从2019年底武汉发现新型冠状病毒肺炎病例起，有关疫情的各类谣言就开始大肆传播。这些谣言不断催化公众的恐惧情绪，给疫情防控带来极大的隐患和阻力，亟待治理。

信息公开有利于遏制谣言传播

总体来看，此次疫情中，谣言传播范围广、内容类型多、传播形态杂，并且主要依靠微信群、朋友圈等强社会关系网络进行扩散。那么，这些谣言是如何产生并大肆传播的呢？

谣言一般发生在“重要事件”已经发生或即将发生的信息真空期，在信息极其缺乏、人们又极想知道事件真相之际，谣言的流传会非常适时地满足人们的信息饥渴；越是荒诞不经的传闻，人们往往越敏感，越容易相信。因此，从某种程度上来说，权威信息发布与公众谣言传播是一对此消彼长的对冲力量，前者需要以政府权威和公信作为支撑，后者需要以公众科学和信息素养进行约束。

相对于SARS流行时期而言，当下的中国传播环境已经有了翻天覆地的变革，社会化媒体成为重要传播平台。由于社会公众的非专业性、权威信息的缺失以及自媒体的即时性和交互性，社会化媒体平台上的传播内容一般是零散的、碎片化的，而这些零碎信息往往充斥着大量的“不确定”和“意义空白”。公众一般会带着个人主观因素去“确定”“补白”这些零碎信息，从而建构出“完整”的信息，再进行传播。在这个过程中，核心信息就会不断变形、失真。此外，传播技术的发展使得管理者在信息资源把控方面的优势受到挑战，人们不再一如既往地凝神聆听管理者和传媒的声音。

公开透明、及时充分的信息发布，是压缩谣言生长空间的有力手段。此次疫情事件中，部分政务账号在突发公共事件中的辟谣能力欠佳。此外，大量采用以文字为主体的辟谣方式也限制了辟谣信息的传播效果。中老年人属于谣言易感人群，尤其是有关病毒防控方式的谣言在这类人群中传播极为广泛。他们更适应通俗易懂、简单明了的内容形态。但是，目前一些网络平台中，有关病毒防控方式的辟谣信息以文字形态为主，并且辅以专业科学阐释。这种传播形态难以在这类人群中取得较好的传播效果。

公众科学素养与媒介素养有待提升。目前来看，新型冠状病毒是一种严重的呼吸道病毒。而谣言中的诸多病毒预防措施，完全与阻断病毒进入呼吸道无关。因此，在疫情防护措施普及不到位的情况下，各种伪科学甚至违背医学常识的谣言获得了巨大的传播市场。

针对相关要素综合施策

通过上述分析可以看出，此次疫情中谣言的大规模传播是各种因素综合作用的结果。因此，要有效治理谣言传播，防范谣言带来的巨大危害，需要针对上述相关要素综合施策。

第一，多平台立体传播，多主体联动发布，提升权威信息发布能力。通过对此次疫情谣言传播的数据分析可以看出，绝大多数谣言是公众因焦虑恐慌而制造并转发的。相关管理部门应当进一步提升风险沟通能力，第一时间发声，第一时间处理问题。这样才能适应公众在危机事件中的信息饥渴，有效填补信息真空，以有效的信息供给压缩谣言的传播空间。就此次疫情防控信息传播而言，相关管理部门应当充分利用多元发布渠道，辐射广泛社会群体，实现多平台立体传播；应当联动多元主体，进行联合信息发布，组成辟谣联盟，进行及时高效的信息供给、实现谣言的协同共治。

第二，专业深入解析，多元话语表达，适应不同群体的信息传播习惯。在疫情信息发布上，相关管理部门要做到专业求实的应对态度和接地气的话语表达，以增强下级和公众对相关信息的领会与认识。一方面，在疫情发展初期，病原鉴定和病毒来源尚不明朗的情况下，政府机构应当采取专业、科学的态度，结合专业人士的研究，对疫情状况做出审慎判断，包括疫情传染评估、社会生活影响、各级应对措施等各个层面。在掌握相关专业信息、进行统筹考虑之后，政府应当充分将已有信息及时、有效地传递给系统内部和社会公众。相关管理部门在面向公众传递疫情信息的过程中，要尽量采用通俗易懂、简洁明了的话语表达方式，结合图片、视频等多种媒介形态，实现有效传播。在此次疫情中，部分地方基层在疫情防控上的动员能力值得借鉴，不少乡镇地区主要使用拉横幅、大喇叭的宣传方式，起到了直接有效的动员效果，而这正是充分考虑到公众信息接收习惯的表现。

第三，融合“事实信息+行动信息”，强化公众疫情应对指导。在让公众充分了解疫情相关信息之后，政府和媒体应当进一步指导公众采取合理的应对措施。在此次疫情中，出现了不少涉及个人或家庭病毒预防措施的谣言。这一方面反映了公众医学知识的匮乏，另一方面折射出公众对预防措施的信息饥渴。因此，政府和媒体应当将相关的疫情预防措施及时告知公众。在预防信息的普及上，媒体要重点关注中老年这一网络弱势群体。他们的信息接收方式较为传统，这就需要各类媒体打通“最后一公里”，实现预防信息的纵深普及。

第四，强化大数据技术应用，强化谣言传播网络的干预能力。随着互联网时代数据的剧增，硬件处理数据的能力飞速提升，机器学习算法不断完善。这些因素不断推动着谣言识别和网络干预相关的研究进展。以复杂网络理论和机器学习技术为基础，并结合创新谣言传播过程的相关研究，可以通过对用户群体观点进行主题聚类，再利用机器学习算法分析海量非结构化文本的特征属性与主题观点之间的相关性，建立谣言识别机制。在此基础上，可以采用协同过滤算法，分析公众的信息接收行为数据，研究精准辟谣的实施技术。

（作者系暨南大学新闻与传播学院教授；暨南大学新闻与传播学院硕士研究生）

（来源：《中国社会科学报》2020年3月24日“为科学精准打赢疫情防控阻击战提供强大理论支撑”专版）