Fugu-MT 論文翻訳(概要): Characterizing COVID-19 Misinformation Communities Using a Novel Twitter Dataset

論文の概要: Characterizing COVID-19 Misinformation Communities Using a Novel Twitter Dataset

arxiv url: http://arxiv.org/abs/2008.00791v4
Date: Sat, 19 Sep 2020 07:11:39 GMT
ステータス: 処理完了
システム内更新日: 2022-11-03 07:00:15.368372
Title: Characterizing COVID-19 Misinformation Communities Using a Novel Twitter Dataset
Title（参考訳）: 新たなTwitterデータセットを用いた新型コロナウイルスの誤報コミュニティの特徴
Authors: Shahan Ali Memon and Kathleen M. Carley
Abstract要約: 競合する2つの誤報コミュニティを特徴付けるための方法論と分析について述べる。我々の分析によると、新型コロナウイルスの誤報されたコミュニティは、情報のあるコミュニティよりも密集し、組織化されている。我々の社会言語学的分析は、新型コロナウイルスに通知されたユーザーは誤報されたユーザーよりも多くの物語を使う傾向があることを示唆している。
参考スコア（独自算出の注目度）: 9.60966128833701
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: From conspiracy theories to fake cures and fake treatments, COVID-19 has become a hot-bed for the spread of misinformation online. It is more important than ever to identify methods to debunk and correct false information online. In this paper, we present a methodology and analyses to characterize the two competing COVID-19 misinformation communities online: (i) misinformed users or users who are actively posting misinformation, and (ii) informed users or users who are actively spreading true information, or calling out misinformation. The goals of this study are two-fold: (i) collecting a diverse set of annotated COVID-19 Twitter dataset that can be used by the research community to conduct meaningful analysis; and (ii) characterizing the two target communities in terms of their network structure, linguistic patterns, and their membership in other communities. Our analyses show that COVID-19 misinformed communities are denser, and more organized than informed communities, with a possibility of a high volume of the misinformation being part of disinformation campaigns. Our analyses also suggest that a large majority of misinformed users may be anti-vaxxers. Finally, our sociolinguistic analyses suggest that COVID-19 informed users tend to use more narratives than misinformed users.
Abstract（参考訳）: 陰謀説から偽の治療法や偽の治療法まで、新型コロナウイルスはオンラインで偽情報の拡散の温床となっている。オンラインで偽情報を解読し、訂正する方法を特定することは、これまで以上に重要である。本稿では、競合する2つの誤報コミュニティをオンライン化するための方法論と分析について述べる。 (i)誤報を積極的に投稿している誤報ユーザ又はユーザ (二)真情報を積極的に広めているユーザ、又は誤情報を発信しているユーザ。この研究の目標は2つある。 (i)研究コミュニティが有意義な分析を行うために使用できる、様々な注釈付きtwitterデータセットを収集すること。 (2)ネットワーク構造,言語パターン,および他のコミュニティのメンバシップの観点から,対象とする2つのコミュニティを特徴付ける。分析の結果, 誤情報コミュニティは情報コミュニティよりも密集し, 組織化され, 偽情報の量が多い可能性が示唆された。私たちの分析では、誤用されたユーザーの大多数が反vaxxersである可能性も示唆しています。最後に、社会言語学的な分析から、covid-19インフォームドユーザの方が、誤ったユーザよりも物語を使う傾向が示されている。

関連論文リスト

MisinfoEval: Generative AI in the Era of "Alternative Facts" [50.069577397751175]
本稿では,大規模言語モデル(LLM)に基づく誤情報介入の生成と評価を行うフレームワークを提案する。本研究では,(1)誤情報介入の効果を測定するための模擬ソーシャルメディア環境の実験,(2)ユーザの人口動態や信念に合わせたパーソナライズされた説明を用いた第2の実験について述べる。以上の結果から,LSMによる介入はユーザの行動の修正に極めて有効であることが確認された。
論文参考訳（メタデータ） (2024-10-13T18:16:50Z)
AMIR: Automated MisInformation Rebuttal -- A COVID-19 Vaccination Datasets based Recommendation System [0.05461938536945722]
本研究は,ソーシャルメディアから得られる既存の情報を活用して,大規模な誤報の自動報知を容易にする方法について検討した。 FaCov(ファクトチェック記事)と誤解を招く(ソーシャルメディアTwitter)という、新型コロナウイルスワクチンに関する2つの公開データセットを活用している。
論文参考訳（メタデータ） (2023-10-29T13:07:33Z)
Understanding the Humans Behind Online Misinformation: An Observational Study Through the Lens of the COVID-19 Pandemic [12.873747057824833]
われわれは、新型コロナウイルスのツイート3200万件と過去のツイート1600万件を分析した大規模な調査を行っている。新型コロナウイルスの感染拡大に伴う誤情報を広めるユーザの行動と心理の理解と、非新型コロナウイルス領域における誤情報を共有しようとする歴史的傾向との関係に焦点をあてる。
論文参考訳（メタデータ） (2023-10-12T16:42:53Z)
Adherence to Misinformation on Social Media Through Socio-Cognitive and Group-Based Processes [79.79659145328856]
誤報が広まると、これはソーシャルメディア環境が誤報の付着を可能にするためである、と我々は主張する。偏光と誤情報付着が密接な関係にあると仮定する。
論文参考訳（メタデータ） (2022-06-30T12:34:24Z)
"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)
Categorising Fine-to-Coarse Grained Misinformation: An Empirical Study of COVID-19 Infodemic [6.137022734902771]
社会行動アノテーションを含む微粒な誤情報ツイートデータセットを導入する。このデータセットは、社会行動の分析を可能にするだけでなく、エビデンスベースまたは非エビデンスベースの誤情報分類タスクにも適している。
論文参考訳（メタデータ） (2021-06-22T12:17:53Z)
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)
Social Media COVID-19 Misinformation Interventions Viewed Positively, But Have Limited Impact [16.484676698355884]
FacebookやTwitterといったソーシャルメディアプラットフォームは、権威のあるリソースにリンクするバナーや、より具体的な「偽情報」ラベルなど、デザインの介入をロールアウトした。その結果,ほとんどの参加者は介入に対する肯定的な態度を示し,特に偽情報のポスト特異的なラベルが認められた。しかし、ほとんどの参加者は、他の手段、最も一般的なウェブ検索を通じて誤情報を発見または修正し、プラットフォームが新型コロナウイルス(COVID-19)の偽情報の拡散を抑える余地を示唆している。
論文参考訳（メタデータ） (2020-12-21T00:02:04Z)
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)
CoAID: COVID-19 Healthcare Misinformation Dataset [12.768221316730674]
CoAIDには4,251件のニュース、296,000件のユーザーエンゲージメント、新型コロナウイルスに関する926件のソーシャルプラットフォーム投稿、および地上の真実ラベルが含まれている。 CoAIDには4,251件のニュース、296,000件のユーザーエンゲージメント、新型コロナウイルスに関する926件のソーシャルプラットフォーム投稿、および地上の真実ラベルが含まれている。
論文参考訳（メタデータ） (2020-05-22T19:08:14Z)

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。