这份文档是一篇原创研究论文（类型a），以下是对该研究的详细学术报告。
研究作者与发表信息
本研究由Ismail Harrando、Rodrigo Reyes Cordova和Achim Edelmann共同完成，三位作者均来自巴黎政治学院（Sciences Po）的médialab实验室。论文发表于《美国国家科学院院刊》（PNAS），于2026年5月15日在线发表。
研究背景与目的
该研究属于计算社会科学与错误信息研究领域。在社交媒体时代，错误信息（misinformation）的传播已成为一个严峻的社会问题。已有研究表明，人们通常并非有意分享明知虚假的内容，而是在认知偏差和情境线索的影响下无意中传播了错误信息。科学在现代民主社会中扮演着重要的公共信任角色，然而，公众对科学的信任正日益呈现政治极化的趋势。在此背景下，研究者提出一个关键问题：当信息中包含“科学权威信号”（scientific authority cues, SACs）——即提及科学家、大学、研究机构或学术期刊等科学实体时，是否会影响信息的传播？更值得关注的是，这种线索究竟是促进真实信息的传播，还是反而被错误信息所利用，借助科学的公信力来扩大自身的扩散？
研究设计与工作流程
为了回答上述问题，本研究采用了两阶段互补的研究设计：大规模观察性研究和预先注册的在线实验。
第一阶段：观察性研究。 研究者构建了一个包含870万条推文（tweets）的大规模数据集。这些推文均链接到经过专业事实核查的URL，数据来源于两个数据库：一是Condor数据库（隶属于Social Science One项目），包含在Facebook上被标记为潜在虚假并提交给Meta事实核查员的URL；二是Science Feedback数据库，收录了一组由科学家联盟评估的、以科学类媒体内容为主的URL。研究者通过Twitter API v2.0收集了2010年1月至2023年4月间所有链接到这些URL的原始推文，最终获得870万条由300万用户发布的推文，共链接56,508个URL，产生了3090万次转发（retweets）。
研究者使用大型语言模型（large language model, LLM）——OpenAI的GPT-4o-mini——对每篇文章的标题进行标注，识别其中是否包含SAC。SAC被定义为标题中提及科学实体（个体、机构或来源，如“Dr. Fauci”“哈佛大学”“一项研究”等），这些实体可以是具名的（named）或未具名的（unnamed）。LLM的标注结果经过了人类标注员的多轮验证，最终以多数投票结果作为可靠标签。
在数据分析方面，研究者以转发数作为信息传播的操作化指标，使用负二项回归模型（negative binomial regression）估计SAC对预期转发数的影响，以发生率比（incidence rate ratio, IRR）表示效应大小。所有模型均纳入发布者的粉丝数（对数转换）作为协变量，以控制受众规模的影响。
第二阶段：实验研究。 研究者进行了预先注册的在线实验（n=1,187），参与者为美国成年人。实验采用2×2被试内设计，交叉操纵两个因素：科学权威归因（scientific authority attribution, SAA；无归因vs.有归因）和陈述真实性（虚假vs.真实）。参与者被随机展示来自观察性数据集的、经过事实核查的新闻标题，其中一些标题被添加了“根据哈佛大学”或“研究称”等科学权威归因，另一些则没有。每位参与者需要评估12条标题，首先报告他们分享每条标题的意愿，然后评估其感知准确性（perceived accuracy），并对所引科学实体的信任度（trust）和熟悉度（familiarity）进行评分。数据使用稳健线性模型和结构方程模型进行分析。
主要研究结果
观察性研究结果一：SAC总体上增加内容传播。 在整个数据集中，含SAC的推文（占16.2%）获得的转发数显著高于不含SAC的推文（IRR=1.723, 95% CI=[1.711, 1.736]）。这一效应在两个数据库中均成立，且具名实体的效应强于未具名实体。按实体类型细分，个体（如科学家）的效应最强，其次是机构和来源。
观察性研究结果二：SAC尤其放大错误信息的传播。 研究者使用三种独立的真实性测量指标：URL级别的事实核查评级（虚假vs.真实）、域名级别的媒体偏向/事实核查（Media Bias/Fact Check）事实性等级（高/中/低）、以及域名级别的Science Feedback可信度评分。结果一致显示，SAC对低真实性内容的放大效应远强于高真实性内容。在事实核查评级为“虚假”的URL中，含SAC的推文获得更多转发（IRR=1.487），而在评级为“真实”的URL中，含SAC的推文转发反而更少（IRR=0.754）。在域名可信度方面也呈现相同模式，SAC与域名可信度得分之间存在显著负交互作用，表明SAC对低可信度域名的放大效应更强。
观察性研究结果三：政治倾向的调节作用。 利用推文用户关注的美国政治精英账户推断其政治倾向，研究者发现，在右倾用户中SAC的效应显著更强（IRR=1.724），而在左倾用户中效应虽显著但幅度很小（IRR=1.060）。当按内容真实性细分后，这种不对称更加明显：右倾用户分享虚假信息时SAC的放大效应最强，而左倾用户分享真实信息时SAC甚至有微弱的抑制作用。
实验结果：感知准确性作为因果机制。 实验提供了因果证据，证明将陈述归因于科学实体会提高参与者的分享意愿，且该效应完全由感知准确性的提高所中介（indirect effect: b=0.067, p<0.001）。归因效应仅对虚假陈述显著（b=0.114, p=0.026），对真实陈述不显著。在党派差异方面，民主党人和共和党人在总体归因效应上无显著差异，但共和党人对于被归因于科学实体的虚假陈述表现出显著更高的分享意愿。此外，对被引实体的信任度正向预测了感知准确性和分享意愿，而熟悉度仅对分享意愿有独立的小幅正向效应。
研究结论与价值
本研究揭示了诉诸科学权威在在线传播中的“双刃剑”效应：旨在传达专业性和证据的线索，却可能被错误信息所利用，借科学之公信力来放大自身的传播。研究的核心发现是，SAC在低真实性内容中的放大效应最强，且在右倾用户中尤为突出。实验证据表明，这一效应的心理机制是可信度启发式——用户将科学权威归因视为一种认知捷径，由此提升对陈述的感知准确性，进而增强了分享意愿。该研究的重要价值在于，它揭示了“信任科学”和“核查来源”这类简单的辨别策略可能不仅不足够，甚至可能产生反效果。同时，研究也指出了科学权威面临被“征用”的风险，这对理解错误信息传播机制以及设计有效的干预策略具有重要的理论和实践意义。
研究亮点
本研究的突出之处在于其方法论上的创新与严谨性。它将大规模行为数据分析与预先注册的因果实验相结合，使得观察性发现的生态效度与实验研究的因果推断能力形成互补。使用LLM进行大规模SAC标注，并结合多轮人类验证，是计算社会科学中一种新颖且高效的方法学实践。此外，研究对政治极化的精细分析揭示了科学权威信号在不同政治群体中的异质性效应，这一发现超越了以往关于“右倾群体信任科学程度较低”的简单叙事，提出了更具细微差别的理解框架。