Fugu-MT 論文翻訳(概要): COVID-19 on Social Media: Analyzing Misinformation in Twitter Conversations

論文の概要: COVID-19 on Social Media: Analyzing Misinformation in Twitter Conversations

arxiv url: http://arxiv.org/abs/2003.12309v4
Date: Thu, 22 Oct 2020 03:03:29 GMT
ステータス: 処理完了
システム内更新日: 2022-12-19 22:14:54.464398
Title: COVID-19 on Social Media: Analyzing Misinformation in Twitter Conversations
Title（参考訳）: ソーシャルメディア上でのCOVID-19:Twitterの会話における誤情報の分析
Authors: Karishma Sharma, Sungyong Seo, Chuizheng Meng, Sirisha Rambhatla, Yan Liu
Abstract要約: 私たちは、2020年3月1日からTwitter APIを使用して、COVID-19に関連するストリーミングデータを収集しました。事実確認情報をもとに、信頼できない内容と誤解を招く内容を特定した。偽情報ツイートで宣伝された物語と、これらのツイートとのエンゲージメントの分配について検討した。
参考スコア（独自算出の注目度）: 22.43295864610142
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: The ongoing Coronavirus (COVID-19) pandemic highlights the inter-connectedness of our present-day globalized world. With social distancing policies in place, virtual communication has become an important source of (mis)information. As increasing number of people rely on social media platforms for news, identifying misinformation and uncovering the nature of online discourse around COVID-19 has emerged as a critical task. To this end, we collected streaming data related to COVID-19 using the Twitter API, starting March 1, 2020. We identified unreliable and misleading contents based on fact-checking sources, and examined the narratives promoted in misinformation tweets, along with the distribution of engagements with these tweets. In addition, we provide examples of the spreading patterns of prominent misinformation tweets. The analysis is presented and updated on a publically accessible dashboard (https://usc-melady.github.io/COVID-19-Tweet-Analysis) to track the nature of online discourse and misinformation about COVID-19 on Twitter from March 1 - June 5, 2020. The dashboard provides a daily list of identified misinformation tweets, along with topics, sentiments, and emerging trends in the COVID-19 Twitter discourse. The dashboard is provided to improve visibility into the nature and quality of information shared online, and provide real-time access to insights and information extracted from the dataset.
Abstract（参考訳）: 現在進行中のコロナウイルス(COVID-19)パンデミックは、現在のグローバル化世界の相互接続性を強調している。ソーシャル・ディスタンシング・ポリシーの確立に伴い、仮想コミュニケーションは情報(ミス)の重要な源となっている。ニュースにソーシャルメディアプラットフォームを頼りにする人が増え、誤った情報を特定し、新型コロナウイルス(covid-19)に関するオンライン会話の性質を明らかにすることが重要な課題になっている。この目的のために、2020年3月1日からTwitter APIを使用して、COVID-19に関連するストリーミングデータを収集しました。事実チェックソースに基づいて,信頼できない,誤解を招くコンテンツを特定し,誤報ツイートで促進される物語と,これらのツイートとのエンゲージメントの分布を調べた。さらに,著名な誤情報ツイートの拡散パターンの例を示す。この分析はパブリックアクセス可能なダッシュボード(https://usc-melady.github.io/COVID-19-Tweet-Analysis)で公開され、2020年3月1日から6月5日までTwitter上でのCOVID-19に関するオンライン談話と誤情報を追跡する。ダッシュボードには、特定された偽情報ツイートの日次リストと、COVID-19 Twitterの話題、感情、トレンドなどが提供されている。ダッシュボードは、オンラインで共有される情報の性質と品質の可視化を改善し、データセットから抽出された洞察と情報へのリアルタイムアクセスを提供する。

関連論文リスト

ManiTweet: A New Benchmark for Identifying Manipulation of News on Social Media [74.93847489218008]
ソーシャルメディア上でのニュースの操作を識別し,ソーシャルメディア投稿の操作を検出し,操作された情報や挿入された情報を特定することを目的とした,新しいタスクを提案する。この課題を研究するために,データ収集スキーマを提案し,3.6K対のツイートとそれに対応する記事からなるManiTweetと呼ばれるデータセットをキュレートした。我々の分析では、このタスクは非常に難しいことを示し、大きな言語モデル(LLM)は不満足なパフォーマンスをもたらす。
論文参考訳（メタデータ） (2023-05-23T16:40:07Z)
YouTube COVID-19 Vaccine Misinformation on Twitter: Platform Interactions and Moderation Blind Spots [0.0]
本研究は、新型コロナウイルスワクチン関連誤報の拡散におけるTwitterとYouTubeの関係について検討する。我々は、以前容疑者情報を共有していたユーザーの間では、予防接種メッセージの優先権が残っていることを観察する。
論文参考訳（メタデータ） (2022-08-27T12:55:58Z)
"COVID-19 was a FIFA conspiracy #curropt": An Investigation into the Viral Spread of COVID-19 Misinformation [60.268682953952506]
我々は、自然言語処理モデルを用いて、誤報がCOVID-19パンデミックの進行にどのような影響を及ぼしたかを推定する。我々は、広範囲に害をもたらす可能性のあるソーシャルメディアポストと戦うための戦略を提供する。
論文参考訳（メタデータ） (2022-06-12T19:41:01Z)
Cross-lingual COVID-19 Fake News Detection [54.125563009333995]
低リソース言語(中国語)における新型コロナウイルスの誤報を検出するための最初の試みは、高リソース言語(英語)における事実チェックされたニュースのみを用いて行われる。そこで我々は、クロスランガルなニュースボディテキストを共同でエンコードし、ニュースコンテンツをキャプチャするCrossFakeというディープラーニングフレームワークを提案する。実験結果から,クロスランガル環境下でのCrossFakeの有効性が示された。
論文参考訳（メタデータ） (2021-10-13T04:44:02Z)
Extracting Feelings of People Regarding COVID-19 by Social Network Mining [0.0]
英語における新型コロナウイルス関連ツイートのデータセットが収集される。 2020年3月23日から6月23日までに200万件以上のツイートが分析されている。
論文参考訳（メタデータ） (2021-10-12T16:45:33Z)
News consumption and social media regulations policy [70.31753171707005]
我々は、ニュース消費とコンテンツ規制の間の相互作用を評価するために、反対のモデレーション手法であるTwitterとGabを強制した2つのソーシャルメディアを分析した。以上の結果から,Twitterが追求するモデレーションの存在は,疑わしいコンテンツを著しく減少させることがわかった。 Gabに対する明確な規制の欠如は、ユーザが両方のタイプのコンテンツを扱う傾向を生じさせ、ディスカウント/エンドレスメントの振る舞いを考慮に入れた疑わしいコンテンツに対してわずかに好みを示す。
論文参考訳（メタデータ） (2021-06-07T19:26:32Z)
The State of Infodemic on Twitter [0.0]
ソーシャルメディアの投稿やプラットフォームは、ウイルス自体を取り巻く深刻な不確実性に直面して、噂や誤報のリスクにさらされている。我々は,誤情報の拡散に関与しているツイートとユーザの探索的分析を行った。次に、機械学習モデルと自然言語処理技術を掘り下げて、ツイートに誤情報が含まれているかどうかを特定しました。
論文参考訳（メタデータ） (2021-05-17T10:58:35Z)
CML-COVID: A Large-Scale COVID-19 Twitter Dataset with Latent Topics, Sentiment and Location Information [0.0]
CML-COVID(CML-COVID)は、新型コロナウイルス(COVID-19)による5,977,653人のツイート19,298,967万件のTwitterデータセットである。これらのツイートは、2020年3月から7月にかけて、新型コロナウイルスに関連する質問文、コビッド、マスクを使って収集された。
論文参考訳（メタデータ） (2021-01-28T18:59:10Z)
Predicting Misinformation and Engagement in COVID-19 Twitter Discourse in the First Months of the Outbreak [1.2059055685264957]
新型コロナウイルス(COVID-19)関連ツイート50万件近くを調べ、ボット行動とエンゲージメントの機能として誤情報を理解する。実際のユーザーは事実と誤情報の両方をツイートし、ボットは偽情報よりも比例的にツイートしていることがわかった。
論文参考訳（メタデータ） (2020-12-03T18:47:34Z)
Fighting the COVID-19 Infodemic in Social Media: A Holistic Perspective and a Call to Arms [42.7332883578842]
新型コロナウイルス(COVID-19)のパンデミックが勃発すると、人々はソーシャルメディアに、タイムリーな情報を読み、共有するよう促した。また、医療と政治の誤報と偽情報の新しいブレンドがあり、これが最初の世界的なインフォデミックを引き起こした。これは、ジャーナリスト、ファクトチェッカー、政策立案者、政府機関、ソーシャルメディアプラットフォーム、社会全体の観点からの総合的なアプローチを必要とする複雑な問題である。
論文参考訳（メタデータ） (2020-07-15T21:18:30Z)
Privacy-Aware Recommender Systems Challenge on Twitter's Home Timeline [47.434392695347924]
ACM RecSysが主催するRecSys 2020 Challengeは、このデータセットを使用してTwitterと提携している。本稿では,ユーザエンゲージメントを予測しようとする研究者や専門家が直面する課題について述べる。
論文参考訳（メタデータ） (2020-04-28T23:54:33Z)

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。