基于真实人际接触数据的新冠肺炎校园传播与防控

随着新冠肺炎疫情在中国的稳定,复学成为目前广大人民群众最关心的热点问题。学生和老师在学校长时间聚集和面对面接触增加了相互传染疾病的风险,虽然学校停课一般被认为是缓解流行病的最可行策略,然而大面积的隔离往往伴随着高昂的社会经济成本甚至会造成社会恐慌。所以在学校出现疫情时,需要尝试使用更加细致科学的防控措施。该文基于真实人际接触数据模拟新冠病毒在校园内的传播,通过计算学生之间的有效距离制定防控措施。研究发现学生在校园内与同班级、同年级学生接触较多,所以当在校园中发现病例时,及时封闭患者班级、年级就可控制住疫情的发展,能取得与封闭学校近似、甚至更好的效果。此外,在无封闭和施加防控措施情况下,分别对无症状患者比例和潜伏期传染性对校园疫情影响进行了分析。在施加防控措施后,每种情况下的疫情都会得到控制,并且会很快迎来疫情好转的时间点。该研究有助于学校选取合适的防控措施,准确评估无症状患者和潜伏期传染性对疫情的影响。     

基于模体度的社交网络虚假信息传播机制研究

社交媒体作为信息传播的载体,既可使人们快捷地分享信息流和获取时事新闻,也可能成为虚假信息泛滥蔓延的重要渠道.现有的虚假信息检测研究多基于对微博内容的机器学习或深度学习的识别模型,忽略了真假信息传播网络的结构差异.基于复杂网络的模体理论,提出了广度模体度与深度模体度的概念来量化传播网络的结构重要指标.研究表明:基于模体度的重要性计算方法是对传统网络结构重要性指标的一种创新与拓展,能够更全面地测度传播网络结构特性.通过构建的二维模体度量化指标,分析和揭示了微博、Twitter网络中虚假信息的结构特性与传播机制:虚假信息在广度传播与深度传播共同作用下扩散,广度模体度主要作用于网络传播规模,而深度模体度影响网络结构的复杂性.基于模体度的网络特征分析,可以应用于社交媒体信息传播的早期从源头上检测虚假信息,为虚假信息检测提供了一种新颖可行的途径.     

基于多尺度时效模体度的虚假信息传播机制

将时效网络引入虚假信息传播研究中，提出一种通过时效模体度刻画传播网络的方法来探究虚假信息的传播机制。该方法将传播网络的结构特性和信息的时间属性相融合，使用多个真实数据集检验了该方法在虚假信息检测中的普适性。数据结果表明，真假信息在不同的时间尺度下时效模体度的变化规律不同，在大时间尺度上虚假信息比真实信息的传播速度更快且传播深度更深，利用基于时效模体度的方法可以更准确地检测出虚假信息。该研究揭示了虚假信息的多时间尺度传播机制，可用于预防虚假信息的传播。