专栏名称: 网易新闻学院
网易传媒旗下新闻研究机构。这里有最优质的原创报道,最新国外传媒动态,以及一手行业情报;还有最IN的线下讲座、沙龙与培训,告诉你新媒体运营的一切秘密。
目录
相关文章推荐
中国新闻网  ·  跟着电影去旅游 ·  21 小时前  
南国都市报  ·  Deepseek成赶作业“神器”?海南老师们 ... ·  21 小时前  
扬子晚报  ·  刚刚!苏州下雪啦! ·  昨天  
人民日报  ·  官宣!旗手是她 ·  2 天前  
央视新闻  ·  汤圆和元宵,好吃,爱吃,但别这么吃! ·  2 天前  
51好读  ›  专栏  ›  网易新闻学院

我们为什么会相信假新闻? 因为你的大脑不想理性

网易新闻学院  · 公众号  · 社会  · 2017-09-18 18:27

正文


导语

假新闻流行的心理学基础是什么?是什么推动了它的传播?我们又该如何减少假新闻对公众的误导?一篇来自哈佛大学肯尼迪学院网站的文章《打击假新闻:相关研究与行动》帮你解答。

出品| 外言社

翻译| kewell  编辑| 王茸


在信息爆炸的时代,假新闻已经成为人们面临的一大棘手问题。面对日益泛滥的虚假消息,我们该采取什么行动? 本文编译了一篇来自哈佛大学肯尼迪学院网站的文章《打击假新闻:相关研究与行动》,希望为你带来一些思考。原文链接见文末二维码。

摘  要


由于信息传播的速度 越来越快 ,假新闻愈发在网络横行,这种媒介生态的变化正不断引起人们对假新闻侵害民主的担心。如今个人获取信息的方式越来越依赖网络,但网络信息却冗杂得令人难辨真假。同时,想要监测那些层出不穷的假消息对技术而言也是一个挑战。不过,要实现减少假新闻的目标,还是有一些可行的办法的,例如:


1. 向用户反馈某条新闻可能是假的(但有可能降低该用户分享信息的欲望);


2. 提供可以证明该新闻为假的相反立场的信息;


3. 监测来自机器人或“水军”的假新闻,调整算法,避免掉进它们的陷阱;


4. 一般假新闻的来源都很单一,辨别出这些来源,减少在平台上推广这些来源内容的频率。


本文一共分为四个部分。第一部分讲述了当下媒介生态中假新闻传播的现状;第二部分从心理学角度解读了假新闻泛滥的原因;第三部分是学术界对防治假新闻方法的讨论;第四部分则探讨了未来关于假新闻的研究方向。


1 假新闻的传播现状


在2016年美国总统大选期间,假新闻问题一度成为了重大公共议题。其实在历史上,政治宣传、谣言、错误情报等假新闻经常被利用来误导公众,《哈泼斯杂志》在 1925 年就曾经这样描述过假新闻的崛起:“当假新闻制造者拥有了传播话语权,所有诚实的记者再努力也无法弥补它所造成的不信任。这与本地新闻不同,编辑们面对虚假的爆料来源并没有机会去证实其真实性。”


现在,传统媒体正在被谷歌和Facebook替代,但同样的情况依然存在。网络新闻规模迅猛发展,特别是在社交媒体上发表的政治观点已经引来了很多人的担忧。越来越多的研究证明,假新闻在2016年美国大选的政治话语中是非常流行的。有研究者发现,在大选期间,许多在社交媒体上分享度最高的报道都是假新闻;还有研究发现,美国人在网上分享可疑新闻源的总数跟分享主流媒体的总数旗鼓相当。



现今社交媒体环境为假新闻传播提供了土壤,它就像一个大喇叭,让拥有技术能力的小规模群体可以创造和传播大量虚假信息。这种社交网络虚假信息的害处有两个:新闻源过多,产生信息干扰;造成"回声室效应",即:拥有相似观点的人组成了一个共同体,不断重复相同的观点或信息,最终让人认为这些片面的内容是全部事实,甚至还会放大偏激言论。


要评估社交媒体上信息的真实度也越来越困难,因为信息源头不断增加,伴随信息传播的往往还有不可靠的社交网络关系。人们总是关注与自己想法相似的人,这就容易制造“回音室”和选择性过滤,加剧了观点的极端化。若在这些孤立群体中没有对立观点存在,结果就是现实的缺失,这对于社会来说是很危险的分化。这会让公众在公共议题面前更容易带上歧视性,更容易被煽动,导致替罪羊出现、偏见正常化、敌我矛盾 加强 ,最糟糕的则是造成暴力事件。


但是,假新闻并不是新事物,也不是第一次引起公众恐慌。多年来,已经有众多学者在研究假新闻的传播规律和应对措施。


2 关于假新闻的传播心理学


由于大部分人都无法直接见证新闻的发生,而是依靠别人的叙述来获取内容。因此,我们对信息真假做出的判断,往往并不是出自理性的考量,而是依据社交经验做出的神经反应。


首先,影响我们对信息真假判断的一大因素就是来源可信度,人们更信任知名或熟悉的消息源,并忽略自己不熟悉的信源。其次,人类在寻求信息的过程中本来就存在偏见,会自然倾向于相信能够印证其本身观点的信息,或者与自己三观相符的信息。因此,如果认定消息源可靠或是与自己的认知相符,个人往往倾向于不加分辨地接受信息。


因此,就算澄清了假信息,也不一定能改变受众的既有观念。事实上,提供对立观点可能还会造成反作用,让受众更相信原本的观点。只要假信息仍在人群中循环,哪怕是否定其存在的循环,也会对人们的认知产生负面效果。这是因为人类的认知受频率和熟悉度影响:一个人听一个说法越多,就对它越来越熟悉,从而也越来越容易相信它是真的。


影响人们接受信息的因素还包括社交压力。人们容易在无意识的从众心理作用下坠入错误信任的陷阱,从而加速虚假信息的扩散。从相反的角度来讲,如果一个人的分享被周围人认为是假信息,是 一件 很尴尬的事,这 正是我们在社交媒体上推广事实核查工具的契机。除此之外还有一个办法就是改变用户习惯,鼓励他们与意见不同的人多沟通,减少极端化观念和扭曲的 事实 出现。



假新闻从源头传播到受众面前,经历了一个复杂的网络生态系统。在Twitter上,真实用户分享的假信息往往就来自于一小部分网站和高活跃度的水军,这些个人的社会和政治资本往往是有限的,但他们懂得利用平台,因此能吸引同样热衷极端和错误信息的受众。靠机器人的帮助,他们甚至能引来政界精英的关注。比如,特朗普曾收到过几百条来自机器人的信息,这些假新闻让他相信在大选中真的有 300 万非法移民投了票。传统精英人士不一定就是假新闻的最大分享者,但可能是假新闻传播的最大推动者。


大部分分享假新闻的人,往往本就是极爱分享新闻的人。目前,评判用户会否分享假新闻的一个重要标准就是政治活动活跃度,另外一些倾向分享假新闻的特征还包括:年纪较大、意识形态较为极端等。


但不论是在当下还是在历史上,大规模的假新闻传播很少是因为纯粹的误解,相反,通常都是精心谋划的结果。比如一战期间,英国就对德军残暴行为进行了虚假宣传,借此赢得本国和全球舆论支持。但这一策略在二战就出现了反作用,公众因为受骗过一次开始怀疑本国媒体对于纳粹大屠杀的报道。


需要意识到的是,对于新闻真实性、公正度的的关注是一个较晚才出现的话题,直到20世纪早期,现代新闻从业者才把事实核查变为常态,美国媒体也自此开始关注公正度的问题,这是对1890年前后夸大报道风气的反抗。


最后需要指出的是,虽然任何人都可能被假信息欺骗,但目前假信息的主要传播者还是右派,极端右派还在不断攻击主流媒体。有些保守者受到影响,甚至开始不相信那些专门做事实核查的网站。也有实例证据表明,当共和党当权的时候,左派往往会变得更容易受假新闻影响。其中一个例子就是阴谋论:小布什当政时,很多左派就坚信“911”事件是政府的阴谋。这或许也预示了接下来几年,相信假新闻的左派会增多。


在对抗假新闻的时候必须考虑到这些不对等的问题,不同政治派别被假新闻影响的方式是不同的。


3 行动:阻止假新闻的传播



1.加强两派对话


要对抗假新闻,传播公正无偏见的观点,关键就在于让更多保守派参与讨论的过程。很多证据都表明,假新闻主要是在右派中发挥影响力,研究者也相信,纠正如果来自同党派效果往往会更好。所以,要保守派和自由派合作,才能实现真实信息的传播和真实消息源可信度的提升。具体做法包括咨询法律学者、经济专家,普及假新闻的传播模式和获利方式。


2.让真相“更大声”


加强可信赖消息源的影响力,支持或与这些媒体合作,提升高质量、真实信息的传播范围。


首先,要把学者的相关研究推广给记者和面向公众的各个媒介。这些研究可以为从业者提供指引,避免在写作或起标题的时候落入假新闻的窠臼。学者们的推荐是在标题中尽量提供事实,避免重复强调假新闻;选择用户信任度高的采访对象;在纠正事实的时候尽量加上图解。


其次,要让学者和媒体建立更紧密的合作。其中一个做法就是让他们与编辑部实现合作,学者可以担任专家顾问。另一个办法是建立类似于维基百科的平台,让记者能接触到更多的统计分析数据。这些工具可以帮助记者获取可靠的信息源,在传播速度上赶超假新闻。同时也能为受众提供信息源、背景信息等指示参考。


第三,各平台对假新闻的辨认和阻止也应加强。有些假新闻的网站来源不明,但大部分还是有指向的,这就要求平台承担起责任参与其中。若平台能从这些细微处抑制假新闻的源头,假新闻的问题或许能够立刻得到解决。有证据表明,假新闻的传播一般都是有外力推动的,比如机器人或者水军,如果平台能够更有效地检测到这些行为,也会阻止假新闻传播。


最后,本地新闻一直以来都有不错的可信度和价值,社会也应该对他们进行支持,尤其是在资金方面。政府可以向本地媒体发放补助,为他们申请非营利组织的待遇。大学也可以在校报上多报道本地新闻。


3.为社交媒体研究建立一个共享架构


学者要继续深入研究社交平台上假信息传播的现象,了解当下的最新科技,把公众利益放在企业和其它利益之前。学术界应为社交媒体研究建立起一个共享架构,特别是与数据相关的,以减少使用难度和分享阻碍,不然新旧研究都很难进行。


为了降低开发和维护这种平台的成本也可以跟相关数据公司合作,或者是提供网络统计服务(Nielsen、微软、谷歌、ComScore)、新闻资讯服务(《纽约时报》、《华尔街日报》、《卫报》、Parsely、Chartbeat)、投票调查业务(Pollfish、 YouGov、皮尤)、票选登记业务(L2、Catalist、TargetSmart)、金融消费纪录(Experian、Axciom、InfoUSA)的公司合作。与Facebook、Twitter这样的大平台合作当然也是可行的。







请到「今天看啥」查看全文