我们在2020年1月大流行开始时就开始收集和整理COVID-19推特数据集，以持续实时跟踪有关冠状病毒大流行的公众话语。我们已将数据集公开供更广泛的研究界使用[ 12]。本研究使用公开数据，数据收集和分析由南加州大学机构审查委员会批准(协议UP-17-00610和UP-21-00005)。

截至撰写本文(2021年7月中旬)，我们的完整数据集包含从2020年1月21日到2021年7月9日(v2.55版本)的1,497,893,426条推文。我们在此提供数据集的简要概述，但有关数据集的完整描述可在其他地方找到[ 12]。本文使用了v2.45版本，其中包含从2020年1月21日到2021年4月30日的1,443,871,621条推文。我们所有的推文都是使用Twitter的流媒体应用程序编程接口(API)实时收集的，这使我们能够访问1%的推文流[ 13]。我们利用人工策划的关键字列表来过滤包含与COVID-19大流行及周边问题相关内容的推文。我们列出了我们跟踪的关键字样本 表1。最新关键字的完整列表可以在我们的GitHub存储库[ 14]。虽然我们尽最大努力在我们的收集中捕获尽可能多的话语，但我们的数据集的一个限制是我们的关键字都是英文的，并且是手动选择用于跟踪的。这可能影响了收集到的推文和我们随后的观察。在v2.45版本中发现的tweet的语言细分可以在 表2。

为了识别阴谋论和可疑的推文，我们使用了MBFC编制的以下2个列表: conspiracy-pseudoscience来源和 可疑的来源。MBFC是“一个对媒体来源的偏见、事实准确性和可信度进行评级的独立网站”[ 17]。MBFC将域分类为 conspiracy-pseudoscience如果域是" 五月发布无法证实的信息 不总是有证据支持。这些来源可能无法提供可信或可核实的信息" [ 17]。为简洁起见，我们也将这些阴谋论-伪科学领域简称为 阴谋或 阴谋的域。MBFC指出，可疑消息来源是“表现出以下一种或多种情况的领域:极端偏见，一贯宣传/阴谋，缺乏或没有可靠信息的来源，完全缺乏透明度和/或是假新闻。”假新闻是指故意发布恶作剧和/或虚假信息，以获取利润或影响。”[ 17]。

我们还通过从完整数据集中出现的一组媒体来源中随机抽取样本，获得了一组随机选择的来源。我们称这组资料为" 随机来源。”的集合 随机具有相同数量的元素(url) 阴谋的和 有问题的来源。的 随机来源作为比较的基线 阴谋的和 有问题的来源。

MBFC还根据媒体的政治派别对媒体领域进行了分类，分为以下5个政治派别类别:左偏、左中偏、最小偏、右中偏和右偏。我们使用他们的域名列表来识别带有特定政治派别的推文。左倾和右倾的偏见来源是“中度到强烈的偏见”，可能是不值得信任的，并且可能“发布误导性的报道，并省略可能损害其原因的信息报道”[ 17]。中间偏左和中间偏右的来源有“轻微到中度”的偏倚，“一般来说是可信的，但可能需要进一步调查”[ 17]。MBFC继续将标记为最少偏见的来源描述为“最小偏见”，“事实和通常来源”和“最可信的媒体来源”[ 17]。

对于我们错误信息子集中的每个用户，我们将他们共享域的次数制成表格，并确定这些域的政治偏见。这给了我们每个用户的政治倾向的一个代理。政治倾向是由大多数用户共享域的政治倾向决定的。在两种政治偏见相匹配的情况下，我们随机分配给用户一种政治偏见。任何在我们的数据集中共享一个或多个可疑或阴谋-伪科学领域(由MBFC识别)的用户都被认为参与了错误信息。这并不意味着我们错误信息子集中的用户完全或大部分共享错误信息内容。我们将分析限制在共享超过5个url的用户。

利用Twitter的转发动态，我们构建了一个网络，对我们错误信息子集中的用户进行社交网络分析。节点代表用户，链接(或纽带)代表用户之间的转发。如果用户A(转发)转发用户B(转发)，那么他们的联系强度随着转发频率的增加而增加。为了可视化这个网络，我们采用了一种基于力的算法，Force Atlas [ 18]，它绘制出共享紧密连接的节点。为了清楚起见，没有明确显示这些关系。在我们的错误信息子集中，总共有4,164,572个用户和22,894,165个用户之间的独特联系。我们标记了最突出的用户，根据他们的最高out度排序。

这个转发网络是由用户的推文构建的，这些用户转发了至少一条包含MBFC归类为可疑或阴谋伪科学领域的推文。这意味着转发用户和转发用户之间的每个链接并不一定意味着转发包含错误信息域或转发用户参与错误信息域。因此，整个转发网络(包含在我们的数据集中)包括至少与错误信息域交互过一次的用户。

我们分析了来自以下3组来源的内容，每组包含250个URL域: 阴谋的来源, 有问题的来源, 随机来源。 阴谋和 有问题的源是由MBFC分类的域，而 随机从随机选择的一组url中选择源作为比较的基线。

为了计算来自不可靠来源的新闻数量的时间趋势，我们使用标准普通最小二乘模型进行了两次多元线性回归分析。第一个模型估计了数量之间的关联 阴谋的url和时间，根据平台上观察到的url的平均数量进行调整。模型可以表示为: V_C~ tβ₁+ V_Rβ₂ ,在那里 V_C 的数量是多少? 阴谋的url共享, t时间是以天为单位的吗 V_R 的数量是多少? 随机在Twitter上共享的url。第二个模型估计了关联数 有问题的url和时间，根据平台上的平均url数进行调整。同理，可以表示为: V_问~ tβ₁+ V_Rβ₂，在哪里 V_问 的数量是多少? 有问题的url共享。

为了更好地理解不可靠消息来源的相对影响，我们研究了它们各自的受众和围绕分享这些不可靠消息来源而形成的社区。量化社区结构和特定类型信息的消费者之间的关系是很重要的，因为这些社区的强度可以表明社区中某个想法的发展潜力，并随着时间的推移成为主导。根据组织理论，表现出密集配置关系的人际网络更有可能实现其目标并保持网络结构(致力于保持在一起)。在社交网络的连通性和小世界属性方面，强联系网络也明显更加稳健[ 19， 20.]。

为了量化传播关于COVID-19的不可靠信息的信息源之间的联系的相对强度，我们构建了前面定义的以下一组域的3个网络: 阴谋， 有问题的,和 随机来源。网络中的节点代表域，如果用户共享两个域的内容，则在两个域之间绘制链接。链接的权重设置为共享两个域的用户数量。为了量化这些网络中的连接密度，我们计算了平均聚类系数[ 21]和每个受众网络的平均链接权重。

我们使用的集群策略基于 dipm-SC［ 15]，以识别表现出相似的时间行为的主题，并将它们分组到不同的簇中。检测到的集群显示在 图2。我们发现所有的聚类都有不同的峰，这表明不同聚类之间的重叠最小，因此聚类结果稳健可靠。现在我们简要描述在我们确定的11个集群中检测到的关键主题。

然后，我们转向调查在COVID-19背景下传播的错误信息和可疑叙述。我们使用了我们的错误信息数据子集，其中包含带有url的tweet，其域名被认为来自阴谋-伪科学或根据MBFC的可疑来源，并利用了这两者 dipm-SC［ 15]及LDA [ 16]按一般主题对推文进行聚类。从两种聚类方法中发现的主题中，我们确定了以下3种主要的错误信息叙述，它们概括了在Twitter上传播可疑媒体内容的推文:(1)羟氯喹和替代药物，(2)美国官员和政府机构，以及(3)COVID-19预防干预措施。

对于每个感兴趣的叙述，我们基于几个定义关键词过滤了错误信息数据集( 表3)。我们确定了关键字 表3首先在每个叙事的集群中分离出最常用的关键词和二元图式，然后手动选择最能反映3种叙事的中性关键词。这使我们能够分离出专门提到与每个错误信息叙述相关的关键字的推文子集。然后，我们绘制了每种叙述随时间变化的推文数量( 图3)来了解每个故事的时间趋势。我们发现，尽管推特在努力减少错误信息的传播，但错误信息的流动仍在持续。然而，当我们通过叙述将推文隔离开来时，我们发现随着时间的推移，每种叙述都会经历不同程度的参与。这些峰值大多是由病毒式传播的帖子和/或有时与实时事件相关的文章的活跃转发所驱动的。对于每个叙述，我们还找到了使用最多的标签，并将其分组到相关类别中。我们在这些高峰期对推文进行了人工检查，并描述了一些推动每个叙述中数量激增的突出主题，如下所示 图3。

在识别和描述了充斥在网络话语中的错误信息叙事之后，我们希望了解更容易受到错误信息影响的受众，以及正在被消费的错误信息的趋势。在下面的文章中，我们使用网络科学作为透镜来理解Twitter上错误信息回声室的结构和特征，并建议将其作为解释特定社区中错误信息传播的可能机制。

在本文中，我们通过分析一年多来14亿条与COVID-19相关的推文，全面概述了推特上的COVID-19公共话语。我们在这项工作中做出了几项重要贡献。

首先，利用二元图的时间聚类，我们报告了11个主要的讨论主题。除了在我们的研究期间持续引起兴趣的1个主题与一般冠状病毒相关的短语外，其余10个主题都是突发的，并与时事的进展密切相关。我们观察到两种类型的话题。第一种类型包括因集会而产生的政治话题，如乔治·弗洛伊德(George Floyd)去世后发生的抗议活动、特朗普的集会和印度的全国考试。第二类包括在网上引起重大关注的新闻事件，如特朗普检测呈阳性、疫苗更新和救助法案。这表明，观察Twitter的使用情况是一种有效的方法，可以监控公众情绪和现实世界中发生的重要事件。

然后，我们通过分析从推文中检测到的潜在主题来识别错误的信息叙述，这些推文共享的域已被确定为不可靠的媒体来源。我们发现出现了以下3个突出的错误信息叙述:羟氯喹和替代药物，美国官员和政府机构，以及COVID-19预防措施。这些故事中的每一个都经历了被提及和参与的激增，其中大多数发生在同时发生的现实世界事件的串联和响应中。

我们还通过分析转发了至少一条包含被MBFC分类为不可靠域的推文的用户的转发社交网络结构来表征错误信息的采用。我们发现，用户倾向于参与的错误信息主题与该用户的政党之间存在一致。很大一部分左倾用户专门从事COVID-19预防错误信息。右倾用户群讨论了在替代药物(如羟氯喹)以及美国官员和政府当局的背景下预防COVID-19的问题。有趣的是，我们发现右倾用户群出现了裂痕。一些用户主要只讨论了两种已确定的叙述(COVID-19预防和美国官员)，而其他人则围绕这三种叙述进行了推文。

最后，也是最值得关注的一点是，我们发现，与随机来源的基线相比，与不可靠来源的接触正在以更快的速度增长。我们的研究结果表明，在社交媒体平台上的公共卫生信息领域，为了打击错误信息，仍有大量工作需要做。尽管社交媒体平台正在努力阻止错误信息的传播，并提高对错误信息存在的认识，但错误信息的危险，特别是围绕公共卫生的危险，日益明显。在我们的网络中，围绕不可靠的信息源(所谓的错误信息泡沫)形成了密集且高度联系的社区。 73])，这可能会进一步在网上传播健康方面的错误信息。

我们的研究强调了社交媒体平台如何帮助我们揭示错误信息的问题和后果，特别是在不可预见的全球健康危机期间。Twitter等社交媒体平台目前采用各种策略来打击错误信息，包括使用自动错误信息标签来提高人们的意识，并与第三方事实核查机构建立合作关系。我们的研究表明，尽管人们正在努力减少错误信息，但错误信息仍然是推特上的主要内容，并且在我们在在线社交平台上发现的叙述中仍然越来越普遍。我们还可以继续了解围绕共享不可靠资源而形成的各种社区。特别是，我们发现在COVID-19错误信息传播环境中存在错误信息回音室，并且主要回音室与用户的政治立场一致(由他们所接触的来源的政治倾向决定)。这对我们如何使用不可靠的域名使用具有重要意义，不仅可以识别更多易受错误信息影响的社区，还可以汇集资源并制定策略来打击这些社区中的错误信息流。

虽然我们的研究利用了大量的推特数据集，但在解释我们的研究结果时，仍然需要考虑一些限制。首先，当通过Twitter的免费API收集数据时，我们只能实时收集所有tweet的1%。即使有这样的限制，我们每天也能收集到几百万条推文。我们也只在Twitter上进行了我们的研究，发现在美国使用Twitter的是更自由和左倾的受众[ 74]。

由于错误信息的不断演变，很难准确判断和标记推特上的个别故事是否是错误信息。因此，我们使用MBFC的不可靠域列表和用户决定共享的域作为错误信息和与已知不可靠源接触的代理。然而，这并不一定意味着从这些域共享的每个URL都有错误信息。

我们没有把重点放在描绘上 社会机器人从我们分析的人类用户中[ 75]。这个词 社会机器人一般指通过软件实现自动化的账户，检测和表征机器人行为本身就是一个活跃的研究领域[ 76]。机器人在虚假信息的讨论中非常突出，并且被发现在社交网络上的虚假信息延续中发挥了作用[ 75， 77- 79]。然而，本研究侧重于Twitter上分享的叙述的内容和真实性，我们希望在未来的工作扩展中探索信息传播背景下的自动操作。

在本文中，我们分析了在一年多的时间里，在COVID-19大流行期间发布的超过10亿条推文和关于大流行的推文。我们描述了在更广泛的COVID-19推特话语中发生的主要讨论话题，并确定了弥漫在推特圈中的主要错误信息叙述。我们证明了围绕特定主题和叙述形成的明显的错误信息回音室，这些回音室也是政治回音室。这表明，这些回音室不仅受到错误信息叙述的驱动，还受到政治结盟的驱动。最后，我们让人们意识到推特上越来越多的不可靠内容的存在和消费，尽管目前正在努力减少错误信息的传播。

2019冠状病毒病大流行和随后世界各地的封锁迫使我们在网上进行许多形式的交流，创造了一个错误信息更容易针对更广泛受众的环境。我们希望我们的工作将为哪些社区更容易受到错误信息的影响提供有价值的见解，并为错误信息流行病领域的其他研究人员奠定基础。