[论文解读] "Everything I Disagree With is #FakeNews": Correlating Political Polarization and Spread of Misinformation

Manoel Horta Ribeiro, Pedro Calais+2 more|arXiv (Cornell University)|Jun 19, 2017

Misinformation and Its Impacts参考文献 21被引用 43

一句话总结

本研究探讨了政治极化如何影响Twitter上虚假信息的感知与传播，使用基于政治话语的用户和URL极化度量指标。研究发现，与“虚假新闻”标签相关的用户和URL表现出显著更高的极化程度，且‘虚假新闻’一词常被用以驳斥自己不同意的内容，从而在意识形态上构建起关于虚假信息的叙事。

ABSTRACT

An important challenge in the process of tracking and detecting the dissemination of misinformation is to understand the political gap between people that engage with the so called "fake news". A possible factor responsible for this gap is opinion polarization, which may prompt the general public to classify content that they disagree or want to discredit as fake. In this work, we study the relationship between political polarization and content reported by Twitter users as related to "fake news". We investigate how polarization may create distinct narratives on what misinformation actually is. We perform our study based on two datasets collected from Twitter. The first dataset contains tweets about US politics in general, from which we compute the degree of polarization of each user towards the Republican and Democratic Party. In the second dataset, we collect tweets and URLs that co-occurred with "fake news" related keywords and hashtags, such as #FakeNews and #AlternativeFact, as well as reactions towards such tweets and URLs. We then analyze the relationship between polarization and what is perceived as misinformation, and whether users are designating information that they disagree as fake. Our results show an increase in the polarization of users and URLs associated with fake-news keywords and hashtags, when compared to information not labeled as "fake news". We discuss the impact of our findings on the challenges of tracking "fake news" in the ongoing battle against misinformation.

研究动机与目标

• 理解政治极化与社交媒体上虚假信息（尤其是‘虚假新闻’）传播之间的关系。
• 调查用户是否因政治分歧而非事实错误而将内容标记为虚假信息。
• 分析极化如何影响虚假新闻相关讨论中URL和用户反应的选择与传播。
• 探讨‘虚假新闻’一词是否被用作一种修辞工具以贬损对立观点，而非识别事实性错误。
• 评估这些发现对自动化虚假新闻检测系统的影响，若其训练数据基于用户报告，则可能继承政治偏见。

提出的方法

• 使用社区发现算法，基于用户的一般政治话语，估算其政治倾向（民主党或共和党）。
• 收集两个数据集：一个为美国一般政治推文，另一个为与‘虚假新闻’关键词和标签（如#FakeNews和#AlternativeFact）相关的推文和URL。
• 通过社区发现模型测量用户和URL与民主或共和党观点的契合度，计算其极化得分。
• 分析被虚假新闻标签标记的URL的用户反应（如转发、提及），以关联极化程度与参与模式。
• 构建词云并进行用户语言的定性分析，以识别不同政治群体中‘虚假新闻’术语的语境化使用方式。
• 比较虚假新闻相关讨论与一般政治讨论中用户和URL的极化水平，以检测系统性差异。

实验结果

研究问题

• RQ1 极化程度与被感知为或与虚假新闻相关的信息之间存在何种定量关系？
• RQ2 用户是否会将自己不同意的内容标记为虚假信息？
• RQ3 不同政治群体如何在叙事上建构‘虚假新闻’这一概念？
• RQ4 用户极化程度与与虚假新闻标签相关的URL极化程度之间存在何种关系？
• RQ5 ‘虚假新闻’一词在多大程度上被用作政治分歧的工具，而非事实性标签？

主要发现

• 与‘虚假新闻’标签相关的URL和用户表现出显著高于一般政治内容的极化得分。
• 来自两党的极化用户均引用与其自身政治意识形态一致的来源，将对方政党的内容标记为‘虚假新闻’。
• 标记某一URL为虚假的用户平均极化程度，随对该URL产生反应的用户数量增加而上升，表明标签行为存在集体极化现象。
• ‘虚假新闻’一词常被用户用以表达对所反对内容的政治异议，而非识别事实性错误。
• 存在强烈的叙事分歧：民主党和共和党将‘虚假新闻’标签应用于不同来源，反映出其意识形态立场及对对方的对立态度。
• 即使是唐纳德·特朗普等高调人物，也被对立群体视为极化对象，其言论被对立党派支持者标记为‘虚假新闻’。