論文の概要: FakeYou! -- A Gamified Approach for Building and Evaluating Resilience
Against Fake News
- arxiv url: http://arxiv.org/abs/2003.07595v1
- Date: Tue, 17 Mar 2020 09:24:22 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-28 22:19:31.402677
- Title: FakeYou! -- A Gamified Approach for Building and Evaluating Resilience
Against Fake News
- Title（参考訳）: 偽物だ!
--フェイクニュースに対する抵抗性の構築と評価のためのゲーミフィケーションアプローチ
- Authors: Lena Clever, Dennis Assenmacher, Kilian M\"uller, Moritz Vinzent
Seiler, Dennis M. Riehle, Mike Preuss, Christian Grimme
- Abstract要約: この研究は、消費者のフェイクニュースに対するレジリエンスを強化するための、ゲーミフィケーションなアプローチに焦点を当てている。
ゲームFakeYouは、プレーヤーが自分の信頼性に関する見出しを批判的に分析する動機となっている。
ゲーム自体と基盤となる技術基盤を紹介します。
- 参考スコア（独自算出の注目度）: 0.8620335948752805
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Nowadays fake news are heavily discussed in public and political debates.
Even though the phenomenon of intended false information is rather old,
misinformation reaches a new level with the rise of the internet and
participatory platforms. Due to Facebook and Co., purposeful false information
- often called fake news - can be easily spread by everyone. Because of a high
data volatility and variety in content types (text, images,...) debunking of
fake news is a complex challenge. This is especially true for automated
approaches, which are prone to fail validating the veracity of the information.
This work focuses on an a gamified approach to strengthen the resilience of
consumers towards fake news. The game FakeYou motivates its players to
critically analyze headlines regarding their trustworthiness. Further, the game
follows a "learning by doing strategy": by generating own fake headlines, users
should experience the concepts of convincing fake headline formulations. We
introduce the game itself, as well as the underlying technical infrastructure.
A first evaluation study shows, that users tend to use specific stylistic
devices to generate fake news. Further, the results indicate, that creating
good fakes and identifying correct headlines are challenging and hard to learn.
- Abstract（参考訳）: 現在、フェイクニュースは公共や政治の議論でよく議論されている。
意図的な虚偽情報の現象はかなり古いものの、インターネットや参加型プラットフォームの普及とともに、誤情報が新たなレベルに到達した。
FacebookとCo.は、意図的な偽情報(しばしば偽ニュースと呼ばれる)を誰でも簡単に広めることができる。
大量のデータボラティリティとコンテンツタイプ(テキスト、画像、...)の多様性のため、フェイクニュースの削除は複雑な課題である。
これは、情報の正確性を検証するのに失敗しがちな自動化アプローチに特に当てはまる。
この研究は、消費者のフェイクニュースに対する弾力性を強化するためのゲーミフィケーションなアプローチに焦点を当てている。
ゲームFakeYouは、プレーヤーが自分の信頼性に関する見出しを批判的に分析する動機となっている。
さらに、ゲームは「戦略による学習」に従う: 自作の偽見出しを生成することにより、ユーザは偽の見出しを偽造する概念を体験する必要がある。
ゲーム自体と基盤となる技術基盤を紹介します。
最初の評価研究は、ユーザーが特定のスタイルのデバイスを使って偽ニュースを生成する傾向があることを示している。
さらに、良いフェイクを作成し、正しい見出しを識別することは困難であり、学習するのは難しい。
関連論文リスト
- Adapting Fake News Detection to the Era of Large Language Models [48.5847914481222]
我々は,機械による(言い換えられた)リアルニュース,機械生成のフェイクニュース,人書きのフェイクニュース,人書きのリアルニュースの相互作用について検討する。
我々の実験では、人書き記事のみに特化して訓練された検知器が、機械が生成したフェイクニュースを検出できる興味深いパターンを明らかにしましたが、その逆ではありません。
論文 参考訳（メタデータ） (2023-11-02T08:39:45Z) - Fake News Detection and Behavioral Analysis: Case of COVID-19 [0.22940141855172028]
パンデミックに関する偽ニュースの拡散による「情報デミック」が世界的な問題となっている。
読者は偽ニュースを本当のニュースと間違える可能性があり、その結果、本物の情報にアクセスできなくなる。
ソーシャルメディアの投稿で偽のニュースデータを正確に識別することは困難である。
論文 参考訳（メタデータ） (2023-05-25T13:42:08Z) - Nothing Stands Alone: Relational Fake News Detection with Hypergraph
Neural Networks [49.29141811578359]
本稿では,ニュース間のグループ間相互作用を表現するためにハイパーグラフを活用することを提案する。
提案手法は,ラベル付きニュースデータの小さなサブセットであっても,優れた性能を示し,高い性能を維持する。
論文 参考訳（メタデータ） (2022-12-24T00:19:32Z) - FALSE: Fake News Automatic and Lightweight Solution [0.20999222360659603]
本稿では,現代のフェイクニュースデータセットの研究と可視化にR符号を用いた。
クラスタリング、分類、相関、およびさまざまなプロットを使用してデータを分析し、提示する。
論文 参考訳（メタデータ） (2022-08-16T11:53:30Z) - Faking Fake News for Real Fake News Detection: Propaganda-loaded
Training Data Generation [105.20743048379387]
提案手法は,人間によるプロパガンダのスタイルや戦略から情報を得た学習例を生成するための新しいフレームワークである。
具体的には、生成した記事の有効性を確保するために、自然言語推論によって導かれる自己臨界シーケンストレーニングを行う。
実験の結果、PropaNewsでトレーニングされた偽ニュース検知器は、2つの公開データセットで3.62～7.69%のF1スコアで人書きの偽情報を検出するのに優れていることがわかった。
論文 参考訳（メタデータ） (2022-03-10T14:24:19Z) - Profiling Fake News Spreaders on Social Media through Psychological and
Motivational Factors [26.942545715296983]
ソーシャルメディア上でのフェイクニューススプレッシャーの特徴と動機要因について検討した。
次に、フェイクニューススプレッドラーが他のユーザーと異なる特徴を示すことができるかどうかを判定する一連の実験を行う。
論文 参考訳（メタデータ） (2021-08-24T20:27:38Z) - Stance Detection with BERT Embeddings for Credibility Analysis of
Information on Social Media [1.7616042687330642]
本稿では,記事の内容とともに,その特徴の1つとして姿勢を用いた偽ニュースを検出するモデルを提案する。
本研究は,自動的特徴抽出とテキストの関連性でコンテンツを解釈する。
実世界のデータセットで行った実験は、我々のモデルが以前の研究より優れており、95.32%の精度で偽ニュースの検出を可能にすることを示している。
論文 参考訳（メタデータ） (2021-05-21T10:46:43Z) - User Preference-aware Fake News Detection [61.86175081368782]
既存の偽ニュース検出アルゴリズムは、詐欺信号のニュースコンテンツをマイニングすることに焦点を当てている。
本稿では,共同コンテンツとグラフモデリングにより,ユーザの好みから様々な信号を同時にキャプチャする新しいフレームワークUPFDを提案する。
論文 参考訳（メタデータ） (2021-04-25T21:19:24Z) - How does Truth Evolve into Fake News? An Empirical Study of Fake News
Evolution [55.27685924751459]
偽ニュース進化過程を追跡する新しいデータセットであるフェイクニュース進化データセットを提示する。
私たちのデータセットは950のペアデータで構成され、それぞれが真実、偽ニュース、進化した偽ニュースを表す記事で構成されています。
進化中の特徴を観察し,誤情報技術,テキスト類似性,キーワードトップ10,分類精度,発話部分,感情特性について検討した。
論文 参考訳（メタデータ） (2021-03-10T09:01:34Z) - Causal Understanding of Fake News Dissemination on Social Media [50.4854427067898]
我々は、ユーザーがフェイクニュースを共有するのに、ユーザー属性が何をもたらすかを理解することが重要だと論じている。
偽ニュース拡散において、共同創設者は、本質的にユーザー属性やオンライン活動に関連する偽ニュース共有行動によって特徴づけられる。
本稿では,偽ニュース拡散における選択バイアスを軽減するための原則的アプローチを提案する。
論文 参考訳（メタデータ） (2020-10-20T19:37:04Z) - Where Are the Facts? Searching for Fact-checked Information to Alleviate
the Spread of Fake News [9.68145635795782]
本稿では,オンライン利用者が投稿したオリジナルツイート(誤情報を含む可能性がある)の内容に対処するファクトチェック記事を検索する新しい枠組みを提案する。
この検索は偽ニュースのポスターやオンラインユーザーに偽ニュースの拡散を防ぎ、ソーシャルメディア上で検証済みのコンテンツを拡大させる。
本フレームワークでは,テキストと画像の両方を用いて事実チェック記事の検索を行い,実世界のデータセット上で有望な結果を得る。
論文 参考訳（メタデータ） (2020-10-07T04:55:34Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。