Science_Advances-Facebook假新闻传播调查报告（英文）-2019.7-9页_1mb

报告摘要

总结：《Less than you think: Prevalence and predictors of fake news dissemination on Facebook》

核心内容

本研究探讨了2016年美国大选期间，Facebook用户分享虚假新闻（fake news）的行为特征及其预测因素。通过将在线调查数据与Facebook个人资料数据相结合，研究者分析了个体层面的分享行为，并揭示了虚假新闻传播的普遍性较低，且某些人口统计学特征与分享行为密切相关。

主要观点

虚假新闻传播相对罕见
- 在研究样本中，大多数Facebook用户并未分享任何虚假新闻文章。
- 约8.5%的受访者分享了至少一篇虚假新闻文章，而超过90%的受访者未分享任何虚假新闻。
- 分享链接的总体行为较为普遍，但分享虚假新闻的行为远低于此。
政治倾向与虚假新闻分享的关系
- 保守派用户比自由派或中间派用户更有可能分享虚假新闻文章。
- 这种关联在控制了意识形态和党派归属后依然显著，表明政治立场对虚假新闻传播有影响。
- 然而，这种效应可能部分源于虚假新闻内容的倾向性（如大多数为支持特朗普的内容）。
年龄是虚假新闻传播的显著预测因素
- 年龄超过65岁的用户比年轻用户更有可能分享虚假新闻文章。
- 在控制其他变量后，这一年龄效应依然稳健，表明年龄对虚假新闻传播有独立影响。
- 年长用户平均分享了约0.75篇虚假新闻文章，是年轻用户（平均0.31篇）的两倍以上。
其他人口统计学变量影响较小
- 性别、种族、教育和收入等变量对虚假新闻传播的预测作用较弱。
- 这意味着年龄和政治倾向可能是解释虚假新闻传播行为的关键因素。
社会传播机制的作用
- 虚假新闻的传播可能与社会认同和信任有关，年长用户更倾向于依赖社交推荐作为可信度指标。
- 数字素养的缺乏可能使年长用户更容易误判虚假新闻的真实性。
研究方法与数据来源
- 研究采用混合方法，结合面板调查数据与Facebook行为数据。
- 数据来源于YouGov进行的三轮调查（共3500名受访者），其中约44%的用户同意分享其Facebook资料。
- 虚假新闻的定义基于记者和学者构建的域名列表，尤其是Craig Silverman的列表和Allcott与Gentzkow的列表。

关键信息

数据与方法
- 样本包含3500名受访者，其中1331人同意分享Facebook数据。
- 使用了两种主要的虚假新闻域名列表进行分析，结果在不同列表下保持一致。
- 通过多元回归分析，控制了意识形态、教育、收入、党派归属等因素，发现年龄是唯一具有显著预测作用的变量。
结果
- 年龄超过65岁的用户平均分享了约0.75篇虚假新闻文章，是年轻用户（0.31篇）的两倍以上。
- 保守派用户更倾向于分享虚假新闻，但这种倾向可能与内容倾向性有关。
- 其他变量（如性别、种族、教育、收入）对虚假新闻传播的预测作用较弱。
讨论与未来研究方向
- 年龄和政治倾向共同构成了虚假新闻传播的解释框架。
- 年长用户可能因数字素养不足或认知能力下降而更容易传播虚假新闻。
- 研究强调了数字素养的重要性，并建议开发行为验证的数字素养指标。
- 建议未来研究关注社交媒体环境（如News Feed内容）对虚假新闻传播的影响。
局限性
- 观察性数据无法提供因果证据。
- 部分用户可能删除了虚假新闻文章，影响数据准确性。
- 未获取用户News Feed内容，可能影响对传播机制的全面理解。