新模型整合心理学追踪健康错误信息传播

研究人员开发了一个新框架ELM-SIRMMM，它结合了流行病学模型和心理学理论，以更好地理解社交媒体上健康错误信息的传播。该模型通过引入错误信息类别并整合来自精细化可能性模型（Elaboration Likelihood Model）的信号（如情感和认知努力）来动态调整传播率，从而扩展了传统的SIR模型。在对COVID-19和情感错误信息的数据集进行测试时，ELM-SIRMMM框架显示出更高的预测准确性和真实性，包括延迟错误信息高峰和增加流行度。然而，在行为变异性较低的情况下，其有效性有所下降。 AI

影响 提供了对错误信息动态更细致的理解，可能有助于开发更有效的对策。

排序理由 该条目是一篇详细介绍新计算模型的学术论文。[lever_c_demoted from research: ic=1 ai=0.7]

在 arXiv cs.AI 阅读 →

• COVID-19
• Elaboration Likelihood Model
• ELM-SIRMMM
• FibVID
• health misinformation
• MC-Fake
• social media

• 论文
• 其他

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →