“信息疫情”的定义、传播及治理

徐 剑 钱烨夫

(上海交通大学媒体与传播学院，上海 200240)

2019年末，一场由新型冠状病毒(COVID-19)引发的瘟疫迅速席卷全球。新冠病毒所引发的公共卫生危机同时也是一场政治传播危机和健康传播危机。(1)Gollust S E， Nagler R H， Fowler E F. The Emergence of COVID-19 in the US： A Public Health and Political Communication Crisis[J]. Journal of Health Politics， Policy and Law， 2020.与以往的瘟疫传播模式有所不同，在新冠病毒迅猛传播的同时，以谣言、错误信息为代表的不实信息借助全球化的社交媒体泛滥扩散，并且“信息的传播速度比病毒更快”，直接催生了世界各国抗击疫情的“第二战场”。(2)Zoe Thomas. WHO says fake coronavirus claims causing “infodemic”[EB/OL]. (2020-02-13)[2020- 05- 13]. https：//www.bbc.com/news/technology-51497800.正如世界卫生组织总干事谭德赛所说：“我们不仅仅是在抗击流行病，我们还在与一场‘信息疫情’作斗争。”(3)United Nations. UN tackles “infodemic” of misinformation and cybercrime in COVID-19 crisis[EB/OL]. (2020- 03-29)[2020-05-13]. https：//www.un.org/en/un-coronavirus-communications-team/un-tackling-%E2%80%98infodemic%E2%80%99-misinformation-and-cybercrime-covid-19.

在危机传播领域，Coombs构建的情境危机传播理论(Situational Crisis Communication Theory， SCCT)(4)Coombs W T. Protecting Organization Reputations During a Crisis： The Development and Application of Situational Crisis Communication Theory[J]. Corporate Reputation Review， 2007， 10(3)： 163-176.被广泛采用作为研究危机下传播策略的一般性框架。在情境危机传播理论框架下，社交媒体网络在新冠疫情相关信息的传播过程中扮演着关键角色，其中不实信息的传播

可以被归类为“受害者型危机”。(5)Coombs W T， Holladay S J. Helping Crisis Managers Protect Reputational Assets： Initial Tests of the Situational Crisis Communication Theory[J]. Management Communication Quarterly， 2002， 16(2)： 165-186.疫情暴发以来，社交网络成为传播疫情信息的主流渠道。一方面，各国政府通过社交网络第一时间发布相关抗击疫情信息；另一方面，大量错误的信息也通过社交网络迅速扩散，指数级地放大了民众的恐慌，分裂社会共识并危害各国政府和国际组织声誉——满天飞的世界各国各种“神药”、对中国疫情的污名化、对比尔·盖茨的妖魔化、对世界卫生组织的无端指责……这些“信息疫情”不仅对全球公共卫生构成了严重威胁，还严重撕裂国际秩序。(6)Zarocostas J. How to fight an infodemic[J]. The Lancet， 2020， 395(10225)： 676.在新冠病毒疫情全球流行扩散的背景下，准确认识和理解“信息疫情”，把握其传播规律和控制手段，已成为全球合作开展信息治理，共同应对疫情，守护人类命运共同体的重要环节。

新冠病毒蔓延背景下，基于社交网络的虚假信息传播已成为妨碍全球网络信息安全和公共安全的一个重大现实问题。Pulido等分析了与新冠病毒有关的1 000条推文，结果表明，与基于科学证据或事实核查的推文相比，虚假信息被发送的次数更多。(7)Pulido C M， Villarejo-Carballido B， Redondo-Sama G， et al. COVID-19 infodemic： More retweets for science-based information on coronavirus than for false information[J]. International Sociology， 2020，35(4)： 377-392.Jinling Hua等结合中国的报纸、社交媒体等平台，分析了中国政府在不同阶段所采取的关键行动的时间轴，指出不同利益相关者的参与，以及更严格的监管是减小“信息疫情”影响的关键所在。(8)Hua J， Shaw R. Corona virus (Covid-19) “infodemic” and emerging issues through a data lens： The case of China[J]. International journal of environmental research and public health， 2020， 17(7)： 2309.Rovetta等(9)Rovetta A， Bhagavathula A S. Covid-19-related web search behaviors and infodemic attitudes in Italy： Infodemiological study[J]. JMIR public health and surveillance， 2020， 6(2)： e19374.利用谷歌趋势挖掘了2020年1月至3月间意大利与新冠疫情相关的互联网搜索行为，发现了与“信息疫情”有关的主要搜索内容，并分析了“信息疫情”在不同区域的传播特征。以上研究对描述和理解新冠病毒背景下“信息疫情”的传播规律提供了参考，但针对危机传播框架下多元抑制“信息疫情”的传播机理及对策研究还较为缺乏。

一、 “信息疫情”的定义、传播特点和传播内容

(一) “信息疫情”的定义

世界卫生组织指出，“信息疫情”是在传染病疫情背景下，包括谣言、小道消息在内的大量信息通过手机、社交媒体、互联网以及其他通信技术快速传播的现象，导致人们难以发现值得信任的信息来源和可以依靠的指导，并妨碍疫情防控的有效措施。(10)World Health Organization. Managing epidemics： key facts about major deadly diseases[M]. Geneva： World Health Organization， 2018.(11)World Health Organization. Novel Coronavirus (2019-nCoV)： Situation Report-13[EB/OL]. (2020-02-02)[2020-03-12]. https：//www.who.int/docs/default-source/coronaviruse/situation-reports/20200202-sitrep-13-ncov-v3.pdf.“信息疫情”最直观的后果，是引发公众非理性的恐惧心理，甚至是大规模的社会恐慌，并最终对社会稳定造成破坏性的影响。(12)Leung G M， Leung K. Crowdsourcing data to mitigate epidemics[J]. The Lancet Digital Health， 2020， 2(4)： e156-e157.

简而言之，“信息疫情”是指在传染病传播期间，与疫情有关的不实信息通过以社交网络为主的网络通信技术向全球公众即刻、广泛传播，对疫情的正确防控造成重大妨碍，撕裂全球抗疫共识，并进一步地助推疫情在全球蔓延。

(二) “信息疫情”的传播特点

一是传播速度指数级。与以往瘟疫中谣言信息的传播模式不同，在前社交媒体时代，谣言主要通过口耳相传等人际传播方式实现，媒体由于有基于新闻专业主义的把关过滤机制核实信源和信息内容，不实信息很难得到广泛传播，此类信息的传播机制一般是随着病疫的地区扩散而传播。而到了如今的全球社交媒体时代，人人都是发声者，不实信息可在短短一两天内传遍全球社交网络，传播速度远远超过疫情发展本身。以往的研究指出，社交媒体为处于危机中的公众提供了快速寻找必要信息的来源。(13)Ott L， Theunissen P. Reputations at risk： Engagement during social media crises[J]. Public Relations Review， 2015， 41(1)： 97-102.在社交媒体网络的信息传播中，错误的信息往往比真实信息更有可能得到分享，假消息传播比真消息传播更远、更快、更深、更广。(14)Vosoughi S， Roy D， Aral S. The Spread of True and False News Online[J]. Science， 2018， 359(6380)： 1146-1151.在危机背景下，涉及公众健康风险的“信息疫情”更容易通过社交媒体以几何级的传播速度扩散开去，使得局部的风险信息或危机信息可能由于过度快速、广泛的传播而被无限放大、扩张。(15)汤景泰，巫惠娟.风险表征与放大路径： 论社交媒体语境中健康风险的社会放大[J].现代传播(中国传媒大学学报)，2016，38(12)： 15-20.

二是传播对象海量级。在全球社交媒体建构的空间中，全世界的事情几乎在同步发生，电子传播的速度超过了感官的速度，人的认知与互动通过网络相联系，而在信息无处不在的网络空间中，人难以像现实中的感染者一样被“隔离”，只能全方位地、不停息地暴露于信息的洪流之中。随着移动互联网的快速发展，社交媒体网络成为新型全球公共舆论平台，是国际思想文化信息的集散地和全球重大事件舆论的放大器。(16)相德宝，张文正.新媒体时代全球智库社交网络影响力探析[J].社会科学文摘，2018(4)： 118-120.根据We Are Social和Hootsuite两家机构联合发布的最新报告，截至2020年1月，全球社交媒体用户数量为38亿，占世界总人口的49%以上。(17)Rebecca Twose. GLOBAL DIGITAL TRENDS IN 2020[EB/OL].(2020-02-25)[2020-05-15]. https：//www.languageinsight.com/blog/2020/global-digital-trends-in-2020/.由于全球社交媒体网络的深度联结，“信息疫情”一旦发生，面向的是全球的海量用户，并迅速实现跨国界、跨区域、跨种族的传递。

三是传播网络去中心化。从中心化的大众传播转变为去中心化的群体传播是社交媒体时代的最主要的信息传播特征之一。(18)邹淼淼，刘迅.谣言机制在社交媒体中的群体传播嬗变与舆情治理对策研究[J].出版广角，2019(9)： 64-66.在社交媒体时代的信息传播环境中，“人人手持麦克风”的多主体信息传播模式成为现实，这意味着每一位社交媒体用户都可以成为传播各种虚假、有害信息的渠道。(19)马立德，李占一.重大突发事件中谣言的特点、影响与对策建议[J].新闻战线，2020(3)： 9-11.同时，信息的碎片化消解了传统媒体、“元叙事”和理性意义，(20)向春香，陶红．微博的碎片化信息传播对“中心”的消解及其问题探究[J]．西南农业大学学报(社会科学版)，2011(5)： 80-83.而虚假信息往往具备比真实信息更大的吸引眼球和引发恐慌的能力，这使得高关注度的虚假信息极易产生类似病毒的裂变式传播和指数式增长，最终不断泛滥并淹没了可靠、真实的信息。而传播网络去中心化的背后是部分自媒体、“营销号”发布的大量夹杂着情感化表达、故事性叙述和个人化体验的内容，更容易刺激公众敏感的神经，引发不理性行为。(21)江苏佳.信息疫情： 新冠肺炎疫情谣言传播及应对研究[J].科普研究，2020，15(1)： 70-78+108.

四是传播效果疫情化。“信息疫情”与普通网络谣言的最大区别在于，“信息疫情”是在现实疫情的背景下产生，并与传染病疫情的发展相互交织，因而更容易利用公众焦虑、恐惧的心理，引发大规模的恐慌，并对疫情防控产生负面影响。(22)王世伟.略论“信息疫情”十大特征[J].图书馆杂志，2020，39(3)： 19-23.大量谣言和不实信息的出现不仅会对疫情防控产生负面影响，甚至会引发新一轮的公共健康危机。(23)Tan A S L， Lee C， Chae J. Exposure to health (mis) information： Lagged effects on young adults’ health behaviors and potential pathways[J]. Journal of Communication， 2015， 65(4)： 674-698.“信息疫情”不仅仅是错误的信息本身，还会误导民众根据错误信息采取实际的行动，如韩国的大规模集会、中国的“连夜抢购双黄连”、英国的人为纵火焚烧5G塔等，而这些聚集性的公众行为又进一步助推疫情的扩散。

(三) “信息疫情”的传播内容

二、 基于SEIR模型的“信息疫情”传播机制

在“信息疫情”中通过社交媒体传播虚假、错误信息的模式类似于社交网络中的谣言传播模式。研究表明，在线社交网络中谣言的传播与传染病传播在规律上存在相似性，可以运用传染病传播的模型加以分析。(27)Hill A L， Rand D G， Nowak M A， et al. Infectious disease modeling of social contagion in networks[J]. PLOS computational biology， 2010， 6(11)： e1000968.在现有基于传染病相关模型的谣言传播规律研究中，SIS、SIR、SEIR及其改进模型得到了较为广泛的运用。如Jin、林芹等基于SIS模型分别建立了推特上的新闻和谣言、社交网络舆情传播等数学模型；(28)Jin F， Dougherty E， Saraf P， et al. Epidemiological modeling of news and rumors on twitter[C]//Proceedings of the 7th workshop on social network mining and analysis. New York： Association for Computing Machinery， 2013： 1-9.(29)林芹，郭东强.优化SIS模型的社交网络舆情传播研究： 基于用户心理特征[J].情报科学，2017，35(3)： 53- 56，75.Zhao、余莎莎等运用SIR模型分别研究了新媒体谣言传播以及社交网络中商业谣言传播的规律；(30)Zhao L， Cui H， Qiu X， et al. SIR rumor spreading model in the new media age[J]. Physica A： Statistical Mechanics and its Applications， 2013， 392(4)： 995-1003.(31)余莎莎，王友国，朱亮.基于SIR社交网络中商业谣言传播研究[J].计算机技术与发展，2016，26(11)： 195-199.Dong、Xia等基于改良的SEIR模型研究了网络谣言的传播规律。(32)Dong S， Deng Y B， Huang Y C. SEIR model of rumor spreading in online social network with varying total population size[J]. Communications in Theoretical Physics， 2017， 68(4)： 545.(33)Xia L L， Jiang G P， Song B， et al. Rumor spreading model considering hesitating mechanism in complex social networks[J]. Physica A： Statistical Mechanics and its Applications， 2015， 437： 295-303.SIS、SIR、SEIR模型均是在传染病SI模型基础上发展而来，SI模型包含易感状态(Susceptible)和感染状态(Infected)两种状态，SIS模型在SI模型基础上加入治愈率，依然是一个相对简单化的模型，不能很好地表征现实状态下传染病痊愈后人群具有的免疫状态，因此Kermack等在1927年提出了SIR模型，增加了病愈后具有免疫力的一类人群(Recovered and immune hosts)。(34)W. O. Kermack， A. G. McKendrick. A Contribution to the Mathematical Theory of Epidemics[J]. Proceedings of the Royal Society of London. Series A， Containing Papers of a Mathematical and Physical Character， 1927， 115(772)： 700-721.虽然此模型较SI模型有了很大进步，但没有考虑传染病的潜伏期，因而在此基础上又发展出了SEIR模型，增加了感染而未发病者(Exposed hosts)这一类人群，(35)王丙刚，曲波，郭海强，等.传染病预测的数学模型研究[J].中国卫生统计，2007(5)： 536-540.使得模型能够尽可能地贴近传染病传播的真实状态。而在“信息疫情”通过社交媒体网络传播扩散的过程中，用户基于“选择性信息接触”(36)An J， Quercia D， Crowcroft J. Fragmented social media： a look into selective exposure to political news[C]//Proceedings of the 22nd international conference on world wide web. New York： Association for Computing Machinery， 2013： 51-52.暴露于“信息疫情”中的相关错误信息构成的场域中，但短时间内可能暂未确信或否定相关信息，并不具备进一步传播谣言的能力，即处于“潜伏”状态，可见在上述几类模型中SEIR模型更加符合基于社交媒体网络的“信息疫情”传播规律，同时SEIR模型对于移动社交网络背景下信息传播规律的表征作用也得到研究的证实。(37)Liu Q， Li T， Sun M. The analysis of an SEIR rumor propagation model on heterogeneous network[J]. Physica A： Statistical Mechanics and its Applications， 2017， 469： 372-380.(38)Zhao D， Sun J， Tan Y， et al. An extended SEIR model considering homepage effect for the information propagation of online social networks[J]. Physica A： Statistical Mechanics and its Applications， 2018， 512： 1019-1031.

依据SEIR模型，结合“信息疫情”在现实社会传播和“感染”的情况，可以将模型分为易感(S)、暴露(E)、感染(I)、免疫(R)四个节点，并根据社交媒体用户所处的节点位置将人群分为以下几种状态：

(1) 易感状态(S)，表示其社交媒体网络信息流中没有出现“信息疫情”，暂未暴露于“信息疫情”之下，但存在接收到虚假、错误信息的可能。

(2) 暴露状态(E)，表示其社交媒体网络信息流中出现了“信息疫情”，导致其暴露于“信息疫情”之下，但暂未受到其影响。

(3) 感染状态(I)，表示其受到了“信息疫情”的“感染”，相信了其中的虚假、错误信息，并具有进一步传播“信息疫情”的能力。

(4) 免疫状态(R)，表示其因为某种原因不相信“信息疫情”中的虚假、错误信息，因而没有受到“信息疫情”的负面影响。

该模型的具体传播机制如下：

(1) 处于S状态的节点一旦接触到“信息疫情”则立即转变为E状态。

(2) 处在E状态的节点随着“信息疫情”的传播，会在单位时间后以一定的概率p1被感染转变为I节点，也有可能因为本身不受“信息疫情”影响在单位时间后以一定的概率p3转变为R节点，同时在接收到纠正“信息疫情”的辟谣信息后立即以概率p5转变为R节点。

(3) I节点会向连接的智能体发送疫情相关误导性信息，而在接收到纠正“信息疫情”的辟谣信息后，会以一定的概率p2转变为R节点。

(4) R节点会向连接的智能体发送纠正“信息疫情”的辟谣信息，但并不意味着对“信息疫情”的绝对永久免疫，随着“信息疫情”的传播变化，将在单位时间后以一定的概率p4变为I节点。

该模型依据对应的状态节点中将人群分为易感人群、暴露人群、感染人群、免疫人群四类，S(t)、E(t)、I(t)、R(t)分别表示t时刻易感人群、暴露人群、感染人群、免疫人群的个体数量，该模型的传播系统动力学方程可表示为如下微分方程的形式：

(1)

(1)式中的四个微分方程分别表示易感、暴露、感染、免疫四个节点的变化率，α、β分别表示E节点和I节点接收到纠正信息的概率，由模型的拓扑结构决定。相比于传统的用于研究信息传播的传染病模型而言，该模型加入了传播“信息疫情”和纠正“信息疫情”的两类互相“对抗”的信息传播因素，避免将“信息疫情”作为单一的传播影响因素考虑，以求更加真实地模拟现实世界社交媒体网络中信息的传播机制。

三、 模型仿真与分析

复杂系统多主体建模方法为分析信息的社交媒体网络传播机制提供了有效的研究工具，(39)杜蓉，梁红霞.公共危机事件中政府对网络舆论的引导仿真[J].情报杂志，2011，30(11)： 61-66.20世纪90年代以来，基于主体的建模与仿真(Agent-Based Modeling and Simulation， ABMS)逐步成为社会科学领域复杂性研究的重要手段。(40)李凤翔，罗教讲.计算社会科学视角： 媒体传播效果的计算机模拟研究[J].学术论坛，2018，41(4)： 15-27.其中，多智能体仿真采用自下而上的研究范式，建立基于个体特征和行为的模型，模拟大量个体间相互作用的现象，从而发现或研究系统的整体结构功能或涌现性的宏观规律，在谣言传播等研究领域得到了广泛应用。(41)Wettstein M. Simulating hidden dynamics： Introducing Agent-Based Models as a tool for linkage analysis[J]. Computational Communication Research， 2020， 2(1)： 1-33.(42)Kaligotla C， Yücesan E， Chick S E. An agent based model of spread of competing rumors through online interactions on social media[C]//2015 Winter Simulation Conference (WSC). IEEE， 2015： 3985-3996.本研究将社交媒体网络中的多元用户主体视为不同类型的智能体，运用Anylogic8.5.2软件进行多智能体仿真建模，基于SEIR模型构建“信息疫情”传播模型和不同抑制策略的仿真模型。由于多智能体系统可用于描述小世界网络的结构，而小世界网络模型反映了个体关系网络的一种特性，(43)刘涛，黎夏，刘小平.基于小世界网络的多智能体及传染病时空传播模拟[J].科学通报，2009，54(24)： 3834-3843.社交媒体用户的网络类型可以近似于小世界网络，(44)刘咏梅，彭琳，赵振军.基于小世界网络的微博谣言传播演进研究[J].复杂系统与复杂性科学，2014，11(4)： 54-60.因而本研究以小世界网络模型作为仿真模拟的网络结构类型。

本研究设置智能体的三类主体，第一类是使用社交媒体的普通公众，第二类是拥有较多“粉丝”、影响力较大的网络意见领袖，第三类是由政府设立的官方信息公开发布平台。基于社交媒体网络的特性，每一个用户都是手持“麦克风”的信息传播者，因此本模型中的智能体同时具有接收信息和传播信息的能力。

为了更好地模拟现实世界社交媒体网络的信息传播机制，本研究设置了多个仿真模拟参数，包括不同类型的“信息疫情”的传播能力和影响能力、不同类型的主体连接其他智能体的数量(社交媒体平台“粉丝”数量)、抵抗“信息疫情”的信息免疫力、发送虚假错误信息和辟谣信息的速率(传播意愿)等，以上参数均可以进行控制调节。在研究中共设置10 000个使用社交媒体的普通公众智能体主体、1个政府设立的官方信息公开发布平台主体和若干个影响力较大的网络意见领袖主体。初始参数设置为p1=0.6；p2=0.2；p3=0.1；p4=0.1；p5=0.2，同时设置在模拟的初始阶段由系统向随机智能体投放“信息疫情”以开启模拟进程。

仿真实验结果显示，在不考虑网络意见领袖和官方信息公开发布平台的作用情况下，由于SEIR模型本身的特征，“信息疫情”的传播规律在任由“信息疫情”和辟谣纠正信息自由流动竞争的状态下呈现出典型的传染病传播特性。如图2所示，随着“信息疫情”的出现，处于易感节点的个体数量快速下降，而处于暴露节点的个体数量上升，随即感染人数开始快速上升，并在t=10左右达到峰值。随着时间的推移，越来越多的真实信息参与到对“信息疫情”的抑制中，处于免疫节点的人群成为主体，“信息疫情”的感染作用逐步减弱，这基本符合现实社会社交媒体网络“信息疫情”的传播规律。

在情境危机传播理论框架下，校正不实信息被认为是应对社交媒体网络谣言的重要反应对策。(45)Coombs W T. The protective powers of crisis response strategies： Managing reputational assets during a crisis[J]. Journal of promotion management， 2006， 12(3-4)： 241-260.相关研究显示，当谣言在灾害和风险情况下传播时，政府可能会采取不同的应对策略。(46)Coombs W T， Holladay S J. Reasoned action in crisis communication： An attribution theory-based approach to crisis management[M]//Millar D P， Heath R L. Responding to crisis： A rhetorical approach to crisis communication. Mahwah， NJ： Lawrence Erlbaum. 2004： 95-115.反驳性的辟谣通过提供信息虚假性的证明从而降低了信息的不确定性，被认为是最有效的谣言应对策略。(47)Paek H J， Hove T. Effective strategies for responding to rumors about risks： The case of radiation-contaminated food in South Korea[J]. Public Relations Review， 2019， 45(3).针对网络谣言的研究也表明，政府发布有针对性的辟谣信息是抑制谣言传播的重要手段。(48)郭小安，蒲珏伶.网络对谣言的自我净化： 可能及影响要素——对人民网研究院调查结果的一项检验与补充[J].北京理工大学学报(社会科学版)，2014，16(3)： 137-143.(49)童文胜，王建成，曾润喜.我国网络谣言研究议题与内容文献分析——以CNKI数据库2002—2013年为样本[J].情报杂志，2014，33(7)： 135-140+150.为了探究政府信息公开发布平台传播的辟谣信息对“信息疫情”的抑制作用，本模型进一步引入了政府信息公开发布平台主体，使政府在“信息疫情”传播扩散达到传播高峰期(t=10)时通过信息公开发布平台向所有智能体“广播”辟谣信息，此时暴露于“信息疫情”下的智能体和受到感染的智能体在接收到政府公开发布的辟谣信息后以一定概率转变为免疫状态。图3仿真模拟结果显示，在发布辟谣信息后，感染节点个体数量在短时间内有明显下降，而免疫节点个体数量则在短时间内快速上升。表明政府公开发布的针对性辟谣起到了快速打击和抑制“信息疫情”传播的效果。

由于社交媒体的“回声效应”，危机期间的谣言传播存在多次传播的可能性，因而辟谣信息发布的时间点对于社交媒体的危机传播管理策略尤为重要。(50)Jong W， Dückers M L A. Self-correcting mechanisms and echo-effects in social media： An analysis of the “gunman in the newsroom” crisis. Computers in Human Behavior， 2016， 59： 334-341.为了进一步探究政府发布针对性辟谣信息的时间点对“信息疫情”抑制作用的影响，本研究通过Anylogic软件敏感性分析模块分别模拟在t=10、t=15、t=20、t=25时发布辟谣信息的情况。由图4可以看出，政府公开发布针对性辟谣信息可以使受到“信息疫情”影响的人数在极短时间内快速下降，并使感染节点个体数量呈现“断崖”式的变化，对于抑制“信息疫情”进一步发展起到了明显作用。总体而言，越早发布针对性辟谣信息对“信息疫情”起到的抑制效果越好。此外，政府信息公开发布平台进行针对性辟谣一般在短时间内发挥的作用较大，除非进行连续性的辟谣发布，否则对“信息疫情”的持续性抑制效果会随着时间推移而快速弱化。

事实上，将政府在“信息疫情”中的信息公开发布行为仅仅假定为发布纠正性辟谣信息是一种过于乐观的估计，在公共卫生事件中，政府保障信息发布准确性的规范机制存在失灵的可能，从而导致错误信息的公开。例如新冠疫情暴发早期，特朗普政府对于佩戴口罩的错误意见。(51)Ben Schreckinger. Mask mystery： Why are U.S. officials dismissive of protective covering?[EB/OL].(2020- 03- 30)[2020-05-25]. https：//www.politico.com/news/2020/03/30/coronavirus-masks-trump-administration-156327.对此，本研究模拟了在政府信息发布失范的情形下，由其发布的错误信息引发的“信息疫情”态势变化。图5的仿真模拟结果显示了政府在“信息疫情”传播扩散达到传播高峰期(t=10)时公开发布错误信息的情况： 政府公开发布错误信息后，处于感染节点的个体数量迅速发生“跃迁”并达到极高水平。可见在“信息疫情”发展过程中，政府信息公开平台一旦发布错误信息，不仅会在短时间内导致影响人数快速上升，受“信息疫情”感染的总体规模大幅度扩大，同时也会导致“信息疫情”的整体持续时间延长，对于“信息疫情”的防控起到严重的负面干扰作用，提示政府对于疫情期间公开发布信息的准确性应当采取审慎态度。

网络意见领袖是借助互联网平台就公共话题发表意见，同时对网民施加影响的活跃个人或团体，(52)徐旭初，李晓曼.网络意见领袖： 一个基于国内文献的述评[J].当代青年研究，2015(3)： 76-82.是影响社交媒体网络中信息传播的另一类重要主体。社交媒体网络极大地解放了意见领袖的专业限制，使得网络意见领袖影响受众的范围更广。(53)刘锐.微博意见领袖初探[J].新闻记者，2011(3)： 57-60.根据Yan Jin等提出的网络博客中介的危机传播模型(Blog-Mediated Crisis Communication Model， BCCM)，网络意见领袖在危机传播中扮演重要角色。(54)Jin Y， Liu B F. The Blog-Mediated Crisis Communication Model： Recommendations for Responding to Influential External Blogs[J]. Journal of Public Relations Research， 2010， 22(4)： 429-455.同时，对于社交媒体用户而言，有影响力的网络意见领袖往往相比于传统媒体而言具有相当高的可信度。(55)Johnson T J， Kaye B K. Wag the Blog： How Reliance on Traditional Media and the Internet Influence Credibility Perceptions of Weblogs among Blog Users[J]. Journalism & Mass Communication Quarterly， 2004， 81(3)： 622-642.因此在本研究的模型中，网络意见领袖具有两方面特征： 一是在社交媒体网络中拥有较多“粉丝”，即相比普通用户拥有更多的社交媒体网络连接点，这使得其发声的影响范围更大；二是普通用户由于网络意见领袖的身份特殊，倾向于更加相信其发表的观点，因而网络意见领袖发送的信息具有更强的影响力，即相比于普通用户发送的信息，能够以更高概率促使智能体状态发生相应改变，但略低于政府信息发布平台发布的信息影响力。以往研究表明，由于网络意见领袖不需要遵循新闻专业主义的标准，在事实核查与信息的准确性方面可能存在明显差异。(56)Xenos M. New mediated deliberation： Blog and press coverage of the Alito nomination. Journal of Computer-mediated communication， 2008， 13(2)： 485-503.在现实社会的社交媒体网络中，通常有两类网络意见领袖，一类是热衷于传播吸引眼球的谣言等虚假信息的群体，一类是较为理性的传播正确信息的群体，本研究也设置了两类意见领袖，分别发送疫情相关虚假信息和纠正“信息疫情”的辟谣信息，以更好地模拟真实社交媒体网络环境中基于不同立场信息的竞争对抗作用。

图6的模型仿真模拟结果展示了两类意见领袖数量“旗鼓相当”的情况下的“信息疫情”抑制效果。可以发现，尽管“信息疫情”感染的总人数(峰值)即影响范围没有明显变化，但网络意见领袖的参与明显加快了“信息疫情”发展的进度，使得“信息疫情”的“拐点”提前到来。基于此，本研究进一步模拟了两类意见领袖数量呈现不同差距时的抑制效果。由于传播正确信息的网络意见领袖是参与“信息疫情”治理的主要类型，本研究模拟了传播正确信息的网络意见领袖个体数量多于传播虚假错误信息的网络意见领袖数量不同倍数δ时的抑制效果，见图7。结果显示，当传播纠正性信息的网络意见领袖数量明显多于传播虚假错误信息的网络意见领袖数量时，感染节点个体数量的峰值明显降低，即受到“信息疫情”负面影响的人群数量明显减少。尽管网络意见领袖很难起到类似政府信息发布的“瞬时”抑制作用，但可以通过广泛、持续的发声改变“信息疫情”的发展趋势，使得“信息疫情”提前进入得到有效控制的区间轨道。同时，在相比于传播虚假错误信息的网络意见领袖拥有一定数量优势的前提下，传播正确信息的网络意见领袖在减轻“信息疫情”的危害方面可以发挥一定的积极作用。

Johnson等针对社交媒体网络中的极端主义言论提出了多种干预策略，其中包含删帖和封禁账号等“禁止性”策略组合。(57)Johnson N F， Leahy R， Restrepo N J， et al. Hidden resilience and adaptive dynamics of the global online hate ecology[J]. Nature， 2019， 573(7773)： 261-265.在“信息疫情”的危机传播框架下，基于社交媒体网络实现有效“对话”有时存在困难，因而在有明确政策支持的情况下，删除违规内容主体可以作为一种危机传播反应策略予以采用。(58)Ott L， Theunissen P. Reputations at risk： Engagement during social media crises[J]. Public relations review， 2015， 41(1)： 97-102.基于此，本研究验证了封禁账号对“信息疫情”扩散的抑制作用。在研究模型中，发送“信息疫情”相关错误信息的智能体被视为“违规账号”，而封禁违规账号则意味着以一定概率将传播“信息疫情”的智能体直接移除。图8显示了不同的违规账号封禁概率ε对感染人数变化的影响，结果显示，封禁传播“信息疫情”的违规账号可以显著减少“信息疫情”的影响范围，但“信息疫情”感染个体数量峰值出现的时间变化并不明显，“信息疫情”依然在社交媒体网络的一定影响范围内发生了扩散。这表明，尽管封禁违规账号的策略可以减少“信息疫情”对普通公众的影响，但并不能从根本上阻断“信息疫情”的传播和扩散。

四、 结论和讨论

在健康传播危机背景下，“信息疫情”可能会导致公众恐慌和其他不良后果。过往的研究考察了误导性信息对于公众的影响以及应对策略，但多将研究对象视为单一的信息因素进行分析，而忽略了在公共性危机中作为不同类型主体间的多元信息竞争互动机制。本研究在情境危机传播的理论框架下，基于SEIR模型，通过多主体建模对社交媒体网络“信息疫情”的传播机制和抑制策略进行了仿真模拟，分析了传播过程中易感节点、暴露节点、感染节点、免疫节点的变化情况，表明SEIR模型在一定程度上可以解释社交媒体网络中“信息疫情”的传播规律。同时，尽管情境危机传播的经典理论框架提出了以校正不实信息为主的“否认性”反应策略对于应对以谣言泛滥为代表的受害者型危机的积极作用，但对于不同类型的信息校正策略及其具体效果缺乏深入的探究。本研究通过设置社交媒体的普通用户、网络意见领袖、政府官方信息发布平台三类智能体主体，进一步分析了不同抑制策略下“信息疫情”的传播规律，以期对完善“信息疫情”的治理策略提供参考。结果表明： (1) 政府对不实信息的校正是危机传播背景下应对“信息疫情”的有效策略。政府公开发布的针对性辟谣可以使感染节点人群数量在短时间内“断崖式”下降，具有快速、明显的抑制作用，但缺乏长期性、持续性的抑制作用效果。而当政府公开发布的信息包含错误内容时，将会导致受“信息疫情”感染的总体规模大幅度扩大、整体持续时间延长，对“信息疫情”的抑制起到严重的负面作用。(2) 网络意见领袖在危机传播中对于抑制“信息疫情”发挥重要作用。网络意见领袖可以通过广泛、持续的发声改变“信息疫情”的发展趋势，使得“信息疫情”的“拐点”提前到来；同时，不同立场类型网络意见领袖的数量差距对于“信息疫情”抑制效果有显著影响。当传播正确信息的网络意见领袖数量明显多于传播虚假错误信息的网络意见领袖数量时，受到“信息疫情”负面影响的个体数量明显减少。(3) 在一定条件下，封禁违规内容主体可以作为危机传播中“信息疫情”的补充应对策略之一。尽管封禁传播“信息疫情”的违规账号可以显著减少“信息疫情”的影响范围，但“信息疫情”感染个体数量峰值出现的时间变化并不明显，无法从根本上阻断“信息疫情”。

情境危机传播理论指出，任何危机应对措施的首要任务都是通过提供指导性和适应性的信息来保护利益相关者免受伤害。(59)Coombs W T. Ongoing crisis communication： Planning， managing， and responding[M]. Sage Publications， 2014.在“信息疫情”发展的过程中，多元的信息竞争呈现出“此消彼长”的抗衡态势。例如，当有关新冠疫情防控的真实有效信息占据社交媒体的主要空间时，能够帮助用户提高谣言感知力，使之接受预防新型冠状病毒感染肺炎的有效方法，避免相信“喝酒杀菌”“吸烟预防”“放烟花爆竹驱散病毒”等网络谣言。(60)马立德，李占一.重大突发事件中谣言的特点、影响与对策建议[J].新闻战线，2020(3)： 9-11.而一旦虚假不实信息在社交媒体信息传播空间中占据上风，依托网络裂变式的传播速度，极有可能迅速淹没真实信息，导致谣言成为社交媒体舆论场的主流声音，使得各国人民在全球“信息疫情”的战场中处于不利位置。作为移动互联网时代广泛影响公众认知的社交媒体网络节点，具有影响力的网络意见领袖不仅能够直接参与到“信息疫情”的斗争中，帮助解决“信息疫情”扩散带来的负面效应，还可以在危机传播中提供更多指导性和适应性的信息，作为校正不实信息策略的有益补充，在危机传播中承担起更多的社会责任，帮助更多用户提升媒介素养，引导更多的公众正确认识“信息疫情”。

研究结果表明，在情境危机传播理论框架下的校正不实信息策略可以作为在危机传播中应对社交媒体网络谣言的重要反应对策。而从微观视角来看，基于社交媒体网络的信息校正策略包含多种实现形式，具体应对措施的不同也将产生差异性的结果。基于DiFonzo等(61)DiFonzo N， Bordia P. Corporate rumor activity， belief and accuracy[J]. Public Relations Review， 2002， 28(1)： 1-19.提出的理论，“信息疫情”的生命周期包含产生、评估(信任)、转移三个阶段，这一周期性的过程在基于SEIR模型的仿真模拟中得到了一定程度的验证，也为发展“信息疫情”在危机传播背景下的应对策略提供了新的维度——即应在不同时间阶段采取相适应的危机应对措施。社交媒体时代，传统针对虚假信息信源的单一性打击方式对于“信息疫情”的抑制作用将十分有限，由于极端言论和错误言论的多样性和复杂性，对其管控策略需多种方法协作。现有研究显示，在控制网络世界中的仇恨与极端言论方面，使用关键词屏蔽、删帖等传统监管方式在管控极端言论传播的过程中并不能取得明显效果，甚至会产生反作用。(62)Johnson N F， Leahy R， Restrepo N J， et al. Hidden resilience and adaptive dynamics of the global online hate ecology[J]. Nature， 2019， 573(7773)： 261-265.本研究的模拟结果进一步反映了社交媒体时代危机传播应对的复杂性——单一的刚性抑制手段很难达到根本性的抑制效果。因而政府对于危机传播中的信息发布和信息监管行为应当保持相当审慎的态度，并完善信息公开发布的纠错机制，以形成信息治理的制度体系。对于“信息疫情”而言，应当在危机传播的多主体框架下，探索用户端、平台端、治理端的协同机制，引导各方共同参与到“信息疫情”治理的过程中，建立科学有效的全球信息治理机制。

移动传播时代降低了个体面向公众传播的门槛，以流量为核心考量的算法推送又进一步放大了戏剧性、冲突性信息的传播效果，加速了平台型互联网巨头在全球的扩张以及社交媒体网络的全球联结。新媒介技术的高度发展促成了空间界限的消失和时间同步性的重构，“地球村”在全球社交媒体构筑的网络中真正成为现实。当新冠病毒疫情正以前所未有的速度在全球扩散的同时，我们更看到了“信息疫情”在全球社交媒体网络的深度内嵌，并以巨大的威胁阻碍着全球合作抗疫统一战线的形成，对世界各国的信息治理能力提出了重大挑战。从历史视角来看，疫情终会过去，但“信息疫情”带来的撕裂和诋毁则会对现存的国际政治、经济秩序产生深远影响，其负外部性将由全社会共同承担。在信息网络深度联结的时代，危机面前的人类是一荣俱荣、一损俱损的命运共同体，没有哪个国家能独善其身。在未来的研究中，“信息疫情”作为一种公共卫生事件背景下的危机类型，仍需进一步分析并厘清其传播规律以形成更加完整的危机应对框架，并在此基础上探索全球信息协同治理的有效手段，从而帮助人类社会在病疫和“信疫”的双重战场取得最终的胜利。