摘要：本研究是对微博2018年的虚假信息及其辟谣信息进行的内容分析。在对相关文献进行综述后，研究者设计了研究方法，提取了2018年在微博上发布的99组虚假信息及其对应的辟谣信息，并对这些材料进行了分析。研究分析了虚假信息的主题、新旧程度、多媒体呈现方式等特征项，以及对应的辟谣信息的辟谣者、辟谣时间差、多媒体呈现形式等特征项。通过这些分析，得出了一些结论，并为未来的学界研究和业界实践提出了一些建议。

关键词：虚假信息，辟谣，UGC，社交媒体，微博

1. 引入

在社交媒体上泛滥的虚假信息已经成为一个全球性问题。它影响着人们正常的信息消费，影响着社会共识的形成，阻碍了社交媒体和整个互联网的健康发展。因此，各国政府、社交媒体平台和媒体等各方面力量不得不积极采取行动，从各方面降低虚假信息对社会造成的影响。

随着虚假信息的持续泛滥，对于虚假信息的特征的掌握和辟谣方法的优化，将会一直是值得重点研究的命题。因此，本研究期望通过对社交媒体平台上的虚假信息及其辟谣信息进行分析，找出他们的特征，对学界的后续研究和业界的后续工作提出指导。

2. 文献综述

本研究的文献综述主要分为两部分：一是关于社交媒体的文献，二是关于虚假信息的文献。

2.1 社交媒体

2.1.1 后真相时代

2016年11月22日，牛津词典宣布：因其在当年的英国脱欧公投和美国总统大选中被广泛提及和讨论，“后真相”（post-truth）一词被选为当年的“年度词汇”，与2015年相比，其使用率增加了约2000％。牛津词典将“后真相”一词描述为这样一种现象：“在塑造公众舆论的影响力方面，与客观事实相比，情感和个人信仰的影响力反而更大。” (Oxford Dictionary, 2016)

许多学者（Keyes，2004，Laybats ＆ Tredinnick，2016）指出，在后真相时代，“事实”被重新诠释，甚至故意扭曲和伪造，“事实”不再是新闻报道和信息传播的核心，反而让位于“情感、观点和立场”。胡泳（2017）也认为，在塑造公众舆论时，情感和个人信仰变得更加重要。美国的一项研究表明，在后真相的影响下，人们更倾向于在社交媒体上传播更加夸张和吸引眼球的信息，而不是真正的新闻，这引起了很多虚假信息的“病毒式”传播。 （Langin，2018）

早在2004年，Ralph Keyes就提出了人们生活在后真相时代以及人们也处于道德的灰色地带的观点。 凯斯认为，在后真相时代，“欺骗他人已成为挑战、游戏和习惯”，他甚至认为撒谎已成为现代人的生活方式（Keyes，2004）。胡泳（2017）认为，在当下的语境中，娱乐的概念已经成为一个强烈的情感因素，而真实的信息失去了它的价值和意义。 因此，“事实”不断被误解，虚假信息不断出现。喻国明和李彪（2018）也在深入研究相关文献后得出结论：虚假信息不是后真相时代的产物，但后真相时代确实为虚假信息提供了“温床”。

2.1.2 社交媒体及其发展

传播技术的发展极大地改变了通讯和传播的方式。据中国互联网络信息中心（CNNIC）第43次《中国互联网络发展状况统计报告》，截至2018年12月，中国互联网用户数达8.29亿，其中移动互联网用户数达8.17亿万， 通过手机上网的互联网用户比例高达98.6％（CNNIC，2019）。

社交媒体为普通公众提供了一种完全不同于以往的获取信息和与他人交流的方式。通过社交媒体，受众现在可以根据个人兴趣选择感兴趣的信息，并以非常便捷的方式将信息分享给认识的人乃至陌生人。（Weeks＆Holbert，2013）

近年来，社交媒体上的UGC（用户生成内容）一词变得越来越流行。Allcott和Gentzkow（2017）认为， Facebook等社交媒体平台的结构与以前的媒体截然不同，信息内容可以在“没有重要的第三方审查或编辑判断”的前提下，从一个人“传递”到另一个人。 “回声室”（echo chambers）或“过滤泡沫”（filter bubbles）等现象也随之出现（Jamieson＆Cappella，2008）。 在道德相对主义的影响下，一些网民越来越重视表达自己的感受和欲望，而非关注真实的信息。此外，一些观众对客观新闻报道不感兴趣，反而愿意浏览具有强烈主观意见的信息（Sol＆Nisbet，2012）。一些学者还悲观地指出，互联网带来的信息过载比过去的信息缺乏让真相变得更加模糊（Shenk，1997）。

2.1.3 微博

微博由新浪网于2009年成立，经过10年的发展，微博注册用户数量和活跃用户数量仍然持续攀升，根据其2018年度财务报表，2018年，微博的月活跃用户数量增加了约7000万人次，到2018年12月，达到4.62亿人次；与此同时，2018年12月微博的平均日活跃用户数量超过2亿人次（新浪科技，2019）。

微博允许所有注册用户在一个微博帖子中发布不超过2500个汉字、9张图片和一段短于5分钟的短视频，还能再添加头条文章、商品信息等链接。除了发布，用户还可以对他人发布的信息进行转发、评论、点赞等操作。

在微博上，信息在用户之间相对自由地传播。有些用户乐于分享观点，有些用户习惯默默“潜水”。微博上的信息主题涵盖社会生活的方方面面，从政治和经济新闻到明星八卦，不一而足。（Wang＆Liu，2015，Han＆Wang，2015）

然而，由于其迅速发展，也不可避免地出现了许多问题。最备受争议的是微博的碎片性，杨丹（2016）等认为，由于其碎片特性，微博无法显示一个复杂事件的全貌，而为了在短时间内吸引受众，创作者们往往选择最富戏剧性的信息进行发布，有时甚至对这些信息进行夸大等“加工”。此外，微博网友对社会问题的关注也容易被虚假信息生产者们所利用，造成一些虚假信息被广泛传播，影响社会稳定。

2.2虚假信息

2.2.1 虚假信息的特征

虚假信息古已有之，只是从口口相传到通过移动互联网传播，其传播方式不断改变。

许多学者试图总结出虚假信息的特征。他们指出，虚假信息是“未经证实但是广为流传”的信息（Allport＆Postman，1947），可以误导读者（Allcott＆Gentzkow，2017），并且是对现实世界的想象（Rosnow，1988），他们认为虚假信息“模仿新闻媒体内容的信息，实际上是捏造的”，且“缺乏新闻媒体的编辑规范和程序，因此其信息的准确性和可靠性无法保证”（Lazer，2018）。

虚假信息也极大地影响了人们在社交媒体上的行为。根据美国皮尤中心的一项调查，24％的受访者承认曾在社交媒体上转发过虚假信息，82％的受访者认为他们经常在互联网上看到虚假信息，64％的人认为虚假信息破坏了社会的基本秩序 （Mitchell，Holcomb，＆Barthel，2018）。

许多学者和业界报告研究了虚假信息所涉及的主题。张涛甫对2001年至2010年《新闻记者》期刊每年选出的“十大假新闻”进行了统计分析。据他统计，虚假信息所涉及的主题和占比是：文化教育（31％）、当代政治（22％）、社会（20％）、体育（10％）、经济（9％）、环境和法律（4％）。杨丹（2016）的研究认为，在2016年上半年，虚假信息涉及主题广泛，包括社会民生、公共安全、政策法制以及国际问题等；其中，讨论社会民生和公共安全的虚假信息分别占到虚假信息总量的41％和35％。2019年4月，字节跳动公司发布了2018年的“今日头条资讯打假报告”，这份报告中，将虚假信息的主题分为社会民生、公共安全、政策法制、国际问题、教育、旅游、文化、财政、金融等九个领域。

在虚假信息的多媒体呈现形式上，学者认为，社交媒体平台上的虚假信息越来越倾向于利用多样化的多媒体呈现来吸引更多的读者。杨丹（2016）的研究发现，35.1％的虚假信息是文本和图像的组合形式，24.3％的虚假信息结合了图像、视频和文本三者。杨丹（2016）的研究还发现，公共安全和社会民生领域的虚假信息通常使用各种多媒体形式。喻国明和李彪（2018）对2017年中国虚假信息的研究也发现，70％的虚假信息中有配图，不论这配图和文案是否相关；此外，有约五分之一（16.1％）的虚假信息采用了短视频的形式来吸引受众。

2.2.2 社交媒体虚假信息的识别和管控

虚假信息危害巨大。为了识别和管控虚假信息，政府部门、媒体组织和第三方辟谣平台等均采取了积极的行动。

在政府层面，许多国家出台了法律法规，以遏制虚假信息的传播。在中国，《宪法》以国家根本法的形式规定了表达自由的行使界限，为网络表达自由规制的设定提供基本依据：《宪法》第51条规定，我国公民在行使自由和权利的时候，不得损害国家的、社会的、集体的利益和其他公民的合法的自由和权利。在英国，英国政府于2019年4月8日发布了“在线危害白皮书”（Online Harm White Paper），提议立法加强对社交媒体等在线平台的监管，以保护用户免遭虚假信息的侵害。

媒体组织也致力于打击虚假信息。2010年，BBC4创建了“Fact Check”活动；2015年，为了保证脱欧报道的准确性，BBC还成立了事实核查团队“Reality Check”。

Facebook、Twitter、谷歌等国际领先的科技媒体巨头已经接受了打击虚假信息作为自己的社会责任，为虚假信息的识别和管控做出了诸多努力。以Facebook为例，其阻断虚假信息传播的策略分为三个部分：删除（remove）、限流（reduce）和通知（inform）。“删除”包括删除虚假信息内容以及发布该内容的账号，“限流”意味着降低信息流中的这些内容的出现比率，“通知”是为用户提供更多和该虚假信息相关的正确信息（Facebook，2018）。

许多依靠人工智能和大数据技术的事实核查和辟谣平台也不断涌现，如美国的“Politifact”，芬兰的“Faktabaari”，瑞典的“Faktiskt”以及印度的“Altnews”。此外，辟谣平台和辟谣者还引入了辅助技术工具来识别虚假信息。例如，“Claimbuster”是总统辩论中的一个事实检查工具；“Trustservista”使用相似性技术来追踪信息的来源。

微博为打击虚假信息也做出了很多努力。微博于2010年成立了@微博辟谣 官方账号，以对微博上传播的虚假信息进行官方辟谣。在2018年，@微博辟谣 帐号有效处理了74800个虚假信息案例，并对1811个虚假信息进行了标注。2018年#微博辟谣#话题的总阅读数达到50亿，比上年高出35％。

3. 研究方法

3.1内容分析

本研究选择了内容分析作为研究方法，原因在于它可以“量化大量文本的显著特征”（Deacon, Pickering, Golding & Murdock，1999）。

3.2抽样情况

进入本研究样本池的微博材料，是微博账号@微博辟谣 在2018年逐月发布的 “月度辟谣工作报告”中的“月度十大最受关注的辟谣信息”，以及这些信息对应的原始虚假信息。

选择这些微博内容的原因有二。首先，@微博辟谣 是微博公司运营的官方账号，集合了微博上受关注程度最高的虚假信息及其辟谣信息。其次，研究人员抽取的材料，是该账号发布的“每月十大最受关注的辟谣信息”，这意味着在该月，这十条辟谣信息的影响力最大，因此也可相应地认为这十条辟谣信息对应的原始虚假信息具有强大的影响力。因此，基于这两个原因，研究人员假设，分析这些微博材料，可以得到关于微博上虚假信息的相对全面的情况。

为了确保所选取的样本都是虚假信息+辟谣信息的组合，研究人员仔细检视了每一组信息，将有虚假信息或辟谣信息已被删除的组合从样本池中移除，最终获得了99组虚假信息+辟谣信息的组合。

3.3编码方案

本研究中，用于识别这些虚假信息和辟谣信息的特征的具体方法是编码。

在对来自样本池的20组信息进行试编码后，研究人员设计敲定了本研究将使用的编码表。编码单位是每组微博信息，编码分三步进行，详细的编码表详见本文附件。

在第一部分，研究人员记录了进入样本池的所有材料的基本信息。首先，研究人员通过标记这些信息所在的辟谣报告的月份和序列号，给这些信息一个特定的编号，例如，0305是指3月的辟谣报告中的第5条内容。研究人员还给每条内容拟定了一个简短的主题词，如，1005号的主题词为“大象失踪”，指的是“北京动物园的大象失踪了”这一虚假信息。因此，“1110-刘欢病危”即为发布在第11期微博辟谣报告第10条的信息，该虚假信息的内容为一张刘欢满头白发的照片配上刘欢“病危”“病重”的文案，其辟谣信息为“多位知情人回应：病危系谣言”。此外，在这一部分，研究人员还研究了该条虚假信息属于新闻类还是知识类。

第二部分是对该组信息中的虚假信息部分进行的编码分析。研究人员考察了虚假信息的主题建构、新旧程度、多媒体呈现方式等特征。

主题建构

为了研究微博上的虚假信息涉及的主要话题，这99条虚假信息都使用了详细的主题列表进行编码。主题列表综合了杨丹在2016年的研究、喻国明、李彪在2018年的研究，以及字节跳动公司2019年发布的 “今日头条资讯打假报告”，最后得出本次编码表中将会使用的六个虚假信息的主题，分别是：1）公共安全，2）国际关系，3）教育文化， 4）财政财经，5）社会生活，以及6）政策法制。例如，0307号虚假信息“校车发生事故冲入河中”将被编入1）公共安全，而1105号虚假信息“高考报名需要政审”则会被编入3）教育文化。通过对虚假信息的主题进行编码和归类研究，可以清楚地了解虚假信息主题建构的重点领域。

鉴于有些虚假信息可能涉及多个主题，研究人员此次只对该虚假信息中的主要问题进行编码，即每条虚假信息只从属于一个主题。

新旧程度

研究人员检查了该条虚假信息究竟是新出现的，还是已经传播了一段时间的虚假信息。

多媒体呈现方式

本研究调查了这些虚假信息使用多媒体内容呈现手段的情况。通过标记它们是以视频、文本、图像，还是两者或三者的组合来呈现的，研究人员希望找出虚假信息在多媒体方式选择上的共性和特征。

研究的第三部分，研究人员考察这些样本内容中辟谣信息的特征。

辟谣时间差

通过记录虚假信息的发布日期以及针对该虚假信息的辟谣微博的发布日期，研究人员想要对当前辟谣所需的时间进行考察。

辟谣者

通过将辟谣者编码为四类，研究人员希望看到目前社会上辟谣主力军的组成。这四类辟谣者包括：1）政府部门，2）本尊辟谣，3）媒体机构，4）第三方辟谣机构。

本研究中所指的本尊辟谣，是指虚假信息中所涉及的“主角”本人或其所在单位和机构出面来进行的辟谣工作。以1109号虚假信息为例,该虚假信息称，来自支付宝公司的消息显示，每笔超过5万元人民币的转账交易，支付宝都将向人民银行报告。第二天，支付宝公司亲自辟谣了这条消息，表示没有这样的规则，所谓的5万元人民币需要报告的规定，只适用于银行现金服务，而支付宝提供的是网上支付业务服务，根本没有线下现金服务。这条辟谣信息的辟谣者，就会被编码为本尊辟谣。又如0804号虚假信息称“中国著名配音演员李世宏被宣布死亡”，一天后，李世宏自己录了一段视频发布在微博，告诉社会各界自己仍然健在。这条虚假信息的辟谣者也将被编码为本尊辟谣。

多媒体呈现方式

研究也调查了辟谣信息的多媒体呈现形式。

4.研究发现

研究人员根据上述编码规则对样本池中的样本进行了分析，并得出了一些社交媒体上虚假信息和辟谣信息特征的结论。以下分三部分加以论述。

4.1第一部分：基本信息

在研究的第一部分，研究人员首先采集了这些虚假信息和辟谣信息的基本信息。总共有99组虚假信息和辟谣信息进入样本池。

同时，在这一部分，研究人员也考察了这些虚假信息的表达方式，是属于伪装成新闻信息的虚假信息，还是伪装成知识类的虚假信息。

如表中所示，16个虚假信息采用了知识类信息的风格，如606号：“西瓜和桃子一起吃会中毒”，1008号“用可乐和吸尘器能灭火”；而剩下的83个虚假信息都伪装成了新闻的形式，如1209号“明年起支付宝转账超5万要上报”，505号“温州医科大学发生黑人留学生轮奸中国女生事件”等。

从这一数据不难看出，社交媒体上的虚假信息更倾向于伪装成新闻而非正常知识的形态，以便更加吸引受众，获得更广泛的传播。

4.2第二部分：虚假信息

在研究的第二部分，研究者研究了这99条虚假信息的相关特征。

如上表所述，这99个虚假信息被分成了六个主题。关于公共安全问题的虚假信息数量“排名”第1，合计51条。在社会安全方面，最受关注的是关于儿童安全和食品安全的虚假信息。例如，0907号虚假信息是一条视频，视频中一个可怜的小女孩正独自坐在路边，而视频的画外音中说，这是一名来自福建省的女孩，她被绑架到了郑州，希望所有认识这个女孩的人帮她回家。然而，经过公安机关调查，该事件的真相其实是，这个女孩是刚刚遇到交通事故的郑州当地居民，正坐在路边，等她的家人来接她。

这一数据与张涛甫在2011年的发现相呼应。张涛甫认为，关于公共安全和社会生活的虚假信息多于关于国际问题的虚假信息，可能与中国当前新闻背景下不同新闻主题的审核严格程度有关。在中国，以政治和经济问题为主题的信息内容受到严格控制，而社会、文化和体育主题的限制相对宽松。

研究人员还研究了这些虚假信息的新旧问题，即，这一虚假信息是新生产的，还是此前已经存在、传播的旧虚假信息。统计显示，99个虚假信息中，有74条是新产生的虚假信息，只有9条是旧虚假信息，另有16条虚假信息由于缺乏资料，研究人员无法分辨出虚假信息的新旧情况。

新生产的虚假信息的一大重要特征是，和当时的重大新闻紧密相关。如0901号虚假信息和山竹台风相关，正值当时山竹台风肆虐，该条虚假信息的辟谣信息即成为了当月最受关注的辟谣信息。1106号虚假信息内容大意为非洲猪瘟会感染人，即是基于当月非洲猪瘟的肆虐引起了大众的广泛关注。

此外，新虚假信息的数量远多于旧虚假信息，让我们不难看出，经过多年的和虚假信息进行斗争，微博等社交媒体平台对抗虚假信息的战斗已经初见成效，比如通过大数据技术，将用户上传的内容和虚假信息库中的内容进行比对，如果该信息是已经存在于平台的虚假信息库的信息，大数据技术就能轻易地对该信息及其发布者进行标记、处理。但是，对于新生产的虚假信息而言，由于没有类似信息可供参考，因此大数据技术对于新制造的虚假信息的判别能力和准确度相对弱。因此，在此前大力呼吁通过大数据技术治理虚假信息的呼声之下，当前也已有学者开始强调人工审核和复核在虚假信息识别和治理中的重要作用。

在这个部分，研究者还考察了虚假信息如何采用多媒体方式来帮助传播。如图所示，虽然文本或图文样式占据大头，然而利用视频形式的虚假信息也开始占据较大比重。

4.3第三部分：辟谣信息

在这一部分，研究人员对这些虚假信息的辟谣信息进行了分析。如上所述，研究人员分析了辟谣时间差、辟谣者和辟谣微博的多媒体呈现形式等内容。

辟谣时间差是指虚假信息发布时间和辟谣微博发布时间之间的时间间隔，研究人员通过记录虚假信息和辟谣信息两者的发布时间，并进行计算得出。

研究结果显示，在发布虚假信息七天后才发布的辟谣信息占了61条，其他38条虚假信息在一周内被辟谣，而这38条中的20条是在当天就被辟谣了。

根据许多学者的总结，虚假信息在其发布的前三天内影响最大，三天后，其传播能力将变弱，影响力将受到限制。然而，大多数辟谣信息都在7天之后才发布出来，此时该虚假信息的受关注程度已经大大降低，因此这条辟谣微博的受关注程度也会大受影响。

研究也总结了四种辟谣者类型，即政府、媒体机构图、第三方辟谣机构和本尊辟谣者。

可以看出，政府部门在反虚假信息的辟谣方面发挥着重要作用。这是因为政府部门掌握的信息具有全面性、权威性，同时，由政府部门出面获取一个事件的真实信息往往也更准确迅速。

最后，和观察虚假信息的多媒体呈现形式一样，研究人员也对辟谣信息的多媒体呈现形式进行了考察。

辟谣微博的多媒体呈现形式，与虚假信息微博的多媒体呈现形式既有相似性，又有差异性。

在相似性方面，它们都具有相似的呈现形式，例如文本、图文，文本和视频等，文本形式和图文形式都是两种最常用的形式。

在差异性方面，从图中不难看出，视频形式在辟谣信息中的运用比例，远小于在虚假信息中的使用比例。鉴于短视频形式是当下最火爆、最具传播力、最易吸引受众的一种内容呈现形式，因此建议辟谣者在后续辟谣信息的制作过程中，可以多多采用短视频等更为丰富的呈现形式，以期辛苦制作的辟谣信息获得更好的传播效果。

5. 结论

虚假信息的传播将影响公众对社会问题的看法以及对社会的态度，随着社交媒体上的虚假信息对民众生活和社会共识形成造成了越来越严峻的影响，对社交媒体虚假信息的研究变得越来越重要。

本研究对2018年@微博辟谣 账号发布的12份阅读辟谣报告中的每月受关注度排名前十的辟谣微博及其对应的谣言信息进行了分析，总结其特征，这些特征被分为三个部分。

在第一部分，研究人员确定了该虚假信息是知识还是新闻。不难看出，大多数虚假信息都伪装成新闻，这表明后续的研究人员要密切关注类似新闻的虚假信息。

在第二部分，研究人员研究了关于99条虚假信息的特征，例如其主题、新旧，以及多媒体呈现形式等。研究发现，关于社会生活或公共安全的虚假信息数量最多，这要求研究人员在后续对于社交媒体虚假信息的研究中，更加关注这些领域。与此同时，大多数受关注度高的虚假信息都是新编撰的，这些新虚假信息比比旧的虚假信息传播得更为广泛，这可以表明学界和业界应该更多地关注新生产的虚假信息。在多媒体呈现方式方面，大多数虚假信息都采用短视频、图文结合多媒体呈现方式，以吸引更多受众。

在第三方面，研究者检视了99条辟谣信息，发现在发布虚假信息的日期与发布辟谣信息的日期之间仍存在很大的时间差。同时，辟谣信息的多媒体呈现并不像虚假信息那样多样化。政府是最大的辟谣者，其次是本尊辟谣者，这表明其他类型的辟谣者仍有进步的空间。

由于研究者能力和精力的局限，本研究不可避免地存在许多不足。希望后续研究人员扩大样本池，并扩大样本采样的时间范围，以获得更广泛的数据进行分析。同时，由于不同的社交媒体可能具有不同的特征，因此对未来的研究者来说，研究更多的社交媒体平台也很重要。?

参考文献

Allcott, H., & Gentzkow, M. (2017, Spring 31(2)). Social Media and Fake News in the 2016 Election. Journal of Economic Perspectives, pp. 211-36.

Allport, G., & Postman, L. (1947). The psychology of rumor.

Barthel, M., Mitchell, A., & Holcomb, J. (2016, 15). Many Americans believe fake news is sowing confusion. Pew Research Center.

Bordia, P., & DiFonzo, N. (2004, 67.1). Problem solving in social interactions on the Internet: Rumor as social cognition. Social Psychology Quarterly, pp. 33-49.

Burkhardt, J. M. (2017). History of fake news. Library Technology Reports,, pp. 5-9.

China Internet Network Information Center. (2019, 4 22). 43rd Statistical Report on Internet Development in China. Retrieved from China Internet Network Information Center (CNNIC): http://www.cnnic.net.cn/hlwfzyj/hlwxzbg/hlwtjbg/201902/t20190228_70645.htm

Deacon, D., Pickering, M., Golding, P., & Murdock. (1999). Researching communications: a practical guide to methods in media and cultural analysis. London: Arnold.

Facebook. (2018, 12 14). Hard Questions: What’s Facebook’s Strategy for Stopping False News? Retrieved from Facebook: https://newsroom.fb.com/news/2018/05/hard-questions-false-news/

Gewin, V. (2017, 541). Post- truth Predicaments. Nature, pp. 425-427.

Han, G., & Wang, W. (2015, 25.1). Mapping user relationships for health information diffusion on microblogging in China: A social network analysis of Sina Weibo. Asian Journal of Communication, pp. 65-83.

Jamieson, K., & Cappella, N. J. (2008). Echo chamber: Rush Limbaugh and the conservative media establishment. Oxford University Press.

Keyes, R. (2004). The Post-Truth Era:Dishonesty and Deception in Contemporary Life. Macmillan: St.Martin's Press.

Langin, K. (2018, March 8). Fake news spreads faster than true news on Twitter—thanks to people, not bots. . Retrieved from Science: http://www.sciencemag.org/news/2018/03/fake-news- spreads-faster-true-news-twitter-thanks-people-not-bots. ）

Laybats, C., & Tredinnick, L. (2016, 33). Post truth，information，and emotion. Business Information Review，vol. 33，2016., pp. 204-206.

Lazer, D. M. (2018, 359(6380)). The science of fake news. Science, pp. 1094-1096.

Mitchell, A., Holcomb, J., & Barthel, M. (2018, 12 22). Many Americans Believe Fake News Is Sowing Confusion. Retrieved from Pew Research Center: https://www.journalism.org/2016/12/15/many-americans-believe-fake-news-is-sowing-confusion/

Oxford Dictionary. (2018, 11 27). Word of the Year 2016 is... Retrieved from Oxford Living Dictionaries: https://en.oxforddictionaries.com/word-of-the-year/word-of-the-year-2016

Rosnow, R. (1988, 38.1). Rumor as communication: A contextualist approach. Journal of Communication, pp. 12-28.

Shenk, D. (1997). Data smog: Surviving the information glut. HarperCollins Publishers.

Shi, J., & Chen, L. (2014, 7). Social support on Weibo for people living with HIV/AIDS in China: a quantitative content analysis. Chinese Journal of Communication, pp. 285-298.

SinaTech. (2019, 4 3). Weibo Announces Fourth Quarter and Full Year Results for 2018. Retrieved from SinaTech: https://tech.sina.com.cn/i/2019-03-05/doc-ihsxncvh0033063.shtml

Sol, P. H., & Nisbet, E. C. (2012, 39(6)). Boomerang effects in science communication: How motivated reasoning and identity cues amplify opinion polarization about climate mitigation policies. Communication Research, pp. 701-723.

Tandoc, E. C., Lim, Z., & Ling, R. ((2018)., 6(2)). Defining“fake news”. Digital Journalism, pp. 137-153.

Wang, W., & Liu, Y. (2015). Communication message cues and opinions about people with depression: an investigation of discussion on Weibo. Asian Journal of Communication, pp. 33-47.

Weeks, B. E., & Holbert, L. R. (2013). Predicting dissemination of news content in social media: A focus on reception, friending, and partisanship. Journalism & Mass Communication Quarterly, pp. 212-232.

胡泳. (2017, 4).后真相与政治的未来.新闻与传播研究, pp. 5-13.

杨丹. (2016, 8).网络虚假信息传播特点及治理——基于 2016 年上半年的大数据分析.新闻记者, pp. 38-43.

喻国明 & 李彪. (2018, 2). “后真相”时代网络谣言的话语空间与传播场域研究. 新闻大学, pp. 103-121.

张涛甫. (2011, 5). 十年百条虚假新闻的样本分析——《 新闻记者》“年度十大假新闻” 评选十年分析报告之一.新闻记者, pp. 4-9. 

分享让更多人看到