对抗假新闻?那就别把你讨厌的表舅删好友

2020-07-04
    227浏览

对抗假新闻?那就别把你讨厌的表舅删好友

  我们越了解假新闻对民主政治的影响,就越知道它的可怕。从俄罗斯佔领克里米亚、英国公投脱欧和2016年美国总统大选,假新闻在各种政治环境都影响了公众舆论和投票率。最可怕的是它透过Facebook和Twitter等封闭私有的社群平台散播,使政府、媒体和公民无法获得量化为实际影响力的数据。近年来,科学家、记者、工程师和决策者不断寻找打击蓄意散播假新闻与误导资讯的对策。

  丹麦研究员弗莱明‧汉森(Flemming Splidsboel Hansen)在题为《俄罗斯混合战争:假消息研究》(Russian Hybrid Warfare: A Study of Disinformation)的报告中呼吁建立一道「认知防火墙」,藉由加强公民的数位素养区分事实与虚构来抵制假新闻散播。从教育和媒体着手教导下一代辨别资料来源确实不错,但培养独立思考能力和公民素养是一项长期工程,而假新闻却是迫在眉睫的重要问题。因此,我们应该停止思考从提升公民素养解决,而是将重心放在提升整个网路社群对抗假新闻的能力。

  针对假新闻的研究表明,我们构建线上社群的方式,对于个体和集体抵抗假新闻的能力具有很大影响。事实证明,身处在相对同质的社群、拥有共同价值观和世界观的人更容易受到假新闻操控。因此对抗假新闻最好的办法,就是扩张自己的网路社交圈,并建立社群让各式各样的人来沟通和参与对话。

对抗假新闻?那就别把你讨厌的表舅删好友

  扩张线上社交圈有助于从三种层面打击假新闻。首先,它会是一剂个人预防针:当同温层越窄、彼此想法越接近时,其实自己也更容易落入假新闻的圈套。亨特‧奥尔科特(Hunt Allcott)和马修‧根茨科(Matthew Gentzkow)发表《2016年大选的社群媒体与假新闻》(Social Media and Fake News In the 2016 Election)论文指出,「那些跟社群网路隔离的人更容易相信与自己相同意识形态的资讯,原因也许是他们不太能从周遭接收到不同的资讯」。

  奥尔科特和根茨科在2016年美国总统大选后所进行的大型线上调查结果显示,当一个人的Facebook朋友分享越多关于总统候选人的偏好时,他就越相信与自己意识形态相同的资讯,而不是其他的资讯。换句话说,花太多时间待在同温层取暖,人们会变得更沉浸其中。

  第二,扩张社交圈能让你与社群的关係产生转变,并削弱现代资讯战的核心。正如迈克‧詹森(Michael Jensen)的论文提到,俄罗斯利用认同感从心理层面着手建立人们信任的假新闻来源,他写道:「在公众对政府机构和传统媒体逐渐失去信任的时代,人们更倾向于相信那些跟自己观点类似的意见领袖,而不是专家学者和官方的资讯。在社群媒体方面,俄罗斯将传统间谍手法应用在网路世界,针对网路世界散播假新闻和舆论操作,以防民众改变对政治实体或事件的观点。」

  詹森写道:「虽然假新闻意指资讯或认知上的缺失,但某方面来说这些交流不仅缺乏事实根据,而且还试图操纵政治认同,这对民主政治造成相当严重的危害。」然而,同温层正是最有利的操纵空间,社会心理学告诉我们,我们的个人认同源于群体:你加入的Facebook社团或粉丝团、追蹤的Twitter用户、Instagram使用的标籤,这些东西不仅是我们与别人连结的方式,也是获得价值认同的来源。当我们被那些强化认同感的群体和对话吸引时,自然更依赖这些来源,也就更容易受詹森所说的「操纵」影响。

对抗假新闻?那就别把你讨厌的表舅删好友

  第三,扩张社交圈有助于消灭假新闻和对付资讯战带来的危害。研究各种极端情况下的社群网路行为的学者葛列格里‧阿斯莫洛夫(Gregory Asmolov)指出:「一项针对以巴冲突时的删除好友行为研究得出结论:『意识形态更极端或政治活动更活跃的Facebook使用者,删除好友的行为也更普遍』,而『弱连结的关係也最可能被破坏』。在俄罗斯与乌克兰冲突的研究表明,这场冲突对人们之间的非政治连结(包括亲戚、同学和朋友之间的关係)产生了强烈的影响。」

  毁灭鬆散的社会关係凸显出假新闻的危害,阿斯莫洛夫说:「国家发起的假新闻不断散播,引发并导致了『删除好友』的现象,这是冲突所主导的社会分化结果。」

  正因如此,我们应该竭尽所能为自己与社群接种疫苗,想尽办法维持更广的社会关係,而不是放生或删好友任由假新闻分化彼此。当然,这并不是说我们能轻易战胜假新闻,它们势必会继续存在。但是当我们持续与不同意识形态的人交流时,便能对抗假新闻带来的伤害,也许哪天讨厌的表舅会从你这里得知正确资讯也说不定。

 (本文得以问世,有赖于MPlus×啧啧小额订阅计画的支持)

参考报导:Jstor

图片出处:L. Menestrel@flickr

上一篇: 下一篇:

随机文章