[论文解读] Coronavirus on Social Media: Analyzing Misinformation in Twitter Conversations.

Karishma Sharma, Sungyong Seo+4 more|arXiv (Cornell University)|Mar 26, 2020

Misinformation and Its Impacts参考文献 8被引用 52

一句话总结

本研究利用流数据和事实核查来源，分析了2020年3月1日至6月5日期间推特上关于新冠疫情的虚假信息，识别出误导性内容。研究揭示了虚假信息的叙事模式、互动模式及趋势，并通过公开仪表板实时发布洞察结果，以增强透明度并促进公众讨论。

ABSTRACT

The ongoing Coronavirus (COVID-19) pandemic highlights the inter-connectedness of our present-day globalized world. With social distancing policies in place, virtual communication has become an important source of (mis)information. As increasing number of people rely on social media platforms for news, identifying misinformation and uncovering the nature of online discourse around COVID-19 has emerged as a critical task. To this end, we collected streaming data related to COVID-19 using the Twitter API, starting March 1, 2020. We identified unreliable and misleading contents based on fact-checking sources, and examined the narratives promoted in misinformation tweets, along with the distribution of engagements with these tweets. In addition, we provide examples of the spreading patterns of prominent misinformation tweets. The analysis is presented and updated on a publically accessible dashboard (this https URL) to track the nature of online discourse and misinformation about COVID-19 on Twitter from March 1 - June 5, 2020. The dashboard provides a daily list of identified misinformation tweets, along with topics, sentiments, and emerging trends in the COVID-19 Twitter discourse. The dashboard is provided to improve visibility into the nature and quality of information shared online, and provide real-time access to insights and information extracted from the dataset.

研究动机与目标

• 理解社交媒体上早期疫情阶段关于新冠疫情的虚假信息的本质及其传播方式。
• 利用外部事实核查来源作为真实依据，识别推特上不可靠和误导性内容。
• 分析与虚假信息推文相关的叙事、情感及互动模式。
• 提供关于在线关于新冠疫情话语的质量与动态的实时、公开可访问洞察。
• 通过提升对推特上虚假信息趋势的可见性，支持公共卫生传播。

提出的方法

• 使用推特API从2020年3月1日至6月5日期间，实时收集与新冠疫情相关的推特流数据。
• 通过将推文与事实核查来源交叉比对，识别虚假信息并标记不可靠内容。
• 利用自然语言处理与人工标注，对虚假信息推文按主导叙事、情感和主题进行分类。
• 追踪互动指标（如转发、点赞）以分析虚假信息的病毒式传播与覆盖范围。
• 每日可视化并更新发现结果，通过公开仪表板确保实时获取洞察。
• 持续更新数据集与分析结果，以监测疫情期间在线话语演变趋势。

实验结果

研究问题

• RQ1 在新冠疫情早期阶段，推特上分享的虚假信息中，哪些类型的叙事和虚假主张最为普遍？
• RQ2 互动指标（点赞、转发）与推特上虚假信息的传播之间有何相关性？
• RQ3 与误导性新冠疫情内容相关联的主要情感倾向和主题是什么？
• RQ4 从2020年3月1日至6月5日期间，虚假信息的数量和性质如何随时间演变？
• RQ5 在此期间，社交媒体在放大或遏制关于疫情的虚假信息方面发挥了何种作用？

主要发现

• 本研究识别出推特上存在大量与新冠疫情相关的虚假信息，其中虚假主张多集中于传播途径、治疗方法及病毒起源。
• 尽管已开展事实核查工作，虚假信息推文仍常伴随高互动量，表明其具有强传播性。
• 常见叙事包括关于病毒起源的阴谋论、虚假疗法以及对病例数和死亡率的夸大其词。
• 情感分析显示，虚假信息常带有负面或煽动性语气，加剧了恐惧与不信任情绪。
• 公开仪表板实现了对新兴虚假信息趋势的实时可视化，使及时监测与响应成为可能。
• 分析表明，推特等社交媒体平台通过快速传播未经核实的主张，在塑造公众认知方面发挥了核心作用。