重大疫情下公众参与、政府监管与防疫物资谣言治理演化博弈研究

Research on Evolutionary Game of Public Participation, Government Supervision and Epidemic Prevention Materials Rumor Governance under Major Epidemic Situation

摘要: [目的/意义]：重大疫情下防疫物资谣言严重扰乱了市场秩序，给政府疫情防控带来巨大挑战，加强重大疫情下防疫物资谣言治理，对完善我国重大疫情防控体制机制具有积极意义。[方法/过程]：构建了政府、公众、造谣团伙三方演化博弈模型，分析了谣言免疫力、网络舆情无序度以及政府支持力度对相关主体策略的影响，并进行了数值仿真。[结果/结论]：公众谣言免疫力对三方策略选择的影响与网络舆情无序度有着直接关系；若网络舆情无序演化造成的公信力损失与治理成本持续增大，政府会选择积极监管，相较于治理成本增加，公信力的损失对政府的影响更大；政府的支持能够鼓励公众参与谣言治理，抑制造谣团伙造谣，在政府支持力度较强的基础上合理的惩罚机制能使造谣者策略演化至不造谣状态，研究结论为政府部门在面对重大疫情防疫物资谣言治理提供了新思路。

Abstract: [Purpose/Significance]: The rumor of epidemic prevention materials seriously disturbs the market order and brings great challenges to the government's epidemic prevention and control. Strengthening the control of rumor of epidemic prevention materials under major epidemic situation is of positive significance to improve the system and mechanism of major epidemic prevention and control in China. [Method/Process]: This paper constructs a tripartite evolutionary game model of government, public and rumor making groups, analyzes the influence of rumor immunity, disorder degree of network public opinion and government support on the strategies of relevant subjects, and carries out numerical simulation. [Result/Conclusion]: The impact of public rumor immunity on the choice of three strategies under major epidemic situation is directly related to the disorder degree of network public opinion; if the loss of credibility and the cost of governance caused by the disordered evolution of Internet public opinion continue to increase, the government will choose to actively supervise. Compared with the increase of the cost of governance, the loss of credibility has a greater impact on the government; government support can encourage the public to participate in rumor governance. On the basis of strong government support, reasonable punishment mechanism can make the strategy of rumor makers evolve to a state of no rumor making. The research conclusion provides a new idea for government departments to deal with rumor making of epidemic prevention materials in the face of major epidemic.

1. 引言

重大疫情具有发生时间短、传播速度快、波及范围广、患者人数多、死亡率高等特征 [1]。在2020年年初爆发的新冠肺炎疫情防控过程中，我国各地相继出现了防疫物资紧缺的问题 [2]，迅速引起了民众的关注。政府在填补防疫物资缺口的同时，相关的谣言也不可避免地涌现出来，特别是疫情初期，防疫物资的供应信息不对称问题严重 [3]，有关防疫物资的谣言尤为泛滥，例如：“双黄连口服液可预防新冠病毒”，“84消毒液浓度越高消毒效果越好”，“75%的消毒酒精 + 风油精雾化可杀死体内新冠病毒”等 [4]，这不仅加剧了公众的心理焦虑和恐慌，而且极易引发公众对防疫物资的哄抢。因此，防疫物资谣言治理是应对重大疫情需解决的关键问题之一。

目前，我国在谣言治理上已经取得了不错的成效，能将谣言对社会的影响限制在一定的范围内，但在谣言防控方面，仍然存在一些提升空间。由于重大突发事件的物资具有不确定性、不可替代性、滞后性等特征 [5]，在疫情防控中，关于防疫物资的谣言，仍然屡禁不止，这不利于疫情环境下稳定公众情绪，提高政府公信力，维护社会秩序 [6]。而公众是防疫产品的直接需求者，一部分公众能够在谣言监管过程中，调动自己所学知识，参与到科学传播过程中去，成为政府辟谣机制中的重要一环 [7]。因此协调好政府、公众及造谣团伙三者之间的关系，对于重大疫情下稳定社会秩序，完善突发公共卫生事件辟谣机制具有重要的意义。

2. 文献述评

现有谣言相关研究主要分为两类：第一类侧重研究谣言传播过程的规律，第二类侧重研究谣言治理的政策建议。

2.1. 谣言传播规律

谣言传播与传染病传染类似 [8]。1965年，Daley和Kendall基于经典的SIR模型，提出DK模型，主要用于研究在小规模社会网络中自发产生谣言的传播动态规律 [9]。Maki Thompson [10] 在1973年进一步扩展了DK模型，创建了MT模型。之后，复杂网络的发展，为谣言传播研究提供了有力工具。诸多学者基于复杂网络对这两个经典的模型进行了扩展研究，主要集中在以下几个方面：一是对谣言传播人群分类进行改进 [11] [12]；二是在不同的复杂网络结构上探讨谣言传播规律 [13]；三是研究不同的谣言传播规则以及心理因素(如遗忘机制和记忆机制等)对谣言传播的影响 [14]。随着超网络理论的发展，部分学者基于超网络理论，对舆情演化及谣言传播等展开研究 [15] [16]。

2.2. 谣言治理对策

关于谣言治理相关研究主要涉及以下方面：一是从政府角度探讨谣言治理的相关政策。黄海阳等 [17] 认为政府的激励机制能提高政府在突发公共卫生事件中的谣言管控能力；胡欢等 [18] 认为谣言管控与造谣者的风险敏感度系数有关，因此政府要建立健全网络谣言管控体系和信息公开制度。张金华等 [19] 运用前景理论构建了造谣者、网络平台运营商和政府三方博弈模型，指出政府在网络谣言监管过程中可以通过增加造谣者的造谣成本和违法成本，促使造谣者不发布谣言。二是从谣言受众出发探索谣言治理策略。张桂蓉等 [20] 认为增加个体不信谣的收益、降低个体的谣言相关信息分析成本能有效的“拽尾”。吕途等 [21] 通过三个典型突发公共事件的网络谣言，研究公众谣言传播意愿、威慑感知和辟谣感知对谣言治理的效果，检验并优化了谣言治理机制。三是从谣言传播网络和谣言内容角度提出谣言治理的政策建议。潘灶烽等 [22] 研究可变聚类系数对谣言传播的影响，发现网络聚类系数越高，越能有效抑制谣言的传播。何勇等 [23] 根据突发公共卫生事件中网络谣言的内容倾向和传播特征，提出了谣言治理的政策建议。

已有研究对本研究有很高的借鉴意义。然而，我们发现鲜有文献从社会共治的视角，将公众参与纳入谣言治理中。重大疫情发生时，关于防疫物资的谣言此起彼伏，由政府主导的辟谣机制，虽然有极高的效力和权威性，但如果没有公众参与，就无法及时捕获公众关注的一些潜在的、可能会产生破坏力极大的谣言。引入公众参与的辟谣机制，不仅可以减轻政府辟谣工作的压力，还能够改变公众的认知和观念，同时还能更广泛的传播辟谣信息。因此，本文构建了政府、公众和造谣团伙三方演化博弈模型，并用matlabR2020a进行数值仿真，探索重大疫情下防疫物资谣言治理的动态演化过程。

3. 模型构建和演化过程

3.1. 模型假设

假设一：选择重大疫情下与防疫物资谣言关联度较高的利益相关者政府、公众、造谣团伙为博弈主体，并且假定三类主体均为有限理性。

假设二：政府在博弈中会出现两种行为：积极监管，政府会主动及时辟谣，维护网络秩序，并加大防疫物资谣言查处力度，同时对公众参与谣言治理较大贡献者给与精神和物质激励。消极监管，政府被动辟谣，经常出现辟谣不及时，辟谣信息针对性不强，谣言查处力度不大，对公众参与谣言治理不进行奖励。公众在博弈中会出现两种行为：参与，积极寻求谣言真相，参与辟谣，并对造谣者进行举报，不参与防疫物资抢购。不参与，因参与成本、需求迫切程度等原因，不积极寻求谣言真相，仅凭自身知识判断谣言真假，有可能会信谣传谣，并参与防疫物资的抢购。造谣团伙在博弈中会出现两种行为：造谣，在社交网络媒体上发布歪曲事实的信息，吸引公众，能获得一定的经济收益及粉丝收益等。不造谣，遵守法律，不在社交媒体网络上发布虚假信息。并假设x、y、z分别为政府积极监管、公众参与、造谣团伙造谣的概率， $1-x$ 、 $1-y$ 、 $1-z$ 分别为政府消极监管、公众不参与、造谣团伙不造谣的概率，且满足 $0\le x\le 1$， $0\le y\le 1$， $0\le z\le 1$。

假设三：关于政府变量的假设：政府积极监管时，监管的成本为C₁，监管带来公信力提高V。根据实际情况，政府作为社会秩序的维护者，积极监管的成本高于监管收益，设定 $C_1>V$。政府消极监管时，网络环境混乱造成政府公信力损失F₁，网络环境混乱治理成本C₄。在监管的过程中对公众参与谣言治理有功者进行奖励J，对公众中传谣并参与抢购者的惩罚F₂，对造谣团伙的罚款F₃。稳定紧急物资市场秩序的关键在于造谣团伙不造谣，公众选择参与谣言治理，设 $F_3>F_2>J$。

假设四：关于公众变量的假设：公众不参与谣言治理，因信谣而抢购发生的成本为C₂，信谣时心理焦虑或恐慌得到缓解，产生的无形收益为D，但可能因信谣传谣且参与物资抢购，会得到政府的惩罚，处罚为F₂。公众参与谣言治理，政府积极监管时，可以获得奖励J，同时正常购买防疫物资需要付出的成本为C₅，公众相信谣言并且抢购的成本高于正常购买的成本， $C_2>C_5$。造谣团伙不造谣时，网络舆情秩序健康，公众会获取增值收益为H。

假设五：关于造谣团伙变量的假设：造谣团伙造谣时，造谣成本为C₃，会获得流量粉丝等收益R₁，造谣的目的是为了获益，因此 $R_1>C_3$。公众信谣传谣且参与抢购时获得额外的经济收益R₂，政府监管时，造谣团伙将获得来自政府的罚款F₃，造谣团伙的罚款将高于公众信谣传谣并且抢购防疫物资时其获得的收益R₂，设定 $F_3>R_2$。不造谣时不会付出成本。

假设六：关于其他变量的假设：公众识谣辨谣能力存在差异，部分公众不能清晰分辨谣言的真实性，也难以揣测传播者是否恶意传谣，因此，需要增强公众对谣言的“免疫力” [24]。王筱莉等 [25] 认为公众对谣言的免疫力越强，谣言的影响力越小。基于此，将公众对谣言的免疫力 [26] 设为 $\epsilon \left(0<\epsilon <1\right)$， $\epsilon$ 的值越小，公众的免疫力越低，越容易信谣传谣。在突发危机事件中，政府监管部门若无视舆情传播，放任舆情自由发展，将会导致网络舆情恶性演化 [27]。文献 [28] 指出政府及时辟谣能够减少网民转发谣言，从而减少谣言传播。因此，本文引入网络舆情秩序度量指标—网络舆情无序度 $\theta$ [29]， $\theta$ 的值越大，网络舆情环境越混乱无序。吴世文 [30] 认为在疫情伪信息的治理中，存在公众参与不够的问题，吸引公众参与能够壮大证伪力量，公众参与对危机事件处理具有重要意义 [31]。政府可以通过搭建“公众参与”平台以及立法等手段支持公众参与谣言治理，设政府支持力度为 $\alpha$， $\alpha$ 的值越大，政府支持力度越大。

3.2. 模型构建

基于以上基本假设、变量设置及三方参与主体之间的关系，可以得到政府、公众及造谣团伙收益矩阵如表1所示。

政府积极监管的期望收益为 $E_{11}$，消极监管的期望收益为 $E_{12}$，平均期望收益为 ${\bar{E}}_1$。

$E_{11}=yz\left(V-C_1+F_2+F_3\right)+y\left(1-z\right)\left(V-C_1\right)+\left(1-y\right)z\left(V-C_1+F_3-J\right)+\left(1-y\right)\left(1-z\right)\left(V-C_1\right)$

$E_{12}=yz\left(-F_1-C_4\right)+\left(1-y\right)z\left(-C_4\right)$

${\bar{E}}_1=x{E}_{11}+\left(1-x\right)E_{12}$

公众参与的期望收益为 $E_{21}$，不参与的期望收益为 $E_{22}$，平均期望收益为 ${\bar{E}}_2$。

$E_{21}=xz\left(-C_5+\left(1-\alpha \right)J\right)+x\left(1-z\right)\left(-C_5+\theta H\right)+\left(1-x\right)z\left(-C_5\right)+\left(1-x\right)\left(1-z\right)\left(-C_5+\theta H\right)$

$\begin{array}{c}{E}_{22}=xz\left(-C_2-F_2+\left(1-\epsilon +\theta \right)D\right)+x\left(1-z\right)\left(-C_2+\theta H-F_2\right)\\ +\left(1-x\right)z\left(-C_2+\left(1-\epsilon +\theta \right)D\right)+\left(1-x\right)\left(1-z\right)\left(-C_2+\theta H\right)\end{array}$

${\bar{E}}_2=y{E}_{21}+\left(1-y\right)E_{22}$

造谣团伙造谣的期望收益为 $E_{31}$，不造谣的期望收益为 $E_{32}$，平均期望收益为 ${\bar{E}}_3$。

$\begin{array}{c}{E}_{31}=xy\left(-C_3+\theta \left(1-\alpha \right)R_1+\left(1-\epsilon \right)\left(1-\alpha \right)R_2-\left(1-\epsilon \right)F_3\right)+x\left(1-y\right)\left(-C_3+\theta \left(1-\alpha \right)R_1-\left(1-\epsilon \right)F_3\right)\\ +\left(1-x\right)y\left(-C_3+\theta \left(1-\alpha \right)R_1+\left(1-\epsilon \right)\left(1-\alpha \right)R_2\right)+\left(1-x\right)\left(1-y\right)\left(-C_3+\theta \left(1-\alpha \right)R_1\right)\end{array}$

$E_{32}=0$

${\bar{E}}_3=z{E}_{31}+\left(1-z\right)E_{32}$

根据Malthusian动态方程，可以得出政府、公众和造谣团伙的复制动态方程为 $F\left(x\right)$， $F\left(y\right)$， $F\left(z\right)$。

$F\left(x\right)=x\left(1-x\right)\left(E_{11}-E_{12}\right)=x\left(1-x\right)\left[z\left(y{F}_2+F_3-J+yJ+y{F}_1+C_4\right)+V-C_1\right]$

$F\left(y\right)=y\left(1-y\right)\left(E_{21}-E_{22}\right)=y\left(1-y\right)\left(x{F}_2+C_2-\left(1-\epsilon +\theta \right)zD+\left(1-\alpha \right)xzJ-C_5\right)$

$F\left(z\right)=z\left(1-z\right)\left(E_{31}-E_{32}\right)=z\left(1-z\right)\left\{-x\left(1-\epsilon \right)F_3+\left(1-\alpha \right)\left[\left(1-\epsilon \right)y{R}_2+\theta R_1-C_3\right]\right\}$

根据上述复制动态方程可得 $A_1\left(0,0,0\right)$， $A_2\left(0,0,1\right)$， $A_3\left(0,1,1\right)$， $A_4\left(1,0,0\right)$， $A_5\left(1,0,1\right)$， $A_6\left(1,1,0\right)$， $A_7\left(0,1,0\right)$， $A_8\left(1,1,1\right)$ 8个平衡点。

Table 1. Tripartite game income matrix of government, public and rumor mongering groups

表1. 政府、公众和造谣团伙三方博弈收益矩阵

3.3. 三方演化博弈系统均衡点的稳定性分析

根据Friedman提出的方法，利用雅可比矩阵的局部稳定性，可以研究演化系统的稳定性，根据复制动态方程可得出系统的雅可比矩阵T。

$T=\left[\begin{array}{ccc}\frac{\partial F\left(x\right)}{\partial x}& \frac{\partial F\left(x\right)}{\partial y}& \frac{\partial F\left(x\right)}{\partial z}\\ \frac{\partial F\left(y\right)}{\partial x}& \frac{\partial F\left(y\right)}{\partial y}& \frac{\partial F\left(y\right)}{\partial z}\\ \frac{\partial F\left(z\right)}{\partial x}& \frac{\partial F\left(z\right)}{\partial y}& \frac{\partial F\left(z\right)}{\partial z}\end{array}\right]=\left[\begin{array}{ccc}{a}_{11}& a_{12}& a_{13}\\ a_{21}& a_{22}& a_{23}\\ a_{31}& a_{32}& a_{33}\end{array}\right]$

其中，

$a_{11}=\left(1-2x\right)\left[z\left(y{F}_2+F_3-J+yJ+y{F}_1+C_4\right)+V-C_1\right]$，

$a_{12}=x\left(1-x\right)\left[z\left(F_2+J+F_1\right)\right]$，

$a_{13}=x\left(1-x\right)\left(y{F}_2+F_3-J+yJ+y{F}_1+C_4\right)$，

$a_{21}=y\left(1-y\right)\left(F_2+z\left(1-\alpha \right)J\right)$，

$a_{22}=\left(1-2y\right)\left(x{F}_2+C_2-\left(1-\epsilon +\theta \right)zD+xz\left(1-\alpha \right)J-C_5\right)$，

$a_{23}=y\left(1-y\right)\left(-\left(1-\epsilon +\theta \right)D+x\left(1-\alpha \right)J\right)$，

$a_{31}=z\left(1-z\right)\left(-\left(1-\epsilon \right)F_3\right)$，

$a_{32}=z\left(1-z\right)\left(1-\epsilon \right)\left(1-\alpha \right)R_2$，

$a_{33}=\left(1-2z\right)\left(-x\left(1-\epsilon \right)F_3+y\left(1-\epsilon \right)\left(1-\alpha \right)R_2+\theta \left(1-\alpha \right)R_1-C_3\right)$

Table 2. Eigenvalues of Jacobian matrix corresponding to each equilibrium point

表2. 各平衡点对应雅可比矩阵的特征值

根据李雅普诺夫稳定性理论，平衡点处的渐进稳定性可以通过分析雅可比矩阵的特征值来判断，当特征值全部小于零时，均衡点才是演化博弈的稳定状态，据此条件对平衡点进行稳定性分析。各平衡点对应雅可比矩阵的特征值如表2所示，根据假设条件由表可知，点 $\left(0,0,0\right)$ 、 $\left(1,0,0\right)$ 、 $\left(1,1,0\right)$ 、 $\left(0,1,0\right)$ 所对应的特征值不满足ESS的条件，故均不是演化稳定点。根据表2可知， $\left(0,0,1\right)$ 、 $\left(0,1,1\right)$ 、 $\left(1,0,1\right)$ 和 $\left(1,1,1\right)$ 这4个点在一定条件下均为演化稳定点。点 $\left(1,1,1\right)$ 符合政府在疫情爆发期谣言监管的实际情况，对应策略组合(积极，参与，造谣)。此时，政府积极监管取得成效，随着政府反谣言的推进，公众的谣言免疫力增强，愿意积极配合政府进行反谣言行动，谣言的热度持续降低。因此，本文以点 $\left(1,1,1\right)$ 作为原始状态展开讨论。

4. 仿真分析

为验证相关变量在不同参数取值下对相关主体策略的影响，进一步使用matlabR2020a软件进行演化仿真分析。参照文献 [32] 并根据实际情况，相关参数设定为： $C_1=0.6$， $C_2=0.4$， $C_3=0.5$， $C_4=0.4$， $C_5=0.2$， $V=0.3$， $D=0.3$， $J=0.18$， $H=0.2$， $F_1=0.3$， $F_2=0.2$， $F_3=0.9$， $R_1=0.6$， $R_2=0.9$， $\alpha =0$。

4.1. 情景1：重大疫情下公众的谣言免疫力ε = 0.8情景下，网络舆情无序度对三方行为策略演化的影响

政府、公众和造谣团伙三方初始演化比例取值为 $x=0.2$， $y=0.7$， $z=0.5$。如图1(a)所示，在情景1条件下，随着舆情无序度的持续增大，公众选择不参与策略；造谣团伙的演化博弈策略最终会无限趋近于“造谣”，如图1(b)所示。这说明重大疫情爆发后，如果突发危机事件网络舆情无序度低于某一临界值，造谣团伙造谣时，公众会参与谣言治理。由上述分析可知：突发危机事件爆发后，政府行动滞后，造谣团伙会伺机造谣，公众很容易信谣传谣，进而导致危机事件网络舆情无序度持续上升，对政府造成的经济损失与声誉影响也将持续增大。

(a) (b)

Figure 1. θ influences on the strategy choice of the public and rumor mongering groups

图1. θ对公众、造谣团伙策略选择影响

4.2. 情景2：政府承受网络谣言恶性演化造成治理成本C₄与公信力损失F₁持续增大情景下的行为策略演化

此时，进一步增加C₄与F₁的值，取 $C_4=1$， $F_1=1$，其中谣言免疫力相应调低，取 $\epsilon =0.5$，取 $\theta =1.5$，其余参数与情景1保持一致。考察C₄对政府策略的影响时，初始演化比例取值为： $x=0.2$， $y=0.2$， $z=0.2$ ；考察F₁时， $x=0.2$， $y=0.9$， $z=0.2$。数值仿真过程如图2所示。

从图2可以看出：当政府承受突发公共卫生事件网络谣言肆意蔓延造成的经济损失C₄与公信力损失F₁持续增大时，其对网络谣言的监管都会向“积极监管”策略演化。进一步对比图2(a)与图2(b)，发现与政府治理成本和公信力损失对政府策略选择的反应速度不同。当公信力损失增大时，政府以较快的速度达到均衡稳定状态并选择积极监管，而面对治理成本的增加，政府花费了较长时间选择积极监管策略。上述变化的主要原因是，突发公共卫生事件发生后政府作为谣言治理主体，最重要的是树立威信，维护社会秩序，逐步消除公众的焦虑心理，才能避免发生更严重的次生危机。因此为了避免增加治理成本和信誉损失，政府可以通过增加对造谣团伙的惩罚和造谣成本等方面对谣言进行管控，进而实现更有效的谣言治理。

(a) (b)

Figure 2. C₄, F₁ impact on government strategy

图2. C₄、F₁对政府策略的影响

4.3. 情景3：引入政府对公众参与的支持力度α，考察α对公众和造谣团伙策略演化趋势的影响

政府、公众和造谣团伙三方初始演化比例取值为 $x=0.2$， $y=0.7$， $z=0.5$， $\alpha$ 的取值分别为0.1，0.2，0.25，0.35，0.4，0.5，其余参数与情景2保持一致。仿真结果如图3和图4所示。从图3和图4可以看出，引入政府的支持能够鼓励公众参与并且能够给造谣团伙带来一定的压力。如果突发危机事件持续在网络媒体中发酵并演化，政府的支持力度过低时，会出现公众参与和不参与以及造谣团伙造谣和不造谣的周期性波动现象，但是随着支持力度的增强，公众和造谣团伙行为策略选择的周期性波动现象消失，最终公众会选择参与谣言治理，造谣团伙不会选择造谣，进而达到突发危机事件网络谣言治理的目的。

Figure 3. The influence of the change of α on public strategy choices

图3. α的变化对公众策略选择的影响

Figure 4. The influence of the change of α on the strategy choice of rumor gangs

图4. α的变化对造谣团伙策略选择的影响

5. 结论与对策建议

本文运用演化博弈理论，针对重大疫情下防疫物资的网络谣言治理问题，建立了政府、公众和造谣团伙的演化博弈模型，分析在不同情景条件下博弈参与者的行为策略的演化过程，发现在政府积极监管策略下，控制好网络舆情秩序，不让舆情发展成混乱无序状态能够减少公众信谣传谣的概率，从而实现网络谣言的有效治理；较高的政府支持力度可以鼓励公众参与谣言治理，给造谣团伙施加压力，促使其不造谣；合理的惩罚机制能使网络造谣者策略由“造谣”演化至“不造谣”策略。最后得出以下结论：

1) 重大突发公共卫生事件中网络舆情秩序良好时，公众不会过多关注甚至忽视网络谣言，造谣者不易趁机造谣。重大疫情爆发后，谣言经过移动媒体的发酵和不法网络造谣团伙的推波助澜，其舆情热度会持续上升，因此，若突发公共卫生事件处于此情景时，政府监管部门要承担起谣言治理的责任，通过加强对网络媒体和网络运营商的监管来控制网络舆情，同时呼吁网络媒体和网络运营商积极承担社会责任，协助政府进行网络环境的治理，督促其完成网络环境的监督使命，防止造谣团伙利用高热度网络舆情造谣。

2) 若政府前期应对谣言的方式选择不当很容易导致网络舆情无序度持续攀升，政府将面临公信力下降和治理成本增加的情形。因此，在重大疫情应对中，政府要建立健全网络谣言管控体系和信息公开制度，及时发布辟谣信息，要尽量快速、准确、全面地提供公众需求较高的疫情信息，从根源上减少因信息不对称不透明等原因造成的网络环境混乱。此外，还应充分发挥专家在疫情治理中的权威性，消解公众对网络谣言的恐慌情绪、错误观点，增强公众的谣言免疫力，达到谣言治理的目的。

3) 在针对疫情的辟谣工作中，政府采取适当的措施支持公众参与，能有效抑制谣言传播。为支持公众参与以及拓宽公众参与的渠道，政府可以开通网络辟谣系统，有一定专业知识的公众可以通过这个系统发表自己的见解；普通公众可以发布自己听到的言论，政府及时对这些言论做出解答，针对公众询问过多的信息，统一发布声明，避免舆情热度升高。谣言得以广泛传播的一个重要条件是利用公众对于防疫物资的迫切度和焦虑心理，因此政府要持续关注紧急防疫物资的产能问题，协调企业生产公众需求较大的物资，同时鼓励公众按需购买防疫物资。