多模态数据揭秘：假新闻背后的神经与行为密码

《Scientific Data》：China’s social fake news database release with brain structural, functional, and behavioural measures

为探究假新闻传播的神经机制，弥补现有研究对文化差异的忽视，西南大学等研究人员开展中国社会生活类假新闻与大脑结构、功能及行为关系的研究。他们构建多模态数据集，为后续假新闻研究提供了关键数据基础 。

　　在信息飞速传播的时代，假新闻如潜藏的暗礁，给社会带来诸多风险。社交媒体上，假新闻传播速度极快，像病毒般肆意扩散，影响人们的认知与决策。以往研究多聚焦于假新闻的传播模式和心理驱动因素，例如分析在不同社交网络平台上假新闻的扩散路径，以及人们基于何种心理动机去分享这些虚假信息。然而，对于处理假新闻时大脑的神经机制，我们知之甚少。而且现有研究常局限于西方政治或健康相关背景，忽略了不同文化背景下假新闻传播的差异。在中国，社会生活类假新闻较为常见，但却缺乏标准化的新闻材料数据库，这使得相关研究难以深入开展，研究结果也难以对比和验证。

为了解决这些问题，西南大学、浙江理工大学的研究人员开展了一项意义重大的研究。他们构建了一个多模态数据集，将神经影像学数据、行为数据与标准化的中国社会生活类假新闻和真实新闻材料相结合。这项研究成果发表在《Scientific Data》上 。

研究人员采用了多种关键技术方法。在数据采集方面，招募了 43 名年龄在 18 - 23 岁的大学生作为参与者。通过 3T SIEMENS PRISMA 扫描仪（配备 64 通道头线圈）获取功能磁共振成像（fMRI）数据，包括 T1 结构像、静息态和任务态 fMRI 数据。在实验材料准备上，精心筛选并标准化了 60 条假新闻和 60 条真新闻。

研究结果如下：

• 实验设计与流程：参与者在 MRI 扫描过程中浏览并评估新闻文章（共 120 篇），扫描后填写一系列问卷。任务态扫描分为 RUN1 和 RUN2 两个阶段。在 RUN1 中，设置了三个模块，分别是阅读新闻并评估分享意愿、评估新闻准确性、再次评估分享意愿；在 RUN2 中，有四个模块，参与者在被告知新闻真假后评估分享倾向，且各模块呈现顺序采用 ABBA 设计进行平衡。
• 数据记录与存储：该数据集总量约 84GB，包含新闻文章、图像数据和行为数据，在 OpenNeuro 平台公开获取。新闻文章存于 “NEWSCONTENT.xlsx” 文件；每个参与者有独立文件夹，按脑成像数据结构（BIDS）标准存储多种成像模态数据；问卷数据存于 “participants.tsv” 文件 。
• 技术验证与质量控制：运用 dcm2nii 将原始成像文件转换为 NIFTI 标准格式，使用 nipreps/mriqc 处理数据以获取图像质量指标（IQMs）。结构像的质量指标如联合变异系数（CJV）为Mean±SD=0.64±0.07 ，灰质 / 白质对比噪声比（CNR）为Mean±SD=1.59±0.18 ；功能像的头部运动指标中，所有参与者的帧位移（FD）均未超 0.25mm 。

研究结论表明，该多模态数据集为后续研究提供了坚实的数据基础。在社会神经科学和心理学领域，它有助于深入探究信息分享决策的神经机制，通过 RUN1 中两次分享评估之间的准确性评估，可研究准确性启动如何影响分享行为；利用 RUN2 明确区分真假新闻的模块设计，能直接对比对错误信息的行为和神经反应。此外，还能通过人口统计学 - 问卷 - 神经影像学三联征探索个体媒体素养差异，或结合神经模式和行为指标（如准确性 / 分享差异）开发预测模型，识别易受错误信息影响的神经认知标记。

这项研究具有重要意义，它填补了中国社会生活类假新闻研究在标准化数据方面的空白，为跨文化研究假新闻提供了新视角，有助于人们更深入理解假新闻传播的内在机制，为制定针对性的干预措施提供了理论依据，对防范假新闻的不良影响具有积极的推动作用。