🧒 初中生也能看懂的版本
① 研究背景（为什么要做？）
你有没有刷到过那种视频：主播一脸严肃地告诉你，某款早餐麦片里的配料和瑜伽垫是同一种化学物质，某种零食在别的国家早就被禁，种子油是用汽油里的溶剂泡出来的，最后再补一句“千万别吃，看到最后你会吓一跳”？这类内容就是研究者说的“食品恐惧”。它的特点不是简单说错，而是把普通、便宜、大家天天吃的东西说成“有毒”“是毒药”“这辈子都别碰”，却很少告诉你吃多少才危险、消息从哪来、那到底该改吃什么。
过去研究假消息，盯的多是选举谣言和疫情谣言。这类内容往往短时间内被大量转发，像火烧一样蹿起来，所以大家习惯用“病毒式传播”来形容。食品恐惧不一样：它不靠某条具体假新闻，也很难说哪句话百分之百是假的，更像天天在你耳边念“现在的食物都不能吃了”。因为每个人每天都要吃饭，这种内容能碰到的人更杂、更广，不一定和政治立场绑在一起。TikTok 又正好是很多人获取营养知识的主要渠道，而平台上不少营养内容质量不高，越不准的视频反而越有人看。于是问题就来了：这种不靠爆炸新闻、靠日复一日念叨的恐惧，究竟是靠什么传开的？
② 研究问题（要回答什么？）
作者把问题拆成三块，像查案一样一层层往下问。
第一块是传播：吓人的美食视频，是不是真的比普通美食视频传得更远、更久？这里“传得远”看播放量有多少人看到，“传得久”看视频发出去以后，评论是几天就停，还是几个月后还有人接着吵。
第二块是情绪：这类视频下面是不是更生气、更害怕、更恶心？还有一个更细的问题：一条负面评论，是不是更容易招来另一条负面评论，把整个评论区拖进越骂越凶的漩涡？
第三块是话题：这些人到底在怕什么？是怕添加剂、怕农药、怕转基因，还是干脆不信任监管机构？从 2020 年到 2026 年，他们害怕的东西是越说越集中，还是花样越来越多？
三个问题合起来，其实是在问一句话：恐惧内容的“威力”，究竟体现在一下子很多人看到，还是体现在少数人久久不散。
③ 研究方法（怎么做的？）
研究团队先想办法把“吓人的美食视频”从海量视频里捞出来。他们在 TikTok 的科研接口里输入 97 组带恐惧意味的搜索词，比如“有毒食物”“千万别吃这个”，又输入 49 组普通词，比如“健康食谱”“备餐技巧”，一口气捞回大约 67.7 万条视频。但搜索是模糊匹配，会带出一堆无关视频，所以不能只看关键词。
判断的办法很新：请一个能同时看画面、听声音的人工智能（Gemini 3 Flash），拿着写好的“判定手册”一条条看。手册列了十种信号，比如用“有毒”“毒药”这类词、催你“现在就停”、说“别的国家都禁了”。命中两条以上就算恐惧视频；只命中一条时，还要看整体语气是不是在吓人。为了确认这个人工智能靠不靠谱，两位真人研究者各自看了 1,000 条视频，其中 986 条两人都完整看完并打了分。自动判定和真人判断的一致程度用卡帕值衡量（一种扣掉“瞎猜也会对上”后的吻合度），是 0.81，属于相当高。
接着，研究者抓了 100 多万条评论和 27 万多对“评论—回复”，用现成模型给每条评论贴上正面、中性、负面，以及愤怒、厌恶、恐惧、喜悦等情绪标签，再让模型判断回复是在纠错、在火上浇油，还是在附和。最后用主题模型把视频台词和评论自动归类，看看恐惧话语到底在谈什么。
④ 结果（发现了什么？）
最反直觉的发现是：恐惧视频其实看的人更少。它的播放量中位数只有 1,033 次，普通美食视频是 2,741 次，少了六成；点赞中位数 36 对 84。它没有“刷屏”。
但它有两个别处没有的本事。第一是看的人更愿意转：每 1,000 次播放被转发的次数是普通视频的 2.32 倍，控制播放量、长度、年份后仍有 1.71 到 2.05 倍。第二是讨论拖得更久：评论一半在发布后 1.82 天才来，普通视频只要 1.03 天；控制各种因素后仍长 1.62 倍，有的视频两百多天后还有一半评论刚到。
评论区也更“上火”。恐惧视频的评论 32.5% 是负面，普通视频 20.9%；其中厌恶 26.0%（普通 16.9%）、愤怒 21.9%（14.0%），真正的“害怕”只从 3.4% 升到 4.6%。大家不是在发抖，而是在生气、在骂监管。
这是越骂越凶的回音壁吗？不是。负面评论招来负面回复的比例两组几乎一样，37.8% 对 37.5%。塌掉的是正面气氛：普通视频里正面评论有 57.8% 能招来正面回复，恐惧视频只有 39.6%；招来负面回复的比例则从 13.7% 升到 22.1%。
评论区也不一边倒：纠错回复占 13.9%（普通 4.4%，约三倍），“加码吓人”的回复从 1.0% 涨到 9.1%（约九倍）。
⑤ 讨论（这些发现说明什么？）
作者认为，这说明我们对“有害内容”的想象可能偏了。过去大家默认坏东西会像火一样烧起来，所以平台的风控也是等一条内容突然爆了才动手。可食品恐惧的套路是慢慢熬：看的人不多，但看的人更容易转，转来的人过几天又回来吵，评论区一直热着。它的力量不在“有多少人看见”，而在“看见的人有多投入、能吵多久”。
为什么会这样？作者提出两种可能，而且老实说数据分不清。一种是观众自己反复回来看、回来争论；另一种是平台的推荐算法不看粉丝、只看互动，一条被频繁转发的视频会被反复推给新的人，于是几周后还有新观众进来。第二种解释和“转发率高”这个发现很对得上，也意味着平台自己的排序规则可能是恐惧内容久拖不散的推手之一。
那评论区为什么不是回音壁？作者用“恐惧诉求”理论来解释：当一条消息只吓唬人、却不告诉你“那你该怎么办”，人往往不会乖乖改变行为，而是产生抵触、回避和不信任。这里的观众正是如此，他们更多是愤怒和厌恶，而不是害怕，而且火气常常冲着 FDA、大企业和“整个系统”去。也正因为大家在吵，评论区里天然就有纠错的声音，这给平台留了一个现成的抓手。
⑥ 结论（最终结论 + 启示）
一句话总结：食品恐惧不是爆款，而是慢性病。它看的人少，却让人更愿意转发、更愿意回来吵，评论区更愤怒也更厌恶，而这种气氛一旦形成，正面声音就很难维持。
这对平台意味着什么？作者给了三条很具体的建议。第一，别只用“有没有突然爆火”来找有害内容，要看“每一次播放被转了多少”和“评论是不是过很多天还在来”，这两个信号在发布后头几天就能看出来。第二，把提醒放在转发按钮那一步，因为转发正是恐惧内容唯一赢过普通视频的地方。第三，别指望把每一条新谣言都追完，因为吓人的说法从 2020 年的几种长到了每年二十来种；不如教观众识别套路本身，比如“只告诉你秘密”“别的国家都禁了”这类话术。
还有一点挺温暖：这些评论区里本来就有三倍于平常的纠错回复，而且它们和别处的纠错一样受欢迎。平台要做的不是从零制造反驳，而是把已经存在的反驳顶上去。毕竟每个人每天都要吃饭，这种慢火熬出来的恐惧，值得和那些来势汹汹的假新闻受到同样的重视。
🎓 专业 IRMaD 结构解读
I. Introduction（引言）
不实信息研究长期聚焦高利害、事件驱动的场景：选举期的假新闻（Allcott & Gentzkow 2017）、疫情与疫苗争议中的健康谣言（Cinelli et al. 2020; Loomba et al. 2021）。这类研究默认有害内容的成功形态是“快速而广泛地扩散”，Vosoughi et al. (2018) 更把“假新闻传播更快更远”作为标志性结论。然而，另有一类更安静、更黏着的内容长期未被系统考察：日常食品恐惧。短视频把普通食材、配料与品牌描述为“有毒”“毒药”“永远别吃”，通常不给出剂量、来源或替代方案。由于饮食决策人人每日发生，其受众比选举或疫苗内容更广、更少政治化，并契合公众对化学与膳食风险的系统性偏差（Siegrist & Bearth 2019）。TikTok 已成为许多人获取营养信息的主渠道，而平台营养内容质量普遍偏低，越不准确的帖子互动越高（Zeng et al. 2025）。
既有平台干预——警告标签、降权、删除、社区笔记、专家辟谣——均针对“虚假、病毒式或与新闻事件绑定”的内容，其评估也集中在这类内容上（Ling et al. 2023; Zannettou 2021; Chuai et al. 2024）。本文的空白正在于此：尚未有研究刻画食品恐惧内容发布之后的有机动态。作者据此提出以“持续性”而非“病毒性”理解该类内容，并给出三项贡献：持续性优于触达、非回音室式的非对称情绪抑制、不断扩张的话语框架库。
I. Theoretical Framework & Hypotheses（理论框架与假设）
本文为描述性、问题驱动设计，不设方向性假设，而以三组研究问题对应三条文献脉络：注意力动力学与扩散、情绪传染与回音室、恐惧诉求与纠错。作者明确把“恐惧内容应当病毒式传播”作为待检验的常识性预期，并预期（但允许被推翻）恐惧线程会因情绪传染而放大负面。
| 编号 | 研究问题 | 理论依据与预期 |
|---|---|---|
| RQ1 | 恐惧类食品视频的扩散与讨论持续性是否不同于非恐惧视频 | 注意力动力学（Wu & Huberman 2007; Crane & Sornette 2008; Lehmann et al. 2012）；高唤醒情绪促进分享（Berger & Milkman 2012）。预期恐惧内容触达更高 |
| RQ2 | 恐惧视频在评论区制造何种情感与对话环境 | 情绪传染（Kramer et al. 2014; Ferrara & Yang 2015）、道德情绪反馈（Brady et al. 2021）、回音室（Del Vicario et al. 2016; Cinelli et al. 2021）。预期负面自我强化 |
| RQ3 | 恐惧话语的主题构成及其 2020–2026 年的演化 | 风险感知偏差（Siegrist & Bearth 2019）；框架扩散与预辟谣（Roozenbeek et al. 2022） |
| 补充 | 恐惧诉求为何不产生行为改变 | 扩展平行过程模型 EPPM（Witte 1992; Witte & Allen 2000）：威胁缺少效能信息时转向“恐惧控制”（抵触、回避、不信任） |
该框架的关键作用是把“病毒性”从一个默认前提降格为可检验命题，并将结果变量从累计触达扩展为触达、单位播放分享率、评论到达分位数与衰减指数、回复情感转移概率等多层指标。
M. Materials & Methods（材料与方法）
- 语料构建：设计 97 条恐惧导向查询（覆盖毒性、加工食品、健康后果、权威警告、隐秘真相、添加剂、禁令、特定饮食等十类框架）与 49 条中性对照查询（健康饮食、营养教育、特定营养素、备餐与烹饪）。经 TikTok Research API 检索得约 677K 条视频；保留视频数 ≥1,000 且覆盖 ≥48 个月的查询词，最终 17 条恐惧词、22 条对照词。按关键词与上传年份分层、平方根比例分配抽样，每位创作者最多 2 条，得 134,365 条候选。元数据采集于 2026 年 2–3 月，评论采集于 4 月，视频上传跨度 2018-12 至 2026-02。
- 视频与文本：用自动化浏览器下载并处理 98,042 条，97,234 条获得有效标签（Fear 12,698；Non-Fear 84,536）。以 gemini-2.0-flash 转写音频，81,595 条含语音，76,713 条英文转写用于主题模型。评论与回复取自公开页面，每视频最多约 500 条，按评论 ID 去重，覆盖各视频报告评论数的中位数 67%。0–365 天窗口内评论 1,146,987 条。
- 恐惧判定：编码手册列 10 项语言与视觉指标（警报式术语、紧迫性、绝对化主张、隐秘真相、阴谋暗示、警报字幕、恐惧图像、戏剧化剪辑、惊吓画面、拒斥图像）。命中 ≥2 项判为 Fear；仅 1 项时若整体语气警报亦判 Fear。负责任的召回与过敏提示、平衡健康信息、讽刺或辟谣不计入。零样本多模态分类器为 gemini-3-flash-preview（temperature 0.1），输入视频本身与编码手册。
- 人工验证：两名标注者独立观看分层样本 1,000 条（每组 500），986 条双标；原始一致率 90.5%，
Cohen's κ=0.58（Fear 为少数类故 κ 偏低）。分类器与双标一致子集（734 条）一致率 96.3%，κ=0.81，Fear-F1 0.83、召回 0.99、精确率 0.72；对全部双标视频的裁定标签，Fear 精确率降至 0.64，即分类器偏向过度标注 Fear，该误差使组间差异趋向零。 - 结果变量：单位播放分享率 = 分享数/播放数；0–365 天窗口内评论到达分位数
t25/t50/t75（天），t50为讨论半衰期；并对每条视频在 [15 分钟, 365 天] 上以极大似然拟合截断幂律，指数α越小衰减越慢。 - 情感与立场：评论情感用 twitter-roberta-base-sentiment-latest 三分类；情绪用 11 标签多标签模型（阈值 0.5），分层抽 150,000 条英文评论。回复方向用 GEE logistic，按视频聚类稳健标准误：
logit P(reply_neg) = β0 + β1·Fear + β2·parent_neg + β3·(Fear × parent_neg)。立场抽 3,000 条回复（每组 1,500，按父评论情感分层）由 gemini-3-flash-preview 标注同意/不同意、纠错、加码；作者人工复核 100 条，立场一致率 88%（κ=0.81），纠错 90%（κ=0.78，精确率 0.81），加码 93%（κ=0.84，精确率 0.82）。 - 主题：BERTopic + all-MiniLM-L6-v2 嵌入，分别对台词与评论建模；关闭自动合并、将 HDBSCAN 离群点指派至最近主题；评论模型得 1,825 个主题，最大占 1.2%。取 Fear 占比 ≥ 基线两倍的主题，读代表文档后归类，剔除噪声、离题与非英文簇。
- 推断：因变量高度右偏，组间比较用 Mann–Whitney U 与两比例 z 检验，报告 Cliff's δ 与 Cohen's h 并解释效应量；16 项主检验做 Holm–Bonferroni 校正。为排除构成差异，回归控制
log(views)、时长分箱、上传年份与关键词组固定效应，标准误按创作者聚类；t50与负面率模型另控log(comment_count)。分享率另用带 views offset 的 PPML：log E[shares] = β0 + β1·Fear + log(views) + Xγ + ε。更严格设定加入创作者固定效应（1,620 位同时发布 Fear 与 Non-Fear 的创作者）。
R. Results（结果）
- 触达更低而非更高（RQ1）：Fear 视频播放中位数 1,033 对 2,741（Cliff's δ=−0.21），点赞 36 对 84（δ=−0.22）；单位播放点赞率 0.0290 对 0.0325。评论率无显著差异。
- 分享与持续（RQ1）：分享率 0.00142 对 0.00061，原始比 2.32×；控制后 log OLS 1.71×、PPML 2.05×。评论半衰期 1.82 天对 1.03 天（原始 1.76×，控制后 1.62×）。幂律指数 0.958 对 1.007，调整后差 −0.063 [−0.080, −0.047]，均
p<10⁻¹²。效应量不大：分享率 δ=0.16、t50δ=0.13，两分布高度重叠。 - 情感环境（RQ2）：负面评论 32.5% 对 20.9%（h=0.27）；逐视频负面率 0.286 对 0.133（δ=0.39，全研究最大效应），控制后 +9.6 pp。按模型误差重加权后的真实差距为 +11.5 pp（95% bootstrap CI 1.9–19.6），与模型原始 11.6 pp 接近。恐惧情绪几乎不变（4.6% 对 3.4%），而厌恶（26.0% 对 16.9%，OR 1.49 [1.38, 1.60]）与愤怒（21.9% 对 14.0%，OR 1.49 [1.37, 1.61]）显著上升，喜悦（31.7% 对 49.6%，h=−0.37）与爱（6.5% 对 17.1%，h=−0.34）下降。
- 回复转移（RQ2）：271,960 对父评论—回复、19,543 条视频。负→负无差异（37.8% 对 37.5%，OR 1.01 [0.93, 1.10]）；正→正大幅下降（39.6% 对 57.8%，OR 0.48 [0.41, 0.55]）；正→负上升（22.1% 对 13.7%，OR 1.78 [1.56, 2.03]）；负→正下降（18.9% 对 21.8%，OR 0.84 [0.77, 0.91]）。Fear 效应随父评论情感而异（Wald
p<10⁻¹³），故称“非对称抑制正面”而非“强化负面”。 - 争议而非回音室（RQ2）：纠错回复 13.9% 对 4.4%（h=0.34，约 3 倍），加码警报 9.1% 对 1.0%（h=0.41，约 9 倍）；对正面父评论的分歧率 17.8% 对 6.8%。纠错回复获赞数两组相当（δ=−0.05，n.s.）。
- 话语构成（RQ3）：18.3% 的评论来自 Fear 视频；GMO/生物工程占 84.4%（598 条，lift +66.1）、种子油 76.5%（837，+58.2）、有机/纯净怀疑 69.8%（387，+51.5）、化学物与添加剂 58.2%（2,885，+39.9）、制度不信任 56.9%（2,520，+38.6）、微塑料 53.0%（445，+34.7）、加工与快餐 52.0%（1,156，+33.7）、毒性/食品安全 51.9%（1,722，+33.6）、代谢与慢病 48.7%（2,689，+30.4）、排毒/寄生虫 47.3%（1,003，+29.0）、身体指标 46.6%（631，+28.3）；台词侧基线 14.7%，激素风险清单 65.9%（91，+51.2）、人畜共患病/疫情 54.5%（33，+39.8）。
- 时间演化（RQ3）：2020–21 以癌症风险与危险食物为主，2023–25 扩展至食品染料“欧洲已禁”、高果糖玉米糖浆、种子油、反式脂肪、炎症等具体恐吓框架；每年活跃的恐惧过代表台词主题由 2020–21 的 5–7 个增至 2022 年后的二十出头。Fear 视频占语料比由 2020 年 4.0% 升至 2025 年 15.8%（作者注明关键词构成与 API 覆盖逐年变化，此趋势仅作提示）。
- 稳健性：同创作者比较（1,620 位）后分享率仍为 1.22×（
p<10⁻⁴），半衰期 1.07× 与负面率 +3.0 pp 不显著（n=634、438）；右删失（≥1 年）t501.68×；评论覆盖 ≥90% 时 1.50×；严格标签子集（置信度=1.0，Fear 精确率 0.94）差距反而增大（分享 2.99×、t502.17×、负面 +15.4 pp）；纯人工标签（817 条）分享 2.68×、负面 +5.6 pp 显著，t501.23× 不显著（仅 96 条 Fear 视频）；主题随机种子 ARI 0.77–0.80。
| 指标 | Fear | Non-Fear | 原始比 | 调整后 |
|---|---|---|---|---|
| 播放中位数 | 1,033 | 2,741 | 0.38× | — |
| 点赞中位数 | 36 | 84 | 0.43× | — |
| 单位播放分享率 | 0.00142 | 0.00061 | 2.32× | 1.71×（OLS）/ 2.05×（PPML） |
| 评论半衰期 t50（天） | 1.82 | 1.03 | 1.76× | 1.62× |
| 衰减指数 α | 0.958 | 1.007 | −0.049 | −0.063 [−0.080, −0.047] |
| 评论负面率 | 32.5% | 20.9% | h=0.27 | +9.6 pp |
| 父评论 → 回复 | Fear | Non-Fear | OR [95% CI] |
|---|---|---|---|
| 负 → 负 | 37.8% | 37.5% | 1.01 [0.93, 1.10] |
| 负 → 正 | 18.9% | 21.8% | 0.84 [0.77, 0.91] |
| 正 → 正 | 39.6% | 57.8% | 0.48 [0.41, 0.55] |
| 正 → 负 | 22.1% | 13.7% | 1.78 [1.56, 2.03] |
a / D. Discussion & Conclusion（讨论与结论）
- 核心解释：食品恐惧的影响力来自“动态”而非“触达”。单条视频的差异不大，但在控制构成、排除过新视频后仍成立，且覆盖一个庞大且扩张的内容类别。最严格的同创作者比较使估计缩水，说明部分差异可能来自“谁在生产恐惧内容”，而作者未采集粉丝数，无法进一步分离。
- 为何久留：两条机制无法区分——观众反复回到旧帖争论，或 TikTok 不依赖关注关系的推荐流持续把高分享视频推给新观众。后者与分享率差距一致，意味着平台排序本身可能是持续性的来源；区分二者需要平台侧曝光数据。
- 与病毒性文献对话：高唤醒情绪促进分享（Berger & Milkman 2012）、负面性驱动消费（Robertson et al. 2023）在“单位曝光”层面成立，但与累计触达脱钩。恐惧内容的形态更接近“小而高度激活的受众中更高的人均参与”，而非广泛病毒传播。
- EPPM 读法：有机食品恐惧几乎不提供可执行效能信息，观众以愤怒、厌恶而非恐惧回应，制度不信任贯穿始终，符合“恐惧控制”（抵触、回避、不信任）而非建设性行为改变。
- 争议空间而非回音室：负面并未更强自我强化，塌陷的是正面持续性；纠错与加码声音并存，纠错回复获赞不低于别处。干预不必从零制造反话语，而应让既有反话语更可见；首条回复塑造整串基调（Aleksandric et al. 2025），故置顶高质量纠错可对冲向下的情绪惯性。
- 平台启示：①检测应用“持续性”——单位播放分享率异常高、评论在发布数日后仍持续到达，即使总播放低也应标记；②摩擦应放在分享按钮，因分享是恐惧内容唯一胜出的指标；③TikTok 新冠疫情标签主要按话题标签施加且误标严重（Ling et al. 2023），食品恐惧无固定标签，须依据话语钩子（如 Table 1 的八类话术）判定；④标签须一致施加，否则未标注内容会被推断为更可信（Pennycook et al. 2020）；⑤话语框架每年新增，预辟谣（揭露“隐秘真相”“别国已禁”等操纵手法）比逐条追新更可迁移。
- 社区纠错：社区笔记的痛点是“来得太晚”，而食品恐惧讨论可持续数天至数周，恰给众包语境留出时间；专家纠错效果最强（Walter et al. 2021），TikTok 上的医护 stitch/duet 辟谣已被证明可降低错误信念（Bhargava et al. 2023）。
- 局限：语料由关键词定义、非随机样本且逐年构成变化；Fear 标签精确率中等且误差使差异偏向零；情感、情绪、立场分类器均非本领域训练；情感与立场人工核验各仅一名标注者（208 条评论、100 条回复），情绪标签未经人工验证；未观测创作者粉丝数，同创作者比较功效不足；评论覆盖中位数 67% 且有上限；无法区分观众回流与平台再曝光；仅英语、仅 TikTok。
- 资助与伦理：受 Khoury Teaching Faculty Research Seed Grant Program 支持；仅使用公开内容与 Research API 元数据，聚合分析、不画像个体；将公开视频 ID、标签、编码手册、提示词与分析代码，不公开原始评论文本。
🧠 IRMaD 思维导图
mindmap
root((食品恐惧慢传播))
I 引言
假消息研究偏重疫情选举
食品恐惧少人研究
日常饮食人人涉及
TikTok营养内容质量低
恐惧未必等于病毒式
R 问题
RQ1 传播与持续
RQ2 情感与对话
RQ3 话语与演化
预期恐惧会自我强化
M 方法
九万七千条视频
十七恐惧词与二十二对照词
Gemini 3 Flash 标注
卡帕零点八一
一百一十四万条评论
二十七万回复对
BERTopic 主题模型
R 结果
播放少六成
每播放转发二点三倍
半衰期一点六二倍
负面三成二五
正面续接三九点六
纠错回复三倍
加码回复九倍
恐惧话语框架扩张
a 讨论
力量在持续非触达
恐惧诉求转为愤怒
非回音室而是战场
推荐算法可能助力
同创作者估计减弱
D 结论
用持续性做信号
摩擦放在转发键
顶起已有纠错
慢火恐惧需重视
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。