論文の概要: Characterizing the roles of bots during the COVID-19 infodemic on Twitter

• arxiv url: http://arxiv.org/abs/2011.06249v4
• Date: Thu, 19 Aug 2021 04:58:00 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-24 07:47:33.536868
• Title: Characterizing the roles of bots during the COVID-19 infodemic on Twitter
• Title（参考訳）: twitterにおけるcovid-19インフォデミックにおけるボットの役割
• Authors: Wentao Xu, Kazutoshi Sasahara
• Abstract要約: インフォデミック(インフォデミック、インフォデミック)とは、オンライン上の情報過多によって引き起こされる現象である。 COVID-19インフォデミックにおけるボットの役割と非クレジブル情報の拡散について検討した。
• 参考スコア（独自算出の注目度）: 1.776746672434207
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: An infodemic is an emerging phenomenon caused by an overabundance of information online. This proliferation of information makes it difficult for the public to distinguish trustworthy news and credible information from untrustworthy sites and non-credible sources. The perils of an infodemic debuted with the outbreak of the COVID-19 pandemic and bots (i.e., automated accounts controlled by a set of algorithms) that are suspected of spreading the infodemic. Although previous research has revealed that bots played a central role in spreading misinformation during major political events, how bots behaved during the infodemic is unclear. In this paper, we examined the roles of bots in the case of the COVID-19 infodemic and the diffusion of non-credible information such as "5G" and "Bill Gates" conspiracy theories and content related to "Trump" and "WHO" by analyzing retweet networks and retweeted items. We show the segregated topology of their retweet networks, which indicates that right-wing self-media accounts and conspiracy theorists may lead to this opinion cleavage, while malicious bots might favor amplification of the diffusion of non-credible information. Although the basic influence of information diffusion could be larger in human users than bots, the effects of bots are non-negligible under an infodemic situation.
• Abstract（参考訳）: インフォデミック(infodemic)とは、オンライン上の情報が多すぎることによる新興現象である。 この情報の普及により、信頼できるニュースや信頼できる情報を信頼できないサイトや信頼できない情報源と区別することが難しくなる。 インフォデミックの危険性は、新型コロナウイルス(COVID-19)のパンデミックと、インフォデミックの拡散を疑うボット(つまり、アルゴリズムによって制御される自動アカウント)の出現によって始まった。 過去の研究では、ボットが大きな政治的出来事の間、誤情報の拡散に中心的な役割を果たしていたことが明らかにされているが、インフォデミックの間、ボットがどのように振る舞うかは明らかではない。 本稿では,COVID-19インフォデミックにおけるボットの役割と,リツイートネットワークやリツイートアイテムを分析して,「5G」や「Bill Gates」といった陰謀論や「Trump」や「WHO」に関連する内容の拡散について検討した。 我々は、リツイートネットワークの分離されたトポロジを示し、これは右翼のセルフメディアアカウントや陰謀論者は、この意見の破滅につながる可能性があることを示している。 情報拡散の基本的な影響はボットよりも人間ユーザーの方が大きい可能性があるが、インフォデミックな状況下ではボットの効果は無視できない。

関連論文リスト

• An Exploratory Analysis of COVID Bot vs Human Disinformation Dissemination stemming from the Disinformation Dozen on Telegram [5.494111035517598]
  2021年の新型コロナウイルス(COVID-19)パンデミックは、世界的な健康危機を引き起こし、インフォデミックを引き起こした。 新型コロナウイルス(COVID-19)や治療、ワクチンなどの偽情報を広める鍵として、12人のソーシャルメディアパーソナリティが特定された。 本研究は、モバイルメッセージングおよびソーシャルメディアプラットフォームであるTelegram上で、このグループによって広められた偽情報の拡散に焦点を当てた。
  論文  参考訳（メタデータ） (2024-02-22T01:10:11Z)
• Machine Learning-based Automatic Annotation and Detection of COVID-19 Fake News [8.020736472947581]
  新型コロナウイルス(COVID-19)は世界のあらゆる地域に影響を与えるが、感染の誤報はウイルスよりも速く移動した。 既存の作業は、拡散の触媒として働くボットの存在を無視する。 そこで本稿では,Twitterデータセット上で事実確認文をラベル付けする手法を提案する。
  論文  参考訳（メタデータ） (2022-09-07T13:55:59Z)
• 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)
• Identification of Twitter Bots based on an Explainable ML Framework: the US 2020 Elections Case Study [72.61531092316092]
  本稿では,ラベル付きTwitterデータに基づくTwitterボット識別システムの設計に焦点をあてる。 Supervised Machine Learning (ML)フレームワークは、Extreme Gradient Boosting (XGBoost)アルゴリズムを用いて採用されている。 また、MLモデルの予測を説明するためにShapley Additive Explanations (SHAP)をデプロイした。
  論文  参考訳（メタデータ） (2021-12-08T14:12:24Z)
• 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)
• 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)
• 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)
• 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)
• Prevalence of Low-Credibility Information on Twitter During the COVID-19 Outbreak [5.203919289609101]
  アウトブレイク時のTwitterにおける低信頼度情報へのリンクの頻度を推定する。 低信頼度情報にリンクするツイートの総量は、New York Timesの記事とCDCのリンクの量に匹敵する。 ソーシャルボットは、低クレディビリティ情報の投稿と増幅の両方に関わっているが、ボリュームの大部分は、おそらく人間によって生成される。
  論文  参考訳（メタデータ） (2020-04-29T21:08:44Z)

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。