[论文解读] The COVID-19 Infodemic: Twitter versus Facebook

Kai‐Cheng Yang, Francesco Pierri+5 more|arXiv (Cornell University)|Dec 17, 2020

Misinformation and Its Impacts参考文献 59被引用 8

一句话总结

本研究通过社交媒体数据中的链接和视频分析，比较了Twitter与Facebook上低可信度新冠内容的传播情况。研究发现，不同平台间虚假信息来源和可疑YouTube视频的传播存在不对称性，少数经过验证的‘超级传播者’主导了信息扩散，且存在协同分享的证据，凸显了跨平台数据获取及社会层面解决方案在应对信息疫情中的必要性。

ABSTRACT

The global spread of the novel coronavirus is affected by the spread of related misinformation -- the so-called COVID-19 Infodemic -- that makes populations more vulnerable to the disease through resistance to mitigation efforts. Here we analyze the prevalence and diffusion of links to low-credibility content about the pandemic across two major social media platforms, Twitter and Facebook. We characterize cross-platform similarities and differences in popular sources, diffusion patterns, influencers, coordination, and automation. Comparing the two platforms, we find divergence among the prevalence of popular low-credibility sources and suspicious videos. A minority of accounts and pages exert a strong influence on each platform. These misinformation "superspreaders" are often associated with the low-credibility sources and tend to be verified by the platforms. On both platforms, there is evidence of coordinated sharing of Infodemic content. The overt nature of this manipulation points to the need for societal-level solutions in addition to mitigation strategies within the platforms. However, we highlight limits imposed by inconsistent data-access policies on our capability to study harmful manipulations of information ecosystems.

研究动机与目标

• 调查低可信度新冠内容在Twitter和Facebook上的普遍性及其扩散模式。
• 识别具有影响力的账号，并评估经过验证的用户在两个平台上放大虚假信息的作用。
• 检测在分享可疑内容时是否存在协同行为和自动化操作，尤其比较Twitter与Facebook的差异。
• 评估平台特定的数据访问限制对信息疫情研究和政策制定的影响。
• 为平台层面和社会层面的策略提供依据，以减轻有害健康虚假信息的传播。

提出的方法

• 使用Twitter的Decahose和Facebook的CrowdTangle收集社交媒体数据，聚焦于包含新冠相关关键词的帖子。
• 通过匹配至预先存在的低可信度网站域名数据库，识别低可信度内容。
• 根据视频是否被封禁或对公众不可用，标记可疑的YouTube视频。
• 追踪低可信度和高可信度信息源的分享量随时间的变化趋势，以评估其与公众关注的相关性。
• 分析用户账号行为，检测协同分享模式，包括具有相似分享活动的账号集群。
• 评估经过验证的账号以及与低可信度来源有关联的账号在内容传播中的影响力。

实验结果

研究问题

• RQ1 低可信度内容在Twitter和Facebook上的普遍性如何？其内容的分享模式随时间如何变化？
• RQ2 相同的低可信度来源和可疑YouTube视频是否在两个平台上以相似的传播量被分享？
• RQ3 少数具有影响力的或经过验证的账号在每个平台上对虚假信息的放大作用有多大？
• RQ4 是否存在协同或非真实行为的证据，以在分享低可信度内容时表现出来？这种行为在Twitter与Facebook之间有何不同？
• RQ5 平台特定的数据访问政策和采样偏差如何影响虚假信息传播跨平台比较的可靠性与公平性？

主要发现

• 低可信度来源和可疑YouTube视频在Twitter与Facebook之间的普遍性存在不对称性，部分来源在某一平台占主导地位，而在另一平台活动较少。
• 少数账号——尤其是经过验证的账号——在两个平台上均产生了不成比例的影响力，作为虚假信息的‘超级传播者’。
• Facebook上低可信度内容与高可信度内容的比例低于Twitter，表明Facebook可能在遏制虚假信息方面更为有效，尽管这一结论受限于数据访问偏差。
• 可疑YouTube视频在Facebook上更为普遍，可能是因为内容被重新利用并分配了新的视频ID，或YouTube在Facebook用户分享前更快地将其移除。
• 在两个平台上均检测到协同分享行为，表明存在系统性操纵，且多个账号间存在同步发布模式的证据。
• 尽管平台架构和用户群体存在差异，两个平台在公众关注度高峰期间均出现了虚假信息传播量的同步激增，表明存在共同的外部驱动因素，而非孤立的机器人活动。