超越点击认知:促进虚假信息中错误信念检查的有效干预措施
作者
可解释人工智能(XAI)虚假信息与事实核查算法公平与偏见事实核查员政府官员与公务员HCI 研究员
研究背景与问题
-
作者发现了哪些问题或挑战?
随着数字信息生态系统的快速发展,虚假信息的扩散对社会造成了严重影响。尽管已经存在大量查证虚假信息的工具和方法,例如事实核查网站,但人们通常会避免与自己信念不一致的事实,这导致了这种工具无法有效地更新相关用户的错误观念。 -
为什么这个问题很重要?
在数字安全领域,人的因素被认为是系统中最弱的一环。如果无法有效支持特别容易受到信息误导的用户,就很难建立一个更加稳定和可信的在线信息生态系统。错误观念的持久影响甚至可能导致现实世界中的严重后果,例如疫苗拒绝率的上升。 -
研究动机与相关工作
虽然过去研究已经研究了影响用户点击行为和信息选择的偏见(如点击偏差、选择性暴露),但对特别规避纠正信息的用户进行干预的研究仍较为有限。因此,研究旨在开发有效的干预措施以支持这些用户更主动地审视自己的错误观念。
解决方案
-
作者提出了哪些方法或解决方案?
作者提出了两种不同的干预措施:- 元认知干预:通过视频讲解事实核查行为和反思器实现较为细致的策略,帮助用户更好地审视自己的点击行为。
- 排序干预:通过调整信息的展示顺序,利用位置偏差来吸引用户点击相关的信息(特别是那些与其现有信念不一致的事实核查内容)。
-
该解决方案的创新之处是什么?
- 元认知干预引入了自我反思的行为探索,而不是直接影响用户的信念,从而激发深入的认知参与。
- 排序干预通过利用容易点击的位置偏差(如置顶或显眼位置)来减轻其他信息规避的影响,这是较为新颖的实现手段。
-
实施步骤是什么?使用了哪些关键技术?
- 设计与操作:
- 用户首先根据自己对信息的准确性进行评级,随后接受随机展示的信息链接,进行点击行为测试。
- 元认知干预通过播放解释视频后,要求用户进行点击行为反思,并回答自我评估问题。
- 排序干预通过调整链接的排列顺序,优先将矛盾信息置于浏览区域的顶部和底部。
- 测量与分组:
- 使用Fact-Avoidance/Exposure Index (FAEI) 算法对用户的选择行为进行分类(规避组与暴露组)。
- 设计与操作:
研究成果
-
取得了哪些具体成果?
- 元认知干预成功促进了用户审视错误观念,点击相关矛盾信息的行为增加了14个百分点。
- 排序干预显著提高了用户对矛盾信息的访问,点击率增加了33个百分点。
- 元认知干预不仅对点击行为有效,而且对虚假观念的更新(例如对新冠疫苗错误信息的纠正)也显著更为有效。
-
与现有解决方案相比,它有哪些优势?
- 排序干预比随机展示方法更有效地提高了用户点击行为,但仅元认知干预才能显著增强虚假观念的更新。
- 元认知干预的效果能够持续一个星期,显示了更为持久的认知参与提升。
-
实验或评估结果是什么?
- 点击行为分析:与随机展示相比,元认知和排序干预分别显著增加了用户的"审视矛盾信息"的点击率。
- 信念更新分析:元认知干预显著减少了用户对虚假信息的认可比重(例如,从Day 1到Day 2,虚假观念评分减少了约2.3分)。
- 长期效应:元认知干预的效果在一周后仍然显著有效,而排序干预的影响较短暂。
-
局限性与未来方向
- 局限性:
- 无法确定元认知干预的哪些具体元素(视频解释还是自我反思)更关键。
- 干预效应的长期持续时间尚未验证。
- 研究仅在日本用户中进行,文化背景的适用性需要进一步探索。
- 干预范围局限于COVID-19相关信息,不能直接推广到其他领域。
- 未来方向:
- 开发能够整合元认知干预与排序干预的混合模型。
- 探索针对更广泛主题的干预策略。
- 增强方法论的多样性,考虑衡量点击后的认知效果(如内容可信度),而不干扰实验设计。
- 局限性:
此研究表明,对于应对在线虚假信息,仅仅增加用户对事实核查的点击行为是不够的。必须采取积极的认知干预措施,支持用户在接触信息时能够做出深度思考并更新错误观念。
研究问题 / 现实痛点
这篇论文在当前问题库中对应的问题线索。
help
研究问题
3- 什么方法能够减少用户对矛盾信息的回避并促进他们审视自己的错误认知?分类: 反思支持与长期行为改进同类问题arrow_forward
- 元认知干预和排序干预在改变用户点击行为和纠正错误认知方面各有什么效果?分类: 反思支持与长期行为改进同类问题arrow_forward
- 有哪些因素会影响元认知干预的长期效果和跨文化适用性?分类: 反思支持与长期行为改进同类问题arrow_forward
lightbulb
现实痛点
1- 用户常回避与其信念相矛盾的事实,难以纠正错误认知。分类: 反思支持与长期行为改进同类问题arrow_forward
基于研究子主题与职业分类的 Jaccard 相似度(≥60%)
快捷操作
广告推荐
学习 AI 编程到 CodeNow
open_in_new打开DOI链接
DOI: https://dl.acm.org/doi/10.1145/3706598.3714243
一眼看懂
fact_check论文快照
dataset
来源
CHI
calendar_month
年份
2025
emoji_events
奖项
未标记奖项
group
作者
7 位作者
sell
研究子方向
可解释人工智能(XAI)、虚假信息与事实核查、算法公平与偏见
work
职业/产业
事实核查员、政府官员与公务员、HCI 研究员
article
内容状态
已索引正文
hub
相关论文
1 篇相关论文