基于均匀网络的大学生IG2D2 谣言传播模型研究

曹海燕，徐雨嫣，雷 苏

（1.东南大学 学生处，江苏 南京 211189；2.东南大学 数学学院，江苏 南京 211189）

根据2022 年8 月31 日CNNIC 发布的第49 次《中国互联网络发展状况统计报告》，截至2022年6 月，我国的网民规模达10.51 亿人，互联网普及率已达到总人口的74.4%[1]。这份报告表明随着网络技术的不断发展和普及，我国四分之三左右的人们都能够使用互联网浏览信息或娱乐。在新的网络时代下，高校大学生也越来越依赖于网络平台与同学及老师间产生联系，促使大学生网络舆情方面的教育引导面临新的考验和要求[2-4]。

随着高校舆论生态与传播方式发生的深刻变化，高校的“后真相”时代也一起到来。“后真相”时代中高校学生对于真相的查验变得次要，而诉诸感情变成首要内容[5]。正因如此，大学生在参与网络平台互动时极易受虚假信息影响，引发网络舆情，高校网络环境治理面对着严峻的挑战[6]。而在众多的高校网络环境治理困难中，网络谣言的爆炸性传播是最不容忽视的问题之一。大学生群体由于其自身身份特性，对于新知识、新环境充满渴求，但部分大学生价值观、人生观、世界观并未成型，思想尚未完全成熟，在面对网络谣言时，容易被煽动加入谣言传播群体或做出过激行为，对谣言传播起到推波助澜的作用[7]。

然而，与高校内网络谣言传播的简单程度相反，辟谣工作往往十分困难。首先，网络谣言内容往往十分模糊，难以分辨，信息的不对称性，导致大学生在参与网络互动时难以了解事实真相及判断谣言真假；其次，网络谣言常常利用高校学生对未知事物的恐惧或好奇心理，使得大学生“宁可信其有不可信其无”。因此，即使高校在校院两级平台官方网络平台或线上通知群对辟谣方面进行努力和尝试，但由于网络谣言数量巨大、学生群体始终存在的猎奇心理等原因，辟谣工作始终收效甚微。为了更好地应对高校大学生群体网络谣言不断传播的难题，对谣言传播过程进行深入研究并根据研究提出更为有效的辟谣方案，对于高校进行网络治理工作而言十分必要[8]。

为了有效地应对高校谣言的传播，不少学者进行了相关研究。张文丽[9]从高校网络政治教育的视角出发，从理论层面对加强网络谣言的规制提出了可行性对策和建议；黄宇弦[10]通过对马鞍山市及南京市高校发放问卷，从现实数据分析层面研究高校谣言的应对策略；丁艳艳[11]基于SIS（susceptitle-infectious susceptible）模型通过研究谣言扩散者的数量和谣言扩散率等参数的关系得到应对高校学生网络谣言扩散的策略。还有部分学者集中于对网络谣言的分类、检测及其传播过程的刻画分析等问题的分析，张鹏等[12]从网络谣言认知的角度实现对谣言的数量化分类，刘勘等[13]通过随机森林算法结合微博数据监测出机器学生等，这些研究都为人们能够快速地识别谣言提供了帮助。为了从科学模型角度解释谣言传播的社会性传染过程，Daley 等以传染病模型为基础开始对谣言的传播进行定量分析，创造性地开始描述人们在谣言传播过程中扮演的角 色[14]，ILSR（ignorant-lurker-spreader-removal）模型[15]在已有的谣言传播模型基础上加入了潜水者的角色，该角色虽然接触到谣言信息，但保持怀疑态度，因此并不传播谣言；SICR（susceptible-infective-counterattack-refractory）模型[16]增加了反对者，他们反对谣言并劝说他人不要相信谣言，导致在此过程中传谣。随着复杂网络被不断地研究，小世界网络及BA 网络也被广泛应用于社会网络的仿真实验中，Moreno 等[17]为提出数学模型分别在均质和非均质网络上推导了平均场方程，为后来的研究能够将方程模型与蒙特卡洛法仿真实验结果进行对比分析提供了理论基础。

考虑个体差异和社会心理效应影响下的谣言传播模型，杜高明[18]总结了当前微博平台上谣言传播的几大社会效应，如从众效应、符号接受效应等；马宇红等[19]根据从众效应和权威效应改进状态转移概率。近年来，人们也在积极开展针对辟谣策略的研究工作。赵鹭等[20]对辟谣的难点进行分析，指出谣言优先传播及辟谣信息传播链条等问题导致辟谣工作收效甚微。Liu 等[21]还研究了对抗性信息的传播机制，发现最终二元信息的竞争结果与二元信息间的转移概率密切相关，这启发了人们对谣言信息和辟谣信息之间竞争过程的理解。

综上所述，目前对于网络谣言传播的研究已相对成熟，但面对的都是一般的群体，针对高校学生群体中的谣言传播模型及辟谣策略研究相对欠缺。但高校学生的高上网率、强猎奇心理及不成熟的甄别信息能力，已经导致高校成为网络谣言扩散的重要平台，高校学生也成为传播谣言信息的重要载体，这极易引发高校突发危机或校园舆情事件，因此，加强高校学生群体中的网络谣言传播模型研究并提出针对高校辟谣相应策略，具有重大现实意义。

本文以高校学生日常接触的网络平台为研究对象，聚焦高校学生群体，根据学生的年龄、知识储备等方面的不同对高校学生进行分类，提出了包含6 种状态人群的IG2D2 模型，并在此基础上对IG2D2 网络谣言传播模型进行系列仿真实验，在实验结果的支撑下进一步寻找针对不同高校学生群体网络谣言规制的解决办法。

具体来说，首先详细分析了4 类大学生群体的特征量表，并规定了模型的传播机制，设立了合理的模型参数。由于实际生活中若学生好友圈中有人传播谣言，则受其传播的概率几乎为1，因此，本文模型根据实际情况将传播率等价为上线率；另外，参考网络平台的热搜榜，在模型中设立了独立的传播区，增加了谣言的传播途径并根据以上内容利用平均场理论构建出了均匀网络上的平均场方程。同时，针对4 类大学生群体进行谣言传播路径的分析，通过方程仿真实验和网络仿真实验以验证方程的合理性，并得到6 类谣言传播人群在不同大学生群体中的大致分布和变化趋势。并进一步分别根据4 类学生群体中的6 类人群相应的群体密度变化，分析了造成不同大学生群体中各类人群变化趋势不同的原因及相关的特征参数。

基于以上工作，进一步分析了更符合实际的均匀网络上对不同大学生群体谣言传播过程的特征表现，并给出相应不同的辟谣策略。高校的辟谣策略应从增强可用外力改变和影响的辟谣效果、降低谣言信息的转发率及增加辟谣信息转发率入手，分别从高校大学生谣言甄别知识教育及高校网络平台的管理发布给出相应的策略。

1 模型及参数介绍

1.1 高校学生群体分类及特征量表

为深入了解大学生群体中谣言传播走向及针对性提出阻断或缓解谣言传播的建议，在现有大学生群体特征研究文献[22-23]的基础上，本文根据不同大学生群体的年龄、知识储备、猎奇心理等方面的不同，将研究对象分为本科低年级同学、本科高年级同学、硕士研究生和博士研究生4 个年龄段群体，并对4 个年龄段对应学生的社交群体范围、猎奇心理、从众心理和知识储备这4 个群体特征给出了不同程度的判断分析，并由此得到IG2D2 谣言传播模型中不同的参数拟合，4 类大学生群体特征分类及具体表现分析如表1 所示。

表1 大学生群体特征分类及具体表现分析Tab.1 Classification of characteristics and specific performance analysis of college students

1.2 谣言传播机制

在经典SIR（susceptible-infectious-recovered）模型中，人们通常被分成S（susceptible）易感者、I（infected）感染者和R（removed）免疫者这3 种类型[24]。在这个模型里，传播谣言的群体是易感者，而免疫者是具有一定辟谣能力的群体。参考经典SIR 传染病模型，本文将谣言传播过程中所有学生群体分为6 类，包括谣言初始散布学生（S）、无知学生（I）、传谣学生（G1）、信谣学生（G2）、辟谣学生（D1）、不信谣也不辟谣学生（D2），并在此分类基础上建立谣言传播模型。该模型由两类相信谣言的学生群体（G1和G2）、两类不相信谣言的学生群体（D1和D2）及最初的无知学生（I）组成，我们将该模型命名为IG2D2模型。在本模型中，谣言的初始散布学生被设定为产生谣言的人，只被指定为一个学生节点。无知学生代表尚未接触过与谣言相关信息（可指谣言信息，也可指辟谣信息）的学生。

在无知学生（I）接触到谣言后，会根据自己的判断选择相信谣言或不相信谣言。整个大学生群体中，相信谣言的包括传谣学生（G1）和信谣学生（G2），这两类学生群体的区别在于传谣学生会传播谣言信息而信谣学生不会。以网络平台为例，传谣学生会转发谣言信息到自己的主页，但信谣学生仅仅会在谣言信息下发表赞同性的评论甚至不评论而只在心里表示赞同。同样地，整个大学生群体中不相信谣言的也包括辟谣学生（D1）和不信谣也不辟谣学生（D2），这两类人群的区别也在于前者会积极转发辟谣信息，而后者不转发辟谣信息。

本文中的IG2D2 模型是以网络社区为原型而进行的研究。为了模拟大学生使用网络社交平台的机制，假设一个学生在任意时刻登陆网络社交平台浏览信息的概率为γ，且每次登录时都会看完目前更新的所有好友动态及热搜榜，其中热搜榜是独立的话题传播区，里面既有谣言信息也有辟谣信息。此外，一个无知学生（I）有β 的概率从热搜中接收到信息。

基于以上内容，模型中群体状态转换规则总结如下：

1）网络初始状态中仅包含谣言初始散布学生（S）及尚未接触到谣言信息的无知学生（I）；

2）谣言的初始散布学生（S）是坚定的谣言传播者，状态不会改变；

3）网络中能够传播信息的有谣言初始散布学生（S）、传谣学生（G1）及辟谣学生（D1）这3 类大学生群体；

4）接触到与谣言相关信息传播者的无知学生可能转换成4 种状态，分别为传谣学生（G1）、信谣学生（G2），辟谣学生（D1）和不信谣也不辟谣学生（D2），且转变概率分别为pq，p（1-q），（1-p）q，（1-p）（1-q），其中p 表示在不受其他因素影响下，根据大学生自己的判断而相信谣言的概率，q 表示谣言信息的转发度；

5）接触到辟谣学生（D1）的传谣学生（G1）和信谣学生（G2）均分别以概率αs 及α（1-s）转变为辟谣学生（D1）及不信谣也不辟谣学生（D2），其中α 表示辟谣的效果，s 表示辟谣信息的转发度。

1.3 理论方程构建

本节将参考Moreno 等的研究工作[17]，借助平均场理论为上述模型构建平均场方程。首先，由于任一大学生在任意时刻登陆网络社交平台浏览信息的概率为γ，因此学生在[t，t+Δt]时间段内上线的概率为1-（1-γ）Δt，则当Δt →0 时，1-（1-γ）Δt与ln（1-γ）-1Δt 为等价无穷小。于是记Λ=ln（1-γ）-1，则学生在[t，t+Δt]时间段内上线的概率为ΛΔt。

若假设节点j 的度为k，则可认为g 满足二项分布

其中θ1（k，t）为t 时刻时一个度为k 的无知者与信息传播者相邻的概率，即

其中，ρS（k'，t），ρG1（k'，t），ρD1（k'，t）分别为t 时刻造谣学生、传谣学生及辟谣学生中属于节点度k'的群体密度。

于是无知学生保持状态不变的平均概率为

又由于此时g 满足二项分布

因此取遍所有g 值，传谣学生节点或信谣学生节点保持状态不变的平均概率为

最后，由于辟谣学生和既不信谣也不辟谣学生的状态均保持不变，

基于以上状态转换率，若记I（k，t），G1（k，t），G2（k，t），D1（k，t），D2（k，t）分别为t 时刻时度为k 的各种状态群体的数量，我们推出

下文将根据本节中得到的IG2D2 方程来开展针对4 类大学生群体的仿真实验。

2 基于均匀网络的IG2D2 模型仿真

2.1 仿真实验

针对4 个群体在社交群体、猎奇心理、从众心理及知识储备4 个特征维度上的性质，我们通过改变相应参数的值来模拟不同的学生群体。其中社交群体的广泛性可以由网络中各节点的节点度来表示，社交群体越广泛，网络中平均节点度（＜k＞）越大；猎奇心理对应于学生活跃度，学生活跃程度越强，登录微博浏览信息的概率（γ）越大；从众心理是人们根据群体中多数人的想法而决定自己想法的一种现象，当有谣言信息和辟谣信息出现时，都更倾向于去转发相应的信息，因此，信息的转发度（q、s）较高；而知识储备能够反应一个人在不受其他因素影响下，面对信息自己独立判断其正确与否的能力，因此，知识储备越丰富，相信谣言的概率（p）越低。综上，我们根据表1 中大学生群体特征分类及具体表现，对4 组仿真实验的参数取值进行设定。

为了研究4 类大学生群体中谣言的扩散过程，下文对上述方程分别进行数值仿真实验和网络仿真实验。选取总节点数N=10 000 的人工均匀网络，在实验中，初始谣言散布者被随机选取，且每一步中每一个节点都会根据规则对其相邻节点进行信息传播。

由下列4 组图形可以看出，谣言的扩散过程首先是谣言的初步扩散阶段，在此阶段中，无知学生开始接触到谣言信息并根据规则转变为其他状态。其次是谣言的大规模爆发阶段，此时无知学生数量急剧减少，直至信谣学生和传谣学生数量达到峰值。峰值状态下，传谣学生群体密度大于信谣学生群体密度。随后，信谣学生和传谣学生由于接触到大量辟谣学生而数量减少，这也导致无知学生数量的减少速率下降。最后，相信谣言的两类群体数量下降至零，系统趋于稳定。图1～4 分别是4 类大学生群体中谣言传播的扩散变化过程。

图1 本科低年级学生群体仿真实验结果Fig.1 Simulation experiment results of junior undergraduate students

2.1.1 本科低年级

选取参数＜k＞=100，γ=0.2，β=0.1，p=0.6，q=0.6，α=0.2，s=0.6，本科低年级学生群体仿真实验结果如图1 所示。

由于本科低年级学生社交群体较为广泛且学生猎奇心理较强，模型中学生群体的社交网络平均度＜k＞较大，且上网浏览并传播信息的行为也较为积极，因此，可以认为本科低年级学生群体是高校谣言传播的主体人群，且谣言传播达到传播峰值的扩散过程也较快。

2.1.2 本科高年级

选取参数＜k＞=100，γ=0.1，β=0.1，p=0.4，q=0.4，α=0.2，s=0.4，本科高年级学生群体仿真实验结果如图2 所示。

图2 本科高年级学生群体仿真实验结果Fig.2 Simulation experiment results of senior undergraduate students

由于学生的猎奇心理和从众心理较弱，不会较为积极地浏览或传播信息，因此相较于本科低年级学生群体的扩散速度，本科高年级学生中谣言传播的速度减慢。谣言传播过程中的整体变化模式同本科低年级类似，但由于本科高年级同学相较于低年级同学活跃度有所降低，因此整个谣言传播的变化趋势较为平缓。在活跃度下降的影响下，当谣言传播状态趋于稳定，即传谣人数趋于零时，辟谣学生群体密度小于不信谣也不辟谣学生密度。

2.1.3 硕士研究生

选取参数＜k＞=80，γ=0.05，β=0.1，p=0.2，q=0.2，α=0.2，s=0.2，硕士研究生群体仿真实验结果如图3 所示。

图3 硕士研究生群体仿真实验结果Fig.3 Simulation experiment results of graduate

硕士研究生群体中学生的知识储备进一步提升，在接触到谣言信息后能够更准确判断信息的真实性，同时对于不确定是否真实的信息也较少盲目转发，从而导致谣言传播的范围减小，谣言传播的速度进一步减慢，变化趋势也更为平缓。在峰值状态下，传谣学生群体及信谣学生群体密度之和进一步减少。

2.1.4 博士研究生

选取参数＜k＞=50，γ=0.02，β=0.1，p=0.1，q=0.1，α=0.5，s=0.4，博士研究生群体仿真实验结果如图4 所示。

图4 博士研究生群体仿真实验结果Fig.4 Simulation experiment results of PhD students

相较于以上3 种学生群体，博士研究生中大多数具有独立思考和独立判断的能力，他们往往能够直接分辨出谣言信息，且博士研究生猎奇心理较低，在接触到谣言信息后会直接转变为不信谣也不传谣学生群体，因此在该群体中谣言传播的范围最低，群体变化速度最慢。即使在峰值状态下传谣学生及信谣学生的群体密度之和也较低，谣言几乎没有被传播出去。

北大荒集团（总局）党委通过主题宣讲、舆论论引导和社会宣传等各种形式，依托全媒体平台和新媒体手段，通过全方位、多领域、宽视角的立体宣传，推动习近平总书记重要讲话精神进企业、进机关、进社区、进管理区，做到横向到边，纵向到底。

2.2 根据仿真结果对4 类学生群体的6 类人群进行分类

运用上文同一组参数，分别分析四类学生群体中传谣学生（G1）、信谣学生（G2）、辟谣学生（D1）和不信谣也不辟谣学生（D2）4 类人群的群体密度变化曲线，如图5，6 所示。

图5 传谣学生和信谣学生在4 类学生群体中的密度变化曲线Fig.5 Density change curve of rumor-spreading students and rumor-believing students in four groups of students

图6 辟谣学生和不信谣也不辟谣学生在4 类学生群体中的密度变化曲线Fig.6 Density change curve of students who reject rumours and those who do not believe or reject rumours among four groups of students

图中，本科低年级学生群体中传谣学生和信谣学生群体密度最大，且传播过程最快；而达到稳定状态后，本科低年级学生群体中辟谣学生群体密度最大，不信谣也不辟谣学生群体密度最小。这是由于低年级学生知识储备较少，且从众效应较强，容易受到谣言欺骗，并由于其猎奇心理较强，容易去转发谣言相关的信息。

本科高年级学生中传谣学生和达到稳定后的辟谣学生群体密度仍然较大，但相对于本科低年级学生较少，且信谣学生和不信谣也不辟谣学生的群体密度较多。这是由于本科高年级学生知识储备相对提高，且平台活跃度明显下降，不再乐于转发各类消息进行网络社交活动。

硕士研究生中传谣学生和达到稳定后的辟谣学生群体密度都大幅减少，且信谣学生和不信谣也不辟谣学生的群体密度较大。这是由于硕士研究生对外界信息已具有一定的辨识能力，且由于学习压力加大，对社交平台中的信息兴趣不大，因此既不参与转发谣言信息，也较少转发辟谣信息。博士研究生中传谣学生、信谣学生和辟谣学生群体密度都较少，而不信谣也不辟谣学生密度最大，这是因为博士研究生较少相信谣言信息，从众心理也较弱。

3 辟谣策略分析

由群体特征刻画量表中可以看出不同年龄阶段学生猎奇心理和从众心理存在较大差异，这些因素直接与传播峰值的相信谣言者的密度大小及到达传播峰值所需的时间具有较大影响。而随着年龄的增加，本科高年级学生、硕士研究生和博士研究生群体的知识储备不断增加，反映了学生独立完成信息的甄别与判断能力的上升，直接体现在参数p、q、s 的不断降低。学生群体的社交广泛性则与模型中的基础参数节点度息息相关，节点度越大，则表明该群体的社交范围越广，这一参数与不同年龄阶段的社交群有着密切联系，且基本呈负相关状态。

不同年龄段的学生群体由于其群体特征的不同，谣言传播模型中的参数定义也会存在较大差异，在本文涉及的多个参数中，如无知学生群体从热搜中接收信息的概率、与节点度挂钩的学生活跃度等，这些参数由于网络平台运营、实时热点更新、学生群体随着思想及人格的不断成熟引起的社交群体圈缩小等客观因素，从主观层面干预的效用力不强。而对于与学生群体知识储备、从众心理等关联的谣言、辟谣信息转发度，辟谣效果等参数则可以作为针对不同学生群体辟谣策略分析的主要出发点，对于降低谣言、辟谣信息的转发度方面，可以着重从大学生群体的谣言甄别教育、学生骨干群体的动员抓起；对于辟谣效果等关联参数，则可以从网络平台的监管层面着重。

1）将大学生群体谣言甄别知识教育融入日常思想政治教育，鼓励学生不信谣不传谣。“后真相”时代中，事实真相与逻辑在信息传播过程中习惯性被忽略，人的主观判断与情感导向煽动舆论传播时有发生，而高校作为大学生思想政治教育的主阵地，在大学生价值观塑造、独立思想养成中扮演了重要角色，因此，加大大学生群体的谣言甄别能力教育，对谣言传播的阻断具有重要意义。针对4 类不同大学生群体，可以根据上文分析对不同年龄段学生提出不同针对性建议。

对于本科低年级学生，该群体相比其他年龄段同学信谣学生及传谣学生群体占比较多，因此可将教育重点放在对学生的普法教育中，强调传谣行为的不可为性，增强学生对信息的敏感度，提高甄别谣言的能力；针对本科高年级学生，同样需要强化学生的信息甄别能力，同时引导学生进行独立思考与哲学思辨，能够冷静认识各类信息；针对硕士研究生，该部分学生具备一定的信息判断能力，相比本科学生，能够更加快速地甄别谣言信息，该部分学生应重点引导发现谣言后及时上报的主动性教育，缩短谣言核实时间、提高辟谣效果；而博士研究生群体具有自行核实谣言及科学辨别谣言信息的能力，应鼓励引导博士学生主动加入辟谣行列，从科学视角第一时间辟谣。

2）加强对学生党员群体及主要学生干部群体的核心价值观教育，发挥主观能动性，在谣言传播的第一时间主动辟谣并转发辟谣信息。为了进一步对学生党员及学生干部群体关联的节点度与谣言传播范围及速度的影响，本文增加高校学生之间的社交网络连接，分析总网络群体大小和节点度高低对传播速度和范围的影响，如图7 所示。

图7 网络中平均节点度对相信谣言群体密度影响变化图Fig.7 Influence of average node degree on rumor groupdensity in the network

从图中可以看到，社交网络中的平均节点度越大时，相信谣言者群体密度峰值越小，且传播进程更快，辟谣者发挥作用的效率更高。因此学生干部可以多组织学生进行社交交流，增强消息流通性，以便能快速地应对谣言和提升辟谣信息的转发作用。

针对本科学生群体，由于其年龄相对较小，本科党员的人数比例也相对较少，因此需要将群众基础及信息事务的主观能动性考核融入党员发展的全流程中，在积极分子、发展对象、预备党员等考核期重点加强该部分同学的谣言甄别和信息收集教育；硕博研究生群体相较本科党员群体的占比数有一个较高幅度的提升，因此更需重点引导硕博党员学生，能够在第一时间主动辟谣并及时转发权威的辟谣消息。

3）对校园网络平台的初始信息发布进行严格把关，对敏感关键词进行识别，阻断谣言源头。本文基于均匀网络的IG2D2 模型研究了谣言传播的全流程，无知学生在接收到谣言信息后进行群体分化，演变为相信谣言和不相信谣言的两类群体，因此，如何能够从谣言传播源头阻断信息的传递，对于辟谣策略的研究具有重要意义。

网络平台是高校宣传工作的主阵地，从公众号到校园公共网络平台，都受到众多学生群体关注，同时也是学生群体发声的重要窗口，因此需要对校园网络平台进行严格核实，缩小不必要的宣传口径，优化校园网络平台的管理架构，通过互联网技术等对信息发布关键词进行识别并严格把关，尽可能从源头阻断谣言信息的发布。

4）完善校园网络平台监管力度，可疑谣言信息被识别或举报后立即限制其转发率。校园谣言或社会谣言如没有在源头处及时阻断，则可能在校园网络平台进行二次传播，因此需要进一步增强校园网络平台的监管力度，能够通过平台监控或学生举报信息第一时间发现正在传播的可疑谣言信息，同时利用多学科交叉及大数据挖掘技术第一时间对传播的谣言进行及时的溯源、定位与阻断。图8 为不同辟谣措施对传谣及谣言传播过程影响的仿真曲线。

图8 不同辟谣措施对谣言传播的影响仿真曲线Fig.8 Influence of different rumor dispelling measures on rumor spreading

从图8（a）中可以看到，可疑信息被限制转发后，传谣者密度不再到达原来的密度峰值而是迅速减少。并且如图8（b）所示，如可疑信息一经核实为谣言可以进一步禁止谣言进行传播，相信谣言者密度也会立即下降，从而降低谣言传播的规模。因此，为了避免谣言核实时间过长带来的不可控性，应在可疑信息被举报后第一时间限制转发率，从而达到对传谣学生群体的管控，降低谣言信息的传播率。

5）破除信息茧房，正向引导高校舆论，构建健康的高校公共网络平台。在网络信息时代高速发展的当下，由于高校学生社交群体的固定性及生活习惯、思维方式的逐渐定式，高校“信息茧房”也在逐步扩大，高校学生在自己熟知的领域形成“个人日报”并产生思维定式，在一定程度上也会加剧网络谣言的传播，以及阻断辟谣的过程，因此，应当大力发展高校公共网络舆论平台，并进行舆论的正向引导，使得高校学生能够获得最广泛的信息资源。

同时，加强日常权威信息发布平台的建设与管理也具有重要意义，该模型中辟谣效果的参数值直接与转发辟谣信息的网络账号或学生本人群众基础相关，因此，需要注意增强高校学生群体对于权威公众平台的关注度及话题引起度，能够在谣言传播后及时发布辟谣信息，第一时间得到多数学生群体的关注，同时动员主要学生干部群体积极转发辟谣信息，尽可能缩短谣言传播时间、减少信谣学生群体数峰值。

4 结论

本文首先将传染病模型中的传染率转换为网络社交活动中的上线率，定量分析高校学生被传播到谣言的概率；其次，为了将学生群体自发的辟谣行为和官方辟谣机制区分开来，本文提出了包含主动辟谣者的谣言传播模型。本文还充分考虑了受教育程度和心理效应影响的不同大学生群体，并针对不同群体设置相应的特征参数，使得传播过程研究更具有针对性。