摘要 推动辟谣信息传播是治理突发公共卫生事件信息疫情的重要措施。在社交平台上，具有何种特征的辟谣信息更易于传播是值得探究的问题。基于精细加工可能性模型提出的信息采纳模型，以信息加工的中心路径和外围路径为框架，可用于辟谣信息采纳的影响因素分析。但该模型存在两条路径界线不明以致难以操作的问题。在建立两条路径划分的“一眼即知”原则的基础上，信息文本特征分别被归属于解读性信息特征与感知性信息特征，信息采纳修正模型得以构建。基于修正模型的新冠疫情微博辟谣文本数据负二项回归分析结果显示，属中心路径的解读性信息特征对辟谣信息采纳起到主要影响。具体而言，信息含量大，文本长度未折叠、核心信息使用强语气文字表达且使用百万粉丝级账号发布的辟谣信息更容易被采纳。这一系列特征概括为辟谣信息的“提供细节、行文抑扬、形式简明、流量发布”原则之后，可为辟谣信息传播实践提供相应的理论参考。
关键词 谣言；信息采纳；社交媒体；公共危机；计算分析
一、引言
在新冠病毒疫情仍在持续的同时，相关谣言的传播也成为了引发社会风险的重要问题[1][2]。世界卫生组织（World Health Organization，WHO）将之称为“信息疫情”（infodemic）[3]。有学者指出，这是全球首次出现通过社交媒体扩散的信息疫情[4]。显然，传播真相，即推动辟谣信息的传播是治理信息疫情的重要措施。可以看到，已确证的辟谣信息主要由各类官方组织（主要是政府部门）和媒体在社交平台上发布，其文本结构大同小异，大体可以概括为“复述谣言，批其不实，加盖‘印章’（指有‘谣言’或‘辟谣’字样的红色印章图形），劝勿传谣”①，从而给人以权威、严肃之感；然而，其中却有非常大的一部分缺乏对事实真相的详细说明。由此而产生的疑问是：对于社交媒体辟谣信息而言，是否对事实真相的详细说明并非必要？对于明显可感知的文本特征的专门突出能否优化辟谣效果？哪些因素是其被社交媒体使用者采纳的关键要素？目前有关社交媒体辟谣信息采纳影响因素的研究并无相对统一的框架，处于较为零散的状态。其中，被关注最多的因素是辟谣文本内容特征，具体主要涉及主题类型[5-10]、情绪效价与等级[11-14]、事实成分（是否澄清事实）[15-17]、论证角度（单面论证/双面论证）[18]，以及文本特殊符号（是否包含URL、标签、@、图像）[19]；其次是辟谣主体身份[20-24]；此外，还有辟谣回应距离谣言间隔时间[25-30]。由于不少情况下未必存在清晰准确的谣言出现时间点，因此本研究暂不考虑辟谣回应间隔时间这一因素；而能够同时将文本内容特征和信息发布者身份纳入考量的信息采纳理论模型，是最早由斯蒂芬妮·萨斯曼（Stephanie Sussman）和温迪·西格尔（Wendy Siegal）在运用精细加工可能性模型（elaboration likelihood model，ELM）[31]研究组织中的知识采纳时提出的信息采纳模型（information adoption model，IAM）[32]。该模型认为，信息采纳的核心是信息有用性（informational usefulness），而对信息有用性的感知则遵循精细加工可能性模型所提出的中心路径（central route）和外围路径（peripheral route）——当受众能力（ability）允许并存在动机（motivation）时，会对信息内容进行精细加工，此时的主要影响因素是属于中心路径的论据质量（argument quality）；当受众能力或动机不足时，受众会借助其它简单线索（simple cues）进行判断，此时的主要影响因素是属于外围路径的来源可信度[33][34]。可以看到，模型中论据质量与辟谣信息文本高度相关，而来源可信度则与辟谣信息发布主体高度相关。但遗憾的是，一方面，迄今为止相关研究主要将信息采纳模型应用于商品评价信息[35][36]、旅游信息[37][38]、健康信息[39][40]等的采纳研究，而尚无关注辟谣信息采纳者；另一方面，信息采纳模型仅仅把来源可信度作为外围路径的影响因素，同时中心路径的可能影响因素也比较混乱，缺乏系统性、完备性。因此，本研究拟通过新冠疫情微博辟谣文本数据挖掘与内容分析探寻影响社交媒体辟谣信息采纳的关键要素及其特征，为“信息疫情”治理提供理论支撑，并对信息采纳模型进行修正和完善。
二、理论基础与研究假设
如前文所述，信息采纳模型目前存在两个缺陷：一是中心路径的测量方式缺乏系统性、完备性；二是仅仅使用来源可信度作为外围路径的影响因素。而社交媒体辟谣信息的文本内容特征显然包含了更多能够归属于中心路径和外围路径的要素，以下笔者尝试将之进行归纳梳理与概念操作化，并纳入信息采纳模型，继而提出相应的研究假设。ELM模型提出，说服存在两条不同的路径：其一产生于个人对核心信息价值（central merits）的深度解析也即精细加工；其二则由说服语境中的简单线索（simple cues）引发，而不涉及对核心信息价值的解析。前者即为中心路径，此时可能影响受众信息采纳的是信息的论据质量，即论据（arguments）所具有的说服力；后者即为外围路径，此时可能对受众产生影响的简单线索取决于具体的说服语境，通常包括来源的吸引力、论据的数量、语速等等[41][42]。萨斯曼和西格尔在提出IAM模型时，以电子邮件作为组织中的知识载体，参照ELM的相关内容将论据质量作为中心路径的主要影响因素并定义为“信息接收者认为信息完整（complete）、一致（consistent）和准确（accurate）的程度”，将来源可信度作为外围路径的主要影响因素并定义为“信息接收者对信息来源的可信度的感知”，且认为其“与信息本身无关”[43]。之后使用IAM模型的研究也多延续了这一界定：如张艳辉等关于淘宝评论信息采纳的研究提出中心路径的信息质量由有效评论数量、中差评数量和是否上传图片来衡量，外围路径的信息源可信度由信息来源的专业性和可靠性来衡量[44]；吴晔等关于亚马逊商品评价信息采纳的研究使用评论特征（包括评论极性、评论长度、评论时效性、图片数量等）来衡量信息质量，使用评论者特征（包括评论者信息披露、评论者等级、评论者购买经验等）来衡量来源可信度[45]；孙竹梅等关于健康信息采纳的研究将信息质量划分为“形式特征”和“内容特征”两个维度，前者具体指标为呈现方式（是否包含图片/视频/超链接等）、特殊符号（是否包含“@”“#”等）、表情符号（是否包含表情符号），后者具体指标为健康主题、框架类型和论据类型，同时使用来源账号、账号等级和粉丝数量来衡量来源可信度[46]。可以看到，这些研究总是千篇一律地将来源可信度归于外围路径而将此外的其他影响因素归于中心路径，然而问题在于：第一，除了信源可信度之外是否就没有其他应归属于外围路径的因素了？第二，信源可信度是否真的只是无须思考理解的外围路径因素？按照前文所述的ELM模型的标准，显然并非如此。例如，像图片数量、文本长度等无须受众深思即可获取的信息，就明显属于说服语境中的简单线索，应归于外围路径而非中心路径。而不少研究把是否包含图片[47-49]、是否包含“@”“#”或URL短链[50][51]、文本长度[52-54]等因素归为中心路径的做法，一方面未能准确把握两条路径的内涵，使得信息采纳过程机制变得难以理解，另一方面也忽略了可能存在的其他简单线索——事实上，萨斯曼和西格尔的研究就曾提出，除了来源可信度以外，其他可能存在的外围线索还包括邮件抄送人数、抄送人状态等[55]。即便是信息来源的可信度，恐怕也需要投入一些思考和理解才能给出相对准确的判断，而非一眼即知。以上凸显出一个重要的理论问题，即目前缺乏一套清晰可用的中心路径与外围路径的操作化方案，导致信息采纳研究的影响因素陷入了混乱。因此，本研究从中心路径与外围路径的原始内涵（即受众精细加工的程度）出发，将中心路径所涉及的需要受众进行思考解读从而有助于其形成信息相关立场或情感的信息特征概念化为“解读性信息特征”，将外围路径所涉及的可直接从信息文本中获取而无须进行思考解读的信息特征概念化为“感知性信息特征”，并提出信息采纳的修正模型如图1所示。
基于该修正模型，本研究提出理论假设：以解读性信息特征为影响因素的中心路径和以感知性信息特征为影响因素的外围路径共同影响受众的信息采纳意愿。有研究表明，社交媒体上的转发可以理解为对信息的认同[56]，也是信息进一步传播、获得更多认同的重要机制[57][58]，因此本研究将辟谣信息文本转发量作为信息采纳意愿的衡量指标，作为研究假设中的因变量。而自变量的设置表面上看起来似乎很简单，即解读性信息特征和感知性信息特征，但其中的关键在于，需要设置一条便于操作的信息特征归类标准，以对二者做出明确的区分，否则又将和既有的研究一样陷入混乱之中。为此，笔者提出“一眼即知”原则作为判断依据——若某一因素信息接收者能够一眼即知，则其属于感知性信息特征，否则属于解读性信息特征。根据这一原则不难发现，现有的辟谣信息影响因素研究更多地关注一眼即知的感知性信息特征，其中讨论最多的是辟谣文本是否包含某种特定符号——包括是否包含“#”[59][60]、是否包含“@”[61-63]、是否包含超链接（如URL）[64-66]、是否有“原创”标识[67][68]等，其次是辟谣文本的整体呈现模态（纯文字/图文/纯视频/视频配文）[69-73]和辟谣文本长度[74-76]。此外，辟谣信息文本发布的账号身份[77]及粉丝数[78]也被认为是影响辟谣效果的重要因素。那么，辟谣信息的解读性特征主要包括哪些呢？笔者认为，按照逻辑应包含谣言主题和辟谣策略两类因素。对于前者，之前两项有关新冠疫情谣言的研究已经发现，不同的谣言主题会影响辟谣信息的采纳效果[79][80]。而对于后者，现有研究主要将辟谣信息采用事实陈述还是直接驳斥的辟谣方式[81][82]，辟谣文本的信息来源[83]，是否对谣言进行要素核查[84]，以及辟谣信息的论证角度[85]作为影响辟谣效果的重点考察因素。这里之所以将信息来源作为辟谣策略特征归入中心路径，而不是像前面提及的诸多信息采纳研究一样归为外围路径，是因为一方面其通常放在文本内容之中，需要阅读才能获取，另一方面其所包含的权威性、可信度等要素事实上仍然需要接收者的思考解读才能进行判断。如果再将研究视野稍稍放宽一些，则健康传播研究中涉及的文本效价（消极负面/积极正面）[86]、特殊句型标点（问号或叹号等）[87][88]以及可能影响接收者认知与行为的信息强度——指在健康传播中的信息仅包含对事实的解释（低强度）抑或是还包含相关应对举措等对现状的指导（instruction）（高强度）[89][90]，也可以考虑纳入。这些因素中，除特殊句型标点可“一眼即知”之外，其他均应归属于解读性信息特征。考虑到微博社交平台的特点，本研究将前面提到的微博辟谣信息上所加的有“谣言”或“辟谣”字样的红色印章图形概念化为“视觉刺激”纳入感知性信息特征；另外，微博讯息虽能以文字、图片、视频等多种模态组合出现，但其核心信息一般仅依托于一种模态，故本研究将辟谣信息的文本呈现模态分为整体模态和核心模态。基于以上梳理，本研究将谣言主题、辟谣策略（辟谣信息来源、辟谣方式、谣言要素核查、辟谣论证角度、辟谣信息强度、辟谣信息效价）等解读性信息特征与辟谣信息发布账号特征（账号身份、粉丝数）、辟谣信息文本长度、辟谣信息文本模态（整体模态、核心模态）、辟谣信息文本特殊符号使用（是否使用“#”、是否使用“@”、是否使用超链接、是否使用特殊句型标点、是否使用视觉刺激）等感知性信息特征设置为自变量，提出研究假设如下：H1：解读性信息特征会影响社交媒体辟谣信息文本转发量。H1-1：谣言主题会影响社交媒体辟谣信息文本转发量。H1-2：辟谣策略会影响社交媒体辟谣信息文本转发量。H1-2a：辟谣信息来源会影响社交媒体辟谣信息文本转发量。H1-2b：辟谣方式会影响社交媒体辟谣信息文本转发量。H1-2c：谣言要素核查会影响社交媒体辟谣信息文本转发量。H1-2d：辟谣论证角度会影响社交媒体辟谣信息文本转发量。H1-2e：辟谣信息强度会影响社交媒体辟谣信息文本转发量。H1-2f：辟谣信息效价会影响社交媒体辟谣信息文本转发量。H2：感知性信息特征会影响社交媒体辟谣信息文本转发量。H2-1：发布账号特征会影响社交媒体辟谣信息文本转发量。H2-1a：发布账号身份会影响社交媒体辟谣信息文本转发量。H2-1b：发布账号粉丝数会影响社交媒体辟谣信息文本转发量。H2-2：文本长度会影响社交媒体辟谣信息文本转发量。H2-3：文本模态会影响社交媒体辟谣信息文本转发量。H2-3a：文本整体模态会影响社交媒体辟谣信息文本转发量。H2-3b：文本核心模态会影响社交媒体辟谣信息文本转发量。H2-4：文本特殊符号使用会影响社交媒体辟谣信息文本转发量。H2-4a：文本是否使用“#”会影响社交媒体辟谣信息文本转发量。H2-4b：文本是否使用“@”会影响社交媒体辟谣信息文本转发量。H2-4c：文本是否使用超链接会影响社交媒体辟谣信息文本转发量。H2-4d：文本是否使用特殊句型标点会影响社交媒体辟谣信息文本转发量。H2-4e：文本是否使用视觉刺激会影响社交媒体辟谣信息文本转发量。
研究假设中的因变量社交媒体辟谣信息文本转发量本身即为数值变量，而自变量共18个，分属6个维度，其操作定义如表1所示：本研究以新浪微博（Weibo）为研究平台，采用基于数据挖掘的内容分析方法。“@微博辟谣”是新浪微博辟谣官方账号，专职发布或转发已经确证的辟谣信息，其中也包括与新冠疫情相关的辟谣信息；而国务院新闻办公室2020年发布的《抗击新冠肺炎疫情的中国行动》白皮书认为国内疫情始于2019年12月27日，并于2020年4月29日以后趋于平缓，进入防控常态化阶段[91]。故本研究选择2019年12月27日至2020年4月29日为时间范围，爬取了由新浪微博账号“@微博辟谣”发布、转发的所有微博博文，并在清洗其中的重复转发者、与新冠疫情无关者以及无具体辟谣信息者之后，获得辟谣信息共663条作为分析样本。由于解读性信息特征可能存在思考理解的个体差异，故需进行信度检验。其中辟谣信息来源相对较为确定，因此无须检验；信息效价则通过Gooseeker软件进行标记①。其他归属解读性信息特征的自变量信度检验工作则由本研究两位作者完成，抽取15%（n=100）的样本进行编码，经讨论、修正后，被检验变量的克里彭多夫信度系数（Krippendorff's α）在0.847~0.975之间，较为理想。之后两位作者对剩余样本进行了编码。本研究的因变量为微博辟谣信息文本转发量（M=262.74，SD=2.91E+06），属于计数数据，且其残差不具有正态性，不能使用普通最小二乘回归（OLS regression），考虑到数据变异程度不低，最终选择了负二项回归（negative binomial regression）作为计算分析模型。分析操作使用Stata 16.0完成。共线性诊断表明，各自变量的VIF值均小于10，不存在严重的多重共线性问题。负二项回归模型估计结果显示，模型整体具有显著性（p<0.000），各变量的具体情况如表2所示。
五、解释与讨论
（一）解读性信息特征：高热度、高相关性与高信息含量由负二项回归模型结果可知，在属于解读性信息特征的7个自变量中，谣言主题对辟谣信息的采纳具有显著影响，H1-1成立；辟谣策略中一半变量（辟谣信息来源、谣言要素核查、辟谣论证角度）对辟谣信息的采纳具有显著影响，H1-2部分成立。解读性信息特征的有效率近60%。谣言主题对辟谣信息的转发量具有显著影响。具体来看，物资捐献主题的影响最大，社会防疫事件、医学健康知识两个主题的影响相对较大，疫情最新进展主题的影响相对较小，而防疫与治疗相关措施这一主题不具有显著影响。一般而言，防疫与治疗相关措施的地域性较强，有时仅涉及一个乡镇、一个街道（如北京三里屯街道、抚顺朴屯街道），这就使得其仅有集中于该地域的高相关人群可能对其进行转发，数量有限；而疫情最新进展虽然也具有一定的地域性，但由于其出现、扩散甚至爆发的不可预测性，该地域之外的人也可能在心理上认为自己与之高度相关，故其高相关人群的范围与数量均远远大于防疫与治疗相关措施，使得转发量也远远大于后者。同理，医学健康知识是大众普遍可用的，其高相关人群的范围与数量就更大，对转发量的影响也就更大。至于社会防疫事件和物资捐献主题引起的辟谣信息转发，则主要是因为二者大多与当时的热点事件相关；尤其是后者，包括“红十字会低价售卖寿光蔬菜”“红十字会向上海医疗队收取服务费”“开介绍信才可去红十字会领取物资”以及“美国拦截中国捐助日本的检测试剂盒”“泰国出售中方援助的医疗物资”等，因此而具有较大的关注度与转发量。辟谣信息来源也对辟谣信息的转发量具有显著影响。其中来源为媒体的影响最为突出，来源为当事人、官方组织和警方的影响相对小一些但基本处于同一水平，而来源为专家与专业机构则不具有显著影响。先前研究认为辟谣信息来源主要通过权威性来影响辟谣效果[92]，但本研究以“@微博辟谣”所转发的谣言为样本，当事人、官方组织、警方等，其权威性差异并不大；媒体则通常会综合当事人、官方组织、警方等的说法，相当于一个较为全面的信息来源，因此具有最为突出的影响力也是不难理解的；而专家与专业机构近年来争议不断，故其无显著影响并不出奇。辟谣信息文本中包含谣言要素核查与双面论证同样可以显著提高辟谣信息采纳的可能性。谣言的核心在于不实信息误导公众，进而造成严重的负面影响[93]。以“@闪电新闻”发布的一条辟谣文本为例：“#闪电辟谣#【#泰安#一医院因出现新冠肺炎病例病房楼封闭？官方声明：谣言】近日，有传言称泰安宁阳县第一人民医院病房楼因新型冠状病毒病例而封闭，对此，院方发布辟谣信息”，该辟谣文本尽管对谣言进行了否定，但却没有回答该医院目前的状况、造谣者的动机、造谣过程等等问题。当辟谣者未详尽解释不实信息要素，而仅仅指出谣言为假、配上带有“辟谣”印章的图片时，无法真正消除谣言产生的混淆视听效果，正如该条辟谣信息文本下的评论所言：“辟谣最好的方法是说明你到底有没有封楼，如果封楼了，封楼原因是什么，而不是仅仅说这个是谣言。”而双面论证相对单面论证对转发量的正向影响则再次验证了经典说服理论的结论[94]，尽管之前有研究发现当辟谣者可信度较低时双面论证能够显著提高辟谣信息的可信度[95]，但本研究的发现仍然在突发公共卫生事件背景下将其推广至辟谣者可信度较高的情形。若将谣言要素核查与双面论证二者统而观之，可以将其概括为信息含量更大的辟谣信息更容易被采纳，而这不仅与谣言信息越完整其传播效果越好的发现[96]同理，也符合一般条件下社交媒体文本信息含量与转发量之间的关系[97]。辟谣信息文本的辟谣方式、信息强度与信息效价均无法显著影响辟谣信息的采纳。其中，辟谣方式一直被认为是影响辟谣信息采纳的重要因素[98]，但在本研究中却未得到验证。这可能是由于尽管首句直接驳斥式辟谣对谣言的否定力度更强，但与其他辟谣方式相比在对核心内容的否定程度上可能并不存在明显区别。鉴于突发公共卫生事件所导致的社会紧张情绪，公众对于辟谣信息文本进行全面阅览的可能性更大，因此首句辟谣方式的影响就不那么突出了。信息强度的作用不显著则与既有研究关于包含指导性信息的健康传播文本更容易被转发[99]的发现不同，这里的原因很可能在于，新冠疫情背景下的辟谣信息中仅有52.9%属于包含对公众指导信息的高强度信息文本，且还主要是类似“希望广大市民做到不造谣、不信谣、不传谣，共同打赢疫情防控攻坚战”这样的笼统指导信息，而包含有类似“使用84消毒液时应佩戴手套，避免直接接触”这样具体指导信息的辟谣信息文本则少之又少。诚然，这一现象的存在与大量谣言仅涉及疫情最新进展有关，但更与前文提到的对信息含量的重视程度不足“一脉相承”。而关于辟谣信息效价的作用，本研究也未发现其对辟谣信息文本的转发有所影响——事实上，有关社交媒体上正面信息与负面信息何者更容易促进转发的问题目前在学界也仍然未有定论[100-102]，故得到这一结果也属正常。总体而言，属于中心路径的解读性信息特征对于辟谣信息的采纳具有重要影响，H1成立。当辟谣信息所涉主题与热点事件、与公众高度相关，或是信息含量高时，更有可能被公众采纳。其中，传播者可控的信息含量显然是构建高效辟谣信息文本的关键。在属于感知性信息特征的10个自变量中，仅有属账号特征的账号粉丝数、辟谣信息文本长度、属辟谣信息文本模态的核心模态、属特殊符号使用的特殊句型标点使用会对辟谣信息的采纳产生显著影响，H2-2成立，H2-1、H2-3、H2-4部分成立。感知性信息特征的有效率为40%。辟谣信息文本发布账号特征与其采纳之间呈现出部分显著的影响关系。一方面，账号身份对辟谣信息文本的转发量没有显著影响；而另一方面，当账号超千粉时，粉丝数与该条辟谣信息被采纳的程度大体呈U型曲线关系，千粉级账号与十万粉级账号对转发量的影响较为接近。而当粉丝数上百万以后，辟谣信息文本被转发的概率有突出提升，是不足千粉级账号的13.734倍。可见，使用百万级及以上级别账号发布辟谣信息文本会取得明显更为理想的采纳效果。辟谣信息文本长度对其采纳也存在显著影响。尽管有研究发现，信息文本长度与其信息含量呈正相关[103]，但在微博上当博文超过140字时，文本会被折叠，需要使用者手动展开，这实际上增加了公众获取信息的成本。因此，分析结果显示被折叠的辟谣文本较之无折叠的文本转发概率降低了66.8%，是可以理解的。辟谣信息的文本模态也即呈现形式同样在一定程度上会影响其采纳。分析结果显示，对转发量产生影响的是文本的核心模态，而核心内容采用文字形式的效果最佳，采用视频形式也有效果但非常有限，图片则完全无效。这就说明，公众更青睐于简洁的呈现形式。这与先前有关吸烟公益广告的研究中发现图片的传播效果更佳的结果[104]并不相符，其原因可能是宣传“吸烟有害健康”是对已知信息的强化，而辟谣信息则主要起到告知作用。特殊符号使用中，仅特殊句型标点“！”与“？”的使用能够对辟谣信息文本转发量产生显著影响，而且前者大于后者，这与刘丽群与谢精忠关于强烈情感风格与疑问风格均会促进转发且强烈情感风格的影响大于疑问风格的研究发现[105]相一致。而“@”“#”和URL超链接等以往研究[106][107]均认为与推特转发有关的符号则在本研究中完全未发现对转发量的影响。考察本研究挖掘的辟谣信息文本可以发现，“@”一般用于提醒其他类似账号进行转发；“#”所标识的话题也常与谣言本身不存在具体联系（如“#微博辟谣#”“#抗击疫情公安在行动#”等）而仅仅作为泛化标注；超链接所指向的文本仅能看到其标题（如“@河池网警巡查执法”发布的“#净网2020##微博辟谣#《网民传播“河池市市长紧急指令：封村断路、只出不进”谣言被教育训诫》 @微博辟谣?”），以致可直接获取的信息极少，总而言之都在实际使用过程中提高了公众获取信息的成本，这也许就是其无法影响辟谣信息采纳的主要原因。特别值得一提的是，本研究为验证具有微博特色的“谣言”或“辟谣”印章图样的作用而设置的视觉刺激变量，也未能发现其对辟谣信息转发量的显著影响，这也从另一个侧面印证了前述辟谣文本核心模态采用图片无法提升转发量的发现。总体而言，属于外围路径的感知性信息特征仅有部分对公众采纳辟谣信息存在影响，H2部分成立。当使用百万粉丝级账号发布，辟谣信息文本长度不存在折叠、核心模态为文字且使用加强语气的表达时，更有可能被公众采纳。六、结论
本研究以信息采纳模型为研究框架，针对相关研究中中心路径与外围路径信息特征混淆且后者千篇一律仅操作化为信息来源可信度的问题，提出了“一眼即知”原则并划分了归于中心路径的解读性信息特征和归于外围路径的感知性信息特征，对模型进行了修正。以修正后的模型对新冠疫情初期的辟谣信息采纳展开研究，基于对微博数据的负二项回归分析发现，属于中心路径的解读性信息特征对辟谣信息采纳起到主要影响，而属于外围路径的感知性信息特征也有一定影响。具体而言，信息含量大，文本长度未折叠、核心信息使用强语气文字表达且使用百万粉丝级账号发布的辟谣信息更容易被采纳。这一系列特征不妨概括为辟谣信息的“提供细节、行文抑扬、形式简明、流量发布”原则。 此时再回过头来看目前新冠疫情微博辟谣信息的典型特点，一定程度上可以说是方向错误。实证研究结果表明，一味地突出形式特征极有可能并无法有效提升辟谣信息的传播效果，更为重要的还是事实细节与谣言的不实细节，这是在未来亟待修正的。当然，本研究也存在一些不足，例如为保证对辟谣信息文本的集中关注仅仅将经官方确证的辟谣信息纳入考察，未考虑不同主体发布的辟谣信息的交互作用，以转发量衡量信息采纳可能不够精准，等等。而这些问题，都有待后续研究的修正与进一步探索。作者： 张放，四川大学新闻学院教授，四川成都610207；范琳琅，四川大学新闻学院硕士研究生，四川成都610207
原文刊载于《新闻界》杂志2022年第10期，参考文献详见原文