菲利波·门策尔（生于1965年5月16日）是一位美国与意大利学者。他是印第安纳大学卢迪信息学、计算与工程学院的信息学与计算机科学大学杰出教授及卢迪教授。门策尔担任社交媒体观察站主任，该研究中心的科学家与记者研究媒体和技术在社会中的作用，并开发工具以分析和应对社交媒体上的虚假信息与操纵行为。他在认知科学与物理学领域拥有名誉职务，并曾任复杂网络与系统研究中心主任。他于2020年被任命为ACM会士，并于2024年被任命为AAAS会士。
门策尔的研究处于人工智能、机器学习与计算社会科学的交叉领域。他的工作推进了人们对信息如何通过社交网络传播、社交机器人和协调活动如何操纵公众舆论，以及人工智能如何被武器化以威胁民主进程的理解。他开发了Botometer和Hoaxy等广泛使用的工具，其发现影响了关于虚假信息的学术研究和公共政策辩论。
教育与早期职业生涯
门策尔在罗马智慧大学获得物理学学士学位，并在加州大学圣迭戈分校获得计算机科学与认知科学博士学位。他的学术生涯始于爱荷华大学管理科学助理教授，并曾是圣塔菲研究所的驻外研究员。他于2003年加入印第安纳大学布卢明顿分校，并于2009年至2011年担任卢迪学院系主任。他曾获得富布赖特项目、扶轮基金会和北约的奖学金，以及美国国家科学基金的CAREER奖。
领导与服务
在印第安纳大学，门策尔担任过多个领导职务。他指导社交媒体观察站（OSoMe），该中心由他共同创立，旨在研究媒体、技术与社会的交叉领域。他曾任复杂网络与系统研究中心主任，并担任金赛研究所高级研究员及计算机中介传播中心研究员。他还曾在意大利都灵的科学交流研究所担任研究员。门策尔曾担任《网络科学》、《EPJ数据科学》、《PeerJ计算机科学》和《HKS虚假信息评论》等期刊的编辑职务。他曾主持The Web Conference和ACM超文本与社交媒体会议等会议，并担任ACM网络科学2014大会总主席及NetSci 2017大会共同总主席。
网络科学与信息网络
门策尔的早期研究引入了主题性和自适应网络爬虫的概念，这些是智能导航网络以查找相关内容的专门代理。他还研究了信息和社交网络的语义相似性度量，并与亚历山德罗·维斯皮尼亚尼等合作者开发了复杂信息网络模型。他关于搜索引擎偏见和审查的研究揭示了算法系统如何扭曲信息获取。这项基础研究为他后来对社交媒体动态的探索奠定了基础。
虚假信息与回音室
门策尔研究的核心主题是虚假信息如何通过社交媒体传播。他的团队分析了占领运动、盖齐公园抗议和政治选举等事件中的扩散模式。他们还帮助识别了“披萨门”阴谋论和针对白头盔组织的虚假信息活动的根源，并协助删除了推特上的选民压制机器人。在一项被广泛引用的研究中，门策尔及其合著者发现在线COVID-19虚假信息、疫苗接种犹豫和死亡之间存在关联。
门策尔对2010年美国选举期间推特的分析展示了信息扩散网络的回音室结构。团队发现，保守派几乎只转发其他保守派的内容，而自由派则转发其他自由派的内容。这项工作在2021年第15届国际AAAI网络与社交媒体会议上获得了“时间考验奖”。他的团队后来开发了一个模型，展示社会影响和取消关注如何加速在线回音室的出现，有助于解释持续的政治极化现象。
病毒式传播与注意力动态
门策尔推进了对信息病毒式传播的理解，特别是早期扩散网络的结构如何预测哪些模因会走红。他的研究还探讨了有限注意力的竞争如何塑造病毒式传播模式。在2018年《自然·人类行为》的一篇论文中，门策尔及其合著者使用模型表明，在高信息负荷和低注意力条件下，信息质量与流行度之间的相关性会降低。该论文最初提出这一效应本身可以解释为什么假新闻在脸书上传播得与合法新闻一样广泛，但错误的分析导致作者撤回了论文。尽管被撤回，这一基础研究问题在虚假信息研究中仍具有影响力。
机器人检测与协调活动
门策尔的团队开发了Botometer，这是一种使用机器学习来评估推特账户是社交机器人可能性的工具。Botometer已被广泛用于测量机器人的流行度和活动。结合Hoaxy（一种可视化低可信度内容传播的工具），Botometer揭示了社交机器人在2016年美国总统选举期间传播低可信度内容中的关键作用。门策尔的团队还研究了对党派政治机器人的感知，发现共和党用户更可能将保守派机器人误认为人类，而民主党用户更可能将保守派人类用户误认为机器人。通过使用机器人探针，他们证明了推特趋势算法存在保守派政治偏见。
随着社交媒体平台加强对自动化账户的应对措施，门策尔及其合著者表明，非真实账户的协调活动仍威胁着信息完整性。他们开发了一个框架来检测这些协调网络，并展示了新的操纵策略，如增长影响力网络和隐藏高容量内容。通过建模，他们表明恶意行为者可以通过用非真实账户渗透目标社区来最有效地控制恶意内容的传播。
人工智能与对抗性操纵
门策尔很早就认识到人工智能可能被武器化，以大规模制造虚假但可信的内容，并管理难以检测的社交机器人。他的团队在推特和X上发现了此类人工智能驱动的机器人，导致对可能威胁民主的恶意人工智能代理群的警告。这一研究路线直接关联到对生成式人工智能和大型语言模型的担忧，这些技术可以产生令人信服的虚假信息。门策尔呼吁更多关注人工智能在社交媒体环境中的对抗性使用。
算法偏见与可靠性
门策尔的研究还考察了社交媒体排名和推荐算法如何塑造信息曝光。他的团队表明，政治受众多样性可以作为新闻来源可靠性的指标。在一篇高知名度的《科学》论文提出脸书的动态消息算法相比时间顺序动态减少虚假信息曝光后，门策尔在《科学》上共同撰写了一封信，认为该发现不完整，算法放大仍构成风险。他的工作强调算法系统需要透明度和问责制。
奖项与认可
门策尔的贡献获得了众多荣誉的认可。他于2020年因对社会计算和虚假信息研究的贡献被任命为ACM会士，并于2024年被任命为AAAS会士。他还获得了ICWSM的时间考验奖和多个最佳论文奖。他的工作得到了美国国家科学基金、国防高级研究计划局和其他机构的资助。他继续是在线虚假信息斗争中的领先声音。
精选出版物
门策尔已发表超过200篇同行评审论文。著名作品包括《社交机器人的崛起》（2016年）、《社交机器人传播低可信度内容》（2018年）和《虚假信息网络：谣言、假新闻和恶作剧》（2020年）。他2018年关于信息过载和流行度的《自然·人类行为》论文，尽管被撤回，引发了关于建模虚假信息局限性的重要讨论。他的研究被主要媒体广泛报道，并在政策辩论中被引用。
外部链接
门策尔的学术简介和工具可通过印第安纳大学和社交媒体观察站获取。他的谷歌学术页面列出了他的出版物和引用情况。