[论文解读] Is this pofma? Analysing public opinion and misinformation in a COVID-19 Telegram group chat

Lynnette Hui Xian Ng, Loke Jia Yuan|arXiv (Cornell University)|Oct 20, 2020

Misinformation and Its Impacts参考文献 30被引用 5

一句话总结

本研究分析了新加坡在新冠疫情爆发初期六周内一个拥有超过10,000名成员的Telegram群组，探讨公众舆论与虚假信息传播。通过对37,285条消息的混合方法分析发现，新加坡政府识别出的虚假信息仅占消息总量的0.05%，且相关讨论普遍表现出怀疑态度与主动核实行为，表明用户在积极核实事实，而非被动传播虚假信息。

ABSTRACT

We analyse a Singapore-based COVID-19 Telegram group with more than 10,000 participants. First, we study the group's opinion over time, focusing on four dimensions: participation, sentiment, topics, and psychological features. We find that engagement peaked when the Ministry of Health raised the disease alert level, but this engagement was not sustained. Second, we search for government-identified misinformation in the group. We find that government-identified misinformation is rare, and that messages discussing these pieces of misinformation express skepticism.

研究动机与目标

• 了解在新加坡新冠疫情早期阶段，一个实时、大规模的Telegram群组中公众舆论如何演变。
• 调查在私密的基于聊天的平台中，政府识别出的虚假信息的普遍程度与性质。
• 考察该群组用户是否被动传播虚假信息，还是主动核实内容真实性。
• 评估公共卫生传播策略以及法律框架（如POFMA）在危机期间对用户行为的影响。

提出的方法

• 使用Python Telethon API在六周内（2020年1月27日至3月8日）从一个公开Telegram群组收集了48,050条消息。
• 过滤掉10,765条系统生成的消息，保留37,285条用户生成的消息用于分析。
• 对参与度、情绪、主题及心理特征进行时间序列分析，以追踪舆论演变。
• 通过新加坡卫生部的官方澄清文件识别政府认定的虚假信息，并与群组中的消息交叉比对。
• 对图片、视频、音频和URL内容进行人工内容分析，以检测虚假信息的相关引用。
• 追踪POFMA相关术语的使用情况，以理解用户在非正式对话中如何提及该法律。

实验结果

研究问题

• RQ1 在参与度、情绪、主题和心理特征方面，群组舆论如何随时间演变？
• RQ2 政府识别出的虚假信息在Telegram群组聊天中有多普遍？
• RQ3 用户如何应对虚假信息——是被动传播，还是主动核实其真实性？

主要发现

• 政府识别出的虚假信息仅占所有消息的0.05%（共18条文字、3个URL、6张图片、1段视频，涉及17种虚假信息中的6种）。
• 涉及虚假信息的消息始终表现出怀疑态度，用户不断质疑信息的准确性，并寻求多个来源的验证。
• 所有消息中0.4%包含类似“这是假的吗”或“真假？”的短语，表明用户对虚假信息有高度警觉性。
• 用户将“POFMA”一词以新颖方式重新诠释——用作动词（如“POFMA me”）、名词（如“POFMA busy”），或作为审查制度的隐喻。
• 用户参与度在DORSCON警戒级别升至橙色时达到高峰，但随后迅速下降，表明信息需求未被充分满足。
• 情绪随时间从焦虑转为悲伤，负面情绪总体呈下降趋势，表明用户对危机产生了情感适应。