社交网络拓扑认知驱动下的信息级联与策略性谣言传播机制研究

来自多机构的研究人员针对社交网络中信息(含谣言)高效扩散与目标规避的难题，通过人工网络实验(N=568)和真实网络验证(N=187)，揭示了人类利用社交距离和节点流行度(topological properties)预测信息流的关键策略。计算模型证实该行为依赖于对信息级联(information cascades)的心理表征，为社交传播动力学研究提供了认知神经科学视角。

　　

社交网络由无数个体间的连接(ties)构成，这些纽带推动着信息(包括占日常对话重要比重的谣言)的扩散。面对庞大网络连接可能性的挑战，研究者发现人类展现出精妙的策略性传播能力——既能最大化信息覆盖，又能规避目标人物察觉。通过4项实验(含3个人工网络实验和1个真实网络研究)，数据表明这种能力源于对网络拓扑特性(topological properties)的精准把握，特别是社交距离(social distance)和节点流行度(popularity)的认知。计算建模揭示，这种行为模式背后是大脑对信息级联(information cascades)动态过程的内在模拟。该发现不仅适用于高度控制的人工网络环境(experiments 1–3, N=568)，在复杂嘈杂的真实社交网络(experiment 4, N=187)中同样成立，彰显了拓扑特性对信息流预测的普适价值。