論文の概要: An Exploratory Study of COVID-19 Misinformation on Twitter

• arxiv url: http://arxiv.org/abs/2005.05710v2
• Date: Mon, 24 Aug 2020 19:13:30 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-20 11:48:21.337887
• Title: An Exploratory Study of COVID-19 Misinformation on Twitter
• Title（参考訳）: twitter上でのcovid-19誤情報の探索的研究
• Authors: Gautam Kishore Shahi and Anne Dirkson and Tim A. Majchrzak
• Abstract要約: 新型コロナウイルス(COVID-19)パンデミックの間、ソーシャルメディアは誤報の本拠地となっている。 新型コロナウイルスの話題に関して,Twitter上での誤報の伝播,著者,内容に関する探索的研究を行った。
• 参考スコア（独自算出の注目度）: 5.070542698701158
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: During the COVID-19 pandemic, social media has become a home ground for misinformation. To tackle this infodemic, scientific oversight, as well as a better understanding by practitioners in crisis management, is needed. We have conducted an exploratory study into the propagation, authors and content of misinformation on Twitter around the topic of COVID-19 in order to gain early insights. We have collected all tweets mentioned in the verdicts of fact-checked claims related to COVID-19 by over 92 professional fact-checking organisations between January and mid-July 2020 and share this corpus with the community. This resulted in 1 500 tweets relating to 1 274 false and 276 partially false claims, respectively. Exploratory analysis of author accounts revealed that the verified twitter handle(including Organisation/celebrity) are also involved in either creating (new tweets) or spreading (retweet) the misinformation. Additionally, we found that false claims propagate faster than partially false claims. Compare to a background corpus of COVID-19 tweets, tweets with misinformation are more often concerned with discrediting other information on social media. Authors use less tentative language and appear to be more driven by concerns of potential harm to others. Our results enable us to suggest gaps in the current scientific coverage of the topic as well as propose actions for authorities and social media users to counter misinformation.
• Abstract（参考訳）: 新型コロナウイルス(COVID-19)パンデミックの間、ソーシャルメディアは誤報の本拠地となっている。 このインフォデミックに取り組むためには、科学的監視と危機管理の実践者によるより良い理解が必要である。 我々は、早期の知見を得るために、covid-19の話題に関するtwitter上の誤情報の伝播、著者、およびコンテンツを探索的に調査した。 われわれは、2020年1月から7月半ばにかけて、92以上のプロのファクトチェック組織による、COVID-19関連の事実チェック済みのクレームの評決で言及されたすべてのツイートを収集し、このコーパスをコミュニティと共有した。 その結果、それぞれ1,500件のツイートが1,274件、一部は276件になった。 著者アカウントの探索分析により、確認済みのTwitterハンドル(オーガナイゼーションやセレブリティを含む)も、偽情報の作成(新しいツイート)や拡散(リツイート)に関わっていることが明らかになった。 さらに,偽クレームは部分的虚偽クレームよりも高速に伝播することがわかった。 新型コロナウイルス(COVID-19)のツイートの背景コーパスと比較すると、誤情報のあるツイートは、ソーシャルメディア上で他の情報を識別することに関心があることが多い。 著者は仮の言語をあまり用いず、他人への潜在的な害の懸念によってより駆動されているように見える。 この結果から,このトピックの現在の科学的カバレッジのギャップを指摘できると同時に,当局やソーシャルメディア利用者が誤情報に対処するためのアクションも提案できる。

関連論文リスト

• "Here's Your Evidence": False Consensus in Public Twitter Discussions of COVID-19 Science [50.08057052734799]
  プリプリントサーバからの抽象化のサンプルに基づいて,科学的コンセンサスを推定する。 アンチ・コンセンサス(反合意)の投稿や利用者は、概してプロ・コンセンサス(反合意)の投稿ほど多くはないが、Twitter上では圧倒的に過剰に表現されている。
  論文  参考訳（メタデータ） (2024-01-24T06:16:57Z)
• "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)
• Misinfo Belief Frames: A Case Study on Covid & Climate News [49.979419711713795]
  読者がニュースの信頼性や誤った情報の影響をどのように認識するかを理解するための形式主義を提案する。 23.5kの見出しに66kの推論データセットであるMisinfo Belief Frames (MBF) corpusを紹介する。 大規模言語モデルを用いて誤情報フレームを予測した結果,機械生成推論がニュース見出しに対する読者の信頼に影響を及ぼすことがわかった。
  論文  参考訳（メタデータ） (2021-04-18T09:50:11Z)
• 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)
• The Role of the Crowd in Countering Misinformation: A Case Study of the COVID-19 Infodemic [15.885290526721544]
  我々は、新型コロナウイルスのパンデミックに関連するツイート、誤報の拡散、プロの事実確認、そして新型コロナウイルスに関する一般的な誤解を招く主張に対する大衆の反応を分析することに重点を置いている。 我々は分類器を訓練して155,468件のCOVID-19関連ツイートのデータセットを作成し、33,237件の虚偽の主張と33,413件の反論を含む。 我々は、誤報ツイートの急増が、そうした誤報を否定する速報とそれに対応するツイートの増加をもたらすことを観察する。
  論文  参考訳（メタデータ） (2020-11-11T13:48:44Z)
• ArCOV19-Rumors: Arabic COVID-19 Twitter Dataset for Misinformation Detection [6.688963029270579]
  ArCOV19-Rumorsは、1月27日から2020年4月末までのクレームを含むツイートからなる誤情報検出のためのアラビア語のTwitterデータセットである。 本誌は138件の確認済みのクレームを、主に人気ファクトチェックサイトから収集し、それらのクレームに関連する9.4万件のツイートを特定した。 ツイートは、パンデミックで直面した主要な問題の一つである誤情報検出の研究を支援するために、正確さで手動で注釈付けされた。
  論文  参考訳（メタデータ） (2020-10-17T11:21:40Z)
• Understanding the Hoarding Behaviors during the COVID-19 Pandemic using Large Scale Social Media Data [77.34726150561087]
  われわれは、2020年3月1日から4月30日まで、米国で4万2000人以上のユニークTwitterユーザーによる嫌がらせと反嫌悪のパターンを分析した。 ホアーディンググループと反ホアーディンググループの両方の女性の比率が、一般のTwitter利用者の比率よりも高いことがわかりました。 LIWCの不安度はTwitterの不安度よりもかなり高い。
  論文  参考訳（メタデータ） (2020-10-15T16:02:25Z)
• Misinformation Has High Perplexity [55.47422012881148]
  疑似クレームを教師なしの方法でデバンクするために, 難易度を活用することを提案する。 まず,これらの主張に類似した文に基づいて,科学的およびニュースソースから信頼性のある証拠を抽出する。 第2に,抽出したエビデンスを言語モデルにプライマリし,難易度スコアに基づいて与えられたクレームの正当性を評価する。
  論文  参考訳（メタデータ） (2020-06-08T15:13:44Z)
• COVID-19 on Social Media: Analyzing Misinformation in Twitter Conversations [22.43295864610142]
  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。
  論文  参考訳（メタデータ） (2020-03-26T09:48:24Z)

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。