导语

在蔓延2020一整年的新冠疫情中，各国政府和公众不仅在对抗一场大流行，还在对抗各种虚假、低质量信息的大流行。近日Nature Human Behaviour 期刊在线发表一篇论文，研究者基于全世界162个国家在新冠大流行的早期（1月22日-3月10日）的1亿条推特信息，研究了与流行病流行相伴而生的“信息流行病”现象。

论文题目：

Assessing the risks of ‘infodemics’ in response to COVID-19 epidemics

论文地址：

https://www.nature.com/articles/s41562-020-00994-6

面对跌倒起伏的美国大选，想必太多人见识到了假新闻的危害。信息流行病（infodemics）是描述这一现象的新词。它由信息information和流行病pandemic两个词合成而来，是指伴随疾病的流行，各种信息特别是虚假信息大范围传播，进而造成巨大负面社会影响。如今关于新冠病毒的信息流行病正在世界范围内蔓延。

信息流行病的传播过程，与传统的流行病传播有相似性。为了描述与新冠疫情相关的社交媒体中的信息传递，研究者首先对信息和传播者进行了分类。

信息传播示意图

如图所示，社交媒体上的信息传播方，不仅有真实人类，还有一些机器人账号。根据账户发布的信息真伪，将其分为红色、蓝色和绿色三种，分别代表虚假信息传递者、一般用户和可信信息源。

针对不同类型的信息，给予不同的打分，例如阴谋论的危害最大，得分是9，而虚假信息的危害为8分。之后针对各地区某段时间用户的新冠信息总和，得出代表该地区的信息流行病的总分，称其为“信息流行病风险指数（Infodemic Risk Index ）”。

各国不同时间段新增病例和社交网络中传播信息的信息关系

上图中部，展示了世界各国受到“信息流行病”影响的程度，四角分别是加拿大、俄罗斯、危地马拉和韩国日均病例和传播信息的有多少是经过验证的（浅蓝色），有多少是未验证的（深蓝色），图中的圆圈代表该国单日新增病例数。

各国的信息流行病严重程度随时间变化

对比国与国、地区与地区，可以发现在不同地域，信息流行病严重程度的变化是独立的。上图所示的各国信息流行病风险指数，先后顺序上并不存在相互之间的影响。

总病例数和信息流行病严重程度的关系

而对比在研究期间，总确诊病例数和各国信息流行病风险程度得分的记录，可以看出两者之间并没有显著的相关性，其中红线为线性回归的结果，黑线为多项式回归拟合。

从该研究中，可得出几个出人意料的结论：

社交网络中关于疫情的信息大多是未经验证的、错误的；
谣言的传播和单日新增病例这一代表疫情严重程度的指标，并没有明显的关系；
不同国家可信与不可信新闻来源的占比，和社会经济发展程度没有关联。

考虑到应对新冠，最有效的手段是预防，而这需要真实信息的广泛传递。故而这项研究有着深远的意义。但由于教育背景、常用语言的原因，缺少对各国社交网络的无偏采样，同时由于实时收集海量数据面临的困难，该研究还有诸多局限性。

作为一篇量化研究”信息流行病“的论文，这项研究提出在重大社会事件背后，社交网络中必然存在着与正确信息伴随的虚假信息，而虚假信息的传播规律，比想象中的更为复杂多样。

信息流行病作为新兴课题，在全球疫情持续发酵、人类信息环境愈发恶劣的背景下，未来研究值得期待。未来还会继续拓展，比如可以考察社交网络中机器人账户在虚假信息传播中起到的作用；可以针对可靠来源的数据，建立多语言的文本库；以及对跨社交平台进行文本挖掘，建立对各国人群的有代表性的抽样。