人们在社交媒体上分享如此多虚假新闻的真正原因

社交媒体上充斥着虚假信息，一项新研究揭示了其中的原因。耶鲁大学和南加州大学的研究人员认为，基本上，有些人养成了在社交媒体上分享东西的习惯——无论这些内容是否真实。尽管“个人缺乏批判性推理和党派偏见”通常被认为是人们分享虚假新闻的原因，但作者在论文中写道，“社交平台内置的在线分享结构更为重要。”

先前的研究发现，有些人（尤其是老年人）在分享某件事之前根本不考虑它是否属实。其他研究表明，有些人会积极分享支持他们身份并符合他们现有信念的新闻标题，无论这些标题是否属实，尤其是保守派。

虽然耶鲁大学和南加州大学的研究团队认为这些是导致虚假信息在网上传播的因素，但他们假设，这些可能不是导致人们分享虚假新闻的唯一机制。无论是认为人们分享虚假信息是因为缺乏批判性思维，还是认为这是党派偏见的结果，都假设人们如果有足够的动机或能够考虑他们所分享的标题的准确性，他们就会减少分享虚假新闻，然而，耶鲁-南加州大学团队的研究表明，情况可能并非如此。

相反，该团队认为，“虚假信息分享似乎是频繁在线分享信息的更大模式的一部分。”为了支持这一观点，他们发现，在 2,476 名参与者的研究中，分享虚假新闻最多的人也分享了更多真实的新闻。这篇论文基于四项相关但独立进行的研究，旨在梳理出习惯性分享如何影响虚假信息的传播。

[相关：虚假新闻的最大消费者可能会从这项技术干预中受益]

在第一项研究中，研究人员向 200 名在线参与者展示了 8 篇带有真实标题的报道和 8 篇带有虚假标题的报道，并询问他们是否会在 Facebook 上分享这些报道。研究人员还利用他们过去分享内容的频率数据和自我报告指数（衡量他们是否不假思索地分享内容）来衡量他们在社交媒体上的习惯性分享程度。

正如研究人员所料，分享习惯强的参与者转发了更多故事，而且与分享习惯较弱的参与者相比，他们更难辨别这些故事的真实性。分享习惯最强的参与者分享了 43% 的真实标题和 38% 的虚假标题，而分享习惯最弱的参与者只分享了 15% 的真实标题和 6% 的虚假标题。总体而言，在这项研究中，分享习惯最强的 15% 参与者分享了 37% 的虚假标题。

第二项研究有 839 名参与者，旨在观察参与者在被要求考虑一个故事的准确性后是否会放弃习惯性分享。

虽然要求参与者在分享前评估标题的准确性可以减少虚假标题的分享量，但对于最习惯分享的参与者来说，这种方法效果最差。当参与者在被问及是否愿意分享一组故事之前必须评估标题的准确性时，他们分享了 42% 的真实标题，但仍分享了 22% 的虚假标题。但是，当参与者仅被问及是否愿意分享故事时，最习惯分享的参与者分享了 42% 的真实标题和 30% 的虚假标题。

[相关：这些心理学家找到了一种更好的方法来教人们识别错误信息]

第三项研究旨在评估具有强烈分享习惯的人是否对党派偏见不太敏感，并分享与他们的政治观点不一致的信息。该研究的结构与上一项研究类似，约 836 名参与者被要求评估一组标题是否符合自由派和保守派的政治观点，以及他们是否会分享这些标题。

同样，最习惯分享的人在分享内容时也不太谨慎。那些事先没有被要求评估标题政治性的人转发了 47% 符合他们政治倾向的报道，20% 不符合的报道。即使被要求先评估政治偏见，习惯分享者也会转发 43% 符合他们政治观点的报道，13% 不符合的报道。在这两种情况下，最不习惯分享的人只分享了大约 22% 符合他们观点的报道，只有 3% 不符合的报道。

最后，在第四项研究中，研究人员测试了改变社交媒体上的奖励结构是否能改变错误信息的分享频率。他们推测，如果人们因点赞和评论而得到奖励，就会鼓励形成习惯性分享——奖励结构是可以改变的。

为了测试这一点，他们将 601 名参与者分成三组：对照组、错误信息训练组和准确度训练组。在每组中，参与者都会看到 80 个试验标题，并被问及在看到 8 个真实和 8 个虚假测试标题之前是否会分享这些标题，这与之前的研究类似。在对照组中，参与者分享真实或虚假标题时不会发生任何事情，而在错误信息组中，参与者被告知，如果他们分享虚假标题或不分享真实标题，他们会得到“+5 分”，而在准确度组中，参与者被告知，如果他们分享真实标题或不分享虚假标题，他们会得到“+5 分”。

正如所料，与对照组相比，准确度训练和错误信息训练都有效地改变了参与者的分享行为。准确度训练的参与者分享了 72% 的真实标题和 26% 的虚假标题，而错误信息训练的参与者分享了 48% 的真实标题和 43% 的虚假标题。（对照组参与者分享了 45% 的真实标题和 19% 的虚假标题。）

研究人员得出结论，他们的研究都表明，习惯性分享是传播错误信息的主要因素。在所有研究中，最习惯分享的前 15% 的人分享了 30% 到 40% 的错误信息。他们认为，这是社交媒体平台建立的更广泛的响应模式的一部分——但它们可以由内部工程师进行重组，以促进准确信息的分享。