作者：
Lloyd-Smith JO;Schreiber SJ;Kopp PE;Getz WM
通讯作者：
Getz WM