#話都給我講就好系列-154-20200301
伴隨著這次武漢肺炎的疫情，這一個禮拜「假新聞」也四處流竄了起來。製造這些假新聞的人，極有可能是為了引發民眾的恐慌，打亂我們目前臨深履薄的防疫步調，來打擊我們的防線
其實上一篇的「SIR」模型，可以用來研究傳染病是怎麼擴散的，也可以用來研究謠言如何傳播，把「被感染者」改成「被流言影響者」就行了。當然，雖然兩者有類似之處，不過還是有許多差別，所以需要更細緻的模型來研究。
為了對抗疫情假新聞，政府在防疫之外，還得不斷的發澄清稿，也有大量網友協助澄清，不過假新聞的一方也是進步神速，從剛開始很容易一眼看穿的形式，迅速進化成會讓人產生「咦，真的嗎？」的樣子，影響力有開始提升之虞。我方有一些「武鬥派」的網友則認為「攻擊是最好的防禦」，發動「以毒攻毒，以假新聞對抗假新聞」的作戰，現在可說是亂成一團…
有句名言：「謠言止於智者。」這句話在當代的網路社會是否能成立？
令人憂心的是，根據2018年3月麻省理工學院「媒體實驗室」的Sinan Aral團隊發表在「Science」上的論文，針對推特（Twitter）資料的研究指出，假新聞比真新聞傳得又快又深又廣。
這篇論文研究了126,000條在Twitter上傳播，發生於2006-2017的新聞（有真有假），如何在300萬名使用者之間的傳播，發現真新聞很難傳到超過1000個條線（cascade，來自同一個新聞來源，如果只是純轉推算是同一線，加上自己的標題、意見…改變了原推文的話就算是拉出新的線），而假新聞甚至可以傳到10萬條線以上。
研究者進一步分析真假新聞裡面的用字，發現假新聞裡與「恐懼」、「厭惡」、「驚愕」的單字較多，而真新聞的用字傾向「悲傷」、「歡愉」與「信任」。看樣子，人類，至少是在網路上活動時，比較容易被「負能量」吸引，並被帶有這些情緒的文字驅動來按讚與推文。
這篇論文研究的是正常的情況下，各自獨立的「真新聞」與「假新聞」的傳播狀況。現在關於疫情的假新聞的傳播與真新聞的反制，兩者是有強烈關連性的，需要更仔細的研究。
2019年中國西安科技大學與法國Aix Marseille大學合作發表於「Information Sciences」的論文，以一個相當複雜的模型（稱為Linear Threshold model with One Direction state Transition, LT1DT），探討了在特定的網路結構中，「謠言」以及「澄清」之間的競爭狀態，發現只要在適當的節點投入「澄清」，即可有效壓制「謠言」的散播。什麼是適當的澄清節點呢？就是選擇「謠言」源頭的下游節點中，具有「網路樞紐」特性的節點（例如連結度高）。用白話文說，就是第一批聽到謠言的人之中，只要由跟隨者多，講話又有公信力的人出來幫忙澄清，就可以遏止謠言。所以在網路上的意見領袖們出來幫忙澄清謠言，散佈事實，是有效的，大家繼續加油吧！
雖然這聽起來好像又是「不用研究也知道」的常識啦…
中國學者在「謠言在社會網路中的傳播與遏止」這方面的研究非常多，這意味著什麼呢？
本站介紹「SIR」傳染病傳播模型：https://www.facebook.com/THUPhys1955/posts/2887179661302613
Science論文：http://science.sciencemag.org/content/359/6380/1146
Information Sciences論文：https://www.sciencedirect.com/…/artic…/pii/S0020025519306607
#超中二物理系主任雜記
#等我征服世界就把複雜網路列為全人類必修
#生命宇宙與萬事萬物什麼都馬跟物理有關
#話都給我講就好其之154
圖一：請勿亂傳假訊息，以免罰到脫褲。（來源：中央流行疫情指揮中心）
圖二：MIT研究中，真新聞（綠色）與假新聞（紅色）的傳播情形，A圖為傳播「深度」（可以傳「幾手」），B圖為每條新聞可以拉出幾條傳播線。縱軸CCDF為 complementary cumulative distribution function，以百分比表示。例如A圖中綠線上的某一點 (x, y) 的意思是：傳播深度超過 x 手的真新聞比例為百分之 y。由這兩個圖看起來，假新聞完勝。（來源：Science）
伴隨著這次武漢肺炎的疫情，這一個禮拜「假新聞」也四處流竄了起來。製造這些假新聞的人，極有可能是為了引發民眾的恐慌，打亂我們目前臨深履薄的防疫步調，來打擊我們的防線其實上一篇的「SIR」模型，可以用來研究傳染病是怎麼擴散的，也可以用來研究...