占 欣 夏志杰 羅夢瑩 何 音

（上海工程技術大學管理學院 上海 201620）

1 引言

社會化媒體的影響力日益凸顯，是目前社會化媒體用戶進行信息傳播和資源共享的重要平臺，但是伴隨而來的問題也很明顯，社會化媒體因其移動性和便捷性使得用戶可以隨時隨地傳播信息，迅速且高效的信息傳播特點也為謠言的產生和傳播提供了條件[1]，由于謠言具有傳播速率快、影響領域廣等特點，如果沒有完善的機制來及時有效地抑制謠言的傳播，謠言的危害性將會越來越大。

目前應對社會化媒體謠言傳播的方法大多是依靠政府和媒體的力量來實現，但在實踐中都存在辟謠成本高、可操作性和及時性不強、實際效果有限等問題[2]。因此有研究開始討論如何利用群體智慧（Collective Intelligence）來應對社會化媒體謠言的傳播[3]，一般認為群體智慧是由用戶通過自身的知識和經驗，以及用戶間的協作共享或競爭等機制，產生的優(yōu)于任何個體的智慧[4]。有研究從群體批判力、眾包等角度分析群體智慧對謠言傳播的影響，認為群體智慧可以影響群體成員相互之間的謠言傳播行為[5]；社會化媒體上大量的用戶生成內容可以快速地減少謠言的負面效應[6]，同時社會化媒體的特殊功能也使得利用群體智慧應對謠言傳播更加及時有效。相關研究已經從不同方面表明群體智慧可以抑制謠言的傳播[7-9]。

但目前關于群體智慧抑制社會化媒體謠言傳播的相關研究大多是定性或個案研究[10]，如何有效地利用群體智慧來應對謠言傳播未能得到詳細描述。鑒于此，文章通過構建系統動力學模型，從群體智慧的視角來探究社會化媒體謠言傳播的影響因素及其因果關系，模擬仿真謠言演化過程，以幫助更好地理解群體智慧抑制謠言傳播的作用機理，進而針對性地提出對策建議，為政府等相關部門處理社會化媒體謠言傳播問題提供參考。

2 社會化媒體謠言傳播的因果分析

社會化媒體謠言傳播是一個復雜非線性的動態(tài)過程，謠言傳播過程中，用戶、媒體、政府等各因素相互作用和相互影響，共同構建了一個社會化媒體謠言傳播系統。文章從群體智慧的視角探索影響謠言傳播的因素，構建系統動力學模型進行研究。

2.1 謠言傳播影響因素分析

社會化媒體謠言傳播過程中，用戶持續(xù)不斷受到各種外界因素的影響，其應對謠言問題的行為也截然不同。有些用戶會理性判斷謠言信息并且會在評估信息的可信度后再決定是否傳播信息[11]；另外一些用戶傳播謠言是為了尋求事實的真相，通過質疑、反駁或舉證謠言的行為使得謠言及時被遏制[12]，個體的力量得到凝聚，群體智慧得到發(fā)揮。這些用戶行為對謠言傳播產生了巨大的影響，媒體、政府等也會影響謠言傳播，基于此，文章將謠言傳播的影響因素總結歸納為：討論熱度、報道熱度以及群體智慧作用效果。

討論熱度指用戶參與話題的討論程度，包括發(fā)布謠言的數量，傳播謠言信息的頻率，但是不包括帶有質疑、反駁或舉證謠言的傳播行為。

報道熱度指媒體和政府的參與程度，包括目擊媒體和政府對事件的報道數量以及社會化媒體上謠言信息的轉發(fā)數量。目擊媒體是一種媒體現象：作為目擊者的普通人通過拍照記錄下一些真實的具有新聞價值的畫面瞬間，并在社會化媒體上發(fā)布和傳播，一些專業(yè)媒體采用這些圖片或視頻進行新聞報道[13-14]，以及時辟謠。

群體智慧作用效果指社會化媒體謠言傳播過程中，部分用戶行為抑制謠言傳播的作用，如用戶不是隨意地傳播謠言，而是加以反駁、舉證或糾正后才傳播，這些行為在一定程度上激發(fā)了群體智慧的形成。基于大量文獻研究，文章歸納出幾個影響群體智慧作用效果的因素：群體極化、用戶理性、用戶規(guī)模、用戶多樣性及用戶獨立性。

（1）群體極化：群體是一個錯綜復雜的系統，而群體表現出來的智慧受很多因素影響。李可[15]認為由于事件模糊度較高，用戶往往會在短時間內對完全不了解的事件或信息采取立即接受或者完全排斥的極端做法，這種行為會導致群體極化。Myers[16]等認為包含道德傾向的信息較為敏感，而這種敏感性會直接影響到用戶的是非判斷。用戶交互強度和意見領袖會影響用戶之間的決策，引領用戶的思維走向，導致群體極化[17]。Cass Sunstein[18]指出群體極化會引導群體背離最佳決策，群體智慧的質量大大減弱。

（2）用戶理性：Kai Wang[19]等通過調查發(fā)現具有批判性思維的群體做出的決策更加理性和正確，用戶的知識水平不同，其理性程度也不同，用戶理性在一定程度上可以激發(fā)群體智慧。

（3）用戶規(guī)模：Stenfan Krause[20]和Brent Gallupe[21]等通過研究表明：用戶規(guī)模越大，用戶決策質量越高；而Manners[22]通過實驗證明群體規(guī)模和群體決策質量之間呈拋物線式的曲線關系，因此要強化群體智慧的效能，必須合理控制群體規(guī)模。

（4）用戶多樣性及用戶獨立性：Scott Page[23]認為觀點多樣化的群體擁有更高的智慧，更善于解決問題。Everett Stiles[24]等發(fā)現，思想獨立和觀點各異的用戶集體創(chuàng)作的過程就是群體智慧實現的過程。

2.2 社會化媒體謠言傳播因果回路圖

綜合以上分析，當謠言演化到一定熱度時，事件模糊性增強導致群體極化，此時會有意見領袖引導輿論走向，加劇群體極化，抑制了群體智慧的形成。部分用戶由于自身的知識背景等因素，會影響其用批判的眼光看待問題并且不會被環(huán)境和他人的觀點所影響，這部分用戶所發(fā)表觀點的理性程度比較高，可抑制謠言的傳播。與此同時，事件關注度上升，目擊者上傳照片的積極性越高，此時專業(yè)媒體就會快速收集和整理平臺上的真實信息素材，核實信息的正確性并且及時報道事件的真實信息以及辟謠虛假信息，謠言熱度逐漸下降，形成因果循環(huán)。

通過對謠言傳播過程各影響因素的因果關系分析，可知謠言傳播過程是一個動態(tài)復雜的系統，因此，文章利用系統動力學方法構建了謠言傳播的因果回路圖，如圖1所示。

圖1 社會化媒體謠言傳播系統因果回路圖

3 社會化媒體謠言熱度系統流圖分析

3.1 系統流圖構建

系統流圖是指在因果回路圖基礎上對謠言傳播系統更加詳細具體的刻畫和描述，體現了各變量之間的數學關系和量的積累過程。在該系統流圖中，存量是謠言熱度，用來表示社會化媒體謠言的傳播狀態(tài)，將討論熱度、報道熱度、群體智慧作用效果這三個影響因素作為流率變量，共同影響謠言熱度，最終確定社會化媒體謠言傳播的系統流圖如圖2所示。

3.2 主要變量方程式及說明

構建系統流圖后，確定變量間的方程關系，然后對謠言傳播系統進行模擬仿真。通過專家打分法以及層次分析法獲得變量方程式中的權重，以下是一些主要變量的方程式及說明。

圖2 社會化媒體謠言傳播系統流圖

（1）討論熱度=事件敏感度*轉發(fā)意愿*話題討論頻率

說明：謠言隨著用戶的傳播，影響力越來越大，且事件越敏感，用戶傳播行為越強烈，但隨著時間的遞延，討論熱度逐漸變弱。

（2）報道熱度=（專業(yè)媒體參與度+政府參與度）/社會化媒體參與度

說明：專業(yè)媒體參與度越大，抑制謠言傳播的作用就越大；社會化媒體參與度越大，謠言熱度越大。

（3）群體智慧作用效果=用戶決策效果*用戶理性*用戶規(guī)模/群體極化

說明：群體極化程度越大表明用戶的輿論導向越一致，群體智慧的作用效果大大減弱。

（4）政府參與度= DELAY1I（政府關注度*工作質量,2,0）

說明：由于政府從事件發(fā)生到干預措施落實需要一定的時間，故政府的作用存在一定的延遲。謠言熱度初始值為0。

（5）謠言熱度=INTEG（A*討論熱度-B*報道熱度-C* 群體智慧作用效果，0）

說明：討論熱度、報道熱度、群體智慧作用效果共同影響謠言熱度，假設各因素權重分別為A、B、C，且權重之和為1，其取值通過專家打分法獲得，通過不斷調試模型最終確定各權重的取值，謠言熱度初始值設為0。

3.3 模型參數權重估計

（1）常量參數

2016年11月25日，深圳媒體人羅爾在網上發(fā)布文章《羅一笑，你給我站住》，目的是通過“賣文”的方式為患病的女兒募集醫(yī)藥費，經核實孩子生病是真，但“賣文”籌錢事件為網絡營銷。

模型中，好奇心理、事件模糊度、事件敏感度、事件來源官方性、用戶交互強度、意見領袖作用、用戶批判力、用戶規(guī)模、用戶多樣性、用戶獨立性、目擊媒體影響力、知識水平、事件關注度、平臺吸引力、實名認證完善度、政府反應速度指標包含了用戶主觀反應或者心理因素，因此以該輿情事件為例，通過問卷調查的形式，由社會化媒體用戶填寫問卷來獲取相關數據。假設這些指標為常量，取值范圍為0 —100，用戶反饋值越大，表示變量作用越強?；厥諉柧聿⒌玫矫總€常量的平均值為：56.2，39.2，50.2，66.3，40.6，42.5，41.2，77.4，67.2，64.3，46.2，43.2，36.1，77.1，32.2，60.3。

（2）表函數

用戶、社會化媒體和政府分別通過話題討論頻率、社會化媒體轉發(fā)頻率和政府報道頻率表示對謠言事件的參與度。文章以“羅一笑”事件為例，分別選取天涯論壇、微信、新浪微博、人民網以及政府官方網站作為數據的來源，用表函數分別表示各個主體對事件的報道數量或討論傳播量，以此表示其頻率。

社會化媒體轉發(fā)頻率

=WITHLOOKUP(Time, ([(0,0)-(15,150)], (0,148),(1,78), (2,56), (3,45), (4,39), (5,27), (6,16), (7,15), (8,17),(9,14), (10,12), (11,9), (12,5), (13,4), (14,3), (15,1)))

話題討論頻率

=WITHLOOKUP(Time, ([(0,0)-(15,2000)], (0,238),(1,2000), (2,1695), (3,890), (4,679), (5,589), (6,210), (7,180),(8,101), (9,80), (10,76), (11,68), (12,45), (13,36), (14,26),(15,9)))

政府報道頻率

=WITHLOOKUP(Time, ([(0,0)-(15,80)], (0,78), (1,70),(2,65), (3,59), (4,55), (5,52), (6,49), (7,42), (8,38), (9,28),(10,16), (11,13), (12,9), (13,8), (14,6), (15,3)))

4 仿真結果及分析

4.1 初始狀態(tài)分析

根據上述模型中的常量值和變量表達式，運用Vensim PLE軟件進行建模和仿真，最終確定圖3為模型初始狀態(tài)的仿真結果，此時a=0.23，b=0.27，c=0.31，d=0.19，結果基本符合事件真實情況。以“羅一笑”事件，相關平臺或網站為數據來源的自然狀態(tài)為該模型的初始狀態(tài)。由圖可知，事件在短時間內便可達到謠言熱度的最高點，說明該事件影響力比較大，由模型仿真的初始狀態(tài)圖可知，謠言傳播可劃分為三個階段，0—1天表示社會化媒體謠言傳播無限制，熱度依照直線式上升；1—2天由于謠言的不斷轉發(fā)，熱度繼續(xù)上升，但是用戶的好奇心理逐漸減弱，群體智慧和目擊媒體的影響力逐漸顯現，較之前的上升速度有所下降；然后政府開始全面實施辟謠措施，2天以后，熱度開始逐漸減退。

圖3 謠言傳播的初始狀態(tài)

已有研究通過系統動力學建模和仿真，表明討論熱度、報道熱度對社會化媒體謠言熱度的影響[25]，故文章不再贅述這兩個因素對謠言傳播的作用。在謠言傳播初始狀態(tài)的基礎上，文章主要分析了群體智慧抑制謠言傳播效果的因素。鑒于此，文章對群體智慧的影響因素（群體極化、用戶理性、用戶規(guī)模、用戶多樣性和用戶獨立性）進行分析，探究相關因素的變化對謠言熱度的影響。

4.2 群體智慧作用效果分析

圖4 群體極化對謠言傳播的影響

在模型的初始狀態(tài)下，分別提高事件敏感度、事件模糊度、用戶交互強度以及意見領袖作用的取值，分析群體極化對謠言熱度的影響。由圖4可知，相對于初始狀態(tài)，事件敏感度、事件模糊度、用戶交互強度和意見領袖作用分別提高30%，謠言熱度均上升，并且事件敏感度對謠言熱度的影響最大，遠遠大于其他因素的影響。本文中的“羅一笑”事件涉及到比較敏感的話題，因此在這種情況下，用戶往往會不假思索伸出援手并且呼吁身邊人的幫助，從而造成事件迅速且廣泛傳播。事件模糊度的影響次之，用戶在不了解事件的真實情況下極容易傳播謠言，導致謠言迅速擴散。意見領袖的觀點是大多數用戶的風向標，影響用戶的從眾心理，從圖中可以看出意見領袖作用對謠言熱度的影響較大。用戶交互強度會影響用戶的觀點和想法，導致群體極化，由圖4可知用戶交互強度對謠言熱度的影響較小。因此，群體極化會減弱群體智慧抑制謠言傳播的效果并且會起到增強謠言熱度的作用。

圖5 用戶理性對謠言傳播的影響

在模型的初始狀態(tài)下，分別改變用戶批判力和知識水平的取值，分析用戶理性對謠言熱度的影響。由圖5可知，相對于初始狀態(tài)，用戶批判力和知識水平提高30%，謠言熱度均下降；當用戶批判力降低30%時，謠言熱度上升，且幅度遠遠大于下降幅度，因此用戶批判力的影響力較大。用戶的批判性思維可以促使其質疑信息的可信度，并且加以反駁或舉證，做出最佳決策，從而有效降低謠言熱度。因此，用戶理性的提高可以加強群體智慧抑制謠言傳播的效果。

圖6 用戶規(guī)模對謠言傳播的影響

圖7 用戶多樣性和用戶獨立性對謠言傳播的影響

在模型的初始狀態(tài)下，分別改變用戶規(guī)模、用戶多樣性和用戶獨立性的取值，分析其對謠言熱度的影響。由圖6、7可知，相對于初始狀態(tài)，用戶獨立性和用戶多樣性增減30%，謠言熱度均下降或上升且幅度相差不大；用戶規(guī)模增減30%時，謠言熱度變化幅度最大；當用戶規(guī)模下降30%時，謠言熱度迅速上升且幅度大于下降幅度。因此，當用戶規(guī)模較小時，群體智慧很難被激發(fā)，導致用戶決策不佳，謠言迅速擴散；而用戶規(guī)模越大，抑制謠言傳播的效果越強；而用戶獨立性和用戶多樣性可以使用戶的觀點多樣且獨立，促進群體智慧的形成，從而更好地降低謠言熱度。因此，用戶規(guī)模、用戶獨立性以及用戶多樣性的提高均可以加強群體智慧抑制謠言傳播的效果。

5 結果及建議

根據建模和仿真結果，群體極化會大大減弱群體智慧抑制謠言傳播的效果并且增強社會化媒體謠言的熱度；而用戶理性、用戶規(guī)模、用戶多樣性及用戶獨立性均會加強群體智慧抑制謠言傳播的效果。根據以上結論，提出以下建議：

文章表明事件敏感度和事件模糊度是導致群體極化的主要原因，因此監(jiān)管機構必須建立公開透明、及時高效的謠言事件發(fā)布制度。用戶行為會導致群體極化現象，政府及相關部門要采取有效措施引導用戶極端負面情緒和行為，比如在官方網站、論壇和各大媒體平臺發(fā)表介紹突發(fā)事件現狀的新聞或者帖子，使用戶全面了解事件的真相。意見領袖作用有時候也會導致群體極化，因此，可借助意見領袖的正面力量，在有影響力的網站或論壇上多提出一些建設性意見，強化正面言論。

文章發(fā)現用戶理性的提高可以有效降低謠言熱度，尤其是用戶的批判力。一方面，平臺中大量用戶的觀點和思維經過沖擊和碰撞不斷升值和釋放，借助部分用戶的批判能力反駁、舉證或糾正謠言。因此，可建立相應的激勵措施，鼓勵用戶參與謠言的質疑、反駁或舉證，及時有效辟謠。針對新浪微博等社會化媒體，平臺可采用積分制，即用戶參與一次反駁或舉證便可得到積分鼓勵，積分越多表明用戶信譽越高，并且可獲得平臺其他的獎勵，物質和精神的雙層激勵可使更多的用戶參與行動。另一方面，官方社會化媒體平臺可在新浪微博或微信公眾號上定期發(fā)布一些如何鑒別謠言的方法。如：從傳播者或發(fā)布人身份判斷；從謠言內容本身判斷；借助百度識圖或谷歌搜圖判斷圖片內容的真假等。通過科普相關識別謠言的方法，用戶識別真假信息的能力逐漸得到提高，從而減少謠言的傳播。

文章發(fā)現用戶規(guī)模、用戶多樣性以及獨立性的提高可以降低謠言熱度，而社會化媒體用戶的異質化程度較低，因此必須鼓勵和積極開發(fā)各種交流平臺，讓用戶能借助大量不同的平臺充分表達自己的觀點和思想。用戶多樣性和獨立性可以保證觀點多樣且不受他人影響，從而激發(fā)出群體智慧。開發(fā)出可以自由編輯類似維基百科的辟謠平臺，用戶基于自愿、獎勵、信息需求和自我滿足等動機，可以發(fā)布自己了解的相關真實信息，也可以編輯他人發(fā)布的內容。同時，平臺需完善實名認證制度且有權刪除和編輯用戶的各種言論。相關獎勵措施可由政府出臺，激勵更多的用戶發(fā)布事件的相關真實信息。

文章表明目擊媒體也可以抑制謠言的傳播，盡管社會化媒體十分發(fā)達，人人都可以發(fā)表言論，但專業(yè)媒體所擁有的信息素材和來源仍然是權威的。面對突發(fā)事件，專業(yè)媒體要充分發(fā)揮好專業(yè)優(yōu)勢，不跟風報道，提高自身的謠言辨別和信息檢索能力。與此同時，用戶數量眾多，當專業(yè)媒體不能第一時間趕赴現場時，媒體和用戶了解真相的核心途徑就來自于目擊者的圖片和影像，所以必須加強用戶的信息素養(yǎng)，以便用戶在突發(fā)事件情境下可以拍攝和提供可靠的目擊信息。目擊媒體與專業(yè)媒體的新聞生產之間不應該相互獨立，而應該是信息互相補充和完善的合作關系，讓用戶能更加積極主動地參與新聞生產，結合目擊媒體和專業(yè)媒體的作用才可以更好地減少謠言的負面效應。

6 結語

文章以群體智慧因素為主，試圖從新的研究視角探索社會化媒體謠言的傳播問題。文章借助系統動力學建模和仿真對群體智慧抑制謠言傳播的作用機理作了較為詳細的研究，分析了群體極化、用戶理性、用戶規(guī)模、用戶多樣性和用戶獨立性對群體智慧抑制謠言傳播效果的影響，針對如何激發(fā)和充分利用群體智慧的力量來抑制謠言傳播提出了策略。文章嘗試使用系統動力學模型和仿真研究群體智慧抑制謠言傳播的效果問題，對目前的定性研究是一個很好的補充，但是對群體智慧抑制謠言傳播效果的因素分析不夠全面，這部分的完善將是后續(xù)的研究工作。

（來稿時間：2017年9月）