融合可解释机器学习和fsQCA方法的社交平台辟谣效果影响因素研究
作者机构：上海工程技术大学管理学院
出 版 物：《情报杂志》 (Journal of Intelligence)
年 卷 期：2024年
核心收录：
学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）]
基 金：国家社会科学基金一般项目“大数据支持下网络谣言智慧治理机制及运行策略研究”(编号:21BGL243) 上海市哲学社会科学规划一般项目“大数据时代伪健康信息传播特征及多主体协同干预研究”(编号:2020BGL005) 上海市哲学社会科学规划青年项目“突发事件中社交网络信息传播特征及干预策略研究”(编号:2021EGL004)的研究成果之一
主 题：社交平台 网络谣言 辟谣微博 归因分析 情感倾向 热门话题 可解释机器学习 fsQCA
摘 要：[研究目的]为提高社交平台辟谣效果,探究平台辟谣效果的核心影响因素及组态路径,以期为平台提供更为有效的辟谣策略。[研究方法]以“新浪微博平台为研究对象,基于启发-系统模型构建影响社交平台辟谣效果的12个前因条件变量;采用5种机器学习模型进行对比实验,结合SHAP可解释框架分析并提取核心变量;运用fsQCA对核心变量进行归因,得出提高辟谣效果的多重组态路径。[研究结论]结果发现,来源影响力、辟谣微博的情感倾向以及是否是热门话题是社交平台有效辟谣的核心条件变量,并存在5条高效的辟谣路径及其归因模式,为社交平台辟谣领域提供了理论支持和实践基础。
同方期刊数据库