論文の概要: Community-Based Fact-Checking on Twitter's Birdwatch Platform

• arxiv url: http://arxiv.org/abs/2104.07175v3
• Date: Tue, 14 Dec 2021 04:37:59 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-03 18:31:35.026661
• Title: Community-Based Fact-Checking on Twitter's Birdwatch Platform
• Title（参考訳）: twitterのbirdwatchプラットフォームにおけるコミュニティベースのファクトチェック
• Authors: Nicolas Pr\"ollochs
• Abstract要約: Twitterは、コミュニティ主導のアプローチである“Birdwatch”を導入した。 Birdwatchでは、ユーザーは誤解を招くと思われるツイートを識別し、ツイートにコンテキストを提供するメモを書き、他のユーザーのメモの品質を評価することができる。 われわれは2021年初頭から2021年7月末にかけて、Birdwatchのノートと評価を集めている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Misinformation undermines the credibility of social media and poses significant threats to modern societies. As a countermeasure, Twitter has recently introduced "Birdwatch," a community-driven approach to address misinformation on Twitter. On Birdwatch, users can identify tweets they believe are misleading, write notes that provide context to the tweet and rate the quality of other users' notes. In this work, we empirically analyze how users interact with this new feature. For this purpose, we collect {all} Birdwatch notes and ratings between the introduction of the feature in early 2021 and end of July 2021. We then map each Birdwatch note to the fact-checked tweet using Twitter's historical API. In addition, we use text mining methods to extract content characteristics from the text explanations in the Birdwatch notes (e.g., sentiment). Our empirical analysis yields the following main findings: (i) users more frequently file Birdwatch notes for misleading than not misleading tweets. These misleading tweets are primarily reported because of factual errors, lack of important context, or because they treat unverified claims as facts. (ii) Birdwatch notes are more helpful to other users if they link to trustworthy sources and if they embed a more positive sentiment. (iii) The social influence of the author of the source tweet is associated with differences in the level of user consensus. For influential users with many followers, Birdwatch notes yield a lower level of consensus among users and community-created fact checks are more likely to be seen as being incorrect and argumentative. Altogether, our findings can help social media platforms to formulate guidelines for users on how to write more helpful fact checks. At the same time, our analysis suggests that community-based fact-checking faces challenges regarding opinion speculation and polarization among the user base.
• Abstract（参考訳）: 誤報はソーシャルメディアの信頼性を損なうものであり、近代社会に重大な脅威をもたらす。 対策として、Twitterは先日、コミュニティ主導のアプローチである"Birdwatch"を導入した。 Birdwatchでは、ユーザーは誤解を招くと思われるツイートを識別し、ツイートにコンテキストを提供するメモを書き、他のユーザーのメモの品質を評価することができる。 本研究では,ユーザが新機能をどのように操作するかを実証的に分析する。 この目的のために、我々は2021年初頭から7月末にかけて、機能の導入の間に、{all} birdwatchのノートとレーティングを収集する。 次に、各BirdwatchノートをTwitterの履歴APIを使って事実チェックされたツイートにマップします。 また,バードウォッチノート(例えば感情)のテキスト説明からコンテンツの特徴を抽出するために,テキストマイニング手法を用いる。 私たちの経験的分析は、以下の主な発見をもたらす。 (i)birdwatchのメモは、誤解を招くツイートではなく、誤解を招くことが多い。 これらの誤解を招くツイートは、主に事実の誤り、重要な文脈の欠如、あるいは証明されていない主張を事実として扱うために報告される。 (ii)birdwatchのノートは、信頼できる情報源にリンクしたり、もっとポジティブな感情を埋め込んだりすれば、他のユーザーにとってより役に立つ。 (iii) ソースツイートの著者の社会的影響は、ユーザのコンセンサスレベルの違いと関連している。 多くのフォロワーを持つ影響力のあるユーザーにとって、Birdwatchの指摘はユーザー間のコンセンサスを低くし、コミュニティが作成した事実チェックは誤りで議論的だと見なされる傾向にある。 今回の発見は、ソーシャルメディアプラットフォームがより有用なファクトチェックを書くためのガイドラインを作成するのに役立ちます。 同時に,コミュニティベースの事実チェックは,ユーザ間での意見の投機や偏りに関する課題に直面していることも示唆した。

関連論文リスト

• Who Checks the Checkers? Exploring Source Credibility in Twitter's Community Notes [0.03511246202322249]
  ソーシャルメディアプラットフォーム上での誤情報拡散は重大な懸念となっている。 この研究は、クラウドソースのファクトチェックにおける潜在的な役割にもかかわらず、Twitter Community Notesの特定の機能に焦点を当てている。 引用された情報源の大部分は、左派であり、高い事実性を持つニュースメディアであり、プラットフォームの事実チェックにおける潜在的なバイアスを示唆している。
  論文  参考訳（メタデータ） (2024-06-18T09:47:58Z)
• ViralBERT: A User Focused BERT-Based Approach to Virality Prediction [11.992815669875924]
  本稿では、コンテンツとユーザベースの機能を用いて、ツイートのバイラル性を予測できるViralBERTを提案する。 ハッシュタグやフォロワー数などの数値的特徴を合成してテキストをツイートし、2つのBERTモジュールを利用する手法を用いる。 ViralBERTをトレーニングするために330kのツイートのデータセットを収集し、この分野での現在の研究からベースラインを使用して、モデルの有効性を検証する。
  論文  参考訳（メタデータ） (2022-05-17T21:40:24Z)
• Analyzing Behavioral Changes of Twitter Users After Exposure to Misinformation [1.8251012479962594]
  一般のTwitterユーザーが誤報に晒された後に行動を変えたかどうかを理解することを目的としている。 露出したユーザーの行動前後を比較して、投稿したツイートの頻度に大きな変化があったかどうかを判断する。 また,潜在的に影響を受けやすい2つの特定のユーザグループ,マルチ露光と極端な変更グループの特徴についても検討した。
  論文  参考訳（メタデータ） (2021-11-01T04:48:07Z)
• SOK: Seeing and Believing: Evaluating the Trustworthiness of Twitter Users [4.609388510200741]
  現在、どのニュースやユーザーが信頼できるか、どれがそうでないかを自動で判断する方法はない。 本研究では、Twitter上で5万人の政治家の行動を分析するモデルを作成しました。 政治Twitterのユーザを、ランダムな森林、多層パーセプトロン、サポートベクターマシンを使って、信頼あるいは信頼できないと分類した。
  論文  参考訳（メタデータ） (2021-07-16T17:39:32Z)
• 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)
• Understanding Information Spreading Mechanisms During COVID-19 Pandemic by Analyzing the Impact of Tweet Text and User Features for Retweet Prediction [6.658785818853953]
  新型コロナウイルスは世界の経済や、ほぼすべての人々の日常生活に影響を与えている。 ソーシャルメディアプラットフォームは、情報を共有できる他のユーザーと情報を共有できる。 CNNとRNNをベースとした2つのモデルを提案し、これらのモデルの性能を公開のTweetsCOV19データセットで評価する。
  論文  参考訳（メタデータ） (2021-05-26T15:55:58Z)
• Identity Signals in Emoji Do not Influence Perception of Factual Truth on Twitter [90.14874935843544]
  以前の研究によると、Twitterユーザーは人種的・民族的アイデンティティを表現するために、自己表現の行為としてスキントーン絵文字を使っている。 この信号が、その信号を含む投稿の内容に対する読者の認識に影響を及ぼすかどうかを検証する。 絵文字もプロフィール写真も、読者がこれらの事実をどう評価するかに影響を与えていない。
  論文  参考訳（メタデータ） (2021-05-07T10:56:19Z)
• 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)
• 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)
• Information Consumption and Social Response in a Segregated Environment: the Case of Gab [74.5095691235917]
  この研究は、COVID-19トピックに関するGab内のインタラクションパターンの特徴を提供する。 疑わしい、信頼できるコンテンツに対する社会的反応には、統計的に強い違いはない。 本研究は,協調した不正確な行動の理解と情報操作の早期警戒に関する知見を提供する。
  論文  参考訳（メタデータ） (2020-06-03T11:34:25Z)
• #MeToo on Campus: Studying College Sexual Assault at Scale Using Data Reported on Social Media [71.74529365205053]
  我々は、#トレンドが大学フォロワーのプールに与える影響を分析した。 その結果、これらの#ツイートに埋め込まれたトピックの大部分は、セクシャルハラスメントのストーリーを詳述している。 この傾向といくつかの主要地理的地域に関する公式な報告との間には大きな相関関係がある。
  論文  参考訳（メタデータ） (2020-01-16T18:05:46Z)

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。