POD模型一个时间步长的图示。在左侧面板中，(A)描述了带有机构代理i1的小型网络的初始设置，该代理具有用户s1、s2、s3。网络中的所有代理都贴上了他们的信仰力量的标签。右侧面板(B)描绘了代理i1发送消息M1(t = 0) = (m0，M1)的一个时间步长t = 0。(I)显示了m0 = 4到用户的初始发送，以及(ii)显示了s1和s3相信该消息并将其传播到它们的邻居。(iii)和(iv)对于m1 = 3显示相同，但是只有s3相信m1。信用:DOI:10.1371/journal . pone . 0261811它从一个超级传播者开始，在一个互动的网络中蜿蜒前行，最终没有一个人不被触动。那些以前接触过的人，当接触到不同的变异体时，可能不会有什么影响。不，这不是病毒。这是错误信息和虚假信息的传染性传播——完全是为了欺骗的错误信息。
现在，塔夫茨大学的研究人员已经提出了一个计算机模型，它显著地反映了错误信息在现实生活中传播的方式。研究人员说，这项工作可能会提供关于如何保护人们免受当前威胁公共健康和民主健康的错误信息传染的见解。
塔夫茨工程学院计算机科学博士学生、该研究的主要作者尼古拉斯·拉布(Nicholas Rabb)说:“我们的社会一直在努力应对对阴谋的普遍信念、日益加剧的政治两极分化以及对科学发现的不信任。”该研究于1月7日发表在《科学公共图书馆》(Public Library of Science ONE)杂志上。“这种模式可以帮助我们掌握错误信息和阴谋是如何传播的，从而帮助我们提出应对策略。”
研究信息传播的科学家经常向流行病学家学习，模拟疾病如何通过社交网络传播的错误信念的传播。然而，这些模型中的大多数都将网络中的人们视为平等地接受任何通过接触传递给他们的新信念。
相反，塔夫茨大学的研究人员将他们的模型建立在这样一个概念上，即我们先前存在的信念会强烈影响我们是否接受新信息。如果事实信息与他们已经相信的相差太远，任何人都会拒绝接受。卫生保健工作者对这种效应的强度发表了评论，他们观察到一些死于COVID的患者坚持认为COVID不存在。
为了在他们的模型中解释这一点，研究人员给人工社交网络中的每个人分配了一个“信念”。为了做到这一点，研究人员在计算机模型中用0到6的数字表示个人的信念，0代表强烈的不相信，6代表强烈的相信。这些数字可以代表任何问题上的信仰范围。
例如，人们可能会认为数字0表示强烈不相信COVID疫苗有帮助并且是安全的，而数字6可能表示强烈相信COVID疫苗事实上是安全有效的。
然后，该模型创建了一个广泛的虚拟个人网络，以及虚拟机构来源，这些来源产生了大量通过网络级联的信息。在现实生活中，这些人可能是新闻媒体、教堂、政府和社交媒体的影响者——基本上是信息的超级传播者。
该模型从一个将信息注入网络的机构源开始。如果一个人收到的信息接近他们的信念——例如，与他们目前的信念6相比是5——他们有更高的概率将信念更新为5。如果传入的信息与他们当前的信念有很大不同——比如说2和6——他们可能会完全拒绝它，并坚持他们的6级信念。
其他因素，如他们的联系人向他们发送信息的比例(基本上是同伴压力)或对来源的信任程度，会影响个人如何更新他们的信仰。这些相互作用的全人群网络模型提供了错误信息传播和保持力的积极观点。
模型的未来改进将考虑来自网络科学和心理学的新知识，以及模型结果与真实世界意见调查和网络结构随时间的比较。
虽然当前的模型表明信念只能逐渐改变，但其他场景也可以建模，导致信念发生更大的转变——例如，当一个戏剧性的事件发生在一个影响者身上，他们恳求他们的追随者改变主意时，可能会发生从3到6的转变。
研究人员说，随着时间的推移，计算机模型可以变得更加复杂，以准确反映地面上发生的事情，除了拉布之外，他们还包括他的教师顾问、计算机科学教授Lenore Cowen计算机科学家马蒂亚斯·谢茨；以及心理学和计算机科学教授J.P .德莱特。
“越来越明显的是，仅仅传播事实信息可能不足以对公众心态产生影响，尤其是那些被禁锢在非事实基础的信仰体系中的人。”考恩说。“我们最初的努力是将这种洞察力融入到我们的错误信息在社会中传播的模型中，这可能会教会我们如何让公众对话回到事实和证据上。”
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
