过去几年，关于网络媒体和“选择性曝光”、“回声室”和“过滤气泡”的威胁的文章很多。从不同角度来看，所有这些概念都指向了一种风险，信息的日益普及、过滤和推荐技术的不断完善，可能会造成一种“数千人、数百万人甚至数千万人主要在听自己声音的更响亮的回声”的局面。
对另一种媒体泡沫的关注和计算工作较少，这种媒体泡沫的危害不是源于分裂，而是源于公众注意力的短暂集中。在之前的一篇文章中，我们提出了“垃圾新闻”一词以扩展“假新闻”的概念，使其超越对欺骗性的过度关注。除了伪装成主流新闻、明确旨在欺骗受众的虚假内容外，媒体学者还应该担心大量的表情包、点击诱饵以及其他形式的短暂干扰，这些干扰会阻止网络观众参与深思熟虑的公开辩论。这种类型的“信息障碍”不能根据它的内容或风格来定义，也不能根据它使辩论两极分化的方式来定义。短暂的注意力分散是由它们的时间特征来区分的，而这在考虑在线错误信息时经常被忽视。
我们建议将“垃圾新闻泡沫”定义为一种不利的媒体动态，在这种动态中，大部分公众的注意力被无法长期维持的项目所吸引。流行故事甚至病毒内容不一定是垃圾新闻，无论它们在在线网络中传播的速度和范围有多快，要成为“垃圾新闻泡沫”，内容必须随着它们的上升而迅速消失，这样它们才能分散公共辩论的注意力。请注意，我们的定义与垃圾内容的质量无关。即使是在英国-欧盟公投活动期间贴在一辆红色巴士上的臭名昭著的声称“英国脱欧将为NHS每周提供3.5亿英镑”的专利错误信息，如果坚持足够长的时间，最终也可能在公开辩论中引发富有成效的讨论。反之亦然，具有新闻价值的故事如果被过快地排除在公共议程之外，就无法促进民主对话。换句话说，“垃圾新闻泡沫”的概念不太适用于特定内容，而是适用于在线关注周期的普遍加速。
在线注意力分散在无数个不同的渠道中，每个渠道都有自己的议程。正是由于这种资源过剩，数字媒体从一开始就通过日益复杂的“秩序引擎”引导其流量，不断对其内容进行排名和更新排名。社交媒体平台尤其如此，如果没有基础设施来筛选每天产生的数百万内容，其规模就无法维持，其作为思想市场的商业模式需要不断传播新的热门话题。然而，算法并不是在线注意力基础设施的唯一组成部分，也不是唯一起作用的参与者。类似的趋势推动来自于社交媒体用户之间的互动，这些互动越来越受到微名人策略的推动，以及平台和应用程序的图形界面，这偏向于短暂的可见性和虚荣指标。
因此，“垃圾新闻泡沫”一词与其说是一种特定类型的内容（如错误信息或“假新闻”），不如说是媒体系统偏重于时髦内容的普遍倾向，从而造成极度动荡和肤浅的公众辩论。虚假和低质量的故事是最直接受到潮流激励的内容类型，但在某种程度上，所有数字对话都受到加速的影响。在首次提出“垃圾新闻”一词的文章中，我们更详细地讨论了在线加速的政治经济学及其影响新闻传播的方式。在本文中，我们的目标是提供对这些注意力动态的正式描述，以鼓励进一步的实证研究。尽管数字媒体产生的痕迹越来越多，但没有大规模的研究致力于探讨注意力周期的问题。
为了促进这类研究，我们提出了一种最有影响力的注意力动态模型的数学形式化:由Stephen Hilgartner和Charles Bosk于1988年提出的“公共领域模型”。在本文中，我们简化了H&B的模型，聚焦于关注度的上升和下降(忽略了不同领域之间的联系和每个领域内的参与者)。为此，我们提出了一个H&B模型的待测版本，希望它将促进对“垃圾新闻泡沫”进一步的实证研究。
我们模型的第一个要素是“注意事项”(或H&B原始公式中的“社会问题”)，它们被自我指称地定义为竞相吸引公众注意的实体。这个定义的非本质性质对H&B来说至关重要，“社会问题是集体情绪的投射，而不是客观条件的简单反映”。换句话说，关注的问题是由它们的可见性来定义的。
我们模型的第二个要素是两种竞争机制，它们有利于某些议题而非其他议题。H&B区分的四种不同的“选择原则”在我们的模型中体现为两种主要机制的形式化：一个是外来影响，另一个则是内生趋势。因此，该模型奖励上升的项目，惩罚下降的项目，这种对潮流的偏爱是社交媒体及其用户的特点。
注意力的无弹性导致一个议题所获得的可见性总是被另一个议题所抢夺，因此“一个社会问题的优势将伴随着一个或多个其他问题的衰落”。当然，虽然我们知道公众注意力会随着昼夜节律和职业节奏而波动，但为了简单起见，这些周期性波动我们忽略不计。根据H&B模型，我们认为，媒体有限的呈现能力(公开呈现问题的最佳空间和最佳时间是相当有限的)与公众关注公共社会的有限能力(公众成员不仅受到他们能投入到社会问题上的时间和金钱的限制，也取决于他们能在眼前关注议题之外聚集的“多余同情”的数量）使公众注意力仍然有限，后者则在很大程度上解释了为什么即使数字技术消除了传统新闻把关的大部分障碍，网络媒体承载能力有限的假设仍然存在。
我们模型的第三个要素是注意力边界。在每次迭代中，模型会修正每个项目的潜在可见性，以确保其保持在两个不灵活的边界下限与上限中间。下限排除负可见性，因为消极注意力不可能概念化，当噪音或加速度将注意力的可见性推到零以下时，该议题将从竞技场中移除，并替换为初始可见性为零的新议题。上限则是注意能力的饱和状态，在应用了噪声和加速度并校正了负面注意力后，该模型将每个项目的潜在可见性除以所有项目的潜在可视性之和，这种标准化确保所有计算的可见性之和保持等于1。这一边界实现了H&B框架的一个关键要素，即每个辩论场都有一个固定的注意力容量。
事实上，通过侵蚀新闻和娱乐之间的界限，数字融合可能引发了一场更加激烈的战争，争夺拥有比历史上任何时候都多的选择的观众的时间。虽然其他人将这种竞争视为选择性曝光和过滤气泡的原因，但我们认为它们是短暂集中和假新闻泡沫的关键因素。根据Annie Lang提出的中介消息处理能力有限模型，媒体用户可以通过切换到娱乐模式而不是理解模式来处理过多的媒体刺激，通过更肤浅的互动来节省他们有限的认知资源。
α，趋势增强，这决定了上一次迭代的可见性变化是否在下一次迭代中被放大，以及放大多少，这是我们模型的关键参数。从概念上讲，α可以被解释为媒体算法和媒体用户对识别和推广潮流关注事项的敏锐性。α越大，潮流在影响媒体项目可见性的社会技术选择中所起的作用就越重要。因此，高值的潮流刺激模拟了在容易出现垃圾新闻泡沫的辩论场中发生的注意力动态。n，表示模拟中同时出现的最大关注事项数。c，表示噪声的大小，也就是说外部影响的重要性。n和c都用于实现噪声，因为它们出现在产生噪声的分布的分母中，它们越高，噪声引起的变化越小。
媒体关注周期中典型的“社会议题波动”可以用潮流趋势的推动和承载能力的饱和度之间的相互作用来解释: 如果我们探索这些复杂的联系，我们会发现大量的正反馈循环，即驱动特定问题发展的“引擎”。然而，增长却受限于公共场所有限的承载能力所产生的负面反馈，各种问题之间的注意力竞争，以及维持增长所需的持续不断的新颖戏剧性。我们的模型通过趋势和整体注意力饱和之间的相互作用，使项目的受欢迎程度自然衰减。
图1中图表之间的比较表明，随着趋势的增长，注意力的上升和下降变得更加陡峭，这种关系可以通过计算注意力曲线的平均陡度(单位时间内的绝对增加或减少)以及观察它在达到平稳期之前随α的增加而单调增加来检验。
图1.潮流趋势的模型进化 α=0、1、2和3（n=20，c=12）。每个颜色区域对应一个项目受到的关注。仅显示前100次迭代，因为曲线的形状在进一步的迭代中不会改变。
图2证实了注意力曲线的陡度和趋势提升之间的关系并没有被模型的其他参数显著改变。注意事项的数量和外生影响的重要性会改变曲线的位置，但不会改变其形状。由于n和c都以相同的方式影响曲线，因此在下图中仅探讨n。
图2.趋势演变函数的注意力曲线的平均斜率（对于不同的n和c值）。
综合考虑图1和图2，有趣的是，趋势提升通过影响媒体周期的两个维度(注意曲线的高度和它们的宽度)来增加上升和下降的陡峭度。这表明，垃圾新闻泡沫可以将看似矛盾的特征结合起来。
图3.（左）注意力问题生命周期的平均长度和（右）在前10,000次迭代中进入模型的新注意力问题的比率，在趋势提升的变化下（n值和c值设置为12）。
图4.在趋势提升的变化下，（左）注意力曲线峰值的平均高度和（右）模型每次迭代时注意力集中的Gini指数，（n值和c值设置为12）。
我们的简单模型并不一定模拟了真实世界的动态或者说适合经验数据，但是，该模型确实捕捉到了当前媒体系统的一些特征，Lorenz-Spreen等人对集体注意力的加速动态的实证研究结果证实了这一点。通过对不同媒体的比较，我们发现，“单个话题的注意力随着某些趋势的增加而上升和下降”，“话题之间的集体注意力的转移更频繁地发生“，这表明在媒体系统中，潮流趋势的重要性普遍增加。他们还发现，这种趋势在Twitter、Google和Reddit等媒体上表现得更为强烈，而在Wikipedia和科学文献上不太明显。这表明对潮流趋势更敏感的领域也是最容易受到垃圾新闻泡沫影响的领域。
为了找到其他例子，我们研究了法国在线新闻领域的可见性动态。我们决定利用媒体系统的分形特性，将每个YouTube频道视为一个舞台，将每个视频视为一个关注点。由于视频之间的竞争很可能发生在渠道之间而不是渠道内部，这种操作化远非理想，但正如我们看到的那样，足以证明我们的论点。
从2019年12月9日开始，通过反复的专家评审和滚雪球抽样进行选择，我们记录了活跃在法国公共辩论中的大约1000个YouTube频道发布的每个视频每小时的观看次数。本文的分析仅限于2020年3月14日之前收集的数据，以排除2019年冠状病毒疾病封锁期间我们观察到的略有不同的注意力动态。在这个子语料库中，最活跃的频道是“Europe1”，在3个月的收集中发布了4,291个视频，最不活跃的是“CharenteLibre”，有216个视频。最受欢迎的频道是“France24”，总观看次数为731,950次，最不受欢迎的“L'Opinion”频道总观看次数为1552次。对于这60个频道中的每一个频道，我们计算了两个指标：视频的平均生命周期（定义为频道中的视频达到总数的95%所需的平均小时数第一周收集的观看次数）和每小时集中度的平均Gini指数。
图5中的散点图证实了我们模型的主要观点:在媒体注意力的分布中，短生命周期和高集中度是密切相关的。散点图的对角线分布表明，这是一种连续体，从左上发布少量视频、预期寿命相对较长、关注度分布不太倾斜的频道，到右下以更快的速度发布视频，但大多数视频会很快达到峰值并消亡的频道（其中一些视频能坚持下去)。人们很容易将这种连续体解释为高质量VS点击诱饵，尽管在图表中有很多例外。
图5.法国政治新闻领域中高度活跃的60个YouTube频道的视频平均关注度和平均生命周期的散点图。点的大小对应于频道收集的总观看次数，颜色对应于已发布视频的数量（从暗红色表示视频较少，橙色、黄色、绿色和紫色表示视频较多）。
我们选择了三个视频数量和总浏览量相似，但寿命和集中度非常不同的点(图5中的方框)作为三种不同注意力状态的例子:
在高峰时段，FranceCulture发布的视频很少能占据频道总关注度的10%以上，但其中许多视频在第一周的大部分时间里都保持活力。SputnikFrance的视频通常会达到20%或更多的份额，但在发布后的头两三天后很少能存活下来。LCI的视频介于两者之间。当观察三个频道的视频在发布后的前2天的平均可见度轨迹时，差异更加明显（图6右）。虽然Sputnik的平均视频在最初几个小时内获得了大部分观看次数，然后迅速下降，但FranceCulture的平均视频开始较慢，但可见度尾部较厚（LCI再次呈现中间轮廓）。
图6.左：三个选定频道（FranceCulture、LCI和SputnikFrancePlay）发布的所有视频的集中度（高峰时段共享）和平均生命周期的散点图。右：三个频道视频的平均时间分布。
潮流趋势可以预见地缩短关注议题的寿命，但作为一种正反馈，它又可以提高话题的最大可见性。两者的结合创造了注意波的浅滩——减小注意曲线的宽度，增加注意曲线的高度。因此，以更关注潮流趋势为特征的辩论场可能会因此显示出一种切分的注意力节奏，节奏越来越分散，也越来越集中。垃圾新闻泡沫的特征与Boydstun等人的“媒体风暴”相同，但不具有相同的时间持久性。因此，它们特别令人担忧，因为其分散了人们对其他讨论的注意力(由于它们的偏颇性)，而没有产生媒体风暴所带来的公众意识的提高(由于它们的短暂性)。
虽然我们的模型从垃圾新闻的内容价值独立地定义了垃圾新闻泡沫，但我们怀疑这种关注机制与错误信息和质量低劣有关。毫不奇怪，一个迅速提供和撤销可见度的制度更青睐那些旨在吸引注意力而非留住注意力的诱饵内容。这一观察或许可以解释，为什么在政治话语中，传统的宣传日益被政治挑衅所取代，目的就是淹没对手的话语，或者仅仅是将政治愤怒货币化。
我们的模型提出一个关于垃圾新闻泡沫及其对公共辩论的不利影响的精确假设：对数字平台及其用户的潮流趋势痴迷可能会导致一场过度加速的公共辩论，其中不成比例的媒体关注度份额被无法维持它的议题所俘获。垃圾新闻泡沫可能导致较浅的公共辩论，这一风险引发了不同于过滤气泡和假新闻的担忧和规范含义，虽然后者可以(并且已经)通过调整推荐算法来支持主流信息源来解决，但这个解决方案不一定适用于本文所强调的问题。
