張帥 阿比旦·艾尼瓦爾 劉運(yùn)梅

摘?要：[目的/意義]社交媒體糾正對(duì)遏制虛假疫情信息的傳播至關(guān)重要，但是已有研究對(duì)社交媒體糾正虛假疫情信息的有效性存在較大分歧。本研究嘗試評(píng)估社交媒體虛假疫情信息的糾正效果，以期為社交媒體平臺(tái)糾正虛假疫情信息提供有益借鑒，為公共衛(wèi)生機(jī)構(gòu)制定社交媒體虛假疫情信息應(yīng)對(duì)策略提供有益參考。[方法/過(guò)程]系統(tǒng)收集了13篇文獻(xiàn)的16項(xiàng)有關(guān)社交媒體虛假疫情信息糾正效果的因果證據(jù)（N=4?515），采用元分析技術(shù)對(duì)社交媒體虛假疫情信息的糾正效果進(jìn)行了綜合定量評(píng)估，并深入考察了影響社交媒體糾正效果的調(diào)節(jié)因素。[結(jié)果/結(jié)論]元分析結(jié)果顯示，社交媒體虛假疫情信息的糾正效果是正向且顯著的（d=0.32，95%CI[0.19，0.44]，p<0.001），調(diào)節(jié)效應(yīng)分析表明，樣本的卷入度、虛假來(lái)源、糾正來(lái)源、糾正格式和糾正措施均顯著影響社交媒體的糾正效果，而社交平臺(tái)和糾正表達(dá)對(duì)社交媒體糾正效果無(wú)顯著影響。

關(guān)鍵詞：社交媒體;虛假疫情信息;糾正效果;公共衛(wèi)生事件;元分析

DOI：10.3969/j.issn.1008-0821.2021.08.002

〔中圖分類號(hào)〕G206?〔文獻(xiàn)標(biāo)識(shí)碼〕A?〔文章編號(hào)〕1008-0821（2021）08-0016-11

Meta-analysis?of?the?Evaluation?of?the?Effect?of?Correcting

Epidemic?Misinformation?on?Social?Media

Zhang?Shuai1，2?Abidan?Ainiwaer1，2?Liu?Yunmei1，2

（1.School?of?Information?Management，Wuhan?University，Wuhan?430072，China;

2.Information?Resources?Research?Center，Wuhan?University，Wuhan?430072，China）

Abstract：[Purpose/Significance]Social?media?correction?is?an?essential?action?to?curb?the?spread?of?epidemic?misinformation.However，there?are?inconsistent?findings?regarding?the?effectiveness?of?social?media?in?correcting?epidemic?misinformation.This?study?attempts?to?evaluate?the?effect?of?correcting?epidemic?misinformation?on?social?media，providing?a?useful?reference?for?social?media?platforms?to?correct?epidemic?misinformation?and?offering?a?useful?guide?for?public?health?agencies?to?formulate?countermeasures?against?epidemic?misinformation?on?social?media.[Method/Process]The?study?systematically?collected?16?causal?pieces?of?evidence（N=4515）related?to?the?corrective?effect?of?epidemic?misinformation?on?social?media?from?13?studies，and?adopted?a?comprehensive?quantitative?evaluation?of?the?corrective?effect?of?epidemic?misinformation?on?social?media?using?meta-analysis?technology，and?examined?the?moderating?factors?that?affected?the?corrective?effect?of?social?media.[Result/Conclusion]The?meta-analysis?results?showed?that?the?corrective?effect?of?epidemic?misinformation?on?social?media?was?significant?（d=0.32，95%CI[0.19，0.44]，p<0.001）.The?analysis?of?the?moderating?effect?showed?that?the?samples?involvement，sources?of?misinformation，sources?of?corrective?information，corrective?formats，and?corrective?measures?significantly?affected?the?corrective?effect?of?social?media.Social?networking?platforms?and?corrective?expressions?little?affected?the?corrective?effect?of?social?media.

Key?words：social?media;epidemic?misinformation;corrective?effect;public?health?event;meta-analysis

隨著社交媒體的流行與普及，越來(lái)越多的公眾將社交媒體作為獲取疫情信息的主要來(lái)源之一[1]。從有關(guān)疫情信息的分享、相關(guān)診所和醫(yī)院信息的搜索，到點(diǎn)對(duì)點(diǎn)的社會(huì)與情感支持以及疫情的監(jiān)測(cè)與預(yù)警，社交媒體已經(jīng)成為不可或缺的疫情信息中心[2]。社交媒體為用戶提供疫情信息支持的同時(shí)，也助推了虛假疫情信息的傳播[3]。牛津大學(xué)路透社研究所（Oxfords?Reuters?Institute）的調(diào)查發(fā)現(xiàn)，88%的虛假疫情信息來(lái)自社交媒體[4]。皮尤研究中心（Pew?Research?Center）的調(diào)查也顯示，68%的社交媒體用戶遭遇過(guò)虛假疫情信息的誤導(dǎo)[5]。加之所有用戶都是虛假疫情信息的易感人群，長(zhǎng)期暴露于這種高度不確定的社交媒體信息生態(tài)環(huán)境之中，無(wú)疑將增加用戶的健康風(fēng)險(xiǎn)，影響用戶的行為決策，甚至可能導(dǎo)致嚴(yán)重的健康后果[6-7]。比如2018年Twitter上廣泛流傳的關(guān)于“接種流感疫苗導(dǎo)致染病或者引發(fā)副作用”的虛假疫情信息，引發(fā)了大量的社交媒體用戶不愿接種流感疫苗和全球大規(guī)模的反疫苗運(yùn)動(dòng)[8]。此外，近期“飲用高度酒精可以預(yù)防新冠肺炎”的虛假疫情信息在Facebook上廣泛傳播，造成了至少數(shù)百人的喪生和上千人的酒精中毒[9]。

社交媒體促進(jìn)了虛假疫情信息的傳播而對(duì)公共衛(wèi)生構(gòu)成了一定的威脅，但是社交媒體也嘗試通過(guò)實(shí)時(shí)更正[10]、眾包的事實(shí)核查[11]以及算法標(biāo)記[12]等糾正措施來(lái)揭穿和駁斥虛假疫情信息，以消除或減輕其對(duì)用戶行為決策的負(fù)面影響[13]。然而，以往的研究對(duì)社交媒體虛假疫情信息的糾正效果存在較大爭(zhēng)議。一些學(xué)者發(fā)現(xiàn)，社交媒體采取糾正措施能明顯削弱虛假疫情信息對(duì)用戶行為決策的負(fù)面影響[14-16]。相反地，也有一些研究表明，社交媒體糾正虛假疫情信息不僅無(wú)顯著效果，反而加劇了用戶不良行為的傾向[17-19]。那么，社交媒體虛假疫情信息的糾正效果究竟如何？又受何種因素的調(diào)節(jié)？以及該如何糾正社交媒體虛假疫情信息？基于上述研究問(wèn)題，本研究系統(tǒng)收集了與社交媒體虛假疫情信息糾正效果相關(guān)的實(shí)驗(yàn)研究，采用元分析方法對(duì)社交媒體虛假疫情信息的糾正效果進(jìn)行綜合定量評(píng)估，并深入考察影響社交媒體虛假疫情信息糾正效果的調(diào)節(jié)因素，以期為社交媒體糾正虛假疫情信息提供有益借鑒，為公共衛(wèi)生機(jī)構(gòu)制定社交媒體虛假疫情信息應(yīng)對(duì)策略提供有益參考，從而遏制虛假疫情信息的傳播，推動(dòng)健康中國(guó)建設(shè)。

1?理論基礎(chǔ)

1.1?社交媒體虛假疫情信息的糾正

虛假疫情信息是指缺乏科學(xué)證據(jù)和專家意見(jiàn)支持的與疫情有關(guān)的事實(shí)主張[20]。這里的疫情泛指疫病發(fā)生和蔓延發(fā)展的情況[21]。本研究的糾正是指社交媒體平臺(tái)為消除已發(fā)現(xiàn)的虛假疫情信息所采取的措施，而糾正效果是指社交媒體糾正能在多大程度上影響用戶的行為決策[22]。糾正措施主要包括算法糾正（Algorithmic?Correction）和社會(huì)糾正（Social?Correction）。算法糾正是指社交媒體平臺(tái)采用算法機(jī)制檢測(cè)虛假疫情信息，并匹配到權(quán)威來(lái)源的糾正信息，以自動(dòng)推薦或標(biāo)記的方式進(jìn)行糾正，進(jìn)而增進(jìn)用戶的可信度感知以達(dá)到糾正效果[23]。社會(huì)糾正是指社交媒體用戶針對(duì)所接觸的虛假疫情信息，主動(dòng)發(fā)布糾正信息，從而形成群體壓力或社會(huì)規(guī)范以糾正用戶的觀念或行為[24]。而社交媒體的糾正表達(dá)，通常采用科學(xué)論證和敘事講述兩種表達(dá)方式。科學(xué)論證是指通過(guò)核查信息內(nèi)容的可靠性和規(guī)范性，并按照邏輯順序?qū)茖W(xué)證據(jù)加以組織，以提供科學(xué)、權(quán)威的結(jié)果[25]。敘事講述是指通過(guò)生動(dòng)形象的描述，以情節(jié)、任務(wù)和動(dòng)機(jī)等多種信息為核心，多方位、多視角地展現(xiàn)因果關(guān)系的一種表達(dá)方式[26]。上述糾正策略普遍存在于社交媒體糾正虛假疫情信息的現(xiàn)實(shí)場(chǎng)景中[14-19]。

當(dāng)前，社交媒體上的虛假疫情信息亟待糾正。虛假疫情信息不僅會(huì)阻止人們采取有效的預(yù)防行為來(lái)降低健康風(fēng)險(xiǎn)[27]，而且也會(huì)影響人們對(duì)醫(yī)療衛(wèi)生系統(tǒng)的信任，增加對(duì)疾病診治的阻礙[28]。特別是在社交媒體環(huán)境中，由于缺乏相應(yīng)的信息監(jiān)管機(jī)制與過(guò)濾程序[29]，以及“信息繭房”[30]與“回聲室效應(yīng)”[31]的存在，進(jìn)一步放大了虛假疫情信息的危害。然而，糾正虛假疫情信息并非易事[32-33]。一方面，社會(huì)心理學(xué)理論認(rèn)為，當(dāng)人們遇到與其心智模型和預(yù)先信念相沖突的信息時(shí)，即使該信息是正確的，人們也可能會(huì)使用動(dòng)機(jī)性推理（Motivated?Reasoning）[34]和選擇性暴露（Selective?Exposure）[35]來(lái)否認(rèn)或扭曲新信息;另一方面，雙系統(tǒng)理論（Dual-process?Theory）發(fā)現(xiàn)，人們對(duì)信息的處理方式存在差異，或運(yùn)用自動(dòng)反應(yīng)系統(tǒng)（系統(tǒng)1）對(duì)信息進(jìn)行評(píng)估，或運(yùn)用認(rèn)知系統(tǒng)（系統(tǒng)2）決定對(duì)信息的態(tài)度[36]。研究也表明，用戶使用社交媒體通常是出于享樂(lè)動(dòng)機(jī)，因而其傾向于使用系統(tǒng)1而避免使用系統(tǒng)2來(lái)處理社交媒體信息，這就導(dǎo)致社交媒體用戶更有可能相信與先前信念相一致的新信息，而不論新信息的真或假[37]。

1.2?社交媒體糾正效果的相關(guān)研究

隨著社交媒體上虛假疫情信息日益泛濫，越來(lái)越多的學(xué)者致力于虛假疫情信息的糾正效果研究。目前這些研究主要采用實(shí)驗(yàn)研究方法，模擬社交媒體的糾正策略，操控社交媒體的用戶界面，通過(guò)比較實(shí)驗(yàn)組（暴露于虛假疫情信息，隨后被糾正）和控制組（暴露于虛假疫情信息，但不糾正）的行為、態(tài)度或意愿變化，以測(cè)量社交媒體的糾正效果。如Gesser-Edelsburg?A等將Facebook上虛假麻疹信息作為實(shí)驗(yàn)案例，發(fā)現(xiàn)社交媒體糾正能夠有效地矯正用戶的麻疹預(yù)防行為[38]。Vraga?E?K等對(duì)Twitter上人乳頭瘤病毒（HPV）虛假信息的糾正效果進(jìn)行了實(shí)驗(yàn)研究，發(fā)現(xiàn)社交媒體糾正顯著降低了用戶采納HPV虛假信息的意愿[39]。Bode?L等對(duì)Facebook上有關(guān)寨卡病毒（Zika?Virus）的虛假信息進(jìn)行控制實(shí)驗(yàn)，發(fā)現(xiàn)社交媒體糾正可以顯著改正用戶對(duì)Zika病毒的虛假信息的態(tài)度[40]。然而，在Bode?L等進(jìn)行的另外一項(xiàng)實(shí)驗(yàn)研究卻發(fā)現(xiàn)，社交媒體糾正對(duì)流感疫苗接種虛假信息的態(tài)度無(wú)顯著影響[20]。Kim?J?W的研究也指出，社交媒體糾正無(wú)法有效更正用戶對(duì)虛假疫情信息的態(tài)度[41]。綜上所述，盡管關(guān)于社交媒體糾正效果的實(shí)證研究取得一定進(jìn)展，但是已有研究對(duì)社交媒體糾正虛假疫情信息的有效性仍然存在較大分歧。

2?研究方法

本研究采用元分析方法，系統(tǒng)收集了有關(guān)社交媒體虛假疫情信息糾正效果的因果證據(jù)，借助CMA?3.0（Comprehensive?Meta-Analysis）軟件，對(duì)社交媒體虛假疫情信息的糾正效果進(jìn)行綜合評(píng)估。元分析是對(duì)以往同類研究的不同研究結(jié)果進(jìn)行綜合定量分析的方法，特別適合對(duì)存在爭(zhēng)議甚至相互矛盾的研究結(jié)果進(jìn)行綜合分析，從而得出最具代表性的結(jié)論[42]。而CMA?3.0是目前主流的元分析工具，可對(duì)多個(gè)研究數(shù)據(jù)進(jìn)行科學(xué)、客觀的統(tǒng)計(jì)分析，廣泛應(yīng)用于醫(yī)學(xué)、社會(huì)學(xué)、心理學(xué)、圖書(shū)情報(bào)學(xué)等領(lǐng)域的研究。

2.1?文獻(xiàn)檢索

本研究進(jìn)行了系統(tǒng)、全面的文獻(xiàn)檢索。①構(gòu)造檢索式。在Google?Scholar和百度學(xué)術(shù)進(jìn)行自由詞檢索，通過(guò)瀏覽被引頻次較高的文獻(xiàn)標(biāo)題和關(guān)鍵詞，構(gòu)造初步的檢索式，經(jīng)過(guò)多輪檢索以及反復(fù)調(diào)整，直到?jīng)]有發(fā)現(xiàn)新的檢索詞和檢索關(guān)系，最終確定了本研究的檢索式為：（Misinformation?OR?Disinformation?OR“Conspiracy?Theor*”O(jiān)R“Fake?News”O(jiān)R?Rumor）AND（Epidemic?OR?Infection?OR?Pandemic?OR?Influenza?OR?Zika?OR?Ebola?OR?MERS?OR?COVID-19）AND（“Social?Media”O(jiān)R?Facebook?OR?Twitter?OR?YouTube?OR?WeChat?OR?Weibo?OR?Blog）AND（Correct*?OR?Retract*?OR?Refut*?OR?Debunk*）及相應(yīng)中文檢索式;②數(shù)據(jù)庫(kù)檢索。檢索的外文數(shù)據(jù)庫(kù)包括Web?of?Science、PubMed、Taylor?&?Francis?Online、PsycINFO、Elsevier、ScienceDirect、Wiley?Online?Library、Embase，中文數(shù)據(jù)庫(kù)包括CNKI、萬(wàn)方和維普。文獻(xiàn)類型包括期刊論文、學(xué)位論文、會(huì)議論文等。文獻(xiàn)檢索時(shí)間為2021年2月;③擴(kuò)展檢索。通過(guò)Google?Scholar進(jìn)行文獻(xiàn)的查缺補(bǔ)漏，利用綜述和相關(guān)文章的引用與被引文獻(xiàn)進(jìn)行擴(kuò)展檢索。

2.2?文獻(xiàn)的納入與排除標(biāo)準(zhǔn)

結(jié)合元分析方法和研究主題的要求，本研究根據(jù)以下標(biāo)準(zhǔn)對(duì)納入元分析的文獻(xiàn)進(jìn)行了資格評(píng)估：①研究必須是與糾正社交媒體虛假疫情信息相關(guān)的研究;②研究必須采用對(duì)照實(shí)驗(yàn)，參與者被隨機(jī)分配到實(shí)驗(yàn)組（糾正干預(yù)）和控制組（無(wú)糾正干預(yù)）;③研究必須報(bào)告至少一項(xiàng)糾正效果的指標(biāo)，包括社交媒體糾正對(duì)用戶態(tài)度、意愿或行為的影響;④研究必須報(bào)告明確的樣本量;⑤排除重復(fù)發(fā)表的研究;⑥排除無(wú)法獲取全文或無(wú)完整數(shù)據(jù)的研究。由兩名研究者對(duì)納入元分析的文獻(xiàn)進(jìn)行資格審查，并通過(guò)討論解決分歧。遵循上述篩選標(biāo)準(zhǔn)，本研究最終納入元分析的文獻(xiàn)13篇，包含16項(xiàng)獨(dú)立的實(shí)驗(yàn)研究。其中總樣本量為4?515人（M=282.19，Med=394，SD=153.50）;文獻(xiàn)發(fā)表的時(shí)間跨度為2015—2021年。文獻(xiàn)檢索和篩選流程圖如圖1所示。

2.3?文獻(xiàn)編碼

本研究由兩名研究者對(duì)納入元分析的文獻(xiàn)進(jìn)行數(shù)據(jù)編碼。經(jīng)過(guò)編碼一致性計(jì)算，研究者之間的Kappa系數(shù)為0.84，表明編碼結(jié)果是有效且可靠的。遵循元分析的數(shù)據(jù)編碼框架[43]，本研究的具體編碼變量如下。文獻(xiàn)特征：作者、年份、類型;樣本特征包括樣本量、地域、群體、卷入度（依據(jù)文獻(xiàn)報(bào)告的實(shí)驗(yàn)對(duì)象對(duì)虛假信息的關(guān)注程度劃分為高卷入度和低卷入度）;信息特征：疫病類型、社交平臺(tái)、虛假來(lái)源、糾正來(lái)源、糾正格式、糾正表達(dá)、糾正措施;結(jié)局指標(biāo)：態(tài)度、意愿、行為。文獻(xiàn)按照每項(xiàng)獨(dú)立研究進(jìn)行編碼[44]，若一篇文獻(xiàn)同時(shí)報(bào)告了多種條件或多項(xiàng)實(shí)驗(yàn)時(shí)，先分析文獻(xiàn)所報(bào)告的不同條件是否為本研究所關(guān)注的，再按照這些條件分解為多項(xiàng)獨(dú)立研究。納入研究的基本特征如表1所示。

2.4?元分析過(guò)程

2.4.1?效應(yīng)量計(jì)算

考慮到本研究是通過(guò)比較實(shí)驗(yàn)組和控制組之間的標(biāo)準(zhǔn)差異，以衡量社交媒體糾正的效果。因此，本研究采用標(biāo)準(zhǔn)化平均偏差Cohens?d[45]，作為社交媒體糾正的效應(yīng)量。本研究通過(guò)CMA?3.0直接輸入實(shí)驗(yàn)組與控制組的樣本量、后測(cè)均值和標(biāo)準(zhǔn)差，可以直接計(jì)算Cohens?d效應(yīng)量。如文獻(xiàn)未報(bào)告均值或標(biāo)準(zhǔn)差，則通過(guò)χ2值、t值或F值轉(zhuǎn)換計(jì)算。Cohens?d效應(yīng)量的評(píng)價(jià)標(biāo)準(zhǔn)為：0.2為小效應(yīng)量，0.5為中等效應(yīng)量，0.8為大效應(yīng)量[46]。由于本文納入元分析的不同研究之間（如樣本群體、社交平臺(tái)）可能存在差異，因此本研究采用隨機(jī)效應(yīng)模型計(jì)算效應(yīng)量[47]。同時(shí)在數(shù)據(jù)分析上采用Q檢驗(yàn)和I2值進(jìn)行研究之間的異質(zhì)性檢驗(yàn)（Heterogeneity?Test）。當(dāng)Q值顯著且I2≥75%時(shí)，則表明研究之間存在不可忽視的異質(zhì)性，以進(jìn)一步驗(yàn)證隨機(jī)效應(yīng)模型選擇的合理性[48]。

2.4.2?調(diào)節(jié)效應(yīng)分析

為了進(jìn)一步探索研究異質(zhì)性的可能來(lái)源，本文將對(duì)分組變量的調(diào)節(jié)效應(yīng)進(jìn)行分析，以探討不同分組變量對(duì)社交媒體糾正效果的影響。根據(jù)Jackson?D等的建議，進(jìn)行調(diào)節(jié)效應(yīng)分析的每個(gè)分組至少包括4項(xiàng)研究[49]。結(jié)合已有研究和文獻(xiàn)編碼結(jié)果，本文主要探究以下可能影響社交媒體糾正效果的調(diào)節(jié)變量：①樣本特征，包括群體（大學(xué)生/普通人群）和卷入度（低/高）;②信息特征，包括社交平臺(tái)（Facebook/Twitter）、虛假來(lái)源（機(jī)構(gòu)/用戶）、糾正來(lái)源（專家/非專家）、糾正格式（文本/文本+圖片）、糾正表達(dá)（科學(xué)論證/敘事講述）、糾正措施（算法糾正/社會(huì)糾正）。

2.4.3?質(zhì)量和出版偏倚評(píng)估

本研究嚴(yán)格按照Cochrane系統(tǒng)評(píng)價(jià)的偏倚風(fēng)險(xiǎn)評(píng)估工具[50]，對(duì)納入元分析的文獻(xiàn)進(jìn)行質(zhì)量評(píng)估。具體評(píng)價(jià)指標(biāo)包括：隨機(jī)分配方法、分配方案隱藏、對(duì)實(shí)施者和參與者使用盲法、對(duì)結(jié)果評(píng)價(jià)者使用盲法、結(jié)果數(shù)據(jù)完整性、選擇性報(bào)告結(jié)果和其他偏倚。兩名研究者采取“低風(fēng)險(xiǎn)”“不清楚”和“高風(fēng)險(xiǎn)”3個(gè)等級(jí)進(jìn)行逐條評(píng)價(jià)。非常符合質(zhì)量標(biāo)準(zhǔn)的評(píng)為較低風(fēng)險(xiǎn)，普遍符合質(zhì)量標(biāo)準(zhǔn)的評(píng)為不清楚風(fēng)險(xiǎn)，部分符合質(zhì)量標(biāo)準(zhǔn)的評(píng)為較高風(fēng)險(xiǎn)。本文使用Kappa系數(shù)測(cè)量研究者評(píng)估的一致性，文獻(xiàn)質(zhì)量評(píng)分的Kappa系數(shù)為0.89，表明研究者對(duì)納入元分析的文獻(xiàn)質(zhì)量評(píng)估有較高的可靠性。此外，出版偏倚是指納入元分析的文獻(xiàn)是否有效代表該領(lǐng)域已經(jīng)完成的研究總體[51]。因此，本研究采用漏斗圖（Funnel?Plot）和失安全系數(shù)（Fail-safe?Number）進(jìn)一步測(cè)量出版偏倚風(fēng)險(xiǎn)[52]。在漏斗圖中，當(dāng)數(shù)據(jù)點(diǎn)左右接近對(duì)稱分布，且集中在中部以上，則表明出版偏倚可能性較低;在失安全系數(shù)中，系數(shù)越大，表明出版偏倚可能性越低[53]。

2.4.4?敏感性分析

元分析的文獻(xiàn)納入標(biāo)準(zhǔn)、數(shù)據(jù)編碼方法及缺失值處理等會(huì)導(dǎo)致研究結(jié)果出現(xiàn)偏差，因此，本研究采用敏感性分析進(jìn)一步檢驗(yàn)研究結(jié)果的穩(wěn)健性。元分析一般通過(guò)每次剔除一項(xiàng)納入的研究，重新計(jì)算合并效應(yīng)量，與未排除該研究的效應(yīng)量進(jìn)行比較，從而找出效應(yīng)量異常的研究，即該研究對(duì)合并效應(yīng)量影響較大。異常的研究指95%的置信區(qū)間沒(méi)有與合并效應(yīng)量的95%的置信區(qū)間重疊的研究，即置信區(qū)間包含0[54]。

3?研究結(jié)果

3.1?社交媒體糾正的主效應(yīng)

經(jīng)過(guò)效應(yīng)量的計(jì)算，本研究繪制了社交媒體糾正效果的森林圖，如圖2所示。其中，橫線代表單項(xiàng)研究結(jié)果的95%置信區(qū)間（CI）;點(diǎn)的位置代表單項(xiàng)研究的效應(yīng)量，點(diǎn)的大小代表研究的權(quán)重;菱形代表合并后的效應(yīng)量，即主效應(yīng);刻度為0的豎線代表無(wú)效線，若某項(xiàng)研究的95%CI包含了0，則p>0.05，即圖中橫線與刻度為0的豎線相交時(shí)，表明該研究無(wú)統(tǒng)計(jì)學(xué)意義。本研究發(fā)現(xiàn)，社交媒體虛假疫情信息糾正的主效應(yīng)是正向且顯著的（d=0.32，95%CI[0.19，0.44]，p<0.001，k=16）。同時(shí)，通過(guò)異質(zhì)性檢驗(yàn)發(fā)現(xiàn)，Q=63.26，p<0.001，且I2=76.29%，表明各研究效應(yīng)量之間存在異質(zhì)性。此外，社交媒體糾正用戶的態(tài)度、意愿與行為研究的效應(yīng)量之間不存在顯著差異（Q=3.39，p=0.184，I2=24.67%），這也進(jìn)一步驗(yàn)證了將用戶態(tài)度、意愿和行為作為社交媒體糾正效果的測(cè)度指標(biāo)是準(zhǔn)確可靠的。

3.2?社交媒體糾正效果的調(diào)節(jié)效應(yīng)

本研究通過(guò)調(diào)節(jié)效應(yīng)分析來(lái)探究調(diào)節(jié)變量對(duì)社交媒體糾正效果的影響。調(diào)節(jié)效應(yīng)分析結(jié)果如表2所示。在樣本特征方面，群體（Q=0.38，p=0.536）對(duì)社交媒體虛假疫情信息的糾正效果無(wú)顯著影響。而樣本的卷入度（Q=9.51，p=0.002）卻顯著調(diào)節(jié)社交媒體糾正效果。具體而言，相較于低卷入度用戶（d=0.23，95%CI[0.14，0.33]，p<0.001，k=12），社交媒體對(duì)高卷入度用戶（d=0.60，95%CI[0.39，0.82]，p<0.001，k=4）的糾正效果更好。

在信息特征方面，虛假來(lái)源（Q=4.97，p=0.026）也顯著影響社交媒體糾正效果。當(dāng)虛假疫情信息來(lái)自機(jī)構(gòu)（d=0.39，95%CI[0.27，0.52]，p<0.001，k=8）而非用戶時(shí)（d=0.19，95%CI[0.07，0.32]，p=0.002，k=8），社交媒體糾正效果更好。同樣，糾正來(lái)源（Q=9.05，p=0.003）也是社交媒體糾正效果的顯著調(diào)節(jié)變量。其中，社交媒體上來(lái)自于專家的糾正信息（d=0.44，95%CI[0.35，0.52]，p<0.001，k=10）比來(lái)自非專家的糾正信息（d=0.24，95%CI[0.13，0.34]，p<0.001，k=6）的糾正效果更好。糾正格式（Q=4.57，p=0.033）也對(duì)社交媒體糾正效果具有顯著的調(diào)節(jié)作用。其中，社交媒體采用文本和圖片組合的糾正信息（d=0.42，95%CI[0.28，0.55]，p<0.001，k=7）比僅有文本的糾正信息（d=0.26，95%CI[0.19，0.32]，p<0.001，k=9）的效果更佳。此外，糾正措施（Q=5.90，p=0.015）也對(duì)社交媒體糾正效果產(chǎn)生重要影響。具體而言，社交媒體采用社會(huì)糾正的措施（d=0.41，95%CI[0.33，0.48]，p<0.001，k=12）比采用算法糾正的措施（d=0.22，95%CI[0.09，0.35]，p=0.001，k=4）更加有效。而社交平臺(tái)（Q=1.26，p=0.262）和糾正表達(dá)（Q=1.35，p=0.245）對(duì)社交媒體糾正效果無(wú)顯著影響。

3.3?質(zhì)量和出版偏倚評(píng)估結(jié)果

研究質(zhì)量評(píng)估報(bào)告顯示，如圖3所示，納入元分析的研究質(zhì)量整體較高，其中10項(xiàng)（62.5%）研究的風(fēng)險(xiǎn)較低，4項(xiàng)（25.0%）研究存在不清楚的風(fēng)險(xiǎn)，兩項(xiàng)（12.5%）研究存在較高的風(fēng)險(xiǎn)。同時(shí)，如漏斗圖圖4所示，納入元分析的研究均勻分布于總效應(yīng)量的兩側(cè)并集中于中部以上，因此，本研究基本不存在出版偏倚風(fēng)險(xiǎn)。此外，本研究的失安全數(shù)為569（p<0.001，α=0.05），表明需要569篇相反的相關(guān)研究才能將本研究的結(jié)論推翻。因此，本研究的結(jié)論穩(wěn)定且可靠。

3.4?敏感性分析結(jié)果

本研究的敏感性分析顯示，如圖5所示，剔除單項(xiàng)研究的合并效應(yīng)量范圍為[d=0.28，95%CI[0.17，0.38]，p<0.001;d=0.34，95%CI[0.22，0.47]，p<0.001]，表明單項(xiàng)研究剔除對(duì)合并效應(yīng)量的影響比較有限，進(jìn)一步驗(yàn)證了本研究合并效應(yīng)量的穩(wěn)健性。

4?研究結(jié)論及啟示

4.1?研究結(jié)論

本文的元分析基于對(duì)照實(shí)驗(yàn)，系統(tǒng)剖析了社交媒體虛假疫情信息糾正與后續(xù)用戶行為決策之間的因果關(guān)系，綜合評(píng)估了社交媒體虛假疫情信息的糾正效果，并深入考察了影響社交媒體糾正效果的調(diào)節(jié)因素。研究表明，社交媒體糾正虛假疫情信息的總體效果是正向且顯著的（d=0.32，95%CI[0.19，0.44]，p<0.001，k=16），因此，社交媒體糾正可以有效消除或減輕虛假疫情信息對(duì)用戶行為決策的負(fù)面影響。同時(shí)，值得注意的是，社交媒體糾正的合并效應(yīng)量是中等偏弱量級(jí)的（0.2

具體而言，相較于低卷入度的用戶，社交媒體對(duì)高卷入度的用戶糾正效果更好。精細(xì)加工可能性模型（Elaboration?Likelihood?Model）認(rèn)為，高卷入度的用戶更加趨向于遵從核心路徑，即通過(guò)理性認(rèn)知的方式評(píng)估新的信息，而低卷入度的用戶趨向于遵從邊緣路徑，即通過(guò)外部因素（圖像、色彩或信息表達(dá)方式）來(lái)判定信息的可信度[55]。而社交媒體虛假疫情信息的糾正需要用戶經(jīng)過(guò)仔細(xì)地思考和分析，最終形成用戶態(tài)度、意愿或行為的轉(zhuǎn)變，因此，社交媒體糾正對(duì)高卷入度的用戶更為有效。當(dāng)虛假疫情信息來(lái)自用戶群體而非機(jī)構(gòu)時(shí)，社交媒體糾正也變得更加艱難。這一結(jié)論也印證了社交關(guān)系對(duì)個(gè)體信息處理的影響[56]，也就是說(shuō)，不論疫情信息的真或假，個(gè)體更加趨向于信任同伴所提供的疫情信息，而非機(jī)構(gòu)。同時(shí)，社交媒體中專家提供的糾正信息比非專家提供的糾正信息更加有效。這一結(jié)論也回應(yīng)了說(shuō)服理論，即外部可靠性是增加說(shuō)服效果的重要條件[57]。而且，相比于文本的糾正格式，社交媒體采用文本與圖片相結(jié)合的方式糾正虛假疫情信息也更為有效。這可能與用戶的注意力機(jī)制有關(guān)[58]，社交媒體上帶有圖片的文本更加吸引用戶的注意力，更有可能引發(fā)用戶對(duì)糾正信息更多的關(guān)注和思考，從而達(dá)到更好的糾正效果。此外，社會(huì)糾正也比算法糾正更加有效。這可能是因?yàn)樵谏缃幻襟w上形成的社會(huì)規(guī)范更容易促進(jìn)用戶對(duì)糾正信息的信任，從而促成用戶認(rèn)知和行為決策的積極轉(zhuǎn)變[59]。然而，社交平臺(tái)之間的糾正效果無(wú)顯著差異。這可能與本文元分析納入的實(shí)驗(yàn)研究有關(guān)，在實(shí)驗(yàn)條件下，可能無(wú)法還原不同社交平臺(tái)的現(xiàn)實(shí)場(chǎng)景，因此，社交平臺(tái)之間的糾正效果的差異可能無(wú)法精確測(cè)量。社交媒體上科學(xué)論證與敘事講述之間的糾正效果也不存在顯著差異。這可能與用戶的信息偏好有關(guān)[60]，用戶在選擇信息時(shí)，有意識(shí)地偏好認(rèn)知一致性的信息，而不管是科學(xué)論證還是敘事講述，都有可能符合用戶的信息偏好，因此，它們之間的糾正效果差異并不明顯。

4.2?研究啟示

本研究在理論和實(shí)踐方面進(jìn)行了有益拓展。在理論上，本研究評(píng)估了社交媒體虛假疫情信息糾正的有效性，也表明了社交媒體虛假疫情信息糾正不存在顯著的“回旋鏢效應(yīng)”（Boomerang?Effect），即社交媒體糾正虛假疫情信息反而會(huì)增加用戶對(duì)虛假疫情信息的采納[61]。在此基礎(chǔ)上，本研究進(jìn)一步明確了影響社交媒體糾正效果的重要調(diào)節(jié)因素，并揭示了其相應(yīng)的內(nèi)在機(jī)理，為社交媒體平臺(tái)采用不同的糾正策略應(yīng)對(duì)不同情形下的虛假疫情信息提供了理論依據(jù)。此外，本研究得出的虛假疫情信息的社交媒體糾正效果可以與其他領(lǐng)域（如虛假政治信息、虛假科學(xué)信息）的社交媒體糾正效果進(jìn)行橫向比較，從而促進(jìn)對(duì)社交媒體糾正效果有更加全面地了解。

在實(shí)踐上，本研究為社交媒體平臺(tái)和公共衛(wèi)生機(jī)構(gòu)糾正虛假疫情信息提供有益借鑒。社交網(wǎng)絡(luò)和群體規(guī)范對(duì)社交媒體糾正虛假疫情信息至關(guān)重要。因此，社交媒體平臺(tái)應(yīng)充分利用社交屬性積極推薦和展示來(lái)自好友與同伴的社會(huì)糾正，將社交關(guān)系融入算法糾正或許可以取得更好的糾正效果。社交媒體平臺(tái)也可以通過(guò)設(shè)置聲譽(yù)激勵(lì)機(jī)制，鼓勵(lì)用戶主動(dòng)參與虛假疫情信息的糾正，創(chuàng)建不同用戶之間的交互糾正機(jī)制，在促進(jìn)糾正效果的同時(shí)，亦破除“信息繭房”、削弱社交網(wǎng)絡(luò)的“回聲室效應(yīng)”。此外，社交媒體平臺(tái)可以嘗試采用更為多元的糾正信息呈現(xiàn)形式，針對(duì)不同人群、不同主題，設(shè)定不同的糾正信息呈現(xiàn)方式，以求最大限度地提高虛假疫情信息被糾正的可能性。對(duì)公共衛(wèi)生機(jī)構(gòu)而言，應(yīng)聯(lián)合社交媒體平臺(tái)推動(dòng)建立虛假疫情信息實(shí)時(shí)監(jiān)測(cè)系統(tǒng)，及時(shí)制定相關(guān)應(yīng)對(duì)策略以消除虛假疫情信息的負(fù)面影響。此外，以科學(xué)證據(jù)為背書(shū)的糾正信息對(duì)社交媒體虛假疫情信息起到較好的糾正效果。因此，公共衛(wèi)生機(jī)構(gòu)應(yīng)動(dòng)員權(quán)威衛(wèi)生專家和知名科普機(jī)構(gòu)主動(dòng)發(fā)布糾正信息，確?？陀^、準(zhǔn)確的疫情信息能夠在社交媒體平臺(tái)上引起廣泛關(guān)注，從而遏制虛假疫情信息，營(yíng)造清朗的社交媒體信息生態(tài)環(huán)境，推動(dòng)健康中國(guó)建設(shè)。

參考文獻(xiàn)

（帶*號(hào)為納入元分析的文獻(xiàn)）

[1]*Tully?M，Vraga?E?K，Bode?L.Designing?and?Testing?News?Literacy?Messages?for?Social?Media[J].Mass?Communication?and?Society，2020，23（1）：22-46.

[2]Patel?R，Chang?T，Greysen?S?R，et?al.Social?Media?Use?in?Chronic?Disease：A?Systematic?Review?and?Novel?Taxonomy[J].The?American?Journal?of?Medicine，2015，128（12）：1335-1350.

[3]李月琳，張秀.疫情虛假信息的甄別及傳播原因探析[J].信息資源管理學(xué)報(bào)，2020，10（2）：8-12.

[4]Reuters?Institute.Types，Sources，and?Claims?of?COVID-19?Misinformation[EB/OL].https：//reutersinstitute.politics.ox.ac.uk/types-sources-and-claims-covid-19-misinformation，2021-02-06.

[5]Pew?Research?Center.Mobile?Technology?and?its?Social?Impact?Survey?2018[EB/OL].https：//www.pewresearch.org，2021-02-11.

[6]Naeem?S?B，Bhatti?R，Khan?A.An?Exploration?of?How?Fake?News?is?Taking?Over?Social?Media?and?Putting?Public?Health?at?Risk[EB/OL].https：//onlinelibrary.wiley.com/doi/full/10.1111/hir.12320？af=R，2021-02-11.

[7]Wang?Y，Mckee?M，Torbica?A，et?al.Systematic?Literature?Review?on?the?Spread?of?Health-Related?Misinformation?on?Social?Media[J].Social?Science?&?Medicine，2019，240：112552.

[8]Broniatowski?D?A，Jamison?A?M，Qi?S?H，et?al.Weaponized?Health?Communication：Twitter?Bots?and?Russian?Trolls?Amplify?the?Vaccine?Debate[J].American?Journal?of?Public?Health，2018，108（10）：1378-1384.

[9]袁建霞，冷伏海.“信息疫情”應(yīng)對(duì)中的情報(bào)調(diào)研和分析[J].競(jìng)爭(zhēng)情報(bào)，2020，16（3）：9-13.

[10]Moravec?P?L，Kim?A，Dennis?A?R.Appealing?to?Sense?and?Sensibility：System?1?and?System?2?Interventions?for?Fake?News?on?Social?Media[J].Information?Systems?Research，2020，31（3）：987-1006.

[11]*Vraga?E?K，Bode?L.I?Do?Not?Believe?You：How?Providing?a?Source?Corrects?Health?Misperceptions?Across?Social?Media?Platforms[J].Information，Communication?&?Society，2018，21（10）：1337-1353.

[12]Smith?C?N，Seitz?H?H.Correcting?Misinformation?about?Neuroscience?via?Social?Media[J].Science?Communication，2019，41（6）：790-819.

[13]*Lee?J.Correcting?Fear-Arousing?Disinformation?on?Social?Media?in?the?Spread?of?a?Health?Virus：A?Focus?on?Situational?Fear，Situational?Threat?Appraisal，Belief?in?Disinformation，and?Intention?to?Spread?Disinformation?on?Social?Media[D].New?York：Syracuse?University，2019.

[14]*Van?Der?Meer?T?G?L?A，Jin?Y.Seeking?Formula?for?Misinformation?Treatment?in?Public?Health?Crises：The?Effects?of?Corrective?Information?Type?and?Source[J].Health?Communication，2020，35（5）：560-575.

[15]Li?H，Sakamoto?Y.Social?Impacts?in?Social?Media：An?Examination?of?Perceived?Truthfulness?and?Sharing?of?Information[J].Computers?in?Human?Behavior，2014，41（12）：278-287.

[16]*Sun?Y，Oktavianus?J，Wang?S，et?al.The?Role?of?Influence?of?Presumed?Influence?and?Anticipated?Guilt?in?Evoking?Social?Correction?of?COVID-19?Misinformation[J].Health?Communication，2021，（2）：1-10.

[17]Kim?A，Moravec?P，Dennis?A?R.Behind?the?Stars：The?Effects?of?News?Source?Ratings?on?Fake?News?in?Social?Media[J].Kelley?School?of?Business?Research，2017，18（3）：1-38.

[18]*Weber?T?J，Muehling?D?D，Kareklas?I.How?Unsponsored，Online?User-Generated?Content?Impacts?Consumer?Attitudes?and?Intentions?Toward?Vaccinations[J].Journal?of?Marketing?Communications，2020，27（4）：389-414.

[19]*Vraga?E?K，Bode?L.Using?Expert?Sources?to?Correct?Health?Misinformation?in?Social?Media[J].Science?Communication，2017，39（5）：621-645.

[20]*Bode?L，Vraga?E?K.In?Related?News，That?Was?Wrong：The?Correction?of?Misinformation?through?Related?Stories?Functionality?in?Social?Media[J].Journal?of?Communication，2015，65（4）：619-638.

[21]李進(jìn)華.面向大數(shù)據(jù)時(shí)代的重大疫情信息管理理論框架及其應(yīng)用[J].現(xiàn)代情報(bào)，2020，40（7）：25-33，51.

[22]OKeefe?D?J.Message?Generalizations?That?Support?Evidence-Based?Persuasive?Message?Design：Specifying?the?Evidentiary?Requirements[J].Health?Communication，2015，30（2）：106-113.

[23]Hoel?E?V.Funny?Myth?Busting：Are?Humorous?Messages?Effective?at?Correcting?Misinformation?Regarding?Food?Safety[D].Oslo：Norwegian?Business?School，2019.

[24]*Sullivan?M?C.Leveraging?Library?Trust?to?Combat?Misinformation?on?Social?Media[J].Library?&?Information?Science?Research，2019，41（1）：2-10.

[25]Nieminen?S，Rapeli?L.Fighting?Misperceptions?and?Doubting?Journalists?Objectivity：A?Review?of?Fact-Checking?Literature[J].Political?Studies?Review，2019，17（3）：296-309.

[26]Murphy?S?T，F(xiàn)rank?L?B，Chatterjee?J?S，et?al.Narrative?Versus?Nonnarrative：The?Role?of?Identification，Transportation，and?Emotion?in?Reducing?Health?Disparities[J].Journal?of?Communication，2013，63（1）：116-137.

[27]Rosenbaum?L.Invisible?Risks，Emotional?Choices-Mammography?and?Medical?Decision?Making[J].New?England?Journal?of?Medicine，2014，371（16）：1549-1552.

[28]Chou?W?Y?S，Oh?A，Klein?W?M?P.Addressing?Health-Related?Misinformation?on?Social?Media[J].JAMA，2018，320（23）：2417-2418.

[29]Bessi?A，Coletto?M，Davidescu?G?A，et?al.Science?vs?Conspiracy：Collective?Narratives?in?the?Age?of?Misinformation[J].Plos?One，2015，10（2）：e0118093.

[30]Yicheng?W，Ping?W，Meiyue?W.Research?on?Svm-Based?Network?Information?Cocoons?Hierarchy?Sensitive?Influencing?Factors?Identification[J].Information?and?Documentation?Services，2019，40（6）：90-97.

[31]Trnberg?P.Echo?Chambers?and?Viral?Misinformation：Modeling?Fake?News?as?Complex?Contagion[J].Plos?One，2018，13（9）：e0203958.

[32]Thorson?E.Belief?Echoes：The?Persistent?Effects?of?Corrected?Misinformation[J].Political?Communication，2015，33（3）：1-21.

[33]Nyhan?B，Reifler?J，Richey?S，et?al.Effective?Messages?in?Vaccine?Promotion：A?Randomized?Trial[J].Pediatrics，2014，133（4）：835-842.

[34]Diehl?T，Weeks?B?E，Gil?De?Zuniga?H.Political?Persuasion?on?Social?Media：Tracing?Direct?and?Indirect?Effects?of?News?Use?and?Social?Interaction[J].New?Media?&?Society，2016，18（9）：1875-1895.

[35]Messing?S，Westwood?S?J.Selective?Exposure?in?the?Age?of?Social?Media：Endorsements?Trump?Partisan?Source?Affiliation?When?Selecting?News?Online[J].Communication?Research，2014，41（8）：1042-1063.

[36]Evans?J?S?B?T，Curtis-Holmes?J.Rapid?Responding?Increases?Belief?Bias：Evidence?for?the?Dual-Process?Theory?of?Reasoning[J].Thinking?&?Reasoning，2005，11（4）：382-389.

[37]Johnson?T?J，Kaye?B?K.Reasons?to?Believe：Influence?of?Credibility?on?Motivations?for?Using?Social?Networks[J].Computers?in?Human?Behavior，2015，50（9）：544-555.

[38]*Gesser-Edelsburg?A，Diamant?A，Hijazi?R，et?al.Correcting?Misinformation?By?Health?Organizations?During?Measles?Outbreaks：A?Controlled?Experiment[J].Plos?One，2018，13（12）：e0209505.

[39]*Vraga?E?K，Kim?S?C，Cook?J.Testing?Logic-Based?and?Humor-Based?Corrections?for?Science，Health，and?Political?Misinformation?on?Social?Media[J].Journal?of?Broadcasting?&?Electronic?Media，2019，63（3）：393-414.

[40]*Bode?L，Vraga?E?K.See?Something，Say?Something：Correction?of?Global?Health?Misinformation?on?Social?Media[J].Health?Communication，2018，33（9）：1131-1140.

[41]*Kim?J?W.Countering?Anti-Vaccination?Rumors?on?Twitter[D].New?York：Syracuse?University，2019.

[42]Koesters?M，Guaiana?G，Cipriani?A，et?al.Agomelatine?Efficacy?and?Acceptability?Revisited：Systematic?Review?and?Meta-Analysis?of?Published?and?Unpublished?Randomised?Trials[J].British?Journal?of?Psychiatry，2013，203（3）：179-187.

[43]Chan?M?S，Jones?C?R，Jamieson?K?M，et?al.Debunking：A?Meta-Analysis?of?the?Psychological?Efficacy?of?Messages?Countering?Misinformation[J].Psychological?Science，2017，28（11）：1531-1546.

[44]Tao?D，Wang?T，Wang?T，et?al.A?Systematic?Review?and?Meta-Analysis?of?User?Acceptance?of?Consumer-Oriented?Health?Information?Technologies[J].Computers?in?Human?Behavior，2020，104（3）：1-15.

[45]Vllestad?J，Nielsen?M?B，Nielsen?G?H.Mindfulness-and?Acceptance-Based?Interventions?for?Anxiety?Disorders：A?Systematic?Review?and?Meta-Analysis[J].British?Journal?of?Clinical?Psychology，2012，51（3）：239-260.

[46]Kallapiran?K，Koo?S，Kirubakaran?R，et?al.Review：Effectiveness?of?Mindfulness?in?Improving?Mental?Health?Symptoms?of?Children?and?Adolescents：A?Meta-Analysis[J].Child?and?Adolescent?Mental?Health，2015，20（4）：182-194.

[47]Carrero?I，Vilà?I，Redondo?R.What?Makes?Implementation?Intention?Interventions?Effective?for?Promoting?Healthy?Eating?Behaviours？A?Meta-Regression[J].Appetite，2019，140（9）：239-247.

[48]Huedo-Medina?T?B，Sánchez-Meca?J，Marín-Martínez?F，et?al.Assessing?Heterogeneity?in?Meta-Analysis：Q?Statistic?Or?I2?Index？[J].Psychological?Methods，2006，11（2）：193-206.

[49]Jackson?D，Turner?R.Power?Analysis?for?Random-Effects?Meta-Analysis[J].Research?Synthesis?Methods，2017，8（3）：290-302.

[50]Higgins?J?P?T，Altman?D，Gtzsche?P?C，et?al.The?Cochrane?Collaborations?Tool?for?Assessing?Risk?of?Bias?in?Randomised?Trials[J].Bmj，2011，343：1-9.

[51]Cram?W?A，Darcy?J，Proudfoot?J?G.Seeing?the?Forest?and?the?Trees：A?Meta-Analysis?of?the?Antecedents?to?Information?Security?Policy?Compliance[J].MIS?Quarterly，2019，43（2）：525-554.

[52]Khoury?B，Lecomte?T，F(xiàn)ortin?G，et?al.Mindfulness-Based?Therapy：A?Comprehensive?Meta-Analysis[J].Clinical?Psychology?Review，2013，33（6）：763-771.

[53]任志洪，趙春曉，田凡，等.中國(guó)人心理健康素養(yǎng)干預(yù)效果的元分析[J].心理學(xué)報(bào)，2020，52（4）：497-521.

[54]Morgan?A?J，Ross?A，Reavley?N?J.Systematic?Review?and?Meta-Analysis?of?Mental?Health?First?Aid?Training：Effects?on?Knowledge，Stigma，and?Helping?Behaviour[J].Plos?One，2018，13（5）：1-20.

[55]Bhattacherjee?A，Sanford?C.Influence?Processes?for?Information?Technology?Acceptance：An?Elaboration?Likelihood?Model[J].Mis?Quarterly，2006，30（4）：805-825.

[56]Gruzd?A，Wellman?B，Takhteyev?Y.Imagining?Twitter?as?an?Imagined?Community[J].American?Behavioral?Scientist，2011，55（10）：1294-1318.

[57]Petty?R?E，Cacioppo?J?T.The?Effects?of?Involvement?on?Responses?to?Argument?Quantity?and?Quality：Central?and?Peripheral?Routes?to?Persuasion[J].Journal?of?Personality?and?Social?Psychology，1984，46（1）：69-81.

[58]Liu?M，Li?L，Hu?H，et?al.Image?Caption?Generation?with?Dual?Attention?Mechanism[J].Information?Processing?&?Management，2020，57（2）：1-10.

[59]Wang?Z，Walther?J?B，Pingree?S，et?al.Health?Information，Credibility，Homophily，and?Influence?Via?the?Internet：Web?Sites?Versus?Discussion?Groups[J].Health?Communication，2008，23（4）：358-368.

[60]Pálsdóttir?.Preferences?in?the?Use?of?Social?Media?for?Seeking?and?Communicating?Health?and?Lifestyle?Information[J].Information?Research，2014，19（4）：1-16.

[61]Werle?C?O?C，Cuny?C.The?Boomerang?Effect?of?Mandatory?Sanitary?Messages?to?Prevent?Obesity[J].Marketing?Letters，2012，23（3）：883-891.

（責(zé)任編輯：孫國(guó)雷）