謠言的偵測、傳布、駁斥與控制

陶振超 教授
國立交通大學傳播與科技學系

隨著社交媒體的普及,和數位內容製作工具的低廉、易上手,製作與傳布各式資訊幾乎成為全民運動。使用者自製內容先受到關注,如對政治參與的影響。然而,這樣的內容也可以轉為負面用途,造成假新聞(fake news,以新聞形式包裝捏造的內容以達成特定目的)、假消息或不實資訊(disinformation,蓄意或惡意欺騙或誤導人們的資訊)、或錯誤消息(misinformation)勃發。

假新聞、假消息、或錯誤消息,實際上皆是謠言的一種,是被證實為假的謠言,在人類社會存在已久的問題(Allport & Postman, 1947; Peterson & Gist, 1951)。網際網路剛出現,假消息與錯誤消息就受到矚目(Hernon, 1995),多針對討論群組(Bordia & Rosnow, 1998)、電子郵件(Garrett, 2011)等。社交媒體興起後,分享變成自然、集體的行為,使得謠言的傳布出現與過去單純只有線下時全然不同的機會,尤其當人們處在焦慮、不確定中而亟欲瞭解環境時,因而被稱為謠言工廠(Gosling & Mason, 2015)。造謠的動機也從即興(Shibutani, 1966),轉向蓄意,尤其在政治領域。

圖一、假消息研究需考量的四項主題

假新聞、假消息,也就是謠言的研究,應該至少包含四個主題。首先,謠言內容及其分析。但令人驚訝的是,透過傳播研究內容分析對謠言內容進行分析的相關研究非常少,這個取徑的研究結果對人工智慧分析有很大幫助。第二,謠言傳布,這個主題的相關研究數量較多,但在因社交媒體興起所產生的同溫層與一言堂對謠言傳布的影響,瞭解較有限。第三,面對謠言如何駁斥與澄清,也缺乏系統性與長期研究,致使無效、甚至有反效果的更正資訊仍常常出現。最後,更正資訊(如事實查核)的傳播,應是謠言控制、對抗謠言的有效策略,目前也很少考慮。以下分別說明。

謠言、造謠者及其偵測

謠言定義分歧,但大多數研究者同意有以下四項元素。首先,以模糊或已證實的方式陳述一件未證實的事件。其次,誕生於特定情境,特別是狀況模糊不清,具立即危險或潛在威脅,或對峙。第三,有助於人們在較短時間瞭解環境、做出解釋與決策,也就是意義建構,以降低焦慮與不確定性(Bordia & DiFonzo, 2004);或強化與他人之間的關係(Guerin & Miyazaki, 2006)。謠言的定義應該同時將內容、情境、與功能納入考量,過去在謠言定義上的分歧多起因於僅專注內容而忽略其他兩者。但近年隨著假新聞、假消息因社交媒體而變得普遍與突出,第四項謠言的意圖,亦需納入考量。

謠言傳布與變異

網際網路與社交媒體對謠言造成的第二個影響,是以與過完全不同的型式與速度傳布。謠言為何能在網際網路與社交媒體上、透過線上社會網絡以快、廣、深的方式傳布,一直是謠言研究的核心議題。網絡機會模式認為(陶振超,2017),社交媒體的原始設計上即利於資訊傳布。每一個使用者在社交媒體上的帳號,實際上代表的是一個自我中心網絡(以自我為中心,加上一圈與自我有雙向同意而直接連接的朋友);這些朋友亦有自己的自我中心網絡,交錯而成相連的自我中心網絡;搭配社交媒體任何一個資訊張貼行為,都是一個分享,並且一次可以分享給很多人,沿著相連的自我中心網絡不斷地傳布出去。更重要的是,朋友圈中有一些是被信賴的人,如同過去口耳相傳的時代,信賴(trust)是促成「再分享」(reshare)行為的主要因素之一。

針對謠言傳布,至少有以下四項需納入考量。首先,謠言本身的訊息特徵、情境與個人感受加速謠言的傳布。第二,一言堂或同溫層助長了謠言的傳布。Del Vicario et al. (2016)比較真新聞的科學新聞與假新聞的陰謀論新聞(conspiracy news)在社交媒體上的傳布。他們發現,真新聞與假新聞的資訊傳布不同:真新聞的生命週期隨著資訊串流大小的增加先升後降,之後無論多大,生命週期持平不變;但假新聞的生命週期隨著資訊串流大小的增加持續增加。第三,社交媒體上使用者的網絡結構特徵,可能加速或減緩謠言的傳布。Doer, Fouz, and Friedrich (2012)透過數學模型模擬發現,社交媒體上朋友圈小(也就是朋友數少)的使用者,不是朋友圈大(也就是朋友數多)的使用者,是謠言能快速傳布的關鍵。第四,近年因人工智慧而出現的社交機器人(social bots)被設計來散布謠言以影響社交媒體上的輿論。例如,用來散布謠言的社交機器人,設法讓謠言傳布的又廣、又深、又快(Ferrara, Varol, Davis, Menczer, & Flammini, 2016);獲用來製造假支持或假反對特定候選人的機器人,對民主政治造成影響(Metaxas & Mustafaraj, 2012)。另外,與謠言傳布密切相關但長期被忽略的問題,謠言變異(rumor mutation),在網際網路與社交媒體上產生巨大影響力的現象,但相關研究有限。Shin, Jian, Driscoll, and Bar (2018)結合文字分析與時間序列分析,發現與確認的真相不同,假的謠言常常調整文字後重新出現,直到謠言所針對的目標不再受到關注為主。

謠言駁斥與澄清

面對謠言,要如何駁斥與澄清,實證研究顯示是非常不易、極具挑戰性的任務。Nyhan and Reifler (2010)以四個實驗檢視政治領域的假消息及更正是否有效,結果發現更正常常無效,甚至造成反效果,讓人們更相信假消息。媒體心理學研究提出至少兩個重要的研究議題。首先,人們為何會輕信謠言。謠言的功能扮演重要的角色。人們有針對所處環境進行意義建構與強化與他人關係兩項基本需求,謠言在人們處於不確定性的環境時,很最節省認知資源的方式滿足了這兩方面的需求。第二,如何設計更正訊息,以有效駁斥與澄清謠言。謠言建立了相關的假象(DiFonzo & Bordia, 2002),謠言反駁與澄清須從訊息設計上考量。Bordia, DiFonzo, Haines, and Chaseling (2005)檢視否認是否是對抗謠言的適當策略。

謠言控制

已知謠言傳布是謠言造成廣大影響的主要原因,政治或民間組織在進行謠言駁斥與澄清時,卻幾乎採用完全靜態的方式。有研究者認為切割、隔離網絡可以有效控制謠言。網際網路上的資訊傳布,多為面窄但深遠的方式進行(Liben-Nowell & Kleinberg, 2008),也就是序列傳布模式(Sutton et al., 2014)。從網絡結構來看,將社會網絡分散成彼此分開、大小相似的網絡,有助減緩謠言的傳布(Ventresca & Aleman, 2013),但在社交媒體上很難實施。Friggeri, Adamic, Eckles, and Cheng (2014)檢視事實查核網站Snopes(https://www.snopes.com/)上被證實為假謠言(假新聞)在社交媒體上的傳布。他們發現,被再分享的假謠言,若在其下的留言中有人張貼事實查核網站的連結以指出該貼文為假謠言,則該假謠言被刪除的可能性提高;但若假謠言發展成大的資訊串流,在多的事實查核網站連結也無法阻止其傳播。更值得注意的是,即使已經被Snopes認為假謠言,仍然會被再分享與傳布,事實查核的有效性如何似乎有限。

參考文獻

Allport, G. W., & Postman, L. (1947). The psychology of rumor. Oxford, England: Henry Holt.

Bordia, P., & DiFonzo, N. (2004). Problem solving in social interactions on the Internet: Rumor as social cognition. Social Psychology Quarterly, 67(1), 33-49.

Bordia, P., DiFonzo, N., Haines, R., & Chaseling, E. (2005). Rumors denials as persuasive messages: Effects of personal relevance, source, and message characteristics. Journal of Applied Social Psychology, 35(6), 1301-1331. doi: 10.1111/j.1559-1816.2005.tb02172.x

Bordia, P., & Rosnow, R. L. (1998). Rumor rest stops on the information highway: Transmission patterns in a computer-mediated rumor chain. Human Communication Research, 25(2), 163-179. doi: 10.1111/j.1468-2958.1998.tb00441.x

Del Vicario, M., Bessi, A., Zollo, F., Petroni, F., Scala, A., Caldarelli, G., . . . Quattrociocchi, W. (2016). The spreading of misinformation online. Proceedings of the National Academy of Sciences of the United States of America, 113(3), 554-559. doi: 10.1073/pnas.1517441113

DiFonzo, N., & Bordia, P. (2002). Rumors and stable-cause attribution in prediction and behavior. Organizational Behavior and Human Decision Processes, 88(2), 785-800. doi: 10.1016/s0749-5978(02)00016-x

Doer, B., Fouz, M., & Friedrich, T. (2012). Why rumors spread so quickly in social networks. Communications of the ACM, 55(6), 70-75. doi: 10.1145/2184319.2184338

Ferrara, E., Varol, O., Davis, C., Menczer, F., & Flammini, A. (2016). The rise of social bots. Communications of the ACM, 59(7), 96-104. doi: 10.1145/2818717

Friggeri, A., Adamic, L. A., Eckles, D., & Cheng, J. (2014, June 1-4). Rumor cascades. Paper presented at the Eighth International AAAI Conference on Weblogs and Social Media, Ann Arbor, MI.

Garrett, R. K. (2011). Troubling consequences of online political rumoring. Human Communication Research, 37(2), 255-274. doi: 10.1111/j.1468-2958.2010.01401.x

Gosling, S. D., & Mason, W. (2015). Internet research in psychology. Annual Review of Psychology, 66, 877-902. doi: 10.1146/annurev-psych-010814-015321

Guerin, B., & Miyazaki, Y. (2006). Analyzing rumors, gossip, and urban legends through their conversational properties. Psychological Record, 56(1), 23-33.

Hernon, P. (1995). Disinformation and misinformation through the Internet: Findings of an exploratory study. Government Information Quarterly, 12(2), 133-139. doi: 10.1016/0740-624x(95)90052-7

Liben-Nowell, D., & Kleinberg, J. (2008). Tracing information flow on a global scale using Internet chain-letter data. Proceedings of the National Academy of Sciences of the United States of America, 105(12), 4633-4638. doi: 10.1073/pnas.0708471105

Metaxas, P. T., & Mustafaraj, E. (2012). Social media and the elections. Science, 338(6106), 472-473. doi: 10.1126/science.1230456

Nyhan, B., & Reifler, J. (2010). When corrections fail: The persistence of political misperceptions. Political Behavior, 32(2), 303-330. doi: 10.1007/s11109-010-9112-2

Peterson, W. A., & Gist, N. P. (1951). Rumor and public opinion. American Journal of Sociology, 57(2), 159-167. doi: 10.1086/220916

Shibutani, T. (1966). Improvised news: A sociological study of rumor. Indianapolis, IN: Bobbs-Merrill.

Shin, J., Jian, L., Driscoll, K., & Bar, F. (2018). The diffusion of misinformation on social media: Temporal pattern, message, and source. Computers in Human Behavior, 83, 278-287. doi: 10.1016/j.chb.2018.02.008

Sutton, J., Spiro, E. S., Johnson, B., Fitzhugh, S. M., Gibson, B., & Butts, C. T. (2014). Warning tweets: serial transmission of messages during the warning phase of a disaster event. Information, Communication & Society, 17(6), 765-787. doi: 10.1080/1369118x.2013.862561

Ventresca, M., & Aleman, D. (2013). Evaluation of strategies to mitigate contagion spread using social network characteristics. Social Networks, 35(1), 75-88. doi: 10.1016/j.socnet.2013.01.002

 

Scroll to Top