[论文解读] Experts and authorities receive disproportionate attention on Twitter during the COVID-19 crisis

Kristina Gligorić, Manoel Horta Ribeiro+6 more|arXiv (Cornell University)|Aug 19, 2020

Misinformation and Its Impacts参考文献 16被引用 6

一句话总结

本研究分析了2020年1月至5月新冠疫情期间的Twitter互动情况，基于14,200个发布过至少10次互动的新冠相关推文的代表性样本账户。研究发现，医疗、政府及政治类账户获得了远超其他类别的转发和点赞，而宗教和体育类账户的可见度则有所下降，表明尽管存在‘信息疫情’的担忧，专家和权威机构仍主导了公众讨论。

ABSTRACT

Timely access to accurate information is crucial during the COVID-19 pandemic. Prompted by key stakeholders' cautioning against an "infodemic", we study information sharing on Twitter from January through May 2020. We observe an overall surge in the volume of general as well as COVID-19-related tweets around peak lockdown in March/April 2020. With respect to engagement (retweets and likes), accounts related to healthcare, science, government and politics received by far the largest boosts, whereas accounts related to religion and sports saw a relative decrease in engagement. While the threat of an "infodemic" remains, our results show that social media also provide a platform for experts and public authorities to be widely heard during a global crisis.

研究动机与目标

• 了解新冠疫情期间早期，哪些Twitter账户获得了最多关注。
• 评估在‘信息疫情’担忧的背景下，受信任的专家和公共权威是否在社交媒体上被显著放大。
• 研究危机期间不同账户类别之间的互动（转发和点赞）如何变化。
• 调查发布新冠相关内容是否显著提升了互动量，以及这种影响在不同语言和类别之间是否存在差异。
• 评估同质性效应和转发网络在Twitter信息传播中的作用。

提出的方法

• 基于2020年5月6日至12日期间发布至少一条含10次以上互动的新冠相关推文的账户，选取了14,200个Twitter账户作为代表性样本。
• 通过众包方式对账户进行人工分类，划分为13种类型（如医疗、政府、宗教等），以建立用户类别的分类体系。
• 使用Twitter流媒体API，收集这些账户从2020年1月1日至5月31日期间的全部推文，其中前两周作为基线期。
• 应用逆概率加权方法，确保样本能代表更广泛的新冠相关账户总体。
• 微调一个多语言BERT分类器，以实现账户类别的自动分类，并在保留的测试集上验证其性能。
• 通过统计模型评估显著性，分析按类别划分的互动趋势，比较新冠相关与非新冠相关推文的互动情况，以及按语言划分的互动差异。

实验结果

研究问题

• RQ1 在新冠疫情期间早期，哪些类型的Twitter账户获得了最高水平的互动？
• RQ2 与其它类别相比，医疗、政府和政治类账户是否经历了不成比例的互动量增长？
• RQ3 发布新冠相关内容如何影响互动量？这种影响是否因账户类别或语言而异？
• RQ4 转发网络在多大程度上表现出同质性，即用户是否更倾向于转发来自同类账户的内容？
• RQ5 某些类别互动量的激增是否源于危机期间新用户加入平台？

主要发现

• 医疗、政府和政治类账户获得了最高互动量，在2020年3月至4月封锁高峰期，其推文中高达1/5包含新冠关键词。
• ‘政府与政治’类账户在研究期间平均互动量增长了300%，显著高于其他类别。
• 宗教和体育类账户的互动量相对下降，尽管推文数量相似，但转发率低于预期。
• 发布新冠相关内容显著提升了医疗和政府类账户的互动量，且在英语和葡萄牙语地区效果最强。
• 观察到强烈的同质性效应：每个类别转发本类别内容的频率高于随机零模型的预测值（p < 0.05）。
• 排除危机期间创建的账户后，观察到的互动趋势未发生改变，表明结果并非由新用户涌入驱动。