論文の概要: Probabilistic Social Learning Improves the Public's Detection of Misinformation

• arxiv url: http://arxiv.org/abs/2010.06019v2
• Date: Wed, 14 Oct 2020 15:50:22 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-29 06:58:56.977071
• Title: Probabilistic Social Learning Improves the Public's Detection of Misinformation
• Title（参考訳）: 確率論的社会学習は誤情報の検出を改善する
• Authors: Douglas Guilbeault, Samuel Woolley and Joshua Becker
• Abstract要約: 我々は、二分的または確率的判断をコミュニケーションすることによって、ニュースの正確性を協調的に評価するオンラインピアネットワークを比較した。 ニュースの妥当性の確率的推定の交換は、個人と集団の判断を大幅に改善した。 確率的社会学習の利点は、参加者の教育、性別、人種、収入、宗教、パルチザン主義に堅牢である。
• 参考スコア（独自算出の注目度）: 0.14732811715354452
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The digital spread of misinformation is one of the leading threats to democracy, public health, and the global economy. Popular strategies for mitigating misinformation include crowdsourcing, machine learning, and media literacy programs that require social media users to classify news in binary terms as either true or false. However, research on peer influence suggests that framing decisions in binary terms can amplify judgment errors and limit social learning, whereas framing decisions in probabilistic terms can reliably improve judgments. In this preregistered experiment, we compare online peer networks that collaboratively evaluate the veracity of news by communicating either binary or probabilistic judgments. Exchanging probabilistic estimates of news veracity substantially improved individual and group judgments, with the effect of eliminating polarization in news evaluation. By contrast, exchanging binary classifications reduced social learning and entrenched polarization. The benefits of probabilistic social learning are robust to participants' education, gender, race, income, religion, and partisanship.
• Abstract（参考訳）: 誤情報のデジタル拡散は、民主主義、公衆衛生、世界経済に対する主要な脅威の一つである。 偽情報を緩和するための一般的な戦略には、クラウドソーシング、機械学習、ソーシャルメディアユーザーがニュースを真または偽の2項で分類する必要があるメディアリテラシープログラムがある。 しかしながら、ピア・インフルエンスの研究は、二項項におけるフレーミング決定が判断の誤りを増幅し、社会的学習を制限する一方で、確率的用語におけるフレーミング決定は判断を確実に改善できることを示している。 この事前登録実験では、二分的または確率的判断を伝達することにより、ニュースの妥当性を協調的に評価するオンラインピアネットワークを比較した。 ニュース評価における偏光除去効果により,ニュースの妥当性の変動が個人と集団の判断を著しく改善した。 対照的に、二分分類を交換することで、社会学習と偏りが減った。 確率的社会学習の利点は、参加者の教育、性別、人種、収入、宗教、パルチザン主義に堅牢である。

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)
• Mitigating Biases in Collective Decision-Making: Enhancing Performance in the Face of Fake News [4.413331329339185]
  これらのバイアスが偽ニュースの広範的問題に与える影響を、偽ニュースの見出しを識別する人間の能力を評価することによって検討する。 センシティブな特徴を含む見出しに焦点を合わせることで、人間の反応がバイアスによってどのように形作られるかを探るため、包括的なデータセットを集めます。 人口統計学的要因,見出しカテゴリー,情報の提示方法が人的判断の誤りに大きく影響していることを示す。
  論文  参考訳（メタデータ） (2024-03-11T12:08:08Z)
• Causal Disentanglement for Regulating Social Influence Bias in Social Recommendation [12.120586712440673]
  ソーシャルレコメンデーションシステムは、社会的影響バイアスの問題に直面しており、友人が交流したアイテムの推薦に過大評価される可能性がある。 本稿では,CDRSBというソーシャルレコメンデーションにおけるソーシャルインフルエントバイアスの規制のための因果ディスタングルに基づくフレームワークを提案し,レコメンデーション性能の向上を図る。
  論文  参考訳（メタデータ） (2024-03-06T09:48:48Z)
• Unveiling the Hidden Agenda: Biases in News Reporting and Consumption [59.55900146668931]
  イタリアのワクチン論争に関する6年間のデータセットを構築し、物語と選択バイアスを特定するためにベイジアン潜在空間モデルを採用する。 バイアスとエンゲージメントの間に非線形な関係が見られ、極端な位置へのエンゲージメントが高くなった。 Twitter上でのニュース消費の分析は、同様のイデオロギー的な立場のニュースメディアの間で、一般的なオーディエンスを明らかにしている。
  論文  参考訳（メタデータ） (2023-01-14T18:58:42Z)
• D-BIAS: A Causality-Based Human-in-the-Loop System for Tackling Algorithmic Bias [57.87117733071416]
  D-BIASは、人間のループ内AIアプローチを具現化し、社会的バイアスを監査し軽減する視覚対話型ツールである。 ユーザは、因果ネットワークにおける不公平な因果関係を識別することにより、グループに対する偏見の存在を検出することができる。 それぞれのインタラクション、例えばバイアスのある因果縁の弱体化/削除は、新しい(偏りのある)データセットをシミュレートするために、新しい方法を用いている。
  論文  参考訳（メタデータ） (2022-08-10T03:41:48Z)
• 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)
• SOK: Fake News Outbreak 2021: Can We Stop the Viral Spread? [5.64512235559998]
  ソーシャルネットワークの完全解釈と使いやすさは、今日の世界での情報の生成と配布に革命をもたらした。 従来のメディアチャンネルとは異なり、ソーシャルネットワークは偽情報や偽情報の拡散を迅速かつ広範囲に促進する。 虚偽情報の拡散は、大衆の行動、態度、信念に深刻な影響を及ぼす。
  論文  参考訳（メタデータ） (2021-05-22T09:26:13Z)
• 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)
• Machine Learning Explanations to Prevent Overtrust in Fake News Detection [64.46876057393703]
  本研究では、ニュースレビュープラットフォームに組み込んだ説明可能なAIアシスタントが、フェイクニュースの拡散と戦う効果について検討する。 我々は、ニュースレビューと共有インターフェースを設計し、ニュース記事のデータセットを作成し、4つの解釈可能なフェイクニュース検出アルゴリズムを訓練する。 説明可能なAIシステムについてより深く理解するために、説明プロセスにおけるユーザエンゲージメント、メンタルモデル、信頼、パフォーマンス対策の相互作用について議論する。
  論文  参考訳（メタデータ） (2020-07-24T05:42:29Z)

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。