修辞失真栖身何处？影响者内容的多平台、多语言测量

🧒 初中生也能看懂的版本

① 研究背景（为什么要做？）

你有没有刷到过这样的帖子：明明只是一个普通数字，比如股市跌了 0.3%，作者却写成“灾难性崩盘，现在就行动”。这句话里的数字是真的，所以查假新闻的工具根本不会管它；它也不是标题党，因为它没有把关键信息藏起来骗你点进去。可它给人的感觉，比事实本身严重得多。

这就是这篇论文要量的东西，作者叫它修辞失真：说法本身没错，但语气、紧迫感、情绪被放大了。它像给一张普通照片加了个超饱和滤镜——画面还是那个画面，看的人却被吓到或激怒。

过去的研究主要盯三件事：消息是真是假、标题是不是骗点击、新闻里用了哪些宣传手法。这些工具大多是给编辑过的新闻稿设计的，也通常只在一个平台、一种语言里用过。而今天的网络内容，是几百个账号在六个平台上、用中文和英文同时发出来的。作者一共收集了 13,060 条帖子，来自 330 个账号，横跨 RSS 订阅、YouTube、Bluesky、Reddit、微博和 X（原推特）。

② 研究问题（要回答什么？）

作者把问题拆成四个：

RQ1：一条内容的夸张程度，更多取决于它发在哪个平台，还是取决于它讲什么话题？
RQ2：不同平台是不是各有各的夸张花样——推特爱用情绪词，YouTube 爱把视频吹成重大事件？
RQ3：在英文平台上看到的规律，搬到中文的微博还成立吗？
RQ4：同一条推文下面，平台展示的那几条回复，会不会比作者本人的话更夸张？

其中第四个问题是这篇论文最想弄清楚的。因为在推特、Reddit 这类“有楼层”的平台上，读者看到的不只是作者写的那句话，还包括平台挑出来放在下面的回复。如果回复比正文更激动，那我们平时说的“这个账号很夸张”，可能说的根本不是这个账号，而是它脚下那片评论区。

③ 研究方法（怎么做的？）

作者先给“夸张”下了五个能打勾的定义：
重大化（SI）：把小事说成“改变一切”“百年一遇”；
制造焦虑（AM）：直接吓唬读者本人，比如“你将被淘汰”“希望你已经准备好了”；
新奇宣称（NC）：“没人敢说”“媒体不会告诉你”；
情绪化措辞（LL）：“灾难性”“疯了”，还有全大写吼叫和“！！！”；
时间失真（TD）：不管什么事都加“突发”“刚刚”。

检测像机场安检分三道。第一道是关键词规则，49 条强信号加35 条弱信号，还配 11 条排除规则——比如“学什么都永远不晚”里的“晚”，不该算制造焦虑，就由排除规则划掉。第二道把明显误伤的匹配取消，但强的匹配一定要留。第三道才是大模型（GPT-4o-mini）：规则证据弱的帖子，让它从零判断；证据强的，让它核对规则给的结果，并顺手检查有没有漏掉的维度。

结果是 86.0% 的帖子在第一道就“没响”，根本不会送去给大模型，既省钱，也让整个过程可以被检查。为了确认机器判断靠不靠谱，两位人工标注员各自独立标了 198 条帖子（每个平台 33 条），两人之间的分歧用 κ 衡量，整体 κ=0.76，属于相当一致。

④ 结果（发现了什么？）

先看大盘。六个平台的“失真指数”（DI，五个维度的平均值，满分 100）差距大得吓人：推特 7.74，YouTube 3.30，Bluesky 1.46，微博 0.97，RSS 和 Reddit 都是 0.78。推特差不多是 RSS 的 10 倍。统计检验 p 小于 10 的 19 次方分之一，等于几乎不可能是巧合。

0.49 对 0.09
平台能解释的差异是话题的五倍多

3.5 倍
同一条推下，回复比推文夸张 3.5 倍

36 / 43
43 个推特账号里 36 个都是回复更夸张

更有意思的是第四个问题。把每条推文和它下面的前 5 条回复分开测：推文本身 DI 只有 2.17，回复是 7.65，正好 3.5 倍，43 个账号里有 36 个都是这样。而推文的失真水平，和 YouTube、Bluesky 在统计上分不出高下——那些看起来很“炸”的账号，自己说话其实没那么夸张，是下面的回复在冒火。

不过回复是把 5 条拼在一起，字数多了自然更容易撞上关键词。作者把回复截到和推文一样长再测：差距从 3.5 倍缩到 1.5 倍，仍然显著。所以“回复层更夸张”这件事，一半来自“人多嘴杂”，一半来自每条回复本身就更冲。

失真还高度集中：最夸张的 10% 账号贡献了全部“命中”帖子的 50.5%，另有 28.5% 的账号一条都没命中。但在推特上反而不集中（基尼系数 0.38），说明夸张是推特的日常，不是少数人的特产。

⑤ 讨论（这些发现说明什么？）

那为什么回复层会更夸张？作者列出三种可能，并且老实说现在的数据还分不开：一是排序，平台把最容易被点赞的回复顶上来，而愤怒最容易换来点赞；二是人群，政治和媒体账号下面聚着对立阵营的人，骂对手本来就容易火；三是规范，评论区本来就比正文更容易骂人。数据里政治类的差距最大（推文 2.5，回复 12.5），媒体类其次（2.0 对 8.5），和这三种解释都对得上。

作者还提醒一个很容易被忽略的坑：五个维度的可靠性差别极大。“突发”这类最好认（F1=0.87），“重大化”和“情绪化”中等（0.50 和 0.49），而“制造焦虑”几乎和人工判断对不上（F1=0.03）——因为 89.4% 的焦虑标签其实是大模型自己“脑补”出来的，人很少这么看。所以作者把所有主结果都在只保留三个可靠维度的情况下重算了一遍，结论没有变。

换成另一个模型 GPT-4o 重跑，平台排序一模一样，账号层面的相关系数高达 0.90，只是整体打分会低 10%–42%。这说明“谁高谁低”很稳，“具体高多少”则要看用哪个模型。

⑥ 结论（最终结论 + 启示）

一句话总结：在这项测量里，夸张不住在作者身上，它住在平台给你加的那一层里。作者因此给出几条建议：有楼层的平台，作者文本和读者文本要分开测；五个维度要分开报，不要只报一个合成分数；跨平台比较必须控制文本长度；规则层也要审，因为最大的错误往往是规则悄悄失灵、从最终结果里完全看不出来；最后，验证要靠人，不能只靠另一个大模型。

对普通读者来说，这条结论也很实用：刷到一条让你火大的帖子时，先看看让你火大的是作者，还是下面那条被顶到最上面的回复。

🎓 专业 IRMaD 结构解读

I. Introduction（引言）

网络操纵的计算研究长期围绕三个对象：主张的真值（misinformation）、单一结构线索（clickbait）、为编辑新闻设计的宣传技法分类（Da San Martino et al., 2019; Piskorski et al., 2023）。影响者内容的问题不在真值——“市场下跌 0.3%”可以完全准确，却被框定为“灾难性崩盘，立刻行动”。这类修辞失真对事实核查不可见，也不符合 clickbait 的“隐去信息”定义，却决定受众认为什么重要、该有多恐慌。

既往测量留有两处空白：检测器多为单平台、单语言、面向编辑文本；帖子文本被当作单一单元，而 threaded 平台上读者看到的是创作者文本加平台排序展示的回复（Chuai et al., 2026）。因此“失真栖身何处”在测量上尚未被回答。

贡献四点：五维操作化；规则—过滤—LLM 的可审计流水线；六平台双语 330 账号 13,060 帖的同尺测量；创作者/回复分解，证明合并测量会把平台层效应误记为创作者效应。

I. Theoretical Framework & Hypotheses（理论框架与假设）

失真定义为显著性、紧迫性、新奇性或情绪强度超出底层信息所支持框架（Entman, 1993；Kreider, 2022 的比例谬误）。系统只检测语言标记、不核验证据，故比率为“失真信号率”。

维度	诉诸	理论来源	示例
SI 重大化	logos	框架理论 / 比例谬误	changes everything
AM 制造焦虑	pathos	EPPM 威胁—易感性	you will be left behind
NC 新奇宣称	ethos	来源可信度 / 诉诸权威	nobody is talking about this
LL 情绪化措辞	pathos	宣传技法分类 / 论证规则	catastrophic, ALL-CAPS
TD 时间失真	logos	信息质量的时间维度	BREAKING, just dropped

编码决策：只计作者本人措辞（引语、中性转述、自嘲不计）；多维独立判定；AM 须以读者为威胁对象；TD 须显式紧迫标签。RQ：平台 vs 话题、维度签名、跨语言迁移、回复层。

M. Materials & Methods（材料与方法）

样本：2026 年 7 月目的性抽取六平台 330 账号、13,219 帖，13,060 帖可取得文本构成语料；每账号取最近 20–50 帖，X 另存平台排序前 5 条回复。分类单元截断至 800 字符（微博 113 字符，不截断）。分析集 CS≥0.30 且 ≥10 帖：309 账号 / 12,503 帖（X 43 / 2,150）。
指标：标签 C_d(p)∈{0,1}；DI = (SI+AM+NC+LL+TD)/5（式1，等权）；CS = max(0, 1 − 2σ_w)（式2，σ_w 为周度任一维度率的标准差），全样本落在一周内时 CS=0.5。CS 不进 DI，仅剔除靠异常周撑分的账号。
三层流水线：①双语规则 49 强 + 35 弱 + 11 排除（SI、AM 各 13 条强模式），c(p) = min(0.95, 0.35n_s + 0.15n_w)（式3）；匹配前删除引号内容。②负向过滤取消弱匹配、保留强匹配，并记录被排除维度。③路由 A if c<0.70; B if 命中或被过滤; C otherwise（式4）：A 路径 LLM 不见规则输出、从零分类；B 路径获知命中类型、短语与被排除类型，一次完成核验与查漏；C 路径不调用。temperature=0、JSON 输出；86.0% 帖子走 C，规则充当 recall gate。
分解：对 X 用相同规则、提示与路径再跑“仅推文”“仅前 5 条回复”两遍，并设仅首条回复、回复截断至推文长度两个长度控制变体。
信度：两名标注员盲于系统输出独立编码；主样本 198 帖按“平台×是否被标记”分层（每平台 33 帖）加权；X 按仅推文标签评分，另设 60 个回复单元。标注者间 κ：任一维度 0.76；分维 SI 0.69、AM 0.56、LL 0.78、NC/TD 1.00。流水线与人工均值：任一维度 F1=0.56（P=0.62，R=0.51）、TD 0.87、SI 0.50、LL 0.49（P=0.71，R=0.38）、NC 0.09、AM 0.03；回复单元 P=0.89、R=0.60。
模型：Kruskal–Wallis（ε²=H/(N−1)）+ Holm Mann–Whitney；二因素 ANOVA 取 Type II 平方和、报告偏 η² 并做秩变换（N=300，41 个单元）；帖子层 logistic（式5，RSS 参照，含 γ·log(chars)）；同帖 Wilcoxon；账号固定效应 + 聚类标准误（式6）；GPT-4o 复核。

R. Results（结果）

RQ1 平台 ≫ 话题：H(5)=101.5，p<10⁻¹⁹，ε²=0.33；ANOVA 平台 F(5,259)=50.16，p<10⁻³⁵，η_p²=0.49，话题 p=0.002、η_p²=0.09，交互 0.17（p=0.003）。剔除 X 后话题 p=0.91，秩变换下平台 0.31；政治类 X 12.6 vs Reddit 1.1。
长度与稳健性：log(chars) 的 OR=2.21；加入后 X 由 10.31 降至 6.20、YouTube 4.10 降至 2.82（p<0.001）；九种纳入标准下 ε²=0.29–0.36，X/RSS 比 8.3–11.8；仅规则层排序亦为 X 6.78 > YouTube 4.03。
RQ2 维度签名：X 由 LL 21.0%、AM 9.2% 主导；YouTube LL 6.8%、SI 5.2% 最高；RSS SI 2.5%；微博 SI 2.2%。29.3% 命中帖多维，最常见 AM×LL（187 条）。前 10% 账号贡献 50.5% 命中帖，基尼 0.68（X 0.38）；k-means 两簇（轮廓 0.663），尾簇 31 个中 24 个来自 X。
RQ3 微博：DI 0.97，与 RSS、Reddit 同层；金融 SI 1.90% 对 4.03%，AI/ML 7.20% 对 1.68%；作者不作语言解读——控制长度后 OR=2.34 反高于 RSS，且“史上/历史性”多假阳性、样本偏机构号。
RQ4 回复层：回复 7.65 vs 推文 2.17（3.5 倍，p=2.3×10⁻⁷，36/43 账号）；LL 25.0% vs 4.0%、AM 8.6% vs 1.6%，TD 反向。截断至推文长度后 3.24 vs 2.17（1.5 倍，p=0.003，OR=1.63），超出集中于 LL（12.6%）；首条回复 1.29（p=0.017）。人工 26 条双标帖：3/5 条推文与 21/16 个回复命中，无一例仅推文命中（McNemar p<10⁻⁵）。GPT-4o 下 5.08 vs 1.50。
互动（探索性）：仅微博有计数（3,240 帖，134 命中）：转发 +20%（p=0.02）、点赞 +22%（p=0.04）。
层级贡献：规则提出 1,623 个标签（12.3% 帖子），LLM 保留 56.1%、新增 521，最终 8.8%；LL 仅 7.6% 新增，AM 89.4%（254/284）新增（X 上 197 个中 187 个）。
模型稳健性：GPT-4o 复核 1,667 条路由帖，排序复现（X 4.49、YouTube 2.97、Bluesky 1.06、微博 0.72、Reddit 0.67、RSS 0.63；ε²=0.28），账号 DI ρ=0.90；GPT-4o 更保守。

平台	DI	SI%	AM%	LL%	TD%
RSS	0.78	2.49	0.08	1.00	0.08
YouTube	3.30	5.17	2.33	6.83	1.50
Bluesky	1.46	0.69	1.00	3.81	1.02
Reddit	0.78	0.47	0.87	2.39	0.07
微博	0.97	2.19	0.68	0.89	0.68
X/Twitter	7.74	4.98	9.16	21.02	2.79

a / D. Discussion & Conclusion（讨论与结论）

理论意涵：平台效应强于话题，支持 affordance 解释（Bucher & Helmond, 2018），但须按层级细化：threaded 平台上被测失真主要属于平台排序展示的回复层，创作者文本与 YouTube、Bluesky 不可区分；合并两层的排名系统性高估创作者（比值 3.6 倍）。
回复层机制：排序、受众构成（政治 2.5 vs 12.5、媒体 2.0 vs 8.5 差距最大）、规范，加机械聚合；区分四者需按时间序采集回复。
LLM 分工：TD、LL 等词汇维度由规则供候选、LLM 作精确过滤器（丢弃约 40%）；AM 规则几乎不触发，标签多为 LLM 自行推断，人工不认可。
建议：平台特定的阅读策略优于话题特异的怀疑；回复排序是治理干预点；测量上分层分类、分维度报告、控制长度、审计规则层（最大错误是 gate 的静默缺陷：全大写模式命中 78% 帖子，修订后非 X 单元人工 F1 由 0.24 升至 0.52）、以人工而非另一 LLM 验证。
局限：只测语言标记不核验证据；NC/AM 仅探索；验证样本小（198 帖、60 回复单元）；召回受规则表约束；仅 X 有回复层且为排序前 5 条；目的性抽样、关联性结论；GPT-4o 下平台 DI 低 10%–42%。伦理：仅公开内容、只报聚合统计与公众账号 handle；未注明资助。

🧠 IRMaD 思维导图

I 引言 R 研究问题/假设 M 方法 R 结果 a 讨论 D 结论

mindmap
  root((修辞失真藏在哪))
    I 引言
      事实没错但语气过火
      查假新闻工具抓不到
      检测器多为单平台
      失真可能来自评论区
      六平台双语测量
    R 研究问题
      RQ1 平台还是话题
      RQ2 各平台失真花样
      RQ3 微博能否复制
      RQ4 回复层是否更重
    M 方法
      330 账号 13060 帖
      五维失真框架
      49 强 35 弱规则
      GPT-4o-mini 复核
      双人标注 κ 0.76
      推文与回复分开跑
    R 结果
      推特指数是 RSS 十倍
      平台解释力 0.49
      回复比推文高三点五倍
      等长后仍高一点五倍
      基尼 0.68 高度集中
      GPT-4o 排序复现
    a 讨论
      失真活在平台层
      排序 人群 规范三机制
      合并文本高估创作者
      AM 标签多为模型猜出
      回复排序是干预点
    D 结论
      创作者与读者分开量
      分维度报告胜于合成
      跨平台控制文本长度
      人工校验优先于模型
      规则层也要审计

图：本研究的 IRMaD 思维导图。蓝色 I 引言；橙色 R 研究问题；绿色 M 方法；橙色 R 结果；紫色 a 讨论；红色 D 结论。