第二节　不实信息传播研究及进展

一、不实信息的特征及其传播特点

“不实信息”这一概念已经被广泛应用于新闻传播和政府的工作报告中，指的是未经证实的信息，可能真实可能虚假，经常与谣言信息相混淆。“谣言”的定义目前也存在较大的争议，在《辞海》里，“谣言”的定义为：“没有事实根据的传闻；捏造的消息。”^{［69］［70］}谣言研究领域的奠基人Gordon W. Allport强调谣言的未证实性^［71］，“谣言与其关联的事件本身是相关联命题，通过个体之间的口口相传，缺乏具体的材料来证实其真实性”。实际上，不实信息是一个泛称，是一个相对宽泛的概念，突发事件中的谣言、各种未经证实的小道消息都可能是不实信息。就字面上讲，本书所指的不实信息是指未经证实的信息，这类信息与实际情况有出入，与虚假信息又有所区别。这种提法在新闻传播中经常出现。在学术研究中，霍良安首次在其博士论文中规范定义了不实信息的内涵^［72］：不实信息是指以一定的物质载体，并以文字、声音、语言、图像和动画等形式表现出来，对某一事件或者事物的一般属性与真实情况不符的描述或展示，其特征是未经证实的信息，并特别强调了不实信息本身与虚假信息以及谣言等信息存在着一定的区别。

1．不实信息与虚假信息的区别

以突发事件发生后的不实信息传播为例，事件发生后随之而来的各种有关事件本身的信息在各个传播媒介中肆意传播与扩散，有突发事件本身的真实信息，也有个体随机杜撰的未经证实的小道消息，各种信息鱼龙混杂，要求个体有很好的辨识能力，从这些不实信息中找到真实的信息。真实信息本身与虚假信息有很大的区别，信息传播过程还可能是真实信息和虚假信息传播竞争的一种过程。2011年日本核辐射泄漏事故之后，世界各地上演了疯狂抢盐的浪潮，主要原因就是未经证实的不实信息“碘盐抗辐射”在各地广泛传播，由于碘本身对抗辐射有一定的作用，从表面上来看，这种不实信息存在科学依据，更容易被民众接受并传播^［73］。有时候，不实信息最后会被证实为真实的信息，比如法国前总统篷皮杜已经身染疾病的不实信息最后就被证实为真。

在突发事件发生后，由于互联网和个体移动终端的信息传播媒介具备便利、低成本等特征，个体会将自己所了解的信息及时传播与扩散，而缺少对信息本身真实性的核实。而在突发事件发生后，民众急于获取信息，以填补信息的真空，从而使得不实信息有机可乘，容易进行大规模的传播与扩散，并在民众之间引起广泛共鸣。不实信息有时会由于系统性的特征而忽略对事实真相细节的描述，由于个体对事务的观察掺杂了个体的主观能动性，而由此所形成的个体认识和评级以及初步判断本身有很大的局限性，有的是传播主体有意识地对信息进行省略，将自己需要强调的信息进行保存，使之变为突出项。

2．实际情况被歪曲的不实信息

不实信息传播如同精神“病毒”的感染，个体被感染，会带来情感的激化，促使个体对不实信息进行传播与扩散。在突发事件发生初期，不实信息的起点在某种兴趣的驱动下被个体感知，随后，该个体会对该事件和相关信息进行初评估并把相关的结果告知其他个体，个体之间的直接和间接联系促进了信息的传播与扩散，进而形成不实信息传播的社会网络，网络中的节点即为现实中传播不实信息的个体，节点之间的连线就是个体之间的某种联系。

不实信息在社会网络中传播，个体会将信息按照个体本身的意志进行篡改，使得事件本身的事实被夸大或者扭曲，所有不实信息的传播过程实际上是信息动态变异或者信息畸变的过程，进而信息在传播与扩散过程中能被更多的人认同和采纳。突发事件发生以后，很多不实信息虽然与事件相关，但往往未经证实，却成为进一步传播的信息源，通过个体之间的社交网络反复交互扩散传播，而传播往往会歪曲事实真相，对突发事件本身进行夸大，形成一种不正常的信息传播链条。不实信息的肆意传播会造成不必要的社会恐慌和衍生灾害。不实信息的扭曲性与多元性等特征，将直接导致个体在接受信息或者继续传播信息时束手无策，缺少对于不实信息的自我判断能力，一旦不实信息的传播效应产生，这种不实信息传播所带来的负面影响将很难消除。

3．不实信息传播的特点

最早研究的谣言传播模型起源于对疾病传播模型的扩展，二者都是个体之间的“接触”致使“病毒”的传播与扩散。梳理不实信息与虚假信息以及谣言信息之间的区别和联系，进而对不实信息的传播动态规律加以掌握，探讨不实信息传播的管控机制。不实信息往往通过网络或者移动社会媒体的新型媒体进行传播与扩散，个体接受信息和传播信息的渠道多样化，信息传播的成功几乎为零，单一个体会成为不实信息传播的核心节点，信息传播开源性强，缺少对于信息真实性的校验。微博或微信等网络传播媒介为不实信息的传播提供了一个互动平台，包括传播个体之间的互动，也包括人际关系传播的互动，通过互动形成焦点话题，并在微博或微信上形成热点问题。同时，这种热点问题的出现又能够引导公众社会舆论走向，成为政府管理者关注的重要舆论战场，官方信息和不实信息在这里发生交互影响和演化。不实信息传播的新媒介使信息传播的匿名信和开源性对突发事件信息管控提出了新的挑战，这就需要在突发事件演变的不同阶段对不实信息的传播进行跟踪，实时监控信息演化过程。不实信息的传播不同于谣言传播的特征主要三点：第一，不实信息最终的传播深度与广度与信息本身以及周围的传播环境都有直接的关系，不实信息传播过程涉及真实信息与虚假信息相互斗争和抢占信道的过程；第二，在不实信息传播过程中，利用其本身的特征反向追溯真实信息的起源，剔除虚假信息对于传播的影响；第三，官方媒体在不实信息传播中扮演着更为重要的角色，要对不实信息进行信息疏导，利用不实信息传播应急进展，正确引导民众认识包含应急信息的不实信息，减少衍生灾害发生的概率。

二、不实信息的传播影响因素研究

Allport在其研究中提出^［71］：“个体对环境的解释及主观臆断，只有在与重要性和模糊性相互作用时才会呈现”，由此，Allport提出了著名的信息传播影响因素公式：

其中，R代表信息本身，i代表重要性，a代表模糊性，公式的真实含义是信息传播的最终波及范围由信息本身的重要性与模糊性决定，Klaus对公式进行了修改，加入了个体的主观能动性^［74］，将传播者的批判能力加入信息传播影响的公式中：

其中，c代表谣言传播者的批判能力，信息传播与疾病传播最本质的区别就在于受众的主观能动性，疾病传播是被动接受的，而信息传播的受众是主观性的，传播的过程也可以认为是个体进行思考的过程，有自己的主观判断。从心理学研角度^［75］来看，不实信息的模糊性是引起流言的主要原因，这种模糊性和不确定性会引起民众的恐慌和新的衍生灾害。不实信息传播过程会受到传播受众的影响，以2011年中国的“碘盐抗辐射”食盐抢购浪潮为例，由于日本核泄漏的突发事件，导致了辐射扩散图等不实信息在社交媒体中广为传播。该信息与每一个个体的切身利益密切相关，属于非常重要的信息，关注的民众数量庞大。同时，由于碘盐抗辐射的信息模糊性，民众对于碘抗辐射的科学知识普及了解不多，一时间“碘盐抗辐射”的信息通过社交媒体疯狂传播，民众的抢盐浪潮更是疯狂。这次“碘盐抗辐射”不实信息的出现充分体现了信息传播的影响公式，个体缺乏对于信息的主观研判，世界各地都出现了疯狂抢盐的事件，但在中国抢购浪潮更为疯狂，而日本本国的抢购情景却远比中国平静，这也说明在中国更多的人相信了这种不实信息，缺少对于不实信息的主观评判能力。不实信息未经证实，包括真实信息也包括虚假信息，是社会舆论的一种反映，在本书中，笔者将流言、传闻以及各种牢骚和小道消息，都当作不实信息。然而也有一些学者认为，这些词语本身就包含着一种比较情绪化的意见传递，其中感性成份占主要部分，而理性部分却很少，且内容方面未经官方证实。

在研究不实信息传播的影响因素问题上，除了前面所提到的信息本身的重要性，信息的模糊性以及传播受众的研判能力、信息传播的媒介与载体也是影响不实信息传播范围的重要因素^{［76］［77］}。信息传播研究关注最多的是人与人之间的链状传播模式，实际上，人与人之间的传播是一种网状模式，不同的个体所处的网络位置不同也会影响个体传播信息的影响力。Moreno等人^［78］的研究发现，网络的拓扑结构和参数的不同设置，都能影响到不实信息的传播。很多学者针对小世界与无标度网络进行了研究，将个体传播的网络视为具有HUB节点的社交网络或均匀的小世界网络，相较而言，无标度网络的传播可靠性更差，HUB节点传播信息具有不稳定性，均匀网络结构的社交网络传播可靠性更高，信息畸变的可能性更小。

三、不实信息的传播规律研究

如果将不实信息传播问题仅仅视为单一信息传播与扩散，完全可以按照谣言传播的研究框架进行分析，但实际上，不实信息的传播也是个体与个体之间通过“接触”而进行信息的传播与扩散，与疾病传播有相似的地方，Rapoport^［79］最早借助传染病模型来研究信息的扩散问题，比较了两种传播之间的联系和区别。

Daley和Kendall于20世纪60年代提出了DK模型^［80］，运用随机过程来分析信息的传播过程，将信息传播的受众分为三类不同的个体，不同类个体之间的个体转换满足一定的概率分布。在初始条件下，假设所有人都未曾听说过一个信息，定义为X（0）=N；有一个人知道该信息并进行传播，定义为Y（0）=1；没有人对信息免疫，定义为Z（0）=0，总体满足X（t）＋Y（t）＋Z（t）=N＋1这一规律，则描述DK模型的马尔可夫链{X（t），Y（t）≥0}，在连续时间条件下，其转移概率为：

这一概率分布，在0≤x≤N，0≤y≤N的条件下，可以满足方程：

Daley^［81］详细叙述了信息传播的确定性模型与随机性模型之间的区别与联系，并指出二者的应用范围，并在其信息传播模型中引入随机模型中的随机游走，估计信息传播最终的影响规模为ξ_N=X（∞）/N。不实信息传播离不开社会网络为依托，而复杂网络则为进一步解决类似的问题提供了基础，促进了不实信息传播研究的新进展。复杂网络研究以网络大数据获取为切入点，借助社交网络中大量的实际数据，从统计物理的研究视角分析了社交网络的均匀与非均匀特征，即小世界和无标度网络特征^{［82］［83］}。Zanette^［84］主要研究小世界网络，并在信息传播领域最早引入复杂网络理论，其研究假设社交网络是小世界特征，基于此建立信息传播的模型，并得出谣言等信息的传播阈值。对于无标度网络中的信息传播，Moreno等人^［78］建立了谣言信息的传播模型，比较了随机模型的分析结果与计算机真实的仿真结果，二者之间的匹配度较高。此后，大量国内外学者开始将目光关注到复杂网络的研究中，做了很多有意义的工作。社会网络的拓扑结构不同，对网络信息的传播有直接影响，复杂网络的演化过程也为这种研究模式提供了良好的研究平台和思路，Newman和Watts所提出的小世界模型^［85］与经典的小世界WS模型有本质的区别，NW小世界模型通过对网络中节点随机加边的方式进行网络规模的扩张，这种构造模式可以有效避免网络连通性与随机化重连的可能性。Bianconi^［86］按照网络节点的适应度为基础对网络进行扩展，新的网络节点和已经存在的网络节点之间的连边与网络节点的适应度有关。最近几年的研究不仅仅局限于网络拓扑结构的宏观层面的研究，更多是从微观角度研究局部网络节点之间的关系，探讨网络中紧密子图以及环等微观特征的结构统计分析。汪小帆等人^［87］深入研究了网络的聚类系数，并通过网络聚类系数变化来控制谣言和不实信息的传播与扩散；基于传统的疾病传播的仓室模型研究均匀网络中的信息传播，刘宗华等人^［88］，以信息传播为例研究了不同的网络拓扑结构对信息传播的影响，在网络节点分类中将网络节点分为“父节点”和“朋友节点”，探讨不同的节点类型对信息传播的影响效果。以万维网为代表的无标度网络在有目的攻击中不能很好地保持网络的稳定性，与之相对应，对网络传播的谣言或者不实信息来讲，对这些特定的网络节点进行重点关注或者免疫，可以对谣言或者不实信息进行有效的阻止，缩小不实信息传播的影响范围，减少不实信息的传播扩散带来的危害。

从动力学过程来看，不实信息的传播过程实际上也是信息传播的动态演化过程，演化的行为会受到不同的网络拓扑结构的影响，对信息最终传播的深度与广度都有不同的影响，通过网络同步可以很好地刻画出这种网络拓扑结构对信息传播所带来的影响。汪小帆和陈关荣^［89］首先在复杂网络同步问题上做了大量工作，对多智能体的一致性进行研究，得出了网络同步的数学模型：

其中，f和xⁱ（t）描述的是节点的动力学，c是耦合系数，V是节点的集合，而H（xⁱ（t））是内部耦合机制，l_ij是网络拓扑中的拉普拉斯矩阵元素。条件α<cλ₂表明无向连通网络完全同步，参数α描述的是网络结构和节点动力学之间的关系，参数λ₂是网络拉普拉斯矩阵L的最小非零特征值。Barahona等人^［90］也进行了相关的研究，得到特征比λ₂/λ_N的条件α₁<cλ₂和cλ_N<α₂。针对网络本身不能实现同步的情况，汪小帆等人^［91］在研究中加入了牵引控制进而使网络达到一种同步的状态。吕金虎等人^［92］对于这种所谓的牵引控制的节点数以及同步的状态进行了估计，而李翔等人^［93］给出了具体的公式=N-rank（L）。刘洋彧等人^［94］也进行了类似的研究，将网络的控制模型网设定为（t）=Ax（t）＋Bu（t），其中x（t）是维状态的向量，A是耦合矩阵，用来描述网络拓扑和耦合强度，而u（t）是M（M<N）是维外部输入控制向量，矩阵B则是M×N维的控制输入矩阵。按照可控的经典概念，从某一个时间段开始，可以控制网络在不同状况下的目标，利用图匹配的方法，可以计算出可控的网络中驱动节点的具体数学表达式：=max{1，N-｜M｜}，其中N-｜M｜表示的是未匹配的节点数。借助空穴方法，进一步推导出无标度网络中控制驱动的节点比例近似值：

γ=2时是最大的控制状态，网络中的所有节点基本上都需要进行控制。Lehnert等人^［95］研究有向加权网络时，借助矩阵特征值理论得到具有一般性的精确的网络可控驱动节点的数目：=max{μ（λ_i）}，其中μ（λ_i）表示耦合矩阵A特征值的几何重数。

四、不实信息的控制研究

除了研究对于网络节点的可控性问题研究，也有学者从外界宏观控制层面研究不实信息的传播问题。Zhang等人^［96］研究网络舆情信息的交互模型，在经典的三分子模型基础上描述舆情发展、应急事件等之间的演化关系。之后，Huo等人^［97］探讨了不实信息的传播与政府在应急效用方面两者之间的演化模型，通过动力学方程剖析二者之间的演化与控制过程。Zhao等人^［98］对已有的模型进行了总结，探讨了不实信息传播与官方媒体之间的交互影响。

随着“互联网＋”时代的兴起，以现代通讯技术和通讯网络为新传播媒介加以广泛运用，基于新媒介的不实信息传播也成为当下的一个研究热点，Kwak等^［99］以微博信息传播为研究对象，探讨微博转发量的发生时间间隔与维度，用户的关注数目与微博转发数量之间的关系。Serrano等^［100］研究微博关键词与用户之间的关系，研究真实信息与不实信息的传播问题，最后以计算机仿真模拟探讨了微博信息的传播影响。中国学者对新媒介微博和微信传播控制也进行了深入的研究，Zhao等^［101］以SIR模型为基础，探讨不实信息的传播与控制，比较了新媒介与传统媒介传播的深度与广度。孙宁等^［102］总结了新媒介环境下不实信息传播的热点问题，剖析网络不实信息传播的不同发展阶段，本书对2008—2014的网络热点问题进行了统计聚类分析，剖析不实信息的传播与控制。

关于不实信息的传播问题，纵观国内研究，总结如下：

第一，针对网络中不实信息的研究正在蓬勃兴起。目前我国对网络不实信息的研究甚为重视，每年向相关的课题发放高额的国家自然科学基金资助；国内相关学者包括博士研究生和硕士研究生对网络不实信息模型的研究数量庞大；国内的重要核心期刊鲜有相关文章发表，而更多出现在一般学术期刊和社会杂志中。

第二，应用研究多针对具体的网络社交平台，而缺少不实信息传播的整体综合模型。随着网络时代新媒体的快速发展，越来越多的企业开始关注网络不实信息监控系统的研究，并投入大量资金进行研发；研究模型多针对具体的网络社交平台，如微信、微博、博客和论坛等领域，但是还缺少针对网络不实信息传播问题而构建的整体综合模型。

第三，当前的研究缺少对具体不实信息问题所涉及的传播案例的验证分析研究；网络不实信息的研究设计领域广泛，多学科、跨学科现象明显，因此，很多不实信息传播研究是基于定性角度来推断问题的解决思路。