气候虚假信息语料库的构建与验证：行为科学对抗气候虚假信息的新工具

这篇研究通过计算社会科学方法构建了首个经过验证的气候虚假信息语料库（Climate Disinformation Corpus），包含78条来自Twitter/X平台的气候科学虚假信息和气候政策延迟论调。研究采用代表性英国样本（N=503）验证了语料库在15个评估维度（如感知可信度、分享意愿等）的异质性，并发现其与气候变化信念等个体差异指标显著相关。该语料库为系统研究气候虚假信息干预措施提供了标准化刺激材料，有助于开发基于证据的反虚假信息策略。

　　

背景与意义

全球正面临超过2.7°C的温升风险，但气候行动仍显不足。气候虚假信息被确认为阻碍气候行动的关键因素之一，主要分为两类：质疑气候科学的虚假信息和延迟气候政策的论调。行为科学研究虽已开发出心理接种（prebunking）和事实核查（debunking）等干预手段，但缺乏经过系统验证的刺激材料。本研究旨在填补这一空白，构建首个经过验证的气候虚假信息语料库。

研究方法

研究采用两步法收集气候虚假信息：首先识别气候变化反运动公众人物，通过Twitter API收集480万条推文；随后人工筛选1033条相关推文，最终确定78条完整可理解的陈述（38条气候科学虚假信息，40条延迟政策论调）。使用ChatNetZero大型语言模型验证分类准确性。在503名英国代表性样本中，通过15项验证指标（如感知可信度、政治倾向性等）和4项个体差异指标（政治意识形态、科学家信任度等）进行评估。

主要发现

语料库表现出良好的异质性：多数陈述使受试者对气候科学和行动产生负面情感（均值5.12/10和5.07/10），但存在显著变异。延迟政策论调比气候科学虚假信息被认为更可信（β=0.64）、更令人担忧（β=0.30）且更少偏向保守派。个体差异分析显示，保守派政治意识形态与更高信任度相关（r=0.35），而科学家信任度与信任评分负相关（r=-0.37）。值得注意的是，陈述特性与个体差异的关联呈现高度异质性，某些陈述甚至出现与传统预期相反的关联模式。

应用价值

研究者提出了三种语料库使用策略：1）选择最具影响力的陈述测试干预效果；2）选择平均代表性陈述进行一般性研究；3）最大化变异以覆盖多种虚假信息亚型。语料库可用于模拟社交媒体环境测试干预措施，如准确性提示（accuracy prompts）或横向阅读（lateral reading）等。

局限与展望

当前语料库主要基于英语Twitter数据，未来需要扩展到其他语言和平台。同时，随着虚假信息形式演变（如针对负排放技术的虚假信息），语料库需要持续更新。研究者建议结合机器学习技术提高分类效率，并开发配套的真实气候信息语料库以进行辨别力测试。

结论

气候虚假信息语料库为行为科学研究提供了标准化工具，有助于系统评估和比较不同干预措施的效果。在气候危机日益严峻的背景下，该资源将为开发更有效的反虚假信息策略提供重要支持，推动气候行动的实施。