如何应对信息泛滥:信息泛滥管理的四大支柱

世界卫生组织宣布了一个信息学术和众包框架

在这一期的医学互联网研究杂志，与世界卫生组织(世卫组织)有关的一组知名作者发表了一篇题为“管理COVID-19信息大流行的框架:世卫组织在线众包技术咨询的方法和结果”的论文。[1]。在这篇论文中，作者收集并组织了全球的想法，以应对世界卫生组织于2020年2月15日宣布的当前冠状病毒病(COVID-19)信息大流行。令人印象深刻的是，这次协商会议完全是在网上进行的，正如作者所指出的，这是世界卫生组织有史以来召开的最大会议之一。

以我作为编辑的身份医学互联网研究杂志我有幸作为受邀的小组成员参加了这次会议，讨论学术出版商对抗信息学术的责任和可能的方法。我的报告摘要和一份面向科学家、编辑和科学传播者的项目建议将成为即将出版的一篇单独社论的主题。

我也作为这个领域的早期研究者之一参加了会议。事实上，是我创造了这些术语infodemiology［2，3.]，infodemic,infoveillance［4在过去的20年里我很自豪地看到，这方面的研究现已被公共卫生组织和世卫组织正式承认为流行病期间一个新兴的科学领域和关键的实践领域[1]。还应该指出的是，这本杂志是鼓励和传播这一研究领域的先驱，并为研究人员提供了一个中心论坛，让他们在一本高影响力的杂志上讨论和发表他们的信息流行病学工作[5-7]。

信息流行病学简史

尽管这个术语infodemiology2002年创造[2]，对信息流行病或错误信息爆发的担忧几乎与万维网本身一样古老。一篇被广泛引用的论文发表在1997年的BMJ让人们注意到一个现在看起来微不足道的发现，即在互联网上找到的医疗信息并不总是可靠的[8]。这篇论文引发了大量描述和分析不同主题的医学信息质量的出版物，我和我的同事们在《科学》杂志上发表了一篇综合的系统综述《美国医学会杂志》在2002年[9]。当时，我还领导了欧盟资助的主要项目(MedCERTAIN和MedCIRCLE)，试图用机器可读的元数据标记互联网上的健康信息[10，11，这是一个雄心勃勃的项目，其目标是创建一种类似于错误信息的数字“免疫系统”。12]，将分布式描述性和可评估性元数据作为机器可处理的“抗体”。元数据(评估性或描述性，由第三方或提供商自己提供)在概念上可能与Facebook和Twitter的当代努力相当，这些努力旨在核实信息的真实性，并标记有问题的社交媒体帖子[13]，尽管这些标签不一定是机器可处理的，也不能被第三方应用程序收集，这是MedCERTAIN/MedCIRCLE项目的基本思想[10，11]。我们的目标是为这种机器可处理的注释创建一个全局基础设施，使人类和机器能够更全面地了解其他人和机构对某个信息提供者或信息的看法。网络上的大量信息，网络的动态特性，以及这种方法的可扩展性问题都是明显的限制，但是，为了未来的信息准备，也许是时候重新审视20多年前提出的一些“语义网”思想，并将它们与当今强大的人工智能工具结合起来，因为，鉴于自然语言处理的进步，许多元数据标签现在可以自动生成。我以前的项目伙伴Dan Brickley现在在谷歌工作，正在运行schema.org［14]，它组织社区词汇表以支持此类应用程序。

我在2002年的一篇简短的客座社论中创造了“信息流行病学”这个词美国医学杂志［2]，将"信息流行病学"定义为一种"新兴的研究学科和方法"，包括"对卫生信息和错误信息的决定因素和分布的研究，这可能有助于指导卫生专业人员和患者在互联网上获得高质量的卫生信息"。意识到“健康信息的质量”和“错误信息”往往很难定义(因为质量是在旁观者的眼中，医学上的“事实”需要不止一个病人或研究)，我将信息流行病学定义为一种方法，以“确定在最佳证据(一些专家知道的)和实践(大多数人做的或相信的)之间存在知识转化差距的领域”[2]。早期的研究主要集中在信息上供应(在互联网上发布的内容)，我在2006年补充了信息分析需求(搜索查询)的概念，意识到收集人们在互联网上搜索的内容可以为公共卫生领域提供信息，如监测。我通过展示互联网搜索预测流感爆发的能力来说明这一点[3.，4];这个想法启发了谷歌流感趋势[15]。随着Twitter的出现，更多的“社会倾听”信息监测研究成为可能，H1N1(猪流感)成为第一个可以证明这种方法的大流行;我和我的研究生Cynthia Chew分析了流行病推文的内容，并在其他有趣的发现中确定，错误信息的流行率为4.5% [16]。

在2020年4月14日发布的一条推文中，联合国秘书长António古特雷斯宣布了一项联合国传播应对倡议，以事实和证据应对疫情[17];然而，我们在20年的信息流行病学研究中了解到，卫生信息的质量是一个难以捉摸的概念，就像在医学中一样，真相并不总是容易确定，特别是在迅速变化的情况下。

虽然某些技术质量标准，可读性分数，以及对道德质量标准的遵从性(例如公开谁拥有网站和利益冲突的存在，所有对确定来源可信度很重要的方面)相对容易测量，但是准确性,事实,真理通常需要以证据为基础的指导方针或系统评价作为黄金标准，以确定什么有效，什么无效。在COVID-19大流行等快速变化的形势下，一些问题是新的科学信息发表的速度很快，而研究人员、政策制定者、记者和普通公民无法跟上快速变化的事实。换句话说，当前的大流行在一定程度上是对每天发布的大量信息进行(实时)过滤的挑战。“撤稿观察”网站的创始人伊万·奥兰斯基强调，科学是一种对话。18]。即使是临床研究的发表也不是最后的定论，研究可能会被反驳或被证明是错误的。在大流行的早期阶段，“事实”或许更准确地被称为“赌注”(当时的最佳证据)。事实很少，基于赌注的建议可能会发生变化。COVID-19大流行以戴口罩建议、使用羟氯喹等某些药物以及保持社交距离或学校开学指南等例子说明了这一点。公共卫生和医学证据也需要与经济和政治考虑相结合，并可能受到文化差异和影响。因此，在不清楚确切的事实是什么的情况下，通过传播“事实”来对抗信息泛滥的建议说起来容易做起来难。

信息“蛋糕”模型

下面的模型不是世卫组织在本杂志上发表的论文中提出的框架。这是一个“专家意见”(在某种程度上，某人——可能是第一个——在他的LinkedIn简介中有“信息流行病学家”可以被认为是“专家”)。它通过提供关于如何抗击信息流行病的第一个广泛路线图，补充了世卫组织框架。

当前的信息大流行是一场榨取大量信息的危机，这种危机发生在四个层面:(1)科学，(2)政策和实践，(3)新闻媒体，(4)社交媒体。

婚礼蛋糕模型(图1)将这四个层次描述为层。层的大小与这四组参与者产生的信息量成正比。该模型还显示了发生在这些不同层次之间的一些信息流和知识转换活动。就信息量而言，科学是婚礼蛋糕中最小的一层，它被描绘在信息婚礼蛋糕的顶部，代表着严格和有选择性的信息生产周期。显然，这里也可以找到错误信息，或许可以通过撤回的数量来衡量，截至2020年6月，撤回的文章不到24篇[19，但这个数字肯定会增加。Pubmed收录了超过26,000篇COVID-19文章，这只占已发表研究的不到0.1%，尽管在未经审查的预印本中可能有更高的比例，其中一些可能永远不会在期刊上发表，这可能是科学错误信息普遍程度的另一个衡量标准(请有人对此进行研究并将其提交给医学互联网研究杂志!)主要问题不在于科学层中错误信息的盛行，而在于将这些信息转化为可操作的建议，并向其他层的不同受众和利益相关者传达结论的挑战，如图中的知识翻译箭头所示图1。

社交媒体被描述为婚礼蛋糕上最大也是最后的一块，代表着公众产生或放大的大量几乎未经过滤和不受控制的信息。当然，社交媒体上的信息也是由科学组织、政策制定者、卫生保健组织和记者产生的。

‎ 查看此图

第一支柱:促进知识的准确翻译

在这两个层次之间，需要进行知识翻译过程，将信息从一个受众翻译到另一个受众，这些知识翻译过程可能是信息成为错误信息的主要机制，因为对“事实”的解释受到政治、商业利益、选择性报道和误解等多种潜在影响因素的影响。这些知识转换过程发生在蛋糕的所有四层之间，例如，在公共卫生政策建议和新闻媒体之间(为了使图简单，并不是所有不同层之间可能的知识转换箭头都显示在图1）.信息学术管理的第一支柱是支持、促进和加强准确的知识翻译。在世界卫生组织的论文中，作者暗示，当他们写道“知识应该被转化为可操作的行为改变信息，以所有个人都能理解和获得的方式呈现”[1]，但这当然只是KT问题的一个例子，同时还有其他的KT挑战，例如在科学和决策者之间。认识到知识翻译受到政治、商业或其他扭曲科学信息的影响，应尽量减少影响因素，或者，如果存在，至少清楚地披露和指出影响因素。

第二支柱:知识提炼、过滤和事实核查

FACTS模型[20.]，描述为插入图1，是事实检查工作流的一个例子，它提醒我们，在每一层中，都有知识细化过程，例如事实检查和质量保证机制，它们有时对最终用户可见，有时对最终用户不可见。例如，在科学层面上，同行评议和发表学术作品的过程是一种不断过滤、提炼和完善前人学者所产生的信息的方法。这也意味着在每一层中，存在一个连续体，从原始的、试探性的和可能有问题的信息到高度精炼的和可信的信息。信息管理的第二个支柱是鼓励、促进和加强每一级的知识提炼和过滤过程，以加速内部质量改进过程。在每一层中，可以找到这个“精炼”过程中不同阶段的信息(例如，在科学层中，未经审查的预印本，紧邻同行评审的学术交流);因此，在不同的知识生产阶段清楚地标记信息的来源与促进和加速它们同样重要。

第三个支柱:建立电子健康素养

蛋糕服务器具说明，在互联网和开放的时代，最终用户能够(但并不总是配备)从任何层次，在任何细化阶段消费信息，使电子健康素养成为网络世界中的基本技能。电子健康素养被定义为“从电子资源中寻找、发现、理解和评估健康信息的能力，并应用所获得的知识来处理或解决健康问题。”［21，22]。在信息时代(现在可能正在转变为信息流行时代!)，用户承担着选择和向下过滤值得信赖的健康信息的重要责任。例如，没有什么能阻止用户利用medRxiv等预印本服务器上发表的大量未经审查的预印本，但是解释和将在这里找到的信息置于背景中需要大量的电子卫生素养(包括科学素养)技能。因此,信息管理的第三个支柱是提高所有利益攸关方的能力，以建立电子卫生素养，选择和评估在信息蛋糕的不同层次上发现的卫生和科学信息。这方面在世卫组织论文的分类中明显不发达，但可以被视为世卫组织“确定证据”类别的一部分。

第四个支柱:监测、信息流行病学、信息监视和社会倾听

信息学术管理的第四个支柱是持续监测和分析互联网上的数据和信息交换模式，我称之为信息流行病学和信息监控［4]。我的想法是，类似于对流行病的监测，我们希望能够发现错误信息、谣言和谎言的爆发，并用事实或其他干预措施来应对它们。信息监测需要对互联网上的信息供应生成指标，包括其质量(例如反疫苗推文的发生率)，以及信息需求指标，例如在社交媒体或其他web 2.0平台上提出的搜索查询或问题。在图1，信息监控被描述为一个镜头，放大了不同社区内和不同子主题的信息交换模式。

结论

执行不力和不协调的信息管理可能导致意想不到的后果，例如为了政治和商业利益而排挤和压制科学。

例如，Twitter的广告政策考虑不周，就证明了这种意想不到的后果[23]，它只允许政府和选定的新闻媒体，而不允许科学组织或科学出版商放大信息。在Twitter的这种“不当内容”政策下，只允许以下几种推文被放大和推广[23]：

• 政府和超国家实体(例如世界卫生组织)以及公共政策团队批准的可信赖合作伙伴发布的与COVID-19相关的公共服务公告
• 根据政治广告政策获得豁免的媒体发布的新冠肺炎相关新闻。

值得注意的是，twitter的豁免名单中没有科学组织和科学出版商。这是否表明科学被政治排挤，或者只是一个疏忽?卡塔尔世界杯8强波胆分析当Twitter阻止我们传播COVID-19同行评议研究、推广我们的虚拟COVID-19预印本期刊俱乐部等时，JMIR Publications(作为科学出版商)直接遇到了这个问题。因此，如果联合国宣布信息流行病，并宣传科学和“事实”作为解药，那么私人社交媒体平台将科学视为“不适当内容”的压制应该是一个令人震惊的信号，表明不同利益攸关方在如何管理和协调当前的信息流行病方面还有很大的改进空间。

当前的2019冠状病毒病大流行是公共卫生的“9·11”事件，但也是为未来的信息流行管理开发和正式确定工具和方法的机会。这也是一个重新设计某些知识精炼过程的机会，比如学术出版和同行评审(请继续关注我们对JMIRx.org所做的工作)。正如9/11事件后政府机构之间信息流动的改善有助于防止美国再次发生重大恐怖主义行为一样，改进和预防性的信息流行病预防和管理可以减轻下一次信息流行病，一旦有了疫苗，我们将面临下一次信息流行病。言论自由和信息技术改进的代价是对信息流行病的敏感性增加。我们正在进入信息流行病的时代。