[论文解读] Facts and Fabrications about Ebola: A Twitter Based Study

Janani Kalyanam, Sumithra Velupillai+3 more|arXiv (Cornell University)|Aug 9, 2015

Misinformation and Its Impacts参考文献 14被引用 9

一句话总结

本研究提出一种基于话题标签的分类方法，以区分2014年美国埃博拉疫情期间推特上可信与推测性埃博拉相关推文。利用推特API提取的特征发现，可信推文具有更多话题标签、更多URL、来自认证用户更高的互动性以及更高的转发效率，表明尽管总转发次数较少，其传播范围更广、可信度更高。

ABSTRACT

Microblogging websites like Twitter have been shown to be immensely useful for spreading information on a global scale within seconds. The detrimental effect, however, of such platforms is that misinformation and rumors are also as likely to spread on the network as credible, verified information. From a public health standpoint, the spread of misinformation creates unnecessary panic for the public. We recently witnessed several such scenarios during the outbreak of Ebola in 2014 [14, 1]. In order to effectively counter the medical misinformation in a timely manner, our goal here is to study the nature of such misinformation and rumors in the United States during fall 2014 when a handful of Ebola cases were confirmed in North America. It is a well known convention on Twitter to use hashtags to give context to a Twitter message (a tweet). In this study, we collected approximately 47M tweets from the Twitter streaming API related to Ebola. Based on hashtags, we propose a method to classify the tweets into two sets: credible and speculative. We analyze these two sets and study how they differ in terms of a number of features extracted from the Twitter API. In conclusion, we infer several interesting differences between the two sets. We outline further potential directions to using this material for monitoring and separating speculative tweets from credible ones, to enable improved public health information.

研究动机与目标

• 理解2014年美国埃博拉疫情期间在推特上传播的虚假信息与谣言的特征。
• 识别区分可信与推测性推文的结构特征与网络层面特征。
• 开发一种基于话题标签标注的分类方法，将推文划分为可信与推测性类别。
• 通过实现虚假信息的早期检测与缓解，支持公共卫生工作。
• 为实时数字流行病学工具奠定基础，以监测并区分谣言与经核实的信息。

提出的方法

• 通过推特流媒体API在2014年10月初收集约4700万条埃博拉相关推文。
• 基于手动标注的话题标签作为内容类型的指示器，将推文分类为“可信”与“推测”两类。
• 从推特API中提取结构特征，包括话题标签数量、URL数量、用户认证状态、粉丝数及转发活动。
• 使用统计分析比较可信与推测性推文集合之间的特征分布。
• 评估“可能敏感”标志，以分析两类推文在媒体内容敏感性方面的差异。
• 通过比较总转发数与转发频率分析转发模式，识别可信与推测信息在病毒式传播动态上的差异。

实验结果

研究问题

• RQ1 哪些结构与网络层面的特征能够区分推特上可信与推测性的埃博拉相关推文？
• RQ2 可信与推测性推文集合在认证用户比例与媒体敏感性方面有何差异？
• RQ3 转发行为的哪些模式表明可信与推测信息在传播上的差异？
• RQ4 话题标签与URL数量在多大程度上与推文可信度相关？
• RQ5 基于话题标签的分类能否作为识别社交媒体上可信公共卫生信息的可靠代理？

主要发现

• 可信集合中每条推文的平均话题标签数量更高，表明内容更具上下文关联性与信息丰富度。
• 可信推文平均包含的URL数量显著多于推测性推文，表明更广泛地使用外部验证来源。
• 可信集合中认证用户的占比更高，且用户平均粉丝数约为推测集合的2.6倍（7,000对2,600）。
• 可信推文的转发频率较低（转发状态值较低），但一旦被转发，其转发次数更高，表明每次转发的传播效率更高。
• 可信推文更少触发“可能敏感”标志（p = 0.0157），表明其包含潜在争议或煽动性媒体的情况更少。
• 可信集合中转发频率较低但转发效率更高的组合表明，尽管整体传播频率较低，可信内容在被分享后能更有效地传播。