基于线索效用理论的用户虚假信息感知与互动行为研究*<br/>——面向深度伪造信息

基于线索效用理论的用户虚假信息感知与互动行为研究*
——面向深度伪造信息

2023-10-20刘春年陈梦秋

情报杂志 2023年10期

刘春年陈梦秋

(南昌大学公共政策与管理学院南昌 330031)

0 引言

全球信息化时代,虚假信息的跨境泛滥逐渐成为了一种新的复合型国家安全威胁[1],例如俄乌战争时期引起广泛传播和讨论的深度伪造视频,实现了颠覆性的舆论宣传效果,使得全球国际网络安全与信任体系受到了巨大的负面影响[2]。深度伪造可以伪造一个人说的话或做的事,虽然其使用的对抗性网络技术在生物医学、教育、营销等方面可以有创造性的利用[3],但许多人认为这是一种更“真实”、更高效的虚假信息,其滥用会给社会带来新的挑战和威胁,损害用户对数字内容的信任感[4-5]。新技术带来新风险,随着深度伪造技术的创新及应用场景的扩大,这类虚假信息的扩散不仅危害社交网络平台的稳定,随之带来的各种问题更是涉及到政治安全、经济安全、社会安全等国家安全问题[5-6],因此在贯彻总体国家安全观的目标下,我们探索深度伪造虚假信息的影响及对抗手段是有必要的。

在对抗深度伪造信息研究中,从算法的角度来研究检测手段是必要的,但是随着深度学习技术的提高,检测方法有时也难以起到好的效果[7],调查显示人们对于技术解决深度伪造问题几乎没有信心,这使得从用户角度来强化虚假信息治理是迫切的[8]。基于上述背景,本文将从用户对深度伪造信息的感知和行为入手,归纳虚假信息的相关研究成果,借助线索效用理论整合三个重要的外部线索,探讨社交媒体用户如何综合研判深度伪造信息相关的线索,研究成果为用户感知和识别深度伪造信息提供新的研究角度,有助于理解多线索情景下用户分析虚假信息的内在机制,为控制深度伪造信息传播与影响找准着力点,提供有效的参考手段。

1 相关研究及概念

1.1 虚假信息概念

虚假信息是一种特殊的信息活动,它通过故意制造或散布各种真假混杂的信息,用以误导大众,使之得出有悖于事物真相的认知或判断[9]。虚假信息不一定具有意图性,只要语义内容是不准确不真实的就是虚假信息,研究重点集中在虚假信息的影响及干预等问题上[10]。深度伪造信息是使用深度学习和人工智能技术来操纵或生成虚假的内容,较为常见的是在视频中进行人脸编辑[4],将目标源的脸或声音覆盖在原始源上,达到替换人脸或声音的效果,所以深度伪造信息是在真实的信息基础上对小部分元素进行改变,达到更真实的程度。社交网络上的深度伪造信息意图性难以分辨,但根据虚假信息的定义[11],深度伪造信息是属于内容极度不真实的虚假信息,因此本文将深度伪造信息认定为一种新技术合成虚假内容的新型虚假信息,而这类虚假信息的研究还缺乏更深入更微观的探索。

1.2 虚假信息感知与行为

用户对虚假信息的反应可以分为用户的感知层面和行为层面。在用户的感知层面,大多数研究集中在感知可信度[12-16]、辨别虚假信息的能力[17-18]等测量维度上,虚假内容的感知不仅包含准确性、可信度,真实度也是重要的指标之一[19],但将真实性纳入测量虚假信息感知的研究较少。而深度伪造类信息的研究大多集中在其社会危害与影响[2, 6, 20],或者是算法改进和检测方法[21],从用户层面研究深度伪造类虚假的研究还不够丰富。为了从用户感知的视角探索深度伪造信息的传播与影响,也为了扩大虚假信息用户感知的测量维度,本文的测量囊括了可信度、准确性、真实性三个维度。

用户行为研究的变量多是分享意愿[12, 16],也有研究探索了用户面对虚假新闻时的交互行为,包括点赞、评论、转发,但是面向虚假信息特别是深度伪造信息的互动行为研究在用户行为层面上还停留在转发意愿上[11],点赞和评论行为差异还有待进一步探索。

虚假信息的特征是影响用户感知与行为的主要因素,包括物理特征(在线信息呈现页面中的每个组件)和非物理特征(信息创作者想要表达的观点、态度和情绪等)[22],这些都可以用来当作线索来感知、检测虚假信息,其中来源线索是可标记多模态信息的一种普适特征,在辨识多样化虚假信息时普适特征是十分重要的[23]。除了物理线索,小部分研究从用户自身的直觉能力[24]、认知和动机[25]来发现不同用户对于虚假信息的可信度和偏好差异。

这也就表明影响虚假信息传播的因素可以分为个人因素(传播者固有属性及心理)和环境因素(信息相关要素)[26],作为虚假信息的子集,影响用户对深度伪造信息感知与行为的因素已明确的较少,目前发现政治兴趣、认知能力和社会网络规模[11]、信息来源与可信度[27]对用户分享深度伪造信息有影响,但这些因素并未发现影响用户感知。可以发现通过虚假信息的特征来研究用户的感知与行为是从微观层面理解虚假信息传播与负面影响的重要方向,但面向深度伪造这类更具“病毒式”传播的新型虚假信息而言,其影响用户感知与行为的内在机制缺乏更深的理解。

1.3 虚假信息对抗手段

在对抗虚假信息传播方面,Gordon等总结了四种有效的干预手段[28]:一是通过技术来自动检测虚假信息;二是专业审查人员为虚假信息附上警告或进行纠正;三是强调来源,让来源更突出或者分级;四是一种新的干预措施,“接种”或者“预捆绑”,例如提前告知相关知识或者是准确性提示。可以发现对抗虚假信息的有效实践一是基于创作者或传播者的方法,二是基于内容的方法,依赖用户对常见线索的熟悉度,利用技术进行检测耗时且覆盖率不高[22]。

同样的为了抑制深度伪造信息,检测技术是一个重要的对抗手段,分为主动检测和被动检测两种类型,但是存在泛化能力弱、精准度不高等缺点[21]。也有部分研究从个体认知角度来探索影响用户识别深度伪造信息能力的因素,他们发现了解深度伪造知识可以降低深度伪造信息的影响[29],也有研究认为从技术、来源、传播、公众、监督者五个因素着手有助于确定遏制深度伪造信息传播的策略[2]。在对抗策略上,深度伪造信息同虚假信息一样,单纯依赖检测技术的更新是不可行的,从社交媒体用户自身的辨别能力出发是十分必要的,特别是干预手段对深度伪造信息的作用还缺乏具有统计学意义的支撑证据。

在对比虚假信息和深度伪造类虚假信息的研究成果之后,不难发现,基于新类型的虚假信息背景从不同线索出发对深度伪造信息辨别能力的研究还处于起步阶段,已有的研究成果表明来源线索的用户辨别虚假信息最为依赖的线索,但是一方面来源线索是否影响用户识别更“真实”的深度伪造视频类虚假信息还未得到验证,另一方面来源线索中关于分享者观点的研究也是较为缺乏的,因此为了验证最可靠的来源线索是否会对对用户识别深度伪造信息产生作用,也为了拓展来源线索的新维度,本文将来源线索定义为外部线索之一。其次反制虚假信息线索和研究中目前较为流行的是方法是附加提示,但是针对传播更为“病毒式”的深度伪造信息的反制手段还集中在技术方面,附加提示的干预作用还需要更进一步的结论来确认,附加提示是本研究用来对抗深度伪造信息的重要外部线索。因此本文基于现有的研究,探索用户最为依赖的来源线索与最新的附加提示对用户感知深度伪造信息的影响,进一步提供更多的实际建议以遏制深度伪造信息的蔓延与影响。

2 理论模型与假设推定

2.1 线索效用理论

线索效用理论(Cue utilization theory)表明人们在多线索情景下会选择有效线索进行诊断。线索效用依赖于线索的所提供的信息是否可靠和充足,并且还会收到情绪的影响。消费者对于产品的感知是将产品信息当作线索,并对其进行整体思考而形成的,其中内部线索是产品本身固有的特征,而外部线索是与产品相关但是可以改变的[30]。消费者评判产品是根据多个线索进行分析获得决策,用户辨别信息同样也是根据信息本身的内部线索和提供信息相关的外部线索来进行一个整体的判断。因此依据线索效用理论对外部线索的定义和虚假信息的相关研究,我们将来源线索(分享深度伪造信息的用户)和附加提示定义为外部线索,并提出相关假设。

2.1.1分享者信任度

虚假信息的来源是用户评估信息的重要线索,可以分为直接来源和间接来源[11]。对于新闻类虚假信息来说,直接来源是新闻机构和网站,间接来源是二次发布新闻的机构、网站或个人。对于社交媒体上的信息来说,直接来源是信息的来源(机构、网站或个人),间接来源是二次传播信息的用户,即分享者。直接来源的研究已然很细化了,来源显现方式、来源分级[31]等都可以影响感知和分享意愿的,而针对间接来源,David等研究了分享者(公众人物)信任对于可信度和参与度的影响[32],社交媒体用户更相信和更愿意分享信任的公众人物分享的新闻或信息[33]。用户更愿意点赞、评论、转发他们认为是真实的信息和立场一致的信息[20]。在社交媒体平台上,信息传播链中的意见领袖很关键,意见领袖能够获得相关群体的关注和信任,在信息传播链上造成较大的影响力[34],粉丝数量大的意见领袖可以加速谣言的传播[35],用户对于意见领袖的熟悉度和信任度会影响用户的行为[36]。

用户对信息的感知研究包含多种类型,感知可信性、易感性、感知质量、可信度、准确性都是用户评价虚假信息时会采取到的标准[37],为了提高感知真实性的测量准确度和科学,我们参考了测量虚假评论真实性的量表[19],包括真实性、可信性、准确性三个维度。

用户的三种互动行为代表着三种不同的信息行为,点赞行为是可以被情感驱动的,评论行为是认知驱动,而转发信息可以是情感驱动也可以是认知驱动,或者两者兼有[38],因此可以发现用户在分析信息时情感或认知可以驱动三种互动行为,而不仅仅是单纯转发。

深度伪造信息具有难以辨别的特点,用户很难使用辨别一般虚假信息的方法(例如内容、观点、语气、逻辑等)来辨别深度伪造信息,因为深度伪造信息涉及到的人物、语言都是真实的,只是进行了替换或拼接,因此用户将会更加依赖来源线索,分享者作为深度伪造信息的间接来源,用户是否信任该分享者一样会影响用户对信息的感知和行为,因此我们提出以下假设。

假设H1a:分享者信任影响用户对于深度伪造信息的感知真实性;

假设H1b:分享者信任影响用户对于深度伪造信息的和互动行为(点赞、评论、转发)。

2.1.2分享者观点

标题是虚假信息的一个重要特征[39],标题情绪差异[14]、标题的立场[40]都是影响用户判断信息的第一线索。研究发现,社会判断和大脑反应在很大程度上被情绪化的标题内容所主导,新闻可信度的差异效应可能取决于标题的情感[14]。标题的极性会让用户在第一时间为信息定性,容易造成认知偏见,进而影响后续的判断,同时标题所传递出来的支持或不支持也会影响用户的感知和行为,例如用户更愿意分享立场一致或观点一致的新闻标题[20]。分享者在分享视频信息时一般都会添加文字说明以表达自己的观点,特别是极性语句的观点非常容易感染用户、刺激用户,因为情绪与语气[41]都是虚假信息成功的重要特征。对于深度伪造信息而言,用户很容易在观看深度伪造视频前就被分享者的观点影响,并且不同极性的观点会吸引认同感强的用户,以视频为载体的深度伪造虚假信息比一般的文字、图片类虚假信息更受用户认可。因此我们提出以下假设。

假设H2a:分享者的观点影响用户对于深度伪造信息的感知真实性;

假设H2b:分享者的观点影响用户对于深度伪造信息的互动行为(点赞、评论、转发)。

2.1.3附加提示

附加警告或提示是虚假信息干预手段中的“先发制人”,让用户的注意力先转移到准确性或真实性上可以缓解虚假信息的传播[42]。研究发现通过对用户的认知引导可以改变用户对虚假信息的感知,例如标记手段[37]。网络用户在面对虚假信息时,可能会受到多线索冗杂的影响,无法将注意力放在考虑信息真实性和准确性上,附加提示的作用就是让用户慢下来,提供一个思考的缓冲时间[28]。深度伪造信息目的性强,传播更为迅速爆炸,验证附加提示的有效性能够很好的缓解深度伪造视频在社交媒体平台上的传播,因此我们假设附加提示会对用户的感知和行为产生作用,影响用户接受、分析深度伪造信息的过程:

假设H3a:网站附加提示影响用户对于深度伪造信息的感知真实性;

假设H3b:网站附加提示影响用户对于深度伪造信息的互动行为(点赞、评论、转发)。

2.1.4交互效应

线索效用理论解释了消费者在面对产品页面的多个信息时综合判断的过程,将线索效用理论被引入虚假信息情景中,内部线索是信息本身的内容、字数等,外部线索可以是分享者、浏览量等。用户也会有效利用多个线索来对信息进行综合的判断,这是一种多线索情景下处理信息的内在机制。因此我们提出以下假设,假定分享者信任、分享者观点和附加提示三个外部线索会存在交互效应来影响用户的综合效用过程。

综上所述,我们提出以下假设:

假设H4a:分享者信任度、分享者观点、附加提示存在交互效应影响用户对于深度伪造信息的感知真实性;

假设H4b:分享者信任度、分享者观点、附加提示存在交互效应影响用户对于深度伪造信息的互动行为(点赞、评论、转发)。

2.2 研究模型

图1清晰地展示了本研究中所提出的8个假设,三个自变量(分享者信任、分享者观点、附加提示)及其交互效应与两个因变量(感知真实性、互动行为)之间的关系也一目了然。分享者观点与分享者信任是来源线索的细化延伸,同时我们开发了线索效用理论的使用情景,将三个外部线索的效用过程具体化为变量之间的交互效应验证。

图1 研究模型

3 实验流程与方法

实验法是虚假信息研究中较为广泛的方法[43],我们设计了两个实验来研究分享者信任、分享者观点、附加提示对社交媒体用户的深度伪造信息感知真实性和互动行为之间的关系。

3.1 实验1

3.1.1参与者

这项研究的实验数据来自大学里进行的实验,实验时间是2022年4月15号至2022年7月30号,通过校内社区和群招募了大学生样本,大学生接触和使用社交媒体相对更为频繁,一定程度上可以代表社交媒体用户,且良好的教育背景能够保证被试者具备辨别信息真假的能力。最后共招募了463名被试者,成功参与并完成了实验1和实验2的被试者有310名,实验样本回收率为66.9%。

3.1.2实验设计

在进行实验前,被试者首先了解实验过程和目的并签署知情同意书。在实验过程中,参与者会看到一个模仿微博视频转发的页面第一组是实验组,被试者所看到的是来自不同分享者的同一个视频,没有分享者观点;第二组是对照组,是一个2(信任or不信任)x3(正性观点or负性观点or中性观点)的组间实验。在看完视频之后,被调查者将会要求回答一系列关于感知真假和互动行为的问题。

被试者所看到的视频分享页面包括:分享者头像和昵称、分享时间、分享设备、分享语句和被分享的视频。为了减少其他因素的干扰,所有分享者的分享时间、分享设备、分享视频都是一样的,图2展示了用户所看到的实验刺激材料页面。我们在YouTube上按照阅读量选取了排名前三的视频,搜索时间为2022年4月11号。三个研究人员对三个视频的真实性进行打分,总分得分最高的视频作为实验刺激材料。实验中,若看过该视频的参与者将会中止实验,以确保感知真实性的回答是准确的。

图2 实验刺激材料页面

我们将分享者选择为微博意见领袖,微博意见领袖更具个性化、受关注度高、互动性强,且喜欢跨领域发布信息[44],更符合跨境深度伪造信息传播的情景。根据2021微博十大影响力人气大V[45]的榜单选取了前六名,以确保更多参与者至少熟悉其中几个。在实验进行前参与者会要求给六名分享者进行信任度评估,评估范围从完全不熟悉到非常值得信任,六个分享者的评估值都为“完全不熟悉”的参与者会被中止实验。分享者的观点是两个研究人员根据实验视频共同撰写的三条观点语句,包括表达支持类的正性观点、表达反对类的负性观点、不带极性描述事实的中性观点。

3.2 实验2

实验2是探索在其他变量影响的条件下附加提示是否依然有效。我们在实验1的基础上加入了另一组对照组。实验具体操作是在进行实验1 时,我们会从不同的实验组别中随机选择一些被试者,即在实验1的组间实验基础上增加一个二分类的组别类型(有附加提示or无附加提示)。这些被选择的被试者的实验刺激材料是增加了附加提示的社交媒体界面,即在实验1刺激材料的页面底部将会弹出一个“附加提示”,附加提示显示在分享视频的框架底端,提示的内容是:温馨提示,转发视频需谨慎。

3.3 变量定义

表1详细展示了变量的测量与编码。

表1 变量定义与编码表

4 假设验证与结果分析

4.1 分析方法

在收集完所有完成了实验的被试者基本数据和问卷数据后,我们将采用Excel和SPSS 26来进行数据分析。首先为了肯定实验结果的有效性,需要分析实验样本的代表性和实验问卷量表的信效度。然后使用MANCOVA方法来解释变量之间是否存在高相关性,通过显著性检验来验证假设是否成立。MANCOVA适用于有两个或多个因变量时使用[32],本文需要同时测试分享者信任度、分享者观点、附加提示对感知真实性和互动行为的影响,因此MANCOVA方法符合研究需求。之后ANCOVA方法将用来详细展示分享者信任度、分享者观点、附加提示对感知真实性或互动行为的具体影响[32]。接着探索了三个自变量是否存在交互效应,并是否会影响感知真实性和互动行为,四组交互效应将会被检查:分享者信任*分享者观点,分享者观点*附加提示,分享者信任*附加提示,分享者信任*分享者观点*附加提示。最后,三个控制变量(年龄、性别、教育水平)是否存在交互作用也会进行分析。

4.2 结果分析

4.2.1描述性统计分析

人口统计分析(见表2)可以看到被试者的年龄大多集中在18至30左右,是较为年轻的群体,使用社交平台的频率相对都较高,因此本实验的样本可以在一定程度上代表社交媒体用户群体。感知真实性和互动行为量表的Cronbach'sα分别是0.92和0.85,均大于0.8,说明可靠性非常好,KMO=0.902(p<0.001),大于0.8且显著,同时探索性因子分析结果表明提取到了两个主成分因子,且题项对应因子上的因子荷载系数在0.643～0.870之间,均大于0.4,累积方差解释率达到了81.973%,这充分表明了量表结构效度良好。人口统计学分析和信效度分析为MANCOVA方法提供了可靠的真实的样本数据[32]。

表2 样本人口统计学

4.2.2MANCOVA结果分析

MANCOVA分析的结果(见表3)强有力的证实了分享者信任度对深度伪造信息的感知真实性(F(1,308)=216.31,p<0.001)有非常显著的影响,假设H1a成立;分享者信任极大的影响了互动行为(F(1,308)=243.306,p<0.001)假设H1b成立;分享者观点对深度伪造信息的感知真实性(F(3,308)=100.226,p<0.001)和互动行为(F(3,308)=153.212,p<0.001)也有着显著的影响,假设H2a和H2b得到了证实;同时附加提示变量也能够对深度伪造信息的感知真实性(F(1,308)=236.24,p<0.001)和互动行为(F(1,308)=138.325,p<0.001)起到作用,这个结果表明假设H3a和H3b是成立的。从模型分析结果中可解释的变异数值来看,对感知真实性影响最大的是附加提示,而对互动行为影响最大的是信任,附加提示的作用更弱。

表3 MANCOVA分析结果表

4.2.3交互效应结果分析

表4展示了变量之间交互效应存在的证据,可以看到分享者信任和分享者观点存在显著的交互效应,两个变量的效应都会对深度伪造信息的感知真实性和互动行为产生影响,对互动行为的影响(F(3,308)=29.65,p<0.001)要强于对感知真实性的影响(F(3,308)=15.54,p<0.001)。分享者观点不仅和分享者信任有交互效应,同时和附加提示也有交互效应,差异点在于这种交互效应对于感知真实性的影响很弱(F(3,308)=3.79,p<0.001),对于互动行为的影响却很强(F(3,308)=15.504,p<0.001)。其次可以发现分享者信任和附加提示在影响感知真实性的作用路径上不存在交互效应,但是在影响互动行为的作用路径上存在较弱的交互效应(F(1,308)=4.481,p<0.05)。最后可以看到三个变量也是存在交互效应的,只是效应显著存在于对感知真实性的影响中(F(3,308)=6.248,p<0.05)。整体来看,可以发现分享者信任和分享者观点之间的交互效应是强于其他变量之间的交互效应。

表4 MANCOVA 交互效应值

图3、图 4将更直观地展示和解释变量之间交互效应对感知真实性和互动行为的影响差异性。无论是不信任分享者还是信任分享者,社交媒体用户对于深度伪造信息的感知真实性都受到分享者观点的影响,不同极性观点的感知真实性得分有所不同,具体表现为负性观点>正性观点>中性观点。整体表现为有观点的感知真实性得分均大于无观点的感知真实性,且不信任条件下的感知真实性得分低于信任条件下的。

图3 信任和分享者观点的交互效应图

图4 分享者观点和附加提示的交互效应图

和感知真实性受到的影响类似,不管是不信任还是信任的分享者,社交媒体用户对深度伪造信息的互动行为也受到分享者观点的影响,并且对于不同的互动行为,影响是存在较大差异性的。同样的,无论是有或没有附加提示,深度伪造信息的感知真实性和互动行为都会受到影响。

5 结语

5.1 讨论

5.1.1新的线索——分享者观点:三种极性观点的影响差异

“谁分享的信息”一直都是影响虚假信息辨别能力的重要因素,David等[32]确认了明星这类公共人物信任度对虚假信息分享意愿的影响,本文则是确认了意见领袖这类公共人物信任度的影响力,可以发现不同类型的公众人物信任在社交媒体用户分享虚假信息时都起到了作用。

大多研究都会将分享者信任和其他线索结合来探讨,例如与新闻机构对比研究[11],又或是一个线索的两个维度,例如内容可信度和内容重要性[22]。我们则是研究了分享者线索的两个维度,即分享者信任和分享者观点,这在目前研究中是新颖的。

我们不仅关注分享者观点会不会影响用户对深度伪造信息的感知真实性和互动行为,我们还确认了不同极性观点会在感知真实性和互动行为上有所差异。分享者观点的显著影响说明从认同感视角出发,用户分析虚假信息时,政治认同感[46]、标题情感认同[14]能够使得用户更认为信息是真的从而分享,不同极性的观点认同也能够加强用户的感知真实和互动意愿。这表明分享者观点起到的作用和标题一样,其所代表的支持或不支持能够潜意识影响用户的倾向,这个外部线索在虚假信息识别研究中是重要的,分享者会利用认同感撰写观点寻求相同极性倾向的人来加速传播虚假信息,特别是是负性的观点,会引来更多的评论和转发,提高虚假信息的关注度。

5.1.2附加提示的有效性:消除聚集性线索情景下干预手段的不确定性

在对抗深度伪造信息时干预手段无疑是有作用的。在验证附加提示的实验中,大部分研究是将干预手段单独设计出来研究是否有效,其他变量保持不变[47],因此我们通过实验2,在不同条件下分别增加附加提示变量,以此来探索在其他线索的相互作用下干预手段是否有效。结果表明附加提示不但在其他线索的影响下依旧有效,并且会同其他线索一起相互作用影响用户对深度伪造信息的感知真实性和互动行为,这一结论通过线索效用理论消除了聚集信息线索情景下干预手段的不确定性,着重的强调了附加提示的重要性和普适性,表明了深度伪造信息对抗方法是可以利用附加提示手段。

5.1.3线索效用理论的拓展:整合三个外部线索识别虚假信息

在新闻类虚假信息中,来源可信度和标题情感都是用户依赖的外部线索,而对于深度伪造类虚假信息,分享者信任度(来源)和分享者观点(内容和情感)同样也是重要的判断线索,两个线索之间还存在着交互效应,并且该交互效应对用户的感知真实性和互动行为有影响,这表明社交媒体用户评价深度伪造信息是根据自我信念(信任度)和观点的认同感来决定的。同时通过实验2 的结果还发现附加提示这一外部线索也会同分享者信任度和分享者观点产生十分显著的交互效应。因此根据线索效用理论,我们发掘了三个外部线索,并通过交互效应的验证,表明了社交媒体用户识别虚假信息的过程同消费者判断产品质量的过程是相似的,会综合研判分享者信任度、分享者观点、附加提示三个外部线索,进而演化成对整个深度伪造信息判断和感知,并由此进行互动行为。我们一方面通过线索效用理论整合并验证了三个外部线索在识别虚假信息方面的作用,拓展了线索效用理论的应用情景,将未来的研究向更多的内、外部线索上延伸,另一方面交互效应数据为线索效用理论中用户进行多线索演化判断的过程提供了统计学的证据,为未来线索效用理论如何解释线索作用用户决策的内在机制提供了一些参考。

5.1.4深度伪造信息的传播更复杂:感知真实性与三种互动行为

本文从虚假评论领域中迁移出更多维度的感知真实性来进行测量深度伪造信息感知真假,并通过分析验证了“感知真实性”测量虚假信息的可行性,未来的研究可以采纳感知真实性来来测量其他类型的虚假信息。

我们的结果验证了Kim的观点,即不同的互动行为代表不同的信息类型与不同的触发点[38]。通过交互效应图可以发现,点赞条件下正性观点的得分比负性高,这表明深度伪造信息的点赞行为是情感驱动,正性观点让用户感受到了能量与认同感,而评论和分享行为则是负性观点高于正性观点,这表明评论和分享是情感和认知共同驱动的,负性评论不但会带来更强的情绪感染,所表达出来的不支持会触发用户的思考,无论是认同还是不认同都更容易触发用户去评论或者分享该视频信息,进而寻求更多的认同感,这也更容易造成深度伪造信息的传播,因此我们认为分享者负性观点是虚假信息传播链中重要的一环。通过将深度伪造信息分享行为细化为三种不同的互动行为,可以进一步理解深度伪造信息传播的三种启动机制,刻画深度伪造信息传播环节的主要信息流。

5.2 虚假信息对抗策略

感知真实性影响互动行为这一发现在本研究中得到了证实,这使我们意识到了深度伪造信息的“可怕性”,因此理解深度伪造信息真实性与互动行为的关系,有助于决定公众在未来能够如何避免更多类型的虚假信息的陷阱。虽然大部分用户都可能会去考虑分享者是否值得信任来判断信息真假,但是我们的研究发现在极性观点特别是负性观点的刺激下,社交媒体用户还是容易相信深度伪造信息,即使面对不信任的分享者,依旧有社交媒体用户会因为极性观点而互动,加速虚假信息的传播。因此分享者观点的影响值得被重视,未来可以深一步研究分享者观点。同时社交媒体平台可能需要考虑如何设计自己的平台,增加更多的干预手段以阻止虚假信息的分享、传播,并尽可能的帮助用户辨别信息的真实性。同时政府应当鼓励社交媒体平台、意见领袖、社交媒体用户在深度伪造信息传播方面做出共同努力,并可以制定相关政策来监督。