社交媒体错误信息危害与研究背景 [page::1][page::2]

• 新冠疫情期间伴随信息“infodemic”，错误信息传播导致实际健康危害。

- 研究对象为肯尼亚（n=7,498）和尼日利亚（n=7,794）Facebook用户，通过Messenger chatbot进行实验。

• 研究重点为减少误传信息分享意图，同时不影响真实信息分享。

实验设计与干预措施分类 [page::1][page::4][page::19]

• 设计分两阶段：学习阶段采用40因素组合和自适应分配算法识别表现最佳干预；评估阶段对筛选出干预进行准确估计。

- 干预包括两类：（1）文章标签类：事实核查、相关文章、真实信息推送；（2）用户层面提示类：准确性提示、Facebook防骗技巧等。

• 精准分配策略基于随机森林模型，个性化分配准确性提示或Facebook技巧。

主要发现：准确性提示明显有效，标签类无明显效果 [page::9][page::11][page::12]

• 事实核查和相关文章标签对减少误传无显著效果，相关文章标签甚至可能增加误传意图（不显著）。

- 准确性提示降低误传分享意图2.3百分点，相对于控制组4.9%减少，且不影响真实信息分享。

• Facebook防骗技巧提示效果较弱，但趋势正向。

个性化精准策略提升效果显著 [page::12][page::13]

| 策略类型 | 效果指标 | 结果 |
|----------|----------------|-------------|
| 精准规则 | 误传分享减少率 | -3.3个百分点，显著优于均匀分配准确性提示 |
| 学习阶段精准策略 | 较统一策略提升 | 较准确性提示提升约3个百分点分享辨识度 |

• 准确性提示针对数字素养较高、年龄较小、不支持执政党及男性等群体分配比例较高。

- 个性化规则通过减少错误分享进一步优化分享辨识效果。

误信息分享的异质性分析 [page::8][page::48][page::49]

• 年轻人、男性、执政党支持者、数字素养和科学知识较低者，分享辨识度较低，误传概率更高。

- 在这些“高风险”群体中，响应准确性提示等干预效果更为显著。

• 数据表明不同群体间存在显著异质性，提示未来干预应更加精准化。

方法及数据说明 [page::17][page::21]

• 采用平衡线性Thompson采样（BLTS）自适应算法分配干预，提升学习速度并减少不良干预暴露。

- 采用随机森林模型和增广逆概率加权（AIPW）估计干预效果，控制协变量并校正实验偏差。

• 数据采集经多地伦理审查，样本通过Facebook定向广告招募，兼顾年龄和性别平衡。

Battling the Coronavirus ‘Infodemic’ Among Social Media Users in Kenya and Nigeria —详尽分析报告

---

1. 元数据与概览

• 报告标题：《Battling the Coronavirus ‘Infodemic’ Among Social Media Users in Kenya and Nigeria》

- 作者：Molly Offer-Westort, Leah R. Rosenzweig, Susan Athey

• 发布单位：芝加哥大学政治学系、发展创新实验室，斯坦福商学院

- 发布时间：2023年9月19日

• 研究主题：在新冠疫情期间，针对肯尼亚和尼日利亚社交媒体用户的实验研究，旨在通过干预减少错误信息的传播，同时不降低真实信息的分享意愿

核心论点及摘要：

该研究聚焦社交媒体上新冠疫情相关“错误信息”的传播（“infodemic”），设计并测试40种干预组合，采用Facebook Messenger平台对约1.5万名肯尼亚与尼日利亚用户进行实验。运用分阶段设计，首先通过因子设计和上下文适应性试验发现最优干预措施，随后评估筛选出的最佳方案。发现社交平台常用的误导标记和相关意见推荐等措施效果为空，但“准确性提醒”（nudges）能在不影响真实信息传播的前提下显著减少错误信息的分享意愿，降低错误分享2.3个百分点（4.9%相对减少），为可低成本推广的对策提供定量依据。[page::0]

---

2. 报告逐节深度解读

2.1 背景与方法论（章节1至3）

• 背景：面对新冠疫情，信息泛滥且充斥错误谣言（“infodemic”），尤其在疫苗普及早期尤其危险。研究目标是激励用户区分信息真伪，减少错误信息分享，同时不打击真实信息分享意愿。

- 样本及平台选择：聚焦肯尼亚与尼日利亚两个撒哈拉以南非洲最大的Facebook市场，样本通过Facebook广告定向招募，研究通过Facebook Messenger聊天机器人进行，确保真实使用环境下的生态效应。

• 实验设计：

- 两阶段设计：第一阶段为学习阶段，测试40个干预组合，采用平衡线性Thompson抽样（BLTS）算法进行适应性分配，提高实验内参与者获得有效干预概率；第二阶段为评估阶段，针对筛选出的最优四种干预及个性化政策进行效应验证。
- 干预类型：
- 标题级（Headline-level）干预：在错误新闻标记事实核查标签、提供相关文章，模拟Facebook内容干预措施。
- 受访者级（Respondent-level）干预：包括准确性提醒（accuracy nudge）、Facebook使用提示、视频培训、情绪抑制提示、行为承诺（pledge）等，理论上可长期较低成本推广。

• 主要指标：

- 引入"sharing discernment"复合指标，对错误信息分享赋予负权重（-1），真实信息分享赋予正权重（0.5），体现错误分享危害大于真实分享的价值。
- 通过前后测试设计控制预处理分享倾向，提高估计精度。[page::1,2,3,4]

2.2 学习阶段结果（章节1.1及图表分析）

• 在学习阶段（n=4,761），采用BLTS算法动态调整用户干预分配，逐批次增加高效干预的试验分配概率。

- 图1显示准确性提醒（accuracy nudge）和Facebook提示（Facebook tips）在受访者级干预中表现最好；事实核查标签（fact check）和相关资讯（related articles）在标题级表现较优。

• 尽管任务设计允许探测交互作用，样本量和组均样本限制了交互效应解析能力，但算法分配趋势和效应估计指导最终选择策略。

- 适应性设计虽未大幅提升群体平均表现（提升约1%，无统计显著性），但有效减少了低效干预分配，体现伦理考量与学习效用平衡。[page::5,6,37,38]

2.3 评价阶段与主要效果（章节1.2及图表分析）

• 样本：评价阶段n=10,531，均衡分配接收6种干预及对照组。

- 主要发现：
- 标题级干预（fact check，related articles）均未显著降低错误信息分享，甚至有相关文章可能增加分享意愿，暗示“反弹效应”。
- 受访者级的“准确性提醒”干预显著提升分享辨识能力（分享辨识度提升0.066，s.e.=0.032，p=0.038），主要贡献来自错误分享减少2.3个百分点（相当于4.9%降低）。
- Facebook提示效果次之（分享辨识度提升0.054，p=0.133，不显著）。
- 干预未显著影响真实信息的分享。

• 个性化政策效果优于单一干预：

- 学习的目标个性化政策（Learned Targeted Policy）结合多种干预，但边际优于统一分配较少。
- 限制在两个干预间个性化策略（Restricted Targeted Policy）效果最佳，错误分享减少3.3个百分点（7%降低），显著优于均一施加方案。

• 分流渠道差异：

- 准确性提醒在Facebook时间线（更公开渠道）上减少错误分享更显著（-2.5 pp, p=0.006），在Messenger私聊中的效果略淡（-1.8 pp, p=0.060）。

• 参与者特征与分享行为：

- 控制组数据表明用户能一定区分真伪信息，且更不愿意公开传播错误消息。
- 年轻、男性、政治倾向支持现政权、数字素养和科学知识较低的用户辨识度较差，易传播错误信息。[page::8,9,11,12,13,14,15]

2.4 风险因素和局限性讨论（章节2）

• 局限性：

- 样本受限于愿意点击Facebook广告并参与调查的用户，代表性受限，尤其未覆盖不活跃或未接触广告群体。
- 实验在调查环境中进行，参与者知晓正参与研究，可能存在“实验者期望效应”，但研究设计和数字素养差异分析减弱此风险。
- 分享“意图”而非真实分享行为作为主要指标，虽相关但不能完全替代实际行为。

• 风险：

- 标题级标签可能存在回弹风险。
- 不同群体的数字素养和认知差异影响干预效果。

• 研究贡献：

- 验证低成本、可大规模推广的心理“准确性提醒”有助于减少错误信息传播，优于常见的事实核查标签策略。
- 强调个性化干预策略能有效针对用户差异，提升干预效力。
- 补充了非欧美环境下的实证证据，考虑发展中国家数字素养差异及文化环境影响。[page::15,16]

---

3. 重要图表解读

3.1 图1：学习阶段干预估计效果

• 内容描述：图中左侧面板呈现40个“受访者×标题”组合的分享辨识均值估计及置信区间，右侧两个面板分别为仅按标题干预和仅按受访者干预平均效果展示。右侧面板右侧数字表示最终批次平均分配概率。

- 趋势解读：
- 受访者干预中，“accuracy nudge”和“Facebook tips”组的效果高于对照，且分配概率上升明显，算法趋向优选这些干预。
- 标题干预中“fact check”和“related articles”表现中性或弱负面，后续评估阶段选择重点观察。

• 数据质量：样本分布不均，部分组合样本量仅约89，交互效应估计不够稳健。

- 支持论点：验证了心理学层面精准提醒效果优异，传统标签干预价值有限。[page::6]

3.2 图2：评价阶段不同干预的分享意愿及辨析效果

• 描述：分渠道（时间线、Messenger、任一渠道）展示对真、假内容的分享比例和整体分享辨识度，按实验条件分组（控制、fact check、related articles、accuracy nudge、Facebook tips、个性化策略）。

- 趋势：
- 控制组错误分享比例明显高于精准提醒、个性化政策组。
- 财经核查、相关文章组在错误分享率无显著改善。
- 受访者层面“准确性提醒”显著降低错误分享，整体分享辨识度提升。

• 文本呼应：确认准确性提醒的显著效果，且个性化政策优于统一策略。

- 潜在局限：分享意向非真实行为，部分置信区间较宽，需谨慎外延解释。[page::9,11]

3.3 图3：个性化分配策略下用户特征差异

• 内容：展示被个性化策略分配接受“准确性提醒”vs.“Facebook提示”组别用户数字素养、年龄、政治倾向、性别、科学知识指数平均值及两组差异的统计检验结果。

- 解读：
- “准确性提醒”组整体数字素养更高、年龄稍轻，且政治倾向与性别分布有显著差异。
- 说明个性化分配确实基于用户特征实现差异化干预，兼顾效果最大化。

• 联系文本：强化了理论与算法设计，基于用户画像优化干预施加的实证佐证。[page::15]

3.4 其他图表

• Supplementary Figure 4：个性化精准分配策略对比随机分配的优势曲线（Targeting Operator Characteristic Curve），展示随分配比例调整，个性化干预对减少错误分享的持续改进，统计学上高度显著，凸显个性化策略优势。

• Supplementary Figure 5：不同权重方案下对分享辨识效果统计显著性检验，验证主要结果的稳健性，显示准确性提醒（accuracy nudge）和个性化组合在多种权重设定下均表现优势。

---

4. 估值分析（实验设计及估计方法）

• 估价方法：

- 采用因子设计结合分层次上下文适应性算法（Balanced Linear Thompson Sampling，BLTS）分配实验被试，提高数据收集效率与伦理性。
- 估计主效应使用增强逆概率加权估计法（Augmented Inverse Probability Weighting，AIPW），结合机器学习随机森林建模预测结果，控制协变量和预处理分享意向。

• 关键参数：

- 权重设定：错误信息权重为-1，真实信息权重为0.5，体现对错误信息传播更强抑制需求。
- 个性化策略通过拟合广义随机森林模型预测不同受访者基于特征得到的最优处理效果，动态分配干预。

• 敏感性分析：

- 通过不同协变量调整和缺失值处理方案验证估计稳健性。
- 权重设定变动分析表明主结论不受方案影响。

• 政策学习：限制个性化选项数量（两个干预）有助于避免过拟合，提升真实效果。[page::4,21,22,42,43,46]

---

5. 风险因素评估及局限

• 风险因素：

- 标题类干预可能导致反效果（如相关资讯增加错误分享潜在可能）。
- 不同文化场景和受众数字素养差异可能影响干预普适性。
- 用户自我报告的分享意图与真实分享行为存在偏差。
- 实验设置非盲法，可能存在被试行为受实验预期影响。

• 缓解策略：

- 设计两阶段实验，结合适应性分配减少错误干预可能带来的负面影响。
- 针对不同用户特征开发个性化政策，实现效果最大化控制风险。

• 局限分析：

- 参与者为点击广告愿意参与的用户，非完全代表总体，可能存在样本偏差。
- 干预实施环境为带参与感的调查环境，不完全模拟真实社交平台一线环境。
- 研究结果局限于分享意图层面，尚缺失真实分享行为因果估计。

• 内部一致性：

- 报告严谨区分信念与行为（分享）的影响机制，强调前者未必等同后者。
- 充分披露适应性设计和估计方法的优势与限制，体现科学严谨态度。[page::15,16,21,37,48]

---

6. 审慎视角与细微差别

• 偏见及假设检视：

- 虽然准确性提醒效果明显，Facebook自身的标签干预仍被广泛采用，研究提醒需重新审视平台策略。
- 个性化策略虽有效，但模型过度复杂可能引入过拟合风险，限制方案反倒带来提升，需平衡复杂度与泛化能力。

• 实验效应的通用性问题：

- 研究指出，北美和欧洲背景的干预在撒哈拉以南非洲呈现变异，提示文化和数字素养敏感性，全球推广需慎重。

• 样本代表性偏差：

- Facebook广告招募用户，表面和Afrobarometer调查对比显示类似性别和年龄特征，但整体更年轻、更富教育背景，可能高估干预效力。

• 建议探索领域：

- 区分Timeline与Messenger分享机制及心理影响，为深入理解共享行为差异提供未来研究方向。
- 关注干预耐久性和长期行为转变，当前仅考察即时意向。

• 数据与方法透明：

- 代码及数据开放，便于后续学界复核与扩展；作者声明无利益冲突，增加研究可信度。[page::0,15,16,31,40]

---

7. 结论性综合

本研究通过对肯尼亚和尼日利亚Facebook社交媒体用户进行大规模随机对照实验，严谨评估了多种干预策略在新冠疫情信息辨析中的效果，结论深入且多维：

• 标题类干预（事实核查标签和相关文章推送）对减少错误信息分享无显著帮助，甚至存在潜在反弹可能，与Facebook及其他研究结果相呼应。

- 受访者级干预中，“准确性提醒”作为一种低成本、心理层面的关注提示显著减少了错误信息的传播意向（降低2.3个百分点，约4.9%相对减少），不损害真实信息分享意愿，是提升信息质量的有效工具。

• 个性化干预策略基于用户特征（数字素养、政治倾向、年龄、性别等）定制推荐干预方案，通过“限制性个性化”（Restricted Targeted Policy）在发挥个性化效应、避免过拟合间达到最佳均衡，较单一干预进一步提升约7%的减少效果。

- 用户分享倾向受多维度因素驱动，年轻、男性、数字素养与科学知识较低者更易错误分享，分类针对性干预能提高整体辨识度。

• 研究方法设计科学严谨，利用适应性实验设计在伦理和统计效率间取得平衡，结合机器学习预测实现个性化政策设计和动态优化。

- 存在样本和方法局限性，未来研究需扩展至实际行为数据和更广泛人群，探索长期效应及不同文化环境对干预策略的适应性。

• 结论提醒社交媒体平台重新审视常用事实核查标签的实际效力，推荐推广科学验证的心理“准确性提醒”及个性化干预方案以减缓疫情错误信息传播。

综上，本报告提供了具有高度说服力的实证证据，支持低成本心理干预能提升社交媒体用户对疫情信息分享的辨识度，有助公共卫生危机中信息环境的优化和错误信息传播的抑制，具有重要政策指导意义和应用前景。[page::0,1,2,3,6,9,11,12,15,16,21]

---

完整通过跨章节详尽解读，结合文本与图表数据，结构化呈现。

报告