不同意？你一定是个机器人！信念如何塑造推特个人资料认知

文献标题

Disagree? You Must be a Bot! How Beliefs Shape Twitter Profile Perceptions

文献信息

• 主题领域: 社会心理学、信息科学、社交媒体研究
• 关键词: 动机性推理, 社交机器人, Twitter, 可信性, 党派偏见, 偏见

研究背景与问题

• 作者发现了哪些问题或挑战？

  • 随着社交机器人（social bots）对政治选举、公共健康和信息传播等领域的影响日益引发关注，如何识别这些机器人是一个重要问题。然而，大部分研究集中于机器学习和自动化的社交机器人检测，缺乏对用户行为及其检测能力的深入理解。
  • 社交机器人可能传播虚假信息，影响公众态度和决策，用户对社交机器人辨识的误差可能加剧这种影响。

• 为什么这个问题很重要？

  • 用户无法正确识别社交机器人会影响其对社交媒体可信度的判断，从而影响政治和社会稳定。
  • 通过理解用户如何感知和检测社交机器人，可以开发更加有效的工具和教育方案，帮助用户提高识别能力。

• 研究动机与相关工作

  • 动机性推理理论表明，个人在处理信息时倾向于接受支持其现有态度的内容，拒绝与其观点不符的信息。这种偏见可能在社交机器人和人类账户的识别过程中发挥作用。
  • 现有研究主要集中于社交机器人对信息传播的总体影响、用户与社交机器人的互动方式以及用户对检测工具（如Botometer）的使用情况。然而，关于用户检测社交机器人背后心理机制的研究较为有限。

解决方案

• 作者提出了哪些方法或解决方案？
  • 提出一个研究框架，基于动机性推理理论，研究用户如何基于意见一致性判断Twitter账户是否为社交机器人。
  • 提出三个假设：
    1. 对于无法明确区分是机器人还是人类的账户，用户倾向于将与自己观点一致的账户视为人类，而将与自己观点不一致的账户视为机器人。
    2. 对于明确区分为人类或机器人账户的情况，意见一致性对判断没有影响。
    3. 这种判断过程会受到账户的可信度评价的中介作用。
• 实施步骤
  • 设计了一个在线实验，邀请151名美国参与者参与，对24个模拟的Twitter账户进行评估。这些账户分为明确的机器人、明确的人类和模糊不清的三类，内容包括支持民主党或共和党的政治观点。
  • 收集参与者对账户是人类还是机器人的判断，以及对账户可信度的打分。
  • 分析动机性推理在判断中的作用，控制其他变量如年龄、社交媒体使用时间和对社交机器人的了解程度。

研究成果

• 取得了哪些具体成果？

  • 动机性推理主要在熟悉社交媒体的用户中发挥作用。这些用户更容易将与自己意见一致的账号认定为人类，而将意见不一致的账号认定为机器人。
  • 对账户的可信度评价确实在动机性推理过程中起到了中介作用：意见一致的账户被认为更可信，从而被认定为人类的可能性更高。
  • 年轻用户对账户类型（人类、机器人或模糊）区分的能力较差，更容易对所有账户保持怀疑态度。

• 与现有解决方案相比，它有哪些优势？

  • 提供了基于心理学视角对用户如何感知社交机器人这一问题的全面分析，填补了机器学习检测研究中的用户行为理解的空白。
  • 提出了动机性推理理论在社交机器人研究中的应用，并验证了其影响。

• 局限性与未来方向

  • 局限性：
    • 实验仅限于Twitter账户，无法推广至其他社交媒体平台。
    • 实验使用的账户为模拟账户，仅具有部分社交机器人和人类的特征，可能不完全真实反映实际情况。
    • 用户在实验中观察到的是完整账户，而现实中通常只是单独的帖子，这点可能影响实验的生态效度。
  • 未来方向：
    • 在其他社交媒体平台验证研究结果的通用性。
    • 研究用户在实际社交媒体情境下（如时间轴）对社交机器人的感觉与判断。
    • 探讨用户教育干预（如提高媒体素养）是否能够减少偏见和动机性推理的影响。

总结

这项研究通过动机性推理理论和实验证明了意见偏见对用户社交机器人检测的影响，为社交平台和工具设计者提供了重要启发，同时也对用户媒体素养教育提出了建议。