[論文レビュー] Battling the Coronavirus Infodemic Among Social Media Users in Kenya and Nigeria

Molly Offer‐Westort, Leah R. Rosenzweig+1 more|arXiv (Cornell University)|Dec 27, 2022

Misinformation and Its Impacts被引用数 7

ひとこと要約

本研究は、ケニアおよびナイジェリアのFacebookで、COVID-19に関する誤情報の拡散を抑えるための介入を二段階実験デザインを用いてテストした。情報の正確性を考慮するよう促すナッジが、事実の情報拡散に悪影響を及げないまま、誤情報の拡散を4.9%（−2.3 pp、p = 0.021）低下させた。これは、インフォデミックへの低コストでスケーラブルな解決策を提供する。

ABSTRACT

How can we induce social media users to be discerning when sharing information during a pandemic? An experiment on Facebook Messenger with users from Kenya (n = 7,498) and Nigeria (n = 7,794) tested interventions designed to decrease intentions to share COVID-19 misinformation without decreasing intentions to share factual posts. The initial stage of the study incorporated: (i) a factorial design with 40 intervention combinations; and (ii) a contextual adaptive design, increasing the probability of assignment to treatments that worked better for previous subjects with similar characteristics. The second stage evaluated the best-performing treatments and a targeted treatment assignment policy estimated from the data. We precisely estimate null effects from warning flags and related article suggestions, tactics used by social media platforms. However, nudges to consider information's accuracy reduced misinformation sharing relative to control by 4.9% (estimate = -2.3 pp, s.e. = 1.0 , Z = -2.31, p = 0.021, 95% CI = [-4.2 , -0.35]). Such low-cost scalable interventions may improve the quality of information circulating online.

研究の動機と目的

• SNS上で事実の情報共有を妨げることなく、COVID-19誤情報の共有を抑える効果的で低コストの介入を同定すること。
• 警告ラベルや事実確認リンクといったプラットフォームレベルのツールと比較して、心理的ナッジ（例：正確性を評価するよう促す）が、誤情報共有をどれほど効果的に抑えるかを評価すること。
• ユーザーの特徴に基づいた、適応的学習を用いたターゲットド治療割り当てポリシーを構築・テストし、介入の有効性を向上させること。
• デジタルリテラシーと誤情報の動態がグローバル・ノースとは異なるサハラ以南アフリカからの比較的証拠を提供すること。
• 行動科学に基づく介入が、標準的なプラットフォームメカニズムに比べて、有害な健康誤情報の拡散をどれほど効果的に抑えるかを評価すること。

提案手法

• ケニアおよびナイジェリアの15,292名のFacebookユーザーを対象に、Facebook Messengerのチャットボットを介して二段階のラントム化実験を実施した。
• 学習段階では、類似する特徴を持つユーザーに対して良好に機能した介入の割り当て確率を高める、文脈的適応設計を用いた。
• 一般化された補正付き逆確率加重推定法（AIPW）を用いて介入効果を推定し、共変量を調整するとともに、不均等な介入割り当てを考慮した。
• 評価段階では、6つの条件（対照群、事実確認ラベル、関連記事の提案、正確性ナッジ、Facebookの誤情報チップ、学習されたターゲット化ポリシー）を比較した。
• 学習データおよび評価データの両方で介入効果を別々に推定し、ロバスト標準誤差と適応的重みを用いて、適応的に収集されたデータにおける正規性の不備を補った。
• AIPW推定法における条件付き平均の予測にランダムフォレストモデルを用い、同一ユニットの結果を単位レベルの予測に使用しないようにした。

実験結果

リサーチクエスチョン

• RQ1 正確性に焦点を当てたナッジは、事実の情報共有を減少させることなく、COVID-19誤情報の共有意図を低下させるか？
• RQ2 警告ラベルや関連記事の提案といったプラットフォームレベルの介入と比較して、行動的ナッジは誤情報共有をどれほど効果的に抑えるか？
• RQ3 ユーザーの特徴に基づいた適応的治療割り当てポリシーは、一様なランダム割り当てを上回って誤情報共有を抑えることができるか？
• RQ4 認知的関与（例：正確性のチェックを促す）に依存する介入は、外部の検証（例：事実確認ラベル）に依存する介入よりも、低デジタルリテラシーの文脈で効果的か？
• RQ5 ケニアおよびナイジェリアのユーザーのサブグループ間で介入効果の非均一性が認められ、どのユーザー特徴が異なる介入に反応しやすいかを特定できるか？

主な発見

• 警告ラベルおよび関連記事の提案は、誤情報共有の削減に統計的に有意な効果を示さず、両研究段階でゼロ効果の推定値を示した。
• 情報の正確性を考慮するよう促すナッジは、誤ったCOVID-19投稿の共有意図を4.9ポイント（推定値 = −2.3 pp、標準誤差 = 1.0、Z = −2.31、p = 0.021）低下させた。
• 正確性ナッジは、誤情報共有を事実の情報共有の2倍ペナルティを課す複合的アウトカム「誤情報共有の識別能力」を著しく向上させた。
• ユーザーの特徴に基づき、応答者レベルの介入を異なるものに割り当てる学習されたターゲット化ポリシーは、一様な割り当てを上回る性能を示した。
• 事実の情報共有に顕著な悪影響は観察されず、正確性ナッジが真のコンテンツの共有を抑制していないことが示された。
• 本研究の結果は、低所得および中所得国における文脈では、プラットフォームレベルの事実確認ツールよりも、低コストでスケーラブルな行動的ナッジが誤情報の拡散をより効果的に抑える可能性があることを示唆している。