社交媒体中信任与不信任动态特征分析：一项调查研究

文献标题

Profiling the Dynamics of Trust & Distrust in Social Media: A Survey Study

文献信息

• 主题领域: 社交媒体、信息可信度与不可信度研究
• 关键词: 社交媒体, 信任, 不信任, 错误信息, 调查研究, 用户行为, 人机交互, 数字生态, 民主, 亲社会干预

研究背景与问题

• 问题和挑战:

  • 社交媒体已成为信息传播的重要平台，但也是错误信息传播的核心媒介。
  • 错误信息对平台可信度和用户信任造成严重威胁，同时加剧了社交媒体的“回音室”效应。
  • 当前反错误信息的措施未能有效降低用户的不信任。

• 重要性:

  • 信任是数字生态系统中的核心，影响用户行为、信息共享和平台长期健康。
  • 对信任与不信任间复杂关系的深入研究，将有助于更好地设计干预机制，以培养健康的在线信息传播环境。

• 研究动机与相关工作:

  • 基于现有文献对信任和不信任的研究缺乏系统性，同时少有研究探讨多平台、多群体间的信任动态。
  • 文献争议是否信任与不信任是同一连续线上的两端，还是独立的概念。
  • 错误信息干预机制的有效性存在争议，亟待进一步探讨如何重建被破坏的信任。

解决方案

• 提出方法: 通过大规模调查研究，以验证信任与不信任的理论框架，并量化用户对社交媒体及其反错误信息措施的态度和行为影响。

• 创新点:

  • 将信任与不信任的测量区分为独立的构念，并开发了新的有效指数（Social Media Trust and Distrust Scale, SMTDS）。
  • 探索不同平台及不同人口统计群体间的信任和不信任动态。
  • 分析错误信息干预措施与信任/不信任之间的关联。

• 实施步骤与技术:

  1. 收集过去几年主要社交媒体平台（Facebook、Twitter、YouTube、TikTok）的反误信息特点。
  2. 使用快速定性分析（Rapid Qualitative Analysis）提取高层主题：标记功能、可信信息的策展、可操作外部验证。
  3. 设计与部署调查问卷，通过全美代表性样本收集数据（N=1769）。
  4. 使用统计方法（例如因子分析、聚类分析、回归模型）分析信任与不信任的关系，同时探索其与不同人口统计变量的互动。

研究成果

• 具体成果:

  • 信任与不信任的关系:

    • 信任与不信任是两个相关但独立的构念。
    • 聚类分析确认存在高信任-高不信任用户群，这说明信任与不信任可以共存。

  • 平台与人口统计差异:

    • 平台差异: Facebook较不受信任；YouTube的用户表现出最少的不信任。
    • 人口统计差异: 年龄越大，信任越低；黑人人群对平台如Facebook和YouTube表现更高信任；政治倾向显著影响信任和不信任。

  • 错误信息干预措施:

    • 标签（Labeling）功能能显著提高用户对错误信息的意识。
    • 策展（Curation）功能与较高信息分享和接收意愿关联更强。
    • 各措施对信任有所助益，但并未显著降低不信任。

• 优势:

  • 提供了一种清晰有效的工具来测量信任与不信任，这在当前研究中具有独特性和实用性。
  • 丰富了对社交媒体干预设计有效性的理解，并揭示了不同群体对干预措施的反应差异。

• 实验结果与局限性:

  • 错误信息干预能提升用户信任，但未能完全缓解不信任。
  • 局限性包括研究范围仅限美国、仅关注部分平台及公开的干预手段，未来需扩展至不同地域和其它干预类型。

• 未来方向:

  • 进一步研究不信任的构念，尤其是在不同社交背景中的表现。
  • 探索信任与不信任动态的时间演变及潜在的社会心理因素。
  • 设计针对性更强的误信息干预措施，以解决特定用户群的信任与不信任问题。