网络首发 | 楚门的世界：短视频虚假信息多模态特征及其传播效果

抖音、快手、微视等短视频平台由于使用门槛低、趣味性强、碎片化等特征，已成为公众信息获取的核心渠道。中国互联网络信息中心统计报告显示：截至 2023年12月，我国短视频用户规模达10.53亿，用户使用率高达96.4%，仍保持高位的增长态势。短视频制作的主观性强、易加工、泛娱乐化等特征会对短视频平台的信息质量造成挑战。部分用户通过操纵短视频内容以骗取流量，传播大量虚假信息，产生潜在的信息风险，从而危害网络信息生态。中国青年报近年调查显示87.7%的用户遇到过短视频虚假信息，涉及生活健康、社会安全、科技成果等主题。为此，国家出台了政策法规规范短视频内容传播，如《关于开展“清朗·整治网络直播、短视频领域乱象”专项行动的通知》等，以推动国内短视频行业健康有序发展。同时，短视频平台也开展了系列虚假信息治理专项活动，如抖音举办“治理不实信息开放日”，探讨治理措施和应对经验。为此，识别短视频虚假信息的特征，进一步推动网络生态治理，是当前亟需解决的现实问题。

短视频虚假信息以“文本+音频+图像”的模态进行传播，不仅呈现文本、音频与图像各模态的自有特征，还涵盖各模态间的关联特征，如图文互补、音画互补等。当前业界依据实践经验揭示了短视频虚假信息传播的部分内容特征，如杜撰事实（虚构语义、音频或图像信息）、张冠李戴（语义、音频或图像信息间随意搭配）、假冒权威（假借专业人士混淆视听）等，但学界尚未系统剖析短视频虚假信息的多模态特征以及多模态特征之间的关联，也尚未全面揭示短视频虚假信息多模态特征对信息传播效果的影响。

基于此，本研究以“抖音辟谣”为数据源，回溯采集抖音平台上的虚假信息数据，基于CARS列表与多模态话语关系，设计短视频虚假信息多模态特征的初始编码示例框架，面向中文语境对短视频虚假信息内容进行情境化。结合真实短视频虚假信息编码，得到短视频虚假信息多模态特征列表。基于此，结合回归分析法，探究多模态特征对短视频传播效果的影响，以期为短视频虚假信息特征研究提供理论与实践支撑，辅助后续短视频虚假信息的识别，深化网络生态治理。

2.1   短视频虚假信息

国内外学者已围绕虚假信息及其相关概念进行了探讨，如表1所示。结合现有研究，本研究对虚假信息（disinformation）、错误信息（misinformation）、假新闻（fake news）以及谣言（rumors）进行概念辨析。本研究中的虚假信息指经过官方证实为虚假的信息，不考虑其发布者和传播者的意图。因此，本研究中的虚假信息在范围上囊括虚假信息、错误信息、假新闻等。短视频虚假信息则是以短视频为载体，通过文本、音频、图像等多模态内容，来传达已被官方证实为虚假的信息。

2.2   网络虚假信息特征研究

国内外已有学者针对网络虚假信息特征开展研究，如表2所示。现有研究多集中于信息资源管理、传播学 等学科；研究情境涵盖微博、微信等传统图文为主的社交媒体以及中国互联网联合辟谣平台、Maldita.es等事实核查网站；研究方法以内容分析法与机器学习为主，也有研究采用扎根理论、文本挖掘等方法；研究特征包含文本特征、图像特征、情感特征、来源特征、传播特征等。

现有研究一方面较少关注短视频情境，另一方面多聚焦于文本模态的虚假信息特征，对音频与图像等其他模态特征关注较少，文本、音频与图像多模态特征间关联被忽视。为此，本研究面向短视频虚假信息，不仅分析文本特征，还关注音频与图像特征，以及文本、音频、图像多模态特征间的关联。

2.3   多模态信息相关研究

每种信息的表现形式皆可视为一种模态，多模态信息则是包含两个或两个以上模态的信息，如文本、音频、图像等，多模态的信息表现形式可提高用户的交互体验与信息传达的效率及准确性。国内外相关研究涉及语言学、计算机科学以及信息资源管理等领域。如表3所示，语言学关注多模态话语分析等；计算机科学关注多模态信息的特征抽取、融合、分析等；信息资源管理关注特定领域的多模态信息处理，如突发事件、虚假信息、智慧图书馆、数字人文等领域。

多模态信息特征在计算机科学领域提及较多。在该领域，多模态特征指算法中抽取的特征，即从原始数据中提取以用于模型训练或进行分类、聚类等任务的特征。例如，对于图像模态的信息，算法可能会抽取图像中的颜色、纹理等特征，用于训练和分类模型。学界已对多模态信息特征识别开展研究，涉及抖音、 YouTube等情境下的短视频、中长视频，从图像、音频和文本等维度抽取多模态特征，为准确识别和分析多模态信息提供支撑。鉴于多模态特征对于虚假信息识别的关键作用，学界也进行了探索，研究情境涵盖WhatsApp、Facebook等社交媒体，主要围绕社交媒体虚假信息中的视觉元素，挖掘颜色、构图、内容等特征，辅助基于多模态特征的虚假信息识别。

本研究所指的多模态特征是多模态信息的基本属性或特性，与上述研究具有一定差异性，如单一模态信息的内容特征、来源特征、传播特征以及多模态信息间的关联特征等。此类特征是信息描述和分类的基础，有助于信息理解和利用。基于文献调研，目前有研究针对单一文本模态信息特征的理论框架，部分研究也针对音频、图像 模态信息特征。但是，当前较少有研究同时面向文本、音频与图像多种模态以及模态间关联构建多模态信息特征的完整编码框架，特别是鲜有研究关注短视频形式虚假信息的多模态特征。因此，本研究针对短视频情境下的虚假信息，以CARS框架为初始编码框架，结合多模态内容间的话语关系进行补充，构建短视频虚假信息多模态特征的初始编码框架。基于真实数据编码，最终构建短视频虚假信息多模态特征列表，以期为短视频虚假信息及多模态信息相关研究提供参考。

3.1   研究方法与工具

本研究采用内容分析法提取短视频虚假信息特征，旨在对文本、图像、音频或视频等原始资料开展系统分析和解释，以揭示其中模式、主题、观点以及其他特征。本研究运用主流编码分析工具――Nvivo11Plus进行编码，其支持音频、视频和图像等多媒体数据的分析。在短视频虚假信息特征提取的基础上，利用SPSS 26.0分析短视频多模态特征，探究特征对短视频传播效果的影响。

3.2   数据采集

当前短视频市场呈现集中化趋势，头部平台在流量方面的优势与其他平台相比不断扩大。为此，本研究以国内短视频头部平台抖音APP作为研究数据来源。同时，选择官方辟谣账号“抖音辟谣”中内容鉴定为虚假的全部内容作为数据采集“起始节点”，并召集6名信息资源管理专业硕士生进行回溯检索。数据收集流程如图1所示。

（1）辟谣短视频链接获取。研究人员通过Python编程爬取官方辟谣账号下所有辟谣短视频的链接并存储到数据库。

（2）辟谣短视频筛选。研究人员访问数据库中辟谣短视频的链接，通过人工判断的方式筛选辟谣短视频，筛选标准如下：①该短视频是否为辟谣短视频，如果是，则继续步骤②，如果不是则跳过该链接；②该辟谣短视频是否针对短视频形式的虚假信息进行辟谣。如果是，则记录辟谣短视频中出现的短视频虚假信息来源、关键词等信息以备后续回溯检索，如果不是则跳过该链接。

（3）回溯检索短视频虚假信息。研究人员通过步骤②记录下的视频来源、事件关键词等信息，在抖音首页搜索栏进行回溯检索，对搜索结果按照平台默认“综合”顺序排列，对比辟谣短视频中的画面，如匹配则记录该条短视频虚假信息链接。鉴于部分短视频虚假信息严重失实、不良影响大等原因，平台会采取清理视频、封禁账号等措施，导致部分原始短视频虚假信息无法回溯。对此，研究人员通过人工判断与辟谣短视频片段描述同一事件、最相似的短视频虚假信息，并记录该条短视频虚假信息链接。

（4）采集清洗短视频虚假信息数据。通过上述步骤采集的短视频虚假信息链接，编写Python程序批量获取其点赞、评论、收藏、转发等外部属性数据以及视频源文件。本研究共采集到1,094条短视频虚假信息链接，清洗已被用户删除或平台清理的数据后，最终获得746条短视频虚假信息数据。数据采集与清洗时间段为2023 年4月1日至2023年6月26日。

3.3   样本分布

本研究统计了样本分布情况，以明晰样本的主题分布及其传播状况。以中国互联网联合辟谣平台对网络谣言的主题分类为依据，本研究将采集到的746条有效样本进行主题划分，归为时事政治（4.0%）、党史国史（0.3%）、食药卫生（19.6%）、公共政策（7.5%）、突发事 件（4.2%）、科 学常 识（13.5%）、社 会热点（39.5%）、公共安全（6.2%）、其他（5.2%）共9类主题。其中，社会热点占比最大，党史国史占比最小。对于746条有效样本的传播变量分布情况如表4所示，点赞量、评论量、收藏量以及分享量均以0~100区间为主，占比分别为34.3%、62.6%、66.8%以及55.3%；大于100,000的区间占比最少，表明仅少数短视频虚假信息被大规模传播。

4.1   初始编码框架构建

为提取短视频虚假信息的主要特征，本研究参考Harri提出的CARS（Credibility, Accuracy, Reasonableness, Support）列表，其旨在评估互联网上的信息资源质量。CARS列表主要由四个核心特征构成，分别是可信度（Credibility）、准确性（Accuracy）、合理性（Reasonableness）以及相关支持（Support）。每个维度下详细列出契合上述特征及缺乏上述特征的衡量指标。本研究的研究对象为虚假信息，因此主要关注缺乏上述特征的衡量指标。同时，CARS列表更多关注单模态信息的特征，较少关注多模态间的关联及相互作用特征。本研究中多模态关联特征指代短视频虚假信息在文本、音频、图像不同模态间相互作用的特征或是由不同模态协同构成的短视频虚假信息整体特征。因此，本研究参考多模态话语关系，对CARS列表进行补充，以适用于短视频情境。其中，模态互补指某种模态需要借助其他模态来充分表达其内容及意义；非互补关系表示一种模态对另一种模态在内容意义体现上没有贡献甚至具有负面影响。基于此，本研究构建初始编码示例框架，用于后续编码，见表5。

4.2   编码过程

本研究以表5中短视频虚假信息多模态特征的初始编码示例框架为基础，开展两轮编码。第一轮为开放式编码，旨在面向短视频虚假信息情境完善编码表；第二轮编码则是基于完善后的编码表，根据样本进行最终编码，形成短视频虚假信息多模态特征列表。

在第一轮开放式编码中，由信息资源管理专业一名专任教师及一名博士研究生作为编码员。首先，以表5初始编码框架为参考，以样本实际情况为依据，面向不同模态维度，基于CARS设置主要特征，提取常见表征，以构建完善的短视频虚假信息编码表；其次，本研究对CARS进行短视频情境下的中文语境调整，将“错误的语法和错别字”调整为“缺乏准确性”维度；然后，在编码过程中，挖掘未列入初始编码框架中的特征，包括“内容鼓动性强”“内容针对性强”“内容表演性强”“内容表征不当”“篡改明显”“来源不可靠”“假借权威”等，将其划入相应维度并纳入编码表（划分理由见表6注释）；最后，对于短视频虚假信息通常不具备或短视频普遍具备的特征，如“匿名性”（缺乏可信度）、“过时日期”（缺乏准确性）、“在其他资源中找不到相同的信息或知识”（缺乏相关支持）等特征，本研究未将其纳入编码。

在第二轮编码中，基于第一轮构建的编码框架，邀请信息资源管理专业两名硕士生作为编码员对746条有效样本进行编码。首先，培训编码员使用Nvivo11Plus；其次，随机抽取20% 短视频样本进行预编码，确保两名编码员独立编码，两名编码员间的Kappa系数为0.74，表明编码具有较强的一致性；然后，两名编码员分别正式编码剩余70%短视频样本，对存在争议的短视频内容交由复核小组讨论（由信息资源管理专业一名专任教师及一名博士研究生组成）；最后，基于剩余10%的短视频样本，审查是否有遗漏特征。

4.3   编码结果

短视频虚假信息多模态特征列表及其统计结果如表6所示。围绕文本、音频、图像及多模态关联模态维度，基于CARS与多模态话语关系，主要特征既包括初始编码框架中的特征，如“感情真挚伴随着夸张或绝对”“错误的语法和错别字”等，也包含编码过程中新发掘的特征，如“内容鼓动性强”“假借权威”等。由于主要特征在不同模态上的具体表征存在差异，为分析多模态特征与信息传播效果间的关系，本研究统计了常见表征及其描述性统计数据。

从模态维度来看，文本特征（1,912）与多模态关联特征（2,348）出现频次最高，表明短视频虚假信息 特征更多反映在标题、图文、文频以及音画等多模态关 联信息上。具体而言，关于文本特征，共512个短视频虚假信息具有“标题话题性强”的特征，占整体样本的68.63%，反映短视频虚假信息大多借助平台热点话题， “蹭热点”“造热点”与“带节奏”。关于音频特征，共348个短视频虚假信息具有“音频构成单一”的特征，占整体样本的46.65%；共325个短视频虚假信息具有 “音频复杂度过高”的特征，占整体样本的43.57%。这反映短视频虚假信息内容多通过操纵音频内容构成，以达到干扰用户认知的目的。关于图像特征，共计536个短视频虚假信息具有“图像篡改”的特征，占整体样本的71.85%，反映短视频虚假信息大多通过篡改图像内容等方式使用户混淆或曲解实际内容。关于多模态关联特征，共485个短视频虚假信息具有“恶意编辑处理”的特征，占整体样本的65.01%，反映多数短视频虚假信息通过视频拼接、删掉关键信息等方式加工内容，以促进虚假内容传播。

为有效展现短视频虚假信息特征间的关系，本研究将短视频虚假信息特征编码进行可视化（如图2所示）。每条分支代表不同的短视频虚假信息特征，分支宽度表示每个编码在整体编码中所占比例大小。图中分支的流向反映编码节点间的关系，流向的方向和路径显示编码节点间演化过程，揭示特征间交互及从属关系（为保证可读性，图中仅显示出现频次较高的特征）。

在上述编码基础上，本研究剖析短视频虚假信息多模态特征与传播效果间关联。如表6所示，主要特征在不同模态中的常见表征具有差异性。为全面揭示短视频虚假信息多模态特征对信息传播效果的影响，本研究聚焦常见表征维度，探讨不同模态中常见表征如何影响短视频虚假信息的传播效果。

5.1   变量测量

（1）因变量测量。为全面评价短视频虚假信息的传播效果，本研究参考“清博指数”中抖音号传播力指数（DCI）的计算方法，对点赞量、评论量以及分享量进行对数变换和加权计算，得出短视频虚假信息传播效果指数，如式（1）所示：

其中，CB代表短视频虚假信息的传播效果，DZ代表点赞量，PL代表评论量，FX代表分享量，i为样本序号。

参考先前研究，本研究将传播效果细分为传播的认同度、广度和参与度维度。传播认同度指受众对传播内容的认可度，通过短视频点赞、收藏量衡量；传播广度强调信息传播覆盖面，通过短视频分享量衡量；传播参与度指受众与传播主体间互动程度，通过短视频评论量衡量。参考“清博指数”中DCI的计算方式，本研究中传播效果的细分维度皆采用标准化后的数值。例如，传播认同度数值=Ln（原传播认同度实际值+1）。各传播变量的描述性统计如表7所示。

（2）自变量与控制变量测量。自变量指短视频常见表征（见表6）。若该短视频虚假信息具备某常见表征，则在该常见表征上的赋值为1，若不具备，则赋值为0；控制变量指短视频主题，将时事政治、党史国史、食药卫生、公共政策、突发事件、科学常识、社会热点、公共安全以及其他主题分别赋值1-9。

5.2   回归分析

在回归分析前，本研究对变量进行相关性分析。为提供更严谨和可靠的结论，本研究将边缘显著（即 0.05≤p<0.1）也纳入显著性分析。相关性分析结果表明，对于综合传播效果，“标题语气情绪化”等8个常见表征与其显著相关；对于传播认同度，“标题话题性强”等8个常见表征与点赞量显著相关，“标题面向特定群体”等13个常见表征与收藏量显著相关；对于传播广度，“标题语气情绪化”等8个常见表征与分享量显著相关；对于传播参与度，“标题话题性强”等6 个常见表征与评论量显著相关，详见表8与表9。

为探索多模态特征与信息传播间的关系，本研究将相关性分析中呈现显著相关的常见表征与其综合传播效果进行回归分析，结果如表8所示。共3个常见表征显著影响短视频综合传播效果，涵盖文本特征和多模态关联特征2个维度。在文本特征维度，“标题为空”（β=-0.086, p<0.05）显著负向影响短视频综合传播效果；在多模态关联特征维度，“图文互相削弱”（β=-0.072, p<0.10）、“音画互相削弱”（β=-0.091，p<0.05 ）边缘显著/ 显著负向影响短视频综合传播效果。对于控制变量，短视频虚假信息主题对综合传播效果的影响不显著（β=0.034, p>0.10）。

5.3   短视频虚假信息多模态特征对传播效果细分维度的影响分析

本研究进一步检验短视频虚假信息多模态特征对传播的认同度、广度、参与度3个细分维度的影响，结果如表9所示。

第一，传播认同度。共3个常见表征显著影响点赞量，涵盖文本和多模态关联2个特征维度，包括“标题为空”（β=-0.077, p<0.05）、“标题过于书面”（β=0.073, p<0.05）以及“音画互相削弱”（β=-0.090, p<0.05 ）。共9个常见表征显著影响收藏量，涵盖文本、音频、图像与多模态关联特征4个维度，包括“标题话题性强”（β=0.087, p<0.05）、“标题过于书面”（β=0.066, p<0.10）、“标题为空”（β=-0.088, p<0.05）、“音频情感色彩重”（β=0.085, p<0.05）、“音频僵硬机械不自然”（β=0.070, p<0.10）、“图像清晰度不足”（β=-0.067, p<0.10 ）、“自述型短视 频”（β=0.078, p<0.05）、“图文互相削弱”（β=-0.097, p<0.05）与“音画互相削弱”（β=-0.068, p<0.10）；

第二，传播广度。共4个常见表征显著影响分享量，涵盖文本与多模态关联2个特征维度，包括“标题话题性强”（β=0.065, p<0.10）、“标题为空”（β=-0.100, p<0.05）、“图文互相削弱”（β=-0.077, p<0.05）与“音画互相削弱”（β=-0.093, p<0.05）；

第三，传播参与度。共3个常见表征显著影响评论量，涵盖文本、音频与多模态关联3个特征维度，包括“标题为空”（β=-0.084, p<0.05）、“音频复杂度过高”（β=0.086, p<0.05）、“图文互相削弱”（β=-0.073, p<0.05）与“音画互相削弱”（β=-0.070, p<0.10）。

本研究以CARS列表与多模态话语关系为理论基础，基于短视频虚假信息情境，构建短视频虚假信息多模态特征的初始编码示例框架。围绕获取的有效短视频虚假信息进行编码，得到短视频虚假信息多模态特征列表，包括面向不同模态维度的主要特征及其常见表征。以此为基础，探究短视频虚假信息多模态特征对其传播效果的影响，研究结果可为短视频虚假信息治理及网络信息生态优化提供参考，主要结论如下。

（1）短视频虚假信息多模态特征列表构建。第一， CARS列表在中文短视频语境下的针对性优化。与先前研究相比，本研究构建的短视频虚假信息多模态特征列表更契合中文语境及短视频情境。具体而言，面向短视频优化CARS列表中表述与分类方式，如将CARS表中原有的“错误的语法和错别字”从“缺乏可信度”维度调整至“缺乏准确性”维度。同时，挖掘中文短视频虚假信息情境下更常见特征，如“鼓动性强”“内容表演性强”；第二，相较先前研究多关注文本模态，本研究面向虚假信息，更专注短视频研究情境，重点探讨了文本、音频与图像等构成短视频内容的多模态特征，深入剖析不同模态下虚假信息所展现的主要特征及其常见表征。同时，本研究基于CARS列表与多模态话语关系，探究不同模态间相互作用及关联，如“模态互相强化”（模态互补），为后续更全面地揭示短视频虚假信息传播效果的影响因素奠定理论基础。

（2）短视频虚假信息多模态特征对传播效果的影响作用揭示。第一，虚假内容的文本特征显著影响综合传播效果以及传播的认同度、参与度与广度3个细分维度；虚假内容的音频特征显著影响传播认同度与参与度2个细分维度；虚假内容的图像特征显著影响传播认同度；虚假内容的多模态关联特征显著影响综合传播效果以及传播的认同度、参与度与广度3个细分维度。上述研究结论揭示了不同模态内容在短视频虚假信息传播中的差异化作用，所有模态的虚假内容特征皆会对用户认同产生影响。先前研究表明，由于无法直观快速地感受到内容的准确性，用户对于音频模态内容的认同比文本模态内容低。本研究则发现除文本特征，在削减短视频虚假信息综合传播效果时，还应着重关注虚假内容中的多模态关联特征。

第二，基于CARS的特征维度。首先，面向“缺乏可信度”维度，文本“内容针对性强”、音频“感情真挚伴随着夸张或绝对”与多模态关联“内容表演性强”的特征会导致短视频虚假信息的高传播认同度和广度。与先前关于微博帖子的结论一致，用户传播内容倾向可反映个人情感色彩。同时，针对性强、表演性突出的短视频虚假信息能引发用户情感共鸣，促使虚假信息传播。在短视频虚假信息治理算法设计、平台内容审核规范制定中应关注上述特征；其次，面向“缺乏准确性”维度，文本和图像“含糊不清或非全面的概况”特征会抑制短视频虚假信息的综合传播效果，以及传播认同度、参与度与广度。与先前关于微信推文的结论相契合，准确性是衡量信息质量的关键指标，即使是短视频形式的虚假信息，若其内容过于模糊或者不够全面，用户感知到该内容可信度较低，会削减虚假信息传播效果。为此，平台应将虚假信息防治重心置于高准确性、内容全面的短视频，该类短视频虚假信息更易被传播，需要平台的及时介入；然后，面向“缺乏合理性”维度，文本和音频“内容表征不当”特征会导致短视频虚假信息的高传播认同度和参与度。与已有关于短视频新闻的研究结论类似，如果内容特征呈现出表征方式另类、不符合常规表达习惯（如使用方言或外语）等特点时，此类短视频虚假信息多为个性化叙事，其中非常规的表达方式容易误导公众认知，导致虚假内容裂变式传播。为此，平台的内容风险预警应关注 “内容表征不当”特征，官方虚假信息治理账号也可针对该特征开辟防治主题专区；最后，面向“模态非互补”维度，图文、音画互相削弱会抑制短视频虚假信息的综   合传播效果，以及传播认同度、广度与参与度。与已有关于微信视频号多模态话语分析的结论一致，多模态相结合的内容能增强用户代入感和视频可信度。如果短视频虚假信息的多模态内容间无法相互补充，如音画不匹配、图文不符、文不对频，这会降低信息可信度，抑制内容传播效果。相反，如果短视频虚假信息的多模态内容能相互支撑与补充，通常能构建出真实、完整的信息场景，其可信度更高，传播风险更大。为此，在平台虚假信息防治中应将模态互补性纳入考量。

当前短视频平台的内容质量良莠不齐，通过揭示短视频虚假信息多模态特征及其传播效果，可为短视频虚假信息识别与治理提供借鉴，服务于短视频生态优化。本研究面向短视频虚假信息，构建短视频虚假信息多模态特征列表，揭示短视频虚假信息多模态特征对其综合传播效果，以及传播认同度、广度与参与度的差异化影响，理论与实践贡献如下。

理论贡献主要包括：第一，剖析短视频虚假信息中“文本+音频+图像”的多模态特征。先前研究更多关注虚假信息的文本特征，少量分析图像特征，缺乏关注音频特征以及各模态间的关联特征。区别于微博、微信等传统社交媒体以“文本+图像”为主传播，短视频“文本+音频+图像”相结合传播。为此，本研究深入分析构成短视频虚假信息的多模态特征。第二，构建短视频虚假信息多模态特征列表。当前鲜有研究系统性地提出多模态视角下的短视频虚假信息特征列表。本研究基于CARS列表与多模态话语关系，提出短视频虚假信息多模态特征的初始编码示例框架，进行中文语境下面向短视频虚假信息内容的情境化，从而根据真实短视频虚假信息编码，得到短视频虚假信息多模态特征列表。第三，明晰短视频虚假信息多模态特征与其传播效果间的关联关系。本研究全面探究短视频虚假信息的文本、音频、图像以及多模态关联特征对传播效果的综合影响，这在先前研究中较少被系统性地揭示。

关于实践贡献，可面向短视频用户、平台与政府，辅助短视频虚假信息的识别、治理与监管：第一，对于短视频用户，本研究构建的短视频虚假信息多模态特征列表可协助用户评估短视频的内容真实性，也可结合多模态特征列表及真实案例制成短视频虚假信息防治手册，用于用户信息素养训练。第二，对于短视频平台，可服务于平台“机器+人工”审核模式优化。一是短视频虚假信息多模态特征列表可为平台人工虚假信息审核及筛选规则提供依据，以更高效地识别并过滤低可信度的信息源及内容。二是基于多模态特征对短视频虚假信息传播效果的不同影响，可为短视频平台的虚假信息检测与识别、流量池推荐等算法设计提供理论参考。第三，对于政府，可围绕短视频虚假信息多模态特征列表及其传播效果，为网络短视频内容审核标准及细则制定提供依据，服务于政府网络视听相关法律法规制定，以及中国网络视听节目服务协会短视频和直播工作委员会的相关条例制定。通过短视频内容的行业规范以遏制虚假信息传播，促进高质量内容生产。

本研究也存在局限性。首先，仅在抖音平台采集短视频虚假信息，未对同类型平台（如快手）进行分析。因此，未来可探究研究结论的情境适用性；其次，仅采用内容分析法对短视频虚假信息的特征进行人工提取，未来可结合多模态大模型实现自动抽取；最后，采用回归分析法分析短视频虚假信息多模态特征对其传播效果的影响，未来研究可结合历时数据，采用实验法、访谈法等深化研究结论。

END

版式设计

陆澜

制版编辑

王淳洋