网络谣言：大数据显示83%的由男性制造 女性更愿传谣
昨天是愚人节，一场针对如何甄别网络谣言的“辟谣大会”在中山大学举办。记者获悉，微信每天收到用户发起的谣言举报就有3万次，日均谣言拦截量达到210万次。中山大学的研究显示，微信谣言周一、周二、周三和周六四天是举报高峰，谣言在这四天也是格外忙。
在现场分享中，中山大学传播与设计学院院长张志安表示，微信谣言主要集中在食品安全、人身安全、疾病三个领域。在时间轴上发现，周一、周二、周三和周六是谣言散布的高发期，而数字夸大、图片夸张的文章是谣言最常使用的方式。张志安表示，对于伪装“高大上”权威感的文章，公众一定要小心辨别。
“从大数据分析来看，谣言具有‘六个面孔’”， 知微CEO于霄博士利用大数据对谣言进行了分析，他指出，假借权威、捏造数据、制造恐慌、嫁接图片、偷换概念、直击刚需等是谣言传播常用的手段。但是，生产谣言易，粉碎谣言难。他指出，谣言产生后，就像癌症一样难以清除，具备传播周期长、传播范围广的特点，大大增加了辟谣难度。“真相开始传播时，谣言已经跑了半个地球。”于霄说。
数据显示，在微信、微博和新闻客户端等谣言的制造和传播中，男女作出的“贡献”极为不同，男性制造了谣言中的83%，而女性只占17%。不过，在谣言传播过程中，女性会相对更愿意传播。
针对谣言如何粉碎， 果壳网主编徐来向三百多位现场的听众分享了果壳网辟谣的经验。他指出，以分辨难度更高的科学谣言为例，分析谣言的传播方式、谣言来源之后，果壳网会通过发现选题、拆解话题、查找文献的过程，来开展辟谣工作。授人以鱼不如授人以渔，徐来说：“查明信息出处、信息中的原始人名、机构名，向专业人士请教，学会这几项本领，人人就都有台谣言粉碎机。”
微信日均谣言 拦截量达210万次
“谣言虽然难治，但是也要一管到底。”微信安全负责人杨光作为此次辟谣大会的最后一位嘉宾，用“死磕到底”来表明微信对于整治网络谣言的态度，在现场分享中，杨光还补充了微信朋友圈谣言的判定标准与规则，从规范和平台安全维护方面把好第一关。
杨光介绍，微信每天收到用户发起的谣言举报就有3万次，谣言样本库积累的种子量达到30万个，日均谣言拦截量达到210万次。
数据分析咨询请扫描二维码
若不方便扫码，搜微信号：CDAshujufenxi
在数据成为新时代“石油”的今天，几乎每个职场人都在焦虑： “为什么别人能用数据驱动决策、升职加薪，而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”，但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中，透视表凭借灵活的字段重组能力成为核心工具，但原始透视表仅能呈现数值结果，缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中，“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益，电商靠 “运营拍 ...
2025-10-17在数据库日常操作中，INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表（或查询结果集）的数 ...
2025-10-16在机器学习建模中，“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度，还是神经网络的权重，这 ...
2025-10-16在数字化浪潮中，“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法， ...
2025-10-16在大模型从实验室走向生产环境的过程中，“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型，若在高并发 ...
2025-10-15在机器学习入门领域，“鸢尾花数据集（Iris Dataset）” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中，零散的指标（如 “GMV”“复购率”）就像 “散落的零件”，无法支撑系统性决策；而科学的指标体系，则 ...
2025-10-15在神经网络模型设计中，“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少，模型可能 “欠拟合”（无法捕捉数据 ...
2025-10-14在数字化浪潮中，数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息，又要能将分 ...
2025-10-14在企业数据驱动的实践中，“指标混乱” 是最常见的痛点：运营部门说 “复购率 15%”，产品部门说 “复购率 8%”，实则是两者对 ...
2025-10-14在手游行业，“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度，更直接决定了后续 ...
2025-10-13分库分表，为何而生？ 在信息技术发展的早期阶段，数据量相对较小，业务逻辑也较为简单，单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中，“数据孤岛” 是普遍面临的痛点：用户数据散落在 APP 日志、注册系统、客服记录中，订单数据分散在交易 ...
2025-10-13在数字化时代，用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”，到视频 APP 的 “打开→搜索→观看→收藏”，再到银 ...
2025-10-11在机器学习建模流程中，“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中，未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储，CDA（Certified D ...
2025-10-11在 SQL Server 数据库操作中，“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选，还是将数值转 ...
2025-10-10
京公网安备 11010802034615号
经营许可证编号：京B2-20210330
