理解新闻消费者的可信度感知：真实与虚假新闻研究

社交媒体已成为日常生活的基本平台，作为公众舆论、个人成长和新闻消费的入口。人们获取新闻方式的这一转变导致了虚假信息（包括旨在欺骗的假新闻）的增加。各种心理和社会因素，如情感诉求、认知偏差和社会影响，会影响个人相信虚假信息的易感性。虽然先前研究已检验了新闻内容的可信度，但在真实社交媒体平台上的大规模分析仍然有限，且分别研究影响真实和虚假新闻可信度的因素并分析其异同的研究也不多。本研究引入了一个包含 14,535 条 Twitter 用户评论的新注释数据集，用于测量用户对真实与虚假新闻的可信度。利用该数据集，我们解决了预测新闻可信度的问题，并研究哪些用户或新闻特征可以预测真实和虚假新闻的可信度，同时验证可信度是否有助于假新闻检测。我们采用结合新闻风格、情感内容和用户特征的机器学习模型来预测可信度，并应用可解释性方法来阐明影响用户信念的关键特征。总体而言，这些模型在检测新闻可信度方面取得了显著结果，写作风格、情感、人格和心理学等几个新闻和基于用户的特征被识别为新闻可信度的强预测因子。我们进一步将可信度见解整合到高级假新闻检测器中，展示了改进的性能。据我们所知，这是首个可用于研究新闻可信度的大规模人工标注数据集，将可供未来研究使用。