影响群体智慧抑制社会化媒体谣言传播的因素研究*

占 欣 夏志杰 罗梦莹 何 音

（上海工程技术大学管理学院 上海 201620）

1 引言

社会化媒体的影响力日益凸显，是目前社会化媒体用户进行信息传播和资源共享的重要平台，但是伴随而来的问题也很明显，社会化媒体因其移动性和便捷性使得用户可以随时随地传播信息，迅速且高效的信息传播特点也为谣言的产生和传播提供了条件[1]，由于谣言具有传播速率快、影响领域广等特点，如果没有完善的机制来及时有效地抑制谣言的传播，谣言的危害性将会越来越大。

目前应对社会化媒体谣言传播的方法大多是依靠政府和媒体的力量来实现，但在实践中都存在辟谣成本高、可操作性和及时性不强、实际效果有限等问题[2]。因此有研究开始讨论如何利用群体智慧（Collective Intelligence）来应对社会化媒体谣言的传播[3]，一般认为群体智慧是由用户通过自身的知识和经验，以及用户间的协作共享或竞争等机制，产生的优于任何个体的智慧[4]。有研究从群体批判力、众包等角度分析群体智慧对谣言传播的影响，认为群体智慧可以影响群体成员相互之间的谣言传播行为[5]；社会化媒体上大量的用户生成内容可以快速地减少谣言的负面效应[6]，同时社会化媒体的特殊功能也使得利用群体智慧应对谣言传播更加及时有效。相关研究已经从不同方面表明群体智慧可以抑制谣言的传播[7-9]。

但目前关于群体智慧抑制社会化媒体谣言传播的相关研究大多是定性或个案研究[10]，如何有效地利用群体智慧来应对谣言传播未能得到详细描述。鉴于此，文章通过构建系统动力学模型，从群体智慧的视角来探究社会化媒体谣言传播的影响因素及其因果关系，模拟仿真谣言演化过程，以帮助更好地理解群体智慧抑制谣言传播的作用机理，进而针对性地提出对策建议，为政府等相关部门处理社会化媒体谣言传播问题提供参考。

2 社会化媒体谣言传播的因果分析

社会化媒体谣言传播是一个复杂非线性的动态过程，谣言传播过程中，用户、媒体、政府等各因素相互作用和相互影响，共同构建了一个社会化媒体谣言传播系统。文章从群体智慧的视角探索影响谣言传播的因素，构建系统动力学模型进行研究。

2.1 谣言传播影响因素分析

社会化媒体谣言传播过程中，用户持续不断受到各种外界因素的影响，其应对谣言问题的行为也截然不同。有些用户会理性判断谣言信息并且会在评估信息的可信度后再决定是否传播信息[11]；另外一些用户传播谣言是为了寻求事实的真相，通过质疑、反驳或举证谣言的行为使得谣言及时被遏制[12]，个体的力量得到凝聚，群体智慧得到发挥。这些用户行为对谣言传播产生了巨大的影响，媒体、政府等也会影响谣言传播，基于此，文章将谣言传播的影响因素总结归纳为：讨论热度、报道热度以及群体智慧作用效果。

讨论热度指用户参与话题的讨论程度，包括发布谣言的数量，传播谣言信息的频率，但是不包括带有质疑、反驳或举证谣言的传播行为。

报道热度指媒体和政府的参与程度，包括目击媒体和政府对事件的报道数量以及社会化媒体上谣言信息的转发数量。目击媒体是一种媒体现象：作为目击者的普通人通过拍照记录下一些真实的具有新闻价值的画面瞬间，并在社会化媒体上发布和传播，一些专业媒体采用这些图片或视频进行新闻报道[13-14]，以及时辟谣。

群体智慧作用效果指社会化媒体谣言传播过程中，部分用户行为抑制谣言传播的作用，如用户不是随意地传播谣言，而是加以反驳、举证或纠正后才传播，这些行为在一定程度上激发了群体智慧的形成。基于大量文献研究，文章归纳出几个影响群体智慧作用效果的因素：群体极化、用户理性、用户规模、用户多样性及用户独立性。

（1）群体极化：群体是一个错综复杂的系统，而群体表现出来的智慧受很多因素影响。李可[15]认为由于事件模糊度较高，用户往往会在短时间内对完全不了解的事件或信息采取立即接受或者完全排斥的极端做法，这种行为会导致群体极化。Myers[16]等认为包含道德倾向的信息较为敏感，而这种敏感性会直接影响到用户的是非判断。用户交互强度和意见领袖会影响用户之间的决策，引领用户的思维走向，导致群体极化[17]。Cass Sunstein[18]指出群体极化会引导群体背离最佳决策，群体智慧的质量大大减弱。

（2）用户理性：Kai Wang[19]等通过调查发现具有批判性思维的群体做出的决策更加理性和正确，用户的知识水平不同，其理性程度也不同，用户理性在一定程度上可以激发群体智慧。

（3）用户规模：Stenfan Krause[20]和Brent Gallupe[21]等通过研究表明：用户规模越大，用户决策质量越高；而Manners[22]通过实验证明群体规模和群体决策质量之间呈抛物线式的曲线关系，因此要强化群体智慧的效能，必须合理控制群体规模。

（4）用户多样性及用户独立性：Scott Page[23]认为观点多样化的群体拥有更高的智慧，更善于解决问题。Everett Stiles[24]等发现，思想独立和观点各异的用户集体创作的过程就是群体智慧实现的过程。

2.2 社会化媒体谣言传播因果回路图

综合以上分析，当谣言演化到一定热度时，事件模糊性增强导致群体极化，此时会有意见领袖引导舆论走向，加剧群体极化，抑制了群体智慧的形成。部分用户由于自身的知识背景等因素，会影响其用批判的眼光看待问题并且不会被环境和他人的观点所影响，这部分用户所发表观点的理性程度比较高，可抑制谣言的传播。与此同时，事件关注度上升，目击者上传照片的积极性越高，此时专业媒体就会快速收集和整理平台上的真实信息素材，核实信息的正确性并且及时报道事件的真实信息以及辟谣虚假信息，谣言热度逐渐下降，形成因果循环。

通过对谣言传播过程各影响因素的因果关系分析，可知谣言传播过程是一个动态复杂的系统，因此，文章利用系统动力学方法构建了谣言传播的因果回路图，如图1所示。

图1 社会化媒体谣言传播系统因果回路图

3 社会化媒体谣言热度系统流图分析

3.1 系统流图构建

系统流图是指在因果回路图基础上对谣言传播系统更加详细具体的刻画和描述，体现了各变量之间的数学关系和量的积累过程。在该系统流图中，存量是谣言热度，用来表示社会化媒体谣言的传播状态，将讨论热度、报道热度、群体智慧作用效果这三个影响因素作为流率变量，共同影响谣言热度，最终确定社会化媒体谣言传播的系统流图如图2所示。

3.2 主要变量方程式及说明

构建系统流图后，确定变量间的方程关系，然后对谣言传播系统进行模拟仿真。通过专家打分法以及层次分析法获得变量方程式中的权重，以下是一些主要变量的方程式及说明。

图2 社会化媒体谣言传播系统流图

（1）讨论热度=事件敏感度*转发意愿*话题讨论频率

说明：谣言随着用户的传播，影响力越来越大，且事件越敏感，用户传播行为越强烈，但随着时间的递延，讨论热度逐渐变弱。

（2）报道热度=（专业媒体参与度+政府参与度）/社会化媒体参与度

说明：专业媒体参与度越大，抑制谣言传播的作用就越大；社会化媒体参与度越大，谣言热度越大。

（3）群体智慧作用效果=用户决策效果*用户理性*用户规模/群体极化

说明：群体极化程度越大表明用户的舆论导向越一致，群体智慧的作用效果大大减弱。

（4）政府参与度= DELAY1I（政府关注度*工作质量,2,0）

说明：由于政府从事件发生到干预措施落实需要一定的时间，故政府的作用存在一定的延迟。谣言热度初始值为0。

（5）谣言热度=INTEG（A*讨论热度-B*报道热度-C* 群体智慧作用效果，0）

说明：讨论热度、报道热度、群体智慧作用效果共同影响谣言热度，假设各因素权重分别为A、B、C，且权重之和为1，其取值通过专家打分法获得，通过不断调试模型最终确定各权重的取值，谣言热度初始值设为0。

3.3 模型参数权重估计

（1）常量参数

2016年11月25日，深圳媒体人罗尔在网上发布文章《罗一笑，你给我站住》，目的是通过“卖文”的方式为患病的女儿募集医药费，经核实孩子生病是真，但“卖文”筹钱事件为网络营销。

模型中，好奇心理、事件模糊度、事件敏感度、事件来源官方性、用户交互强度、意见领袖作用、用户批判力、用户规模、用户多样性、用户独立性、目击媒体影响力、知识水平、事件关注度、平台吸引力、实名认证完善度、政府反应速度指标包含了用户主观反应或者心理因素，因此以该舆情事件为例，通过问卷调查的形式，由社会化媒体用户填写问卷来获取相关数据。假设这些指标为常量，取值范围为0 —100，用户反馈值越大，表示变量作用越强。回收问卷并得到每个常量的平均值为：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）表函数

用户、社会化媒体和政府分别通过话题讨论频率、社会化媒体转发频率和政府报道频率表示对谣言事件的参与度。文章以“罗一笑”事件为例，分别选取天涯论坛、微信、新浪微博、人民网以及政府官方网站作为数据的来源，用表函数分别表示各个主体对事件的报道数量或讨论传播量，以此表示其频率。

社会化媒体转发频率

=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)))

话题讨论频率

=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)))

政府报道频率

=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 仿真结果及分析

4.1 初始状态分析

根据上述模型中的常量值和变量表达式，运用Vensim PLE软件进行建模和仿真，最终确定图3为模型初始状态的仿真结果，此时a=0.23，b=0.27，c=0.31，d=0.19，结果基本符合事件真实情况。以“罗一笑”事件，相关平台或网站为数据来源的自然状态为该模型的初始状态。由图可知，事件在短时间内便可达到谣言热度的最高点，说明该事件影响力比较大，由模型仿真的初始状态图可知，谣言传播可划分为三个阶段，0—1天表示社会化媒体谣言传播无限制，热度依照直线式上升；1—2天由于谣言的不断转发，热度继续上升，但是用户的好奇心理逐渐减弱，群体智慧和目击媒体的影响力逐渐显现，较之前的上升速度有所下降；然后政府开始全面实施辟谣措施，2天以后，热度开始逐渐减退。

图3 谣言传播的初始状态

已有研究通过系统动力学建模和仿真，表明讨论热度、报道热度对社会化媒体谣言热度的影响[25]，故文章不再赘述这两个因素对谣言传播的作用。在谣言传播初始状态的基础上，文章主要分析了群体智慧抑制谣言传播效果的因素。鉴于此，文章对群体智慧的影响因素（群体极化、用户理性、用户规模、用户多样性和用户独立性）进行分析，探究相关因素的变化对谣言热度的影响。

4.2 群体智慧作用效果分析

图4 群体极化对谣言传播的影响

在模型的初始状态下，分别提高事件敏感度、事件模糊度、用户交互强度以及意见领袖作用的取值，分析群体极化对谣言热度的影响。由图4可知，相对于初始状态，事件敏感度、事件模糊度、用户交互强度和意见领袖作用分别提高30%，谣言热度均上升，并且事件敏感度对谣言热度的影响最大，远远大于其他因素的影响。本文中的“罗一笑”事件涉及到比较敏感的话题，因此在这种情况下，用户往往会不假思索伸出援手并且呼吁身边人的帮助，从而造成事件迅速且广泛传播。事件模糊度的影响次之，用户在不了解事件的真实情况下极容易传播谣言，导致谣言迅速扩散。意见领袖的观点是大多数用户的风向标，影响用户的从众心理，从图中可以看出意见领袖作用对谣言热度的影响较大。用户交互强度会影响用户的观点和想法，导致群体极化，由图4可知用户交互强度对谣言热度的影响较小。因此，群体极化会减弱群体智慧抑制谣言传播的效果并且会起到增强谣言热度的作用。

图5 用户理性对谣言传播的影响

在模型的初始状态下，分别改变用户批判力和知识水平的取值，分析用户理性对谣言热度的影响。由图5可知，相对于初始状态，用户批判力和知识水平提高30%，谣言热度均下降；当用户批判力降低30%时，谣言热度上升，且幅度远远大于下降幅度，因此用户批判力的影响力较大。用户的批判性思维可以促使其质疑信息的可信度，并且加以反驳或举证，做出最佳决策，从而有效降低谣言热度。因此，用户理性的提高可以加强群体智慧抑制谣言传播的效果。

图6 用户规模对谣言传播的影响

图7 用户多样性和用户独立性对谣言传播的影响

在模型的初始状态下，分别改变用户规模、用户多样性和用户独立性的取值，分析其对谣言热度的影响。由图6、7可知，相对于初始状态，用户独立性和用户多样性增减30%，谣言热度均下降或上升且幅度相差不大；用户规模增减30%时，谣言热度变化幅度最大；当用户规模下降30%时，谣言热度迅速上升且幅度大于下降幅度。因此，当用户规模较小时，群体智慧很难被激发，导致用户决策不佳，谣言迅速扩散；而用户规模越大，抑制谣言传播的效果越强；而用户独立性和用户多样性可以使用户的观点多样且独立，促进群体智慧的形成，从而更好地降低谣言热度。因此，用户规模、用户独立性以及用户多样性的提高均可以加强群体智慧抑制谣言传播的效果。

5 结果及建议

根据建模和仿真结果，群体极化会大大减弱群体智慧抑制谣言传播的效果并且增强社会化媒体谣言的热度；而用户理性、用户规模、用户多样性及用户独立性均会加强群体智慧抑制谣言传播的效果。根据以上结论，提出以下建议：

文章表明事件敏感度和事件模糊度是导致群体极化的主要原因，因此监管机构必须建立公开透明、及时高效的谣言事件发布制度。用户行为会导致群体极化现象，政府及相关部门要采取有效措施引导用户极端负面情绪和行为，比如在官方网站、论坛和各大媒体平台发表介绍突发事件现状的新闻或者帖子，使用户全面了解事件的真相。意见领袖作用有时候也会导致群体极化，因此，可借助意见领袖的正面力量，在有影响力的网站或论坛上多提出一些建设性意见，强化正面言论。

文章发现用户理性的提高可以有效降低谣言热度，尤其是用户的批判力。一方面，平台中大量用户的观点和思维经过冲击和碰撞不断升值和释放，借助部分用户的批判能力反驳、举证或纠正谣言。因此，可建立相应的激励措施，鼓励用户参与谣言的质疑、反驳或举证，及时有效辟谣。针对新浪微博等社会化媒体，平台可采用积分制，即用户参与一次反驳或举证便可得到积分鼓励，积分越多表明用户信誉越高，并且可获得平台其他的奖励，物质和精神的双层激励可使更多的用户参与行动。另一方面，官方社会化媒体平台可在新浪微博或微信公众号上定期发布一些如何鉴别谣言的方法。如：从传播者或发布人身份判断；从谣言内容本身判断；借助百度识图或谷歌搜图判断图片内容的真假等。通过科普相关识别谣言的方法，用户识别真假信息的能力逐渐得到提高，从而减少谣言的传播。

文章发现用户规模、用户多样性以及独立性的提高可以降低谣言热度，而社会化媒体用户的异质化程度较低，因此必须鼓励和积极开发各种交流平台，让用户能借助大量不同的平台充分表达自己的观点和思想。用户多样性和独立性可以保证观点多样且不受他人影响，从而激发出群体智慧。开发出可以自由编辑类似维基百科的辟谣平台，用户基于自愿、奖励、信息需求和自我满足等动机，可以发布自己了解的相关真实信息，也可以编辑他人发布的内容。同时，平台需完善实名认证制度且有权删除和编辑用户的各种言论。相关奖励措施可由政府出台，激励更多的用户发布事件的相关真实信息。

文章表明目击媒体也可以抑制谣言的传播，尽管社会化媒体十分发达，人人都可以发表言论，但专业媒体所拥有的信息素材和来源仍然是权威的。面对突发事件，专业媒体要充分发挥好专业优势，不跟风报道，提高自身的谣言辨别和信息检索能力。与此同时，用户数量众多，当专业媒体不能第一时间赶赴现场时，媒体和用户了解真相的核心途径就来自于目击者的图片和影像，所以必须加强用户的信息素养，以便用户在突发事件情境下可以拍摄和提供可靠的目击信息。目击媒体与专业媒体的新闻生产之间不应该相互独立，而应该是信息互相补充和完善的合作关系，让用户能更加积极主动地参与新闻生产，结合目击媒体和专业媒体的作用才可以更好地减少谣言的负面效应。

6 结语

文章以群体智慧因素为主，试图从新的研究视角探索社会化媒体谣言的传播问题。文章借助系统动力学建模和仿真对群体智慧抑制谣言传播的作用机理作了较为详细的研究，分析了群体极化、用户理性、用户规模、用户多样性和用户独立性对群体智慧抑制谣言传播效果的影响，针对如何激发和充分利用群体智慧的力量来抑制谣言传播提出了策略。文章尝试使用系统动力学模型和仿真研究群体智慧抑制谣言传播的效果问题，对目前的定性研究是一个很好的补充，但是对群体智慧抑制谣言传播效果的因素分析不够全面，这部分的完善将是后续的研究工作。

（来稿时间：2017年9月）