社交媒體上錯誤信息的傳播是一個緊迫的社會問題，科技公司和政策制定者繼續努力解決這個問題，然而那些研究這個問題的人仍然沒有深入了解虛假新聞傳播的原因和方式。為了對這個話題進行一些說明，麻省理工學院（MIT）的研究人員開發了一個類似Twitter的社交網絡的理論模型，以研究新聞是如何被分享的，並探索非可信的新聞會比真相傳播得更廣的情況。
該模型中的代理人被說服他人接受其觀點的願望所驅動。該模型的關鍵假設是，如果人們認為某件事情具有說服力，並有可能使其他人更接近他們的想法，他們就會費心與粉絲分享。否則他們就不會分享。
研究人員發現，在這樣的環境下，當網絡高度連接或其成員的觀點嚴重分化時，可能是虛假的新聞將比具有較高可信度的新聞傳播得更廣泛，並深入到網絡中。
這項理論工作可以為新聞可信度與傳播規模之間關係的實證研究提供參考，這可能有助於社交媒體公司調整網絡以限制虛假信息的傳播。
“我們的研究表明，即使人們在決定如何分享新聞時是理性的，這仍然可能導致可信度低的信息被放大。”高級作者、土木與環境工程系教授兼系主任、數據、系統和社會研究所（IDSS）的核心教員、信息與決策系統實驗室（LIDS）的主要研究員Ali Jadbabaie說：“有了這種說服動機，無論我的信念有多極端–鑒於它們越極端，我通過調動他人的意見獲得的收益就越多–總有人會放大（該信息）。”
與Jadbabaie一起撰寫論文的還有第一作者Chin-Chia Hsu，他是IDSS社會和工程系統項目的研究生，以及LIDS研究科學家Amir Ajorlou。該研究上周在IEEE決策與控制會議上發表。
這項研究借鑒了麻省理工學院斯隆管理學院大衛-奧斯汀管理學教授Sinan Aral、媒體實驗室媒體藝術和科學教授Deb Roy和前博士后Soroush Vosoughi（現在是達特茅斯學院計算機科學助理教授）2018年的研究。他們對Twitter數據的實證研究發現，虛假新聞比真實新聞傳播得更廣、更快、更深。
Jadbabaie和他的合作者想深入了解為什麼會出現這種情況。他們假設，說服可能是分享新聞的一個強烈動機–也許網絡中的代理人想要說服其他人接受他們的觀點–並決定建立一個理論模型，讓他們探索這種可能性。
在他們的模型中，代理人對一項政策有一些先驗的信念，他們的目標是說服關注者將他們的信念向代理人的一方靠近。
一個新聞項目最初被發布給一個小的、隨機的代理子群，這些代理人必須決定是否與他們的關注者分享這個新聞。代理人會權衡這個項目的新聞價值和它的可信度，並根據新聞的驚人程度或說服力來更新其信念。
“他們會進行成本效益分析，看看平均而言，這條新聞是否會使人們更接近他們的想法，或者使他們遠離。而且我們還包括一個名義上的分享成本。例如，採取一些行動，如果你在社交媒體上傳播，你必須停下來做這個。把這看作是一種成本。或者，如果我分享了一些令人尷尬的東西，可能會產生聲譽成本。每個人都有這種成本，所以越是極端的、越是有趣的新聞，你就越想分享它，” Jadbabaie說。
如果新聞肯定了代理人的觀點，並且具有說服力，超過了名義成本，那麼代理人總是會分享新聞。但是，如果代理人認為該新聞是其他人可能已經看到的東西，那麼代理人就會失去分享它的動力。
由於代理人分享新聞的意願是其觀點和新聞的說服力的產物，代理人的觀點越極端或新聞越令人驚訝，代理人就越有可能分享它。
研究人員用這個模型來研究信息在新聞級聯過程中是如何傳播的，這是一個不間斷的分享鏈，迅速滲透到網絡中。
連接性和兩極分化
研究小組發現，當一個網絡具有高連接性並且新聞令人驚訝時，啟動新聞級聯的可信度閾值較低。高連通性意味着網絡中許多用戶之間有多種連接。
同樣，當網絡基本上是兩極分化的時候，有很多持極端觀點的代理人想要分享這條新聞，啟動新聞級聯。在這兩種情況下，可信度低的新聞會產生最大的級聯。
“對於任何一條新聞，都有一個自然的網絡速度限制，一個連接範圍，有利於信息的良好傳輸，在這個範圍內，真實新聞的級聯規模是最大化的。但如果你超過了這個速度限制，你就會陷入不準確的新聞或可信度低的新聞有更大的級聯規模的情況，”Jadbabaie說。
如果網絡中用戶的觀點變得更加多樣化，那麼可信度低的新聞就不太可能比真相傳播得更廣。
Jadbabaie和他的同事將網絡中的代理設計成理性的行為，因此該模型將更好地捕捉真實的人類在想要說服他人時可能採取的行動。
“有人可能會說這不是人們分享的原因，這也是有道理的。人們為什麼做某些事情是認知科學、社會心理學、神經科學、經濟學和政治學中激烈爭論的主題，”他說。“根據你的假設，你最終會得到不同的結果。但我覺得說服是動機的這個假設是一個自然的假設。”
他們的模型還顯示了成本如何被操縱以減少虛假信息的傳播。代理人進行成本效益分析，如果這樣做的成本超過了分享的好處，就不會分享新聞。
“我們不做任何政策規定，但這項工作表明，也許，有一些與分享新聞相關的成本並不是一個壞主意。”他說：“你之所以得到很多這樣的連帶效應，是因為分享新聞的成本實際上非常低。”
“社交網絡在塑造意見和影響行為方面的作用已被廣泛注意。”劍橋大學經濟學教授Sanjeev Goyal說：“Sinan Aral 和他在麻省理工學院的合作者進行的實證研究表明，虛假新聞比真實新聞得到更廣泛的傳播，”他沒有參與這項研究。“在他們的新論文中，Ali Jadbabaie 和他的合作者在一個優雅的模型幫助下為我們提供了對這一難題的解釋。”