“剛接通知，定于今晚12點對全市主干道進行大面積消殺、消毒工作。因此次消毒藥水濃度較大，請各位今晚10點后務(wù)必呆在家中……”

“水廠的朋友來電告知，非常時期，自來水中在允許的范圍內(nèi)加大了氯氣的注入，水靜置兩小時以上再用……”

疫情期間，上述信息出現(xiàn)了全國各地版本，特殊時期公眾對信息更為渴求，在信息的海洋中，普通公眾又該如何有效鑒別信息呢。我們爬取了“微博辟謠”平臺于1月20日至2月11日間發(fā)布的與新型冠狀病毒肺炎相關(guān)的全部微博共804條，刪除重復(fù)、拆分合集后共946條（下稱“相關(guān)微博”），其內(nèi)容涉及被判定為謠言的內(nèi)容以及辟謠信息，我們從內(nèi)容分類、發(fā)布主體、呈現(xiàn)形式等維度進行編碼、分析?！拔⒉┍僦{”是新浪微博虛假消息辟謠官方賬號，通常轉(zhuǎn)載其它認證賬號發(fā)布的“辟謠信息”，每日匯總為合集置頂推送。

數(shù)據(jù)分析發(fā)現(xiàn)，“微博辟謠”賬號轉(zhuǎn)發(fā)的相關(guān)微博，其主題集中在“疫情傳播情況”與“政府政策措施”上，呈現(xiàn)形式以文字為主，近7成被判定為謠言的信息中未交代信源。在近千條相關(guān)微博中，除“肺炎”“疫情”“武漢”“新型冠狀病毒”等與事件直接相關(guān)的詞匯外，“車輛”“口罩”“消毒”“人員”“指揮部”等是主要的高頻詞。與人們生活貼近的“小區(qū)”“門店”“超市”“外出”等也頻頻被提及?！稗D(zhuǎn)發(fā)”“轉(zhuǎn)告”等高頻詞映射出相關(guān)內(nèi)容的傳播需求。將“微博辟謠”平臺試圖撇清的謠言按內(nèi)容分類繪制成折線圖，每條折線代表不同內(nèi)容類別的微博隨時間變化的情況，有關(guān)“疫情傳播情況”與“政府政策措施”的內(nèi)容數(shù)量最多，比如“xx地又確診了xx例病例”、“xx剛從武漢回來”等內(nèi)容分別在1月28日和2月6日達到高峰。隨著各地防控措施的加碼，“我市今晚12點進行大規(guī)模消毒”、“我市即將封城、封路”等有關(guān)政策措施的內(nèi)容也隨之流傳。

分析相關(guān)微博，我們發(fā)現(xiàn)被“微博辟謠”轉(zhuǎn)載被判定為謠言的內(nèi)容中，52%的內(nèi)容以純文字的形式呈現(xiàn)，單獨以視頻形式傳播的內(nèi)容占到了8%，圖片配文字以及視頻配文字的形式也較為多見。

力求真實與客觀規(guī)范的新聞寫作中強調(diào)交代信息來源，并且要交代信息來源的全稱或全名，也就是具名。在我們分析的相關(guān)微博內(nèi)容中，未交代信源的占69.8%，不足1.5%交代了信息來源的名稱。被判定為謠言的內(nèi)容中，有30.2%寫明了信源，假借官方發(fā)布內(nèi)容是最常見的方式，例如以“市政府辦”、“公安局網(wǎng)絡(luò)中心”等落款。其次則是假借其他“知情人”消息，例如有些內(nèi)容來自內(nèi)部工作人員透露。還有部分內(nèi)容假借了媒體和專家的名義，如通過PS合成電視節(jié)目截圖，或“鐘南山院士稱鹽水漱口可防病毒”等。新聞寫作專業(yè)規(guī)范也要求提供時間和地點信息，這是新聞五要素（5W）的重要組成部分。被認定為謠言的內(nèi)容中，包含時間和地點要素的內(nèi)容占47.46%，另有36%的內(nèi)容提供了地點信息，這些內(nèi)容通常在特定地區(qū)傳播，比如某地確定病例超過幾千等。也有的內(nèi)容在全國各地復(fù)現(xiàn)，例如“全城大消殺”、“某小區(qū)酒精消毒后開空調(diào)導(dǎo)致火災(zāi)”等，反映出較為普遍的社會心態(tài)。復(fù)旦大學(xué)新聞學(xué)院周葆華教授認為，帶有時間和地點的信息，使得內(nèi)容看上去比較具體、準確，對傳播有作用；訴諸權(quán)威信源的策略則反映了來自權(quán)威部門的信息容易獲得信任和傳播，這也提醒政府部門應(yīng)當及時公開與疫情有關(guān)的重要公共信息。

那么是誰在發(fā)布被判定為謠言的內(nèi)容，又是誰在發(fā)布辟謠信息呢？從獲取的數(shù)據(jù)來看，除去未交代發(fā)布主體的微博，絕大部分被判定為謠言的內(nèi)容都是由普通個人發(fā)布的，也有極少數(shù)出自媒體、政務(wù)機關(guān)、自媒體等。而發(fā)布辟謠信息的則多為政務(wù)機關(guān)，媒體也是較為重要的辟謠主體，此外，少數(shù)辟謠信息由專家、普通個人、自媒體等發(fā)布。

使用百度AI情感分析相關(guān)微博，結(jié)果顯示，負面情感大于正面情感的內(nèi)容占到六成以上，相關(guān)的內(nèi)容涉及感染情況等。而正面情感大于負面情感的內(nèi)容則多與新藥研發(fā)、防治方法等相關(guān)。疫情事件本身的重要性、高風(fēng)險、高關(guān)注決定了相關(guān)信息的大量傳播，周葆華認為，疫情事關(guān)每個人的生命健康與安全，充滿風(fēng)險與不確定性，公眾對疫情信息的需求度很高。同時，我們身處信息高速流動的移動互聯(lián)網(wǎng)時代，加速了信息的傳播；與疫情有關(guān)重要信息的公開、透明不夠及時、充分，也是影響部分傳言或謠言產(chǎn)生的可能因素。

根據(jù)學(xué)者研究，謠言中的“謠”在古代漢語中指不用樂器伴奏的歌唱，這種隨意性、搖擺性和不確定性為其向謠言、謠傳等詞匯的過渡埋下了伏筆。[i] 在不同社會情境中，對謠言的界定尚存爭議。不過研究者大多認同：“謠言的產(chǎn)生首先與信息結(jié)構(gòu)有關(guān)系。面對不確定的事件，如果權(quán)威的信息無法及時跟進或不足以消除大眾疑慮，謠言就會填補這個空白，幫助人們建構(gòu)事件的意義。在沒有權(quán)威信息之前，傳播謠言能幫助緩解焦慮。”[ii]

由于社會環(huán)境、社會心理等因素，謠言作為一種面對重要事件、存在模糊性情境下必然會產(chǎn)生的“即興”信息，不可能完全消除，但可以減少其規(guī)模與負面影響。周葆華教授認為，首先，在信息的供給方面，政府等掌握公共信息的部門應(yīng)當堅持公開透明，及時發(fā)布信息、回應(yīng)公眾關(guān)切，減少公眾疑慮；在公眾對信息的接受方面，則需要增強對紛繁復(fù)雜信息的鑒別力，例如對信息、信源的核實查證能力，通過多個渠道來校驗與核實信息，提高自己的信息素養(yǎng)。

彩蛋：

識別照片真?zhèn)涡」ぞ逿inEye

信息海洋時而可見移花接木的信息，比如三年前拍攝的圖片，重新成為熱點，使用TinEye等圖像反向搜索引擎即可幫助公眾鑒別圖片真?zhèn)巍?/p>用戶可以在TinEye主頁面中上傳提交圖像文件或輸入圖像地址，隨后TinEye會匹配尋找該圖像的大量編輯版本，在搜索結(jié)果中提供各編輯版本的圖像網(wǎng)址和發(fā)布時間，將搜索結(jié)果“按最舊排序”則可尋找到最接近源圖像的編輯版本，根據(jù)其網(wǎng)頁內(nèi)容辨別圖片真?zhèn)巍?p>

附錄：研究方法

本研究自“微博辟謠”賬號平臺爬取了2020年1月20日至2月11日間與新型冠狀病毒肺炎(NCP)相關(guān)的辟謠微博共804條,其內(nèi)容涉及被認定為謠言的信息以及辟謠信息。隨后我們對疫情無關(guān)和重復(fù)謠言進行刪除、對合集謠言進行拆分后共得謠言946條。

基于相關(guān)文獻回溯，本研究從內(nèi)容特征、呈現(xiàn)形式及發(fā)布主體等維度進行分析。其中，內(nèi)容特征包括內(nèi)容類別、信源交代方式、信源是否具名、是否含時間、是否含地點等維度。呈現(xiàn)形式包括純文字、文圖、文字加視頻等。發(fā)布主體主要分為普通個人、媒體、政務(wù)機關(guān)等。

編碼由四位經(jīng)過系統(tǒng)編碼培訓(xùn)的編碼員共同完成。以下是編碼規(guī)則。

在編碼培訓(xùn)中，所有編碼員兩次對隨機選取的數(shù)據(jù)進行預(yù)編碼，并嚴格對比編碼結(jié)果，集中討論編碼過程中遇到的問題，解決編碼分歧，最終對編碼標準進行了統(tǒng)一。正式編碼中，依照評價一致度計算(Krippendorff’s alpha coefficient)，編碼員互相信度平均值為0.728。

此外，編碼員在編碼過程中還對被認定為謠言的原微博進行了采集，由于原始內(nèi)容或被刪除，采集的原始內(nèi)容多來自辟謠微博描述或截圖。通過對整體文本的內(nèi)容分析，研究增加了詞頻分析和情感分析維度，情感分析工具為百度AI情感傾向分析平臺。

參考資料：

[i] 張志平，“‘謠言’的詞源學(xué)和現(xiàn)象學(xué)釋義”，《社會學(xué)家茶座》，2009年第3期，102-103頁。

[ii] 劉海龍，“技術(shù)已經(jīng)這么發(fā)達，謠言為什么還滅不完？這不奇怪”，2019年，https://new.qq.com/rain/a/20190409A0O9EE00。

作者：何詒雯、李泓、麻慧琳、陶晨、溫瑞琪、張淑凡、朱月萌、王晶晶（華東師范大學(xué)通信與電子工程學(xué)院）、徐奕湛（華東師范大學(xué)通信與電子工程學(xué)院）

復(fù)旦大學(xué)新聞學(xué)院《數(shù)據(jù)分析與信息可視化》（本科生）、《數(shù)據(jù)新聞與可視化》（碩士生）課程專欄

指導(dǎo)老師：周葆華、徐笛、崔迪

本文為湃客·有數(shù)欄目首發(fā)稿件，未經(jīng)授權(quán)，禁止轉(zhuǎn)載。