信息疫情中真假信息竞争性传播研究

王世雄　朱明旻　骆彦余

关键词： 信息疫情； 竞争性传播； 信息茧房； 多主体建模； ＦＴ－ＳＩＲ 模型

ＤＯＩ：１０．３９６９ ／ ｊ．ｉｓｓｎ．１００８－０８２１．２０２３．０９．０１１

〔中图分类号〕Ｇ２０６ 〔文献标识码〕Ａ 〔文章编号〕１００８－０８２１ （２０２３） ０９－０１２４－１３

在新冠疫情肆虐全球之际， 社交媒体上的信息疫情犹如另一种令人恐慌的“病毒”。鱼龙混杂的真假信息形成竞争性传播格局， 深刻影响着公众认知， 时常激化群体情绪， 形成极具危害性的社会稳定风险， 业界把这种现象称为信息疫情。它是指在重大突发公共卫生事件情境下， 过量的信息（包括真实信息和虚假信息）使得人们难以发现值得信任的信息来源和可靠的指导［１］ 。从传播过程上看， 信息疫情主要表现为虚假信息满天飞， 真相实情被掩藏， 真实和虚假信息相互对抗、竞争， 导致公众产生信息焦虑， 对精神和行为都产生不利影响， 严重影响疫情防控和社会稳定［２］ 。帮助公众采取措施使其免受信息疫情的影响是新冠病毒疫情防控的重要组成部分， 而理解信息疫情的传播则是制定有效防控措施的前提， 蕴含信息疫情之中的真假信息竞争性传播规律是亟需深入研究的课题之一。

鉴于信息疫情空前的流行规模和速度， 学者们把它与病毒传播进行类比， 采用流行病学模型衡量和评估社交媒体上信息疫情的传播， 期冀阐明信息疫情的传播规律。与此同时， 随着社交媒体的崛起，竞争性信息传播的相关研究亦是学者们关注的焦点。现有文献表明， 信息疫情与病毒疫情的传播既有相似性又有差异性， 如接触不一定意味着感染， 但是在信息疫情中， 基于社交媒体数据的接触一般往往与人们自我报告的经历不一致［３］ 。因此， 需要更深入的研究对人群接触信息疫情导致感染（即说服）的可能性进行探索， 以获得更准确有效的结论。

本文从信息疫情中真假信息的竞争性传播特性入手， 聚焦信息疫情的用户易感性、信息的竞争性传播以及信息疫情的免疫３ 个维度， 研究３ 个关键问题： ①社交媒体用户信息行为如何催生真假信息竞争性传播？ ②用户角色特质如何影响真假信息的竞争性传播？ ③如何采取有效措施降低信息疫情的危害？ 上述３ 个问题的解答， 将进一步解释在信息疫情这种新的情境下不同信息的传播规律和竞争关系， 有助于科学制定信息疫情的管控政策。

１相关研究

信息疫情的概念起源可追溯至ＳＡＲＳ 时期，Ｒｏｔｈｋｏｐｆ Ｄ Ｊ［４］ 将“信息疫情” （Ｉｎｆｏｄｅｍｉｃ）创造为信息（Ｉｎｆｏｒｍａｔｉｏｎ）和流行病（Ｅｐｉｄｅｍｉｃ）的混合体， 他认为， 信息疫情以与现实完全不成比例的方式影响着国家（地区）和国际经济、政治甚至安全。伴随新冠疫情的暴发， 信息疫情以其空前的传播力、破坏力再度引起学界的高度关注。Ｇａｌｌｏｔｔｉ Ｒ 等［５］ 对信息疫情现象进行了风险评估， 研究指出， 信息疫情的传播规律比想象中更为复杂多样。Ｌｉｎｄｅｎ Ｓ［３］则指出， 当前关于信息疫情传播的研究仍存在重大的局限性。

在突发公共卫生事件背景下， 社交媒体用户具有异质性和传播学意义上的双重角色。一方面， 作为信息的接收者， 他们会不断从社交媒体中搜寻信息， 同时对获取的信息进行自我判断和选择［１０］ ； 另一方面， 他们又扮演着传播者的角色， 向他人传递自身的观点。信息传播的相关研究成果表明， 恶意在动态网络中具有高度的传染性［６］ 。在社交媒体上，真假信息相互竞争， 使得信息疫情传播的动态性、复杂性更为突出［７］ 。社交媒体上既有热衷于披露疫情真实信息的用户， 又存在着恶意散布虚假信息的用户， 还存在着大量难以辨别信息真假的用户［８］ ，异质性用户传播着多样化信息， 推动信息疫情的涌现和扩散。在信息疫情这个新的情境下， 社交媒体用户的异质特性和复杂行为在其中所起的作用引起学者的重视。

随着信息疫情研究的深化， 应用情报学理论和研究范式介入信息疫情研究是当下的一个热点［９］ 。Ｗｉｌｓｏｎ Ｐ［１０］ 教授于１９８３ 年提出认知权威理论， 他认为， 人们构建知识通常包括以下两种方式： 一种是基于自身的观察和体验获得一手知识； 第二种是通过所认可的其他人获得二手知识。认知权威对用户的认知产生影响， 而被影响的用户则有意识地视其为可靠的真实信息来源， 并认为这种影响是积极的、合适的。另外， 当用户对于所获得的信息感到自信， 并且认为信息已获得足够多时， 则会失去获取更多信息的兴趣， 进而抑制信息获取行为［１１］ ，久而久之， 其接触的信息会趋于窄化， 并逐渐丧失获取其他信息的能力， 最终陷入“信息茧房” 之中。在新冠疫情背景下， 虚假认知权威的存在破坏了用户获得真实信息的原有秩序， 加上“信息茧房” 效应的作用， 部分用户容易将虚假信息奉为圭臬， 而对真实信息视而不见， 最终造成信息传播的失序， 引发信息疫情。因此， 厘清用户角色特质与真假信息竞争性传播的作用关系是信息疫情传播规律的核心内容之一。

近年来， 信息竞争性传播日趋成为传播学领域的热点课题， 与之相关的研究大致有两种思路。一是通过实证统计分析， 比较不同类型信息在网络中的传播方式， 此类研究由于其统计方法的不同， 所得结论往往大相径庭。如２０１８ 年发表于Ｓｃｉｅｎｃｅ 上的论文［１２］ ， 基于多个社交平台的数据， 得出结论“虚假信息比真实信息传播得更远、更快、更深入、更广泛”， 而２０２１ 年发表于ＰＮＡＳ 上的論文［１３］ 采用与之相同的数据， 所得结论却截然相反， 认为真实信息与虚假信息的传播方式并没有统计上的差异。二是通过建模仿真分析， 从宏观和微观两个层面开展研究， 在宏观层面， 利用自上而下的思路研究多类舆情信息之间的竞争效应［１４－１５］ ； 在微观层面， 依托事件驱动的主题挖掘和文本分析， 利用自下而上的思路研究同一事件中不同信息的传播过程， 进而解释它们之间的竞争关系［１６］ 。ＳＩＲ 模型作为经典流行病模型之一， 能有效模拟社交媒体虚假信息的传播规律， 因而此类研究多采用ＳＩＲ 模型作为基础模型并对其进行优化。如陈一新等［１７］ 在ＳＩＲ 模型中加入“辟谣者” 状态， 构建了ＳＩＤＲ 传播模型。张菊平等［１８］ 在谣言传播过程中引入真实信息的传播者，建立了ＳＩＴＲ 谣言传播模型。这种流行病学方法有助于设计检测系统来识别超级传播者， 从而能够及时部署干预措施， 遏制病毒性虚假信息的传播［１９］ 。

流行病传播与信息疫情传播之间的差异性是显著且客观的。信息疫情蕴含着真假信息的竞争性传播， 是一种新的信息情境和传播图景， 蕴含着社交媒体用户的复杂信息行为， 以信息传播和流行病传播的相似性作为研究假设还不足以解决信息疫情传播的复杂性。在信息疫情中， 信息在传播过程中容易发生变异。类似于打电话游戏， 第一个玩家传出的信息在经过中间玩家的转述后， 其内容与最后一个玩家所接收到的信息早已天差地别， 社交媒体上的每一次信息传播都可能让信息发生改变［２０］ ， 前期传播的所谓真实信息， 后期可能被认定是虚假信息， 前期被认定的虚假信息， 后期可能被确认为真实信息。简而言之， 简单拓展流行病传播模型， 不考虑信息疫情传播的时序特性， 仅仅在真假信息二元分类的基础上研究虚假信息的传播规律， 难以完全解释信息疫情的复杂传播行为。

为此， 本文以流行病动力学理论的ＳＩＲ 模型为基础， 结合复杂网络、认知权威、信息茧房等理论， 融入用户信息行为， 综合考虑用户的行为特征与角色特质， 把单一信息传播过程拓展至信息疫情衍生而来的真假信息竞争性传播过程， 构建信息疫情中真假信息竞争性传播模型， 运用多主体建模方法模拟上述模型的作用过程和涌现结果， 以此揭示信息疫情中真假信息的竞争性传播机理。

２信息疫情中真假信息竞争性传播模型

２.１模型构建

本文以信息疫情暴发频繁的微博平台为研究对象。在微博平台中， 用户的转发行为是微博信息传播的主要方式， 通过转发能够使信息基于用户“关注与被关注” 构成的关系网络快速传播［２１］ ， 当用户阅读某条微博， 若认为其值得分享， 就可以转发该微博。由于微博信息具有很强的时效性， 发布时间越长的信息越少人去关注［２２］ ， 加之信息疫情防控期间热点信息此起彼伏， 信息传播呈现出高度动态性， 发布时间越长的信息被转发的概率越低。因此， 在依托微博传播的信息疫情中， 真假信息竞争性传播模型的构建需考虑一个关键性要素， 即接触并不等于说服［３］ ， 人们在接触到信息后并不一定意味着被说服， 在信息疫情情境下， ＳＩＲ 模型具有较好的适用性。有鉴于此， 本文假设： 第一， 真假信息依托于静态、封闭的有向网络进行竞争性传播； 第二， 用户通过转发行为参与信息传播， 用户转发信息时可通过评论对其进行二次创作； 第三，用户仅转发其关注的用户发布的信息， 其信息传播行为具有高度的时效性， 信息传播与感知信息同时发生。

基于上述假设， 利用在线社会网络（Ｏｎｌｉｎｅ Ｓｏ?ｃｉａｌ Ｎｅｔｗｏｒｋ， ＯＳＮ）描述社交媒体的互动结构， 将其描述为Ｇ ＝（Ｖ，Ｅ）， 其中Ｖ ＝｛ｖ_１，ｖ_２，…，ｖ_Ｎ ｝表示在线社会网络中社交媒体用户的集合， Ｅ?Ｖ×Ｖ， 表示用户之间的社会关系。借鉴已有文献的结论， 本文将社交媒体用户的状态分为４ 类［２３－２５］ ， 包括易感状态（Ｓ）， 即未接收到信息或接收到信息后未被信息所说服的用户； 虚假信息传播态（Ｉ_Ｆ）， 即被虚假信息所说服并具有进一步传播虚假信息能力的用户； 真实信息传播状态（Ｉ_Ｔ ）， 即被真实信息所说服并具有进一步传播真实信息能力的用户； 免疫态（Ｒ）， 即不再具有传播真实信息及虚假信息能力的用户。４ 种状态的转换关系如图１ 所示， 也就是信息疫情中真假信息竞争性传播ＦＴ－ＳＩＲ 模型。其中，α_１表示Ｓ 状态用户接收到虚假信息时的传播率， α_２表示Ｓ 状态用户接收到真实信息时的传播率， β_１表示用户在接收到虚假信息时通过创作传播真实信息的变异率， β_２ 表示用户在接收到真实信息时通过创作传播虚假信息的变异率， γ_２表示传播虚假信息用户在接收到真实信息时转向传播真实信息的置换率， γ_１ 传播真实信息用户在接收到虚假信息时转向传播虚假信息的置换率， δ_１ 表示传播虚假信息用户转化为免疫态的概率， δ_２表示传播真实信息用户转化为免疫态的概率。

在ｔ＝０时刻， 在外部事件的刺激下， 网络内一名用户产生原创行为创作信息， 随着该信息的传播演化， 催生真假信息的竞争性传播， 该模型的具体传播机制如下：

式（２） 中的４ 个微分方程分别表示易感态、虚假信息传播态、真实信息传播态、信息免疫态４类用户的数量变化率。相比于传统的流行病模型而言， 本模型突出真假信息的竞争性传播特性， 同时考虑用户在传播信息时的信息行为。

２.２模型平衡点与稳定性分析

模型稳定性是指在线社会网络系统受到的扰动作用消除后， 经过一段过渡过程后能否回到原来的平衡状态或足够准确地返回到之前的平衡态［２５］ 。式（２） 前３ 个方程均不含Ｒ， 故只需考慮前３ 个方程。假设网络在ｔ 时刻达到平衡点， 则有：

将在线社会网络的入度分布函数用Ｐ（ｋ）表示，表示选定一个用户， 其入度值恰好为ｋ 的概率， 即恰好有ｋ 个用户能直接向他传递信息的概率， 由式（３） 可得：

３仿真实验与结果讨论

３.１实验设计与实现

多主体建模（Ａｇｅｎｔ－Ｂａｓｅｄ Ｍｏｄｅｌｉｎｇ， ＡＢＭ）是利用多主体模型刻画现实世界和复杂系统的一种建模方法［２６］ ， 为分析在线社会网络中信息传播机制提供了有效的研究方法。本文采用多主体建模的方法， 将社交媒体用户抽取作为主体， 基于ＦＴ－ＳＩＲ模型， 从用户的信息行为中抽取互动关系和行为规则。利用网络爬虫程序获得一个由１００００个用户和４５１ ６３２条有向边构成的局部微博网络， 网络连边方向为由关注者指向被关注者。

应用Ｇｅｐｈｉ 软件对该网络进行拓扑结构分析，得到局部微博網络的平均路径长度为３.４３３， 平均聚类系数为０.１， 可见该网络既具有较短的平均路径长度， 又具有较高的聚类系数。网络出度与入度分布如图２ 所示， 由图２（ａ）可见， 在该局部微博网络中大多数用户的出度都相对较小， 而存在少部分用户的出度相对较大， 表现为典型的幂律分布。在图２（ｂ）中， 网络的入度分布近似曲线， 随着入度的增加， 其入度概率先随之上升而后快速下降，用户入度分布呈现为幂律分布。由上述分析可知，本文所构建的局部微博网络既具有小世界现象， 又具有无标度特性， 能有效地反映真实社交网络特征。基于该局部微博网络， 本文依托ＮｅｔＬｏｇｏ 平台进行多主体建模仿真实验， 通过设置不同的实验参数进行计算实验， 观察不同参数条件下不同要素的作用机制。

根据认知权威理论和“信息茧房” 现象， 在线社会网络包含３ 类典型用户， 第一类是具有较大影响力的意见领袖， 第二类是盲目跟风的普通用户，第三类是陷入“信息茧房” 而固执己见的普通用户。意见领袖具有较大的影响力且只传播真实信息或只传播虚假信息， 盲目跟风者所传播的信息会随着接收到信息的不同而发生转变， 而固执己见者既能传播真实信息也能传播虚假信息， 但在其选择传播一种信息后便不再传播另一类型信息。根据实际微博中用户分布情况， 实验设置网络内出度值最大的１００个用户作为意见领袖， 普通用户为盲目跟风者或固执己见者的概率均为０.５。

３.２实验结果与分析

为进一步探究信息疫情中真假信息的竞争性传播机理， 本文分别考虑网络内先出现真实信息和先出现虚假信息两种情境下， 信息变异率、置换率、信息茧房和意见领袖对真假信息竞争性传播过程的影响。

３.２.１信息变异率对竞争性传播的影响

与一传十、十传百的复制性病毒扩散有所不同，用户在传播信息时往往会对原信息进行二次创作，使得其传播的信息发生变异， 可以与原信息真假相同， 也可以相异。为观察信息变异率对真假信息竞争性传播的影响， 本文在控制β２ 不变的情况下，通过改变β１ 的值， 令其分别等于０.０.２５、０.５、０. ７５、１， 得到仿真结果如图４ 所示。

在先出现虚假信息的情境中， 当β_１＝ ０ 时， Ｉ_Ｆ用户数量峰值显著高于其余４ 组实验， 系统内未生成真实信息， 因而未产生真假信息竞争性传播。与β_１＝０ 时相比， 在β_１≥０.２５ 的情况下， Ｉ_Ｆ用户数量峰值大幅下降， 而Ｉ_Ｔ 用户数量峰值则大幅上升；先出现真实信息的情境中， 各组实验并未呈现出显著差异。显而易见， 在先出现虚假信息的情境中，提高虚假信息变异率能有效促进真实信息的生成，随着信息的传播， 这种信息变异的现象会随之放大， 生成显著的“牛鞭效应”， 进而提高二者的竞争性传播强度， 而在先出现真实信息的情境中， 提高虚假信息变异率并不会对真假信息竞争性传播产生显著影响。

３.２.２置换率对竞争性传播的影响

在新冠疫情的背景下， 社交媒体用户渴望快速获得信息， 同时又难以辨别信息的真假。自然而然，盲目跟风成为普通用户的选择， 使其成为真假信息交替反转的“墙头草”。推动用户由传播虚假信息转向传播真实信息， 是信息疫情情境下在线社会网络信息治理的重要举措。为探究用户由传播虚假信息转化为传播真实信息的置换率对真假信息竞争性传播的影响， 本文进一步改变γ_２的值， 令γ_２分别取０、０.２、０.４、０.６、０.８， 实验结果如图５ 所示。

在先出现虚假信息的情境中， 当γ_２ 由０ 增加至０.２５ 时， Ｉ_Ｔ用户数量峰值与真假信息竞争性传播强度均大幅增加， 随着γ_２继续增大， 其影响效果逐渐减弱； 在先出现真实信息的情境中， 在γ_２由０ 增加至０.２５ 时， Ｉ_Ｆ用户数量峰值与真假信息竞争性传播强度均大幅增加， 当γ_２＝０时， Ｉ_Ｔ用户数量在达到峰值后的下降速度远快于其余各组。由此可见， 无论网络内首先出现的是真实信息还是虚假信息， 合理利用普通用户的“墙头草” 效应， 提高用户由虚假信息传播状态转化为真实信息传播状态的置换率， 均能有效增强真实信息在竞争性传播中的竞争力。

３.２.３“信息茧房” 对竞争性传播的影响

普通用户是在线社会网络中的主要传播主体，有研究［２７］ 指出， 突发公共卫生事件下“信息茧房”效应是存在的， 并且会使用户认知固化和极化， 影响其对政府的信任。实验通过改变网络内固执己见者占比（ＩＣ）的变化， 剖析“信息茧房” 对信息疫情中真假信息竞争性传播的影响， 实验结果如图６ 所示。

在先出现虚假信息的情境中， 随着网络内固执己见者占比的增加， Ｉ_Ｔ用户数量峰值随之下降， 而Ｉ_Ｆ用户数量、Ｉ_Ｆ→Ｉ_Ｔ用户数量以及Ｉ_Ｔ→Ｉ_Ｆ用户数量的峰值均随之大幅上升， 在先出现真实信息的情境中， Ｉ_Ｔ用户数量、Ｉ_Ｆ用户数量的峰值变化与先出现虚假信息的情境恰好相反， 而Ｉ_Ｆ→Ｉ_Ｔ用户数量以及Ｉ_Ｔ→Ｉ_Ｆ用户数量的演化过程则相似。由此可知， 在先出现虚假信息的情境中， “信息茧房” 效应越显著， 越容易遏制真假信息的竞争性传播， 使得虚假信息大幅扩散， 而真实信息难以有效传播；在网络内首先出现真实信息的情况下， 强化“信息茧房” 效应则有助于真实信息的传播， 进而降低信息疫情的危害。

３.２.４意见领袖对竞争性传播的影响

意见领袖是在线社会网络中对信息传播具有较大影响力的一类主体， 社交媒体极大地解放了意见领袖的专业限制， 扩大了其影响力［２８］ 。研究表明，不同意见领袖在事实核查与信息的准确性方面可能存在明显差异［２９］ 。在现实在线社会网络中， 通常存在两类意见领袖， 一类是热衷于传播虚假信息以获取不法私利的虚假权威， 一类是致力于传播真实信息的真实权威。为此， 本文设置了两类意见领袖， 一类只传播虚假信息， 另一类只传播真实信息， 通过改变意见领袖中真实权威的占比ＯＬＴ ， 以观察两类意见领袖在对真假信息竞争性传播结果的影响， 如图７ 所示。

在先出现虚假信息的情境中， 随着意见领袖中真实权威占比的增加， 网络内Ｉ_Ｆ用户数量峰值随之下降， Ｉ_Ｔ用户数量则随之上升， 而在先出现真实信息的情境中， 随着意见领袖中真实权威占比的增加， 网络内Ｉ_Ｆ 用户数量峰值随之上升， Ｉ_Ｔ 用户数量则随之下降。可知， 意见领袖中真假权威数量差异能有效影响网络内传播真假信息的用户数量， 其效果受网络内初始信息的影响。

３.３案例验证与讨论

新冠疫情暴发期间， 微博上滋生大量或真或假的信息， 本文选取以下两条原创信息的传播过程作为研究案例。２０２０ 年１ 月３１ 日， 新华社发布“双黄连口服液可抑制新型冠状病毒” 的微博， 迅速引发普通用户的广泛关注与讨论， 一时间“双黄连可预防新冠病毒感染” 的虚假信息大肆传播， 与此同时， 部分用户对该信息加以批判， 使得“此发现仍处于临床试验阶段” “双黄连不能预防新冠病毒感染” 等真实信息在一定程度上得以传播。２０２０ 年２ 月１６ 日， 题为“武汉病毒所一研究生系零号病人” 的虚假信息引发广大网民的热议， 随后人民日报发布微博“武汉病毒所回应零号病人传闻”， 在该条真实信息的传播过程中， 存在部分用户对其进行质疑并传播虚假信息。

本文采集到两个案例在最初５００ 分钟内的传播数据， 并通过人工标注的方式进行真假信息分类。由实证统计数据分析可知， 用户在传播信息时的传播行为是客观存在的， 单一信息在经过用户的二次创作后会衍生出与之真假相左的信息， 继而催生真假信息的竞争性传播。为检验模型的有效性， 对所采集到的案例数据以１０ 分钟为单位统计各时间区间内传播虚假信息与传播真实信息的用户数， 通过实证统计数据与模型仿真数据进行对比并评估二者误差。在真假信息竞争性传播模型对比仿真实验中， 将实证统计数据与模型仿真结果数据进行归一化处理， 其对比实验结果如图８ 所示。

由图８ 可见， 实证统计数据与模型仿真数据中传播真实信息与传播虚假信息用户数的演化过程基本吻合， 能有效刻画真假信息的竞争性传播过程，为进一步量化二者之间的误差值， 本文引入平均绝对误差ＭＡＥ 指标衡量误差范围， 计算得到案例一中虚假信息的ＭＡＥ 值为０.０６１， 真实信息的ＭＡＥ 值为０.００４， 案例二中虚假信息的ＭＡＥ 值为０.００９， 真实信息的ＭＡＥ 值为０.０７７。综合来看， 构建的模型模拟结果同真实数据所反映的结果之间误差值较小， 说明所建立的模型具有较好的有效性。

由前述仿真模拟和实证结果可知， 在单一信息的传播演化过程中， 用户信息行为对推动真假信息竞争性传播的生成具有关键性影响。与流行病中病毒传播所不同的是， 信息疫情中传播的信息不一定具有欺骗性或有害性［３０］ ， 既存在虚假信息的传播，又存在真实信息的传播， 在用户创作行为的作用下， 单一信息传播过程中催生真假信息竞争性传播的现象是客观存在的。为降低信息疫情的危害， 一个重要的对策是帮助用户作出更好的决策［３１］ ， 用户素养在使个人卫生保健决策与公共卫生目标保持一致方面发挥着至关重要的作用［３２］ 。此外， 用户的科学知识水平对其信息判别能力具有至关重要的作用［３３］ ， 用户更多地通过原创行为创作真实信息，有助于帮助真实信息建立先发优势， 推动真实信息的传播扩散。因此， 应多形式、多途径开展科学知识科普活动， 提升用户的科学知识水平， 引导其信息行为， 促进真实信息传播行为的生成。此外， 需着力提高其信息素养， 使其以主人翁的姿态主动参与维护在线社会网络生态秩序， 避免因盲目跟风而被虚假信息所误导。

与此同时， 在信息疫情的传播过程中， 其真假信息的传播情况往往受到用户角色特质的影响。普通用户是推動信息疫情传播和扩散的主要力量， 意见领袖的行为失范不仅会让信息疫情朝着消极方面发展， 更会增加网络意识形态风险［３４］ 。因此， 信息疫情管控策略的制定需从两个方面着手。一方面需合理应用“信息茧房” 效应， 为此， 社交媒体平台应优化真实信息推送机制， 根据虚假信息在网络内的传播路径， 对已传播过虚假信息的用户精准推送真实信息， 提高其真实信息接收效率， 推动其由传播虚假信息转变至传播真实信息， 同时强化传播过真实信息的用户对真实信息的接触率； 另一方面，需加大对虚假权威的打击力度， 同时鼓励真实权威更多地创作并传播真实信息， 主动投入与虚假信息的斗争中， 必要时可以采取强制措施， 强制虚假权威由传播虚假信息转向传播真实信息。

４结语

在突发公共卫生事件中， 真假信息传播的失序极易导致信息疫情的暴发， 对社会信息生态造成重大影响， 进而引发系统性的社会风险， 对真假信息竞争性传播采取科学有效的干预措施， 是制定信息疫情管控对策的关键所在。本文考虑信息疫情与病毒传播之间的差异， 以及社交媒体用户的行为特性， 拓展经典流行病传播ＳＩＲ 模型， 构建了信息疫情中真假信息竞争性传播ＦＴ－ＳＩＲ 模型， 对模型的平衡点进行求解并分析其稳定性。采用多主体建模方法对所构建的动力学模型开展计算实验， 揭示了不同类型用户在信息传播过程中的作用机制， 结合两个典型案例对模型的有效性进行了验证。对比案例实证和计算实验结果， 表明用户的创作行为易使得单一信息的传播过程中衍生真假信息竞争性传播的客观事实， 信息变异率、置换率、信息茧房以及意见领袖对真假信息的竞争性传播具有关键性影响。以此为基础， 本文针对性地提出了有助于降低信息疫情危害的管控策略。

本文将信息疫情的传播过程抽象为单一信息演化过程中衍生的真假信息竞争性传播， 补充了在线社会网络中竞争性信息传播以及信息疫情传播的研究， 有助于政府和媒体把握信息疫情下的真假信息竞争传播规律， 为实现信息疫情管控提供理论支持和实践参考。同时， 本文也有一定的局限性， 仅对具有不同角色特质用户的信息传播行为规则进行了抽取， 但是实际参与信息疫情传播的社交媒体用户或许具有更高的行为复杂性。在未来研究中， 将进一步研究不同用户群体的行为规则， 使其更符合实际在线社会网络中用户信息传播行为特征， 以求更深入、全面地揭示信息疫情中的真假信息竞争性传播机理。