[论文解读] Anger makes fake news viral online

Yuwei Chuai, Jichang Zhao|arXiv (Cornell University)|Apr 22, 2020

Misinformation and Its Impacts参考文献 50被引用 15

一句话总结

本研究表明，虚假新闻因引发更高水平的愤怒情绪而比真实新闻传播得更迅速，这一机制在微博和Twitter上均成立。通过识别并标记情绪内容中愤怒占比超过20%的内容，平台可将高度传播的虚假新闻传播量减少46%，同时对真实新闻的影响极小，从而在源头实现低成本、保护隐私的干预措施。

ABSTRACT

Fake news that manipulates political elections, strikes financial systems, and even incites riots is more viral than real news online, resulting in unstable societies and buffeted democracy. The easier contagion of fake news online can be causally explained by the greater anger it carries. The same results in Twitter and Weibo indicate that this mechanism is independent of the platform. Moreover, mutations in emotions like increasing anger will progressively speed up the information spread. Specifically, increasing the occupation of anger by 0.1 and reducing that of joy by 0.1 will produce nearly 6 more retweets in the Weibo dataset. Offline questionnaires reveal that anger leads to more incentivized audiences in terms of anxiety management and information sharing and accordingly makes fake news more contagious than real news online. Cures such as tagging anger in social media could be implemented to slow or prevent the contagion of fake news at the source.

研究动机与目标

• 识别虚假新闻为何在社交媒体平台上比真实新闻传播得更迅速。
• 检验情绪内容（尤其是愤怒）是否驱动虚假新闻与真实新闻传播差异。
• 开发一种低成本、保护隐私的干预措施，通过针对新闻内容中的愤怒情绪来减少虚假新闻在源头的传播。
• 在不同平台（微博和Twitter）及线下用户传播动机中验证该机制。

提出的方法

• 从微博和Twitter收集大规模虚假新闻与真实新闻数据集，使用转发数和关注者数作为传播范围和影响力的代理指标。
• 利用基于自然语言处理的情绪检测方法量化新闻中的情绪内容，重点关注愤怒和喜悦作为主要情感维度。
• 设定愤怒比例阈值 θ = 0.2 以触发警告标签，优化目标为在最小化真实新闻干扰的前提下实现最大虚假新闻预防效果。
• 计算一个指标 β，用于评估愤怒阈值在防止高度转发的虚假新闻传播的同时，最小化对热门真实新闻干扰的有效性。
• 构建逻辑回归模型，评估若新闻内容愤怒比例超过阈值（H-Anger = 1），其为虚假新闻的几率。
• 开展线下问卷调查，比较用户在愤怒与喜悦情绪暴露下的新闻分享动机。

实验结果

研究问题

• RQ1 虚假新闻与真实新闻在情绪内容（尤其是愤怒）方面有何差异？
• RQ2 更高的愤怒内容是否因果性地解释了为何虚假新闻比真实新闻传播得更迅速？
• RQ3 对高愤怒内容进行标记和警告，是否能减少虚假新闻的传播，同时不对真实新闻造成过度影响？
• RQ4 虚假新闻病毒式传播背后的情绪机制在不同社交媒体平台间是否一致？
• RQ5 愤怒等情绪线索如何影响用户分享新闻的动机？

主要发现

• 虚假新闻所携带的愤怒情绪显著高于真实新闻，愤怒比例每增加0.1，喜悦比例每减少0.1，微博上的转发量可额外增加近6次。
• 愤怒驱动的病毒式传播机制具有平台独立性，在微博和Twitter上均一致复现。
• 设定愤怒比例20%的警告阈值（θ = 0.2）可防止46%的高度转发虚假新闻，同时仅影响22%的高度转发真实新闻。
• 愤怒比例 > 0.2的新鲜内容，其为虚假新闻的可能性比真实新闻高出165%，该结论经由逻辑回归模型分析验证。
• 在所有高度转发的新闻中，89%的愤怒比例 > 0.2 的内容为虚假新闻，证实高愤怒内容具有极强的预测能力。
• 线下问卷调查确认，愤怒情绪会增强用户对焦虑管理与信息分享的动机，解释了其在推动分享行为中的作用。