論文の概要: The Evolution of Rumors on a Closed Platform during COVID-19
- arxiv url: http://arxiv.org/abs/2104.13816v1
- Date: Wed, 28 Apr 2021 15:04:22 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-29 12:56:41.330007
- Title: The Evolution of Rumors on a Closed Platform during COVID-19
- Title（参考訳）: 新型コロナウイルス(covid-19)のクローズドプラットフォームにおける噂の進化
- Authors: Andrea W Wang (1), Jo-Yu Lan (2), Chihhao Yu (1), Ming-Hung Wang (2)
((1) Information Operations Research Group (IORG) (2) Department of
Information Engineering and Computer Science, Feng Chia University)
- Abstract要約: 2020年1月から7月にかけて台湾で最も人気のあるクローズドメッセージングプラットフォームから収集された114万の疑わしいメッセージのデータセットを調査した。
トピックや物語に応じて多数のテキストメッセージを効率的にクラスタ化できるハイブリッドアルゴリズムを提案しました。
- 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: In this work we looked into a dataset of 114 thousands of suspicious messages
collected from the most popular closed messaging platform in Taiwan between
January and July, 2020. We proposed an hybrid algorithm that could efficiently
cluster a large number of text messages according their topics and narratives.
That is, we obtained groups of messages that are within a limited content
alterations within each other. By employing the algorithm to the dataset, we
were able to look at the content alterations and the temporal dynamics of each
particular rumor over time. With qualitative case studies of three COVID-19
related rumors, we have found that key authoritative figures were often
misquoted in false information. It was an effective measure to increase the
popularity of one false information. In addition, fact-check was not effective
in stopping misinformation from getting attention. In fact, the popularity of
one false information was often more influenced by major societal events and
effective content alterations.
- Abstract（参考訳）: この研究で、2020年1月から7月にかけて台湾で最も人気のあるクローズドメッセージングプラットフォームから収集された114万の疑わしいメッセージのデータセットを調査した。
トピックやナラティブに応じて,大量のテキストメッセージを効率的にクラスタ化できるハイブリッドアルゴリズムを提案する。
つまり、相互に限定されたコンテンツ変更の範囲内にあるメッセージのグループを得ました。
データセットにアルゴリズムを適用することで、時間とともに特定の噂のコンテンツ変更と時間的ダイナミクスを見ることができました。
新型コロナウイルス(covid-19)に関連する3つの噂の質的ケーススタディで、重要な権威ある数字はしばしば誤った情報として引用されていることが判明した。
1つの偽情報の人気を高める効果的な手段であった。
また,誤情報が注目されるのを止めるにはファクトチェックは有効ではなかった。
実際、1つの偽情報の人気は、しばしば大きな社会的出来事や効果的な内容変更の影響を受けていた。
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) - Lost in Translation -- Multilingual Misinformation and its Evolution [52.07628580627591]
本稿では,95言語にまたがる25万以上のファクトチェックの分析を通じて,多言語誤報の頻度とダイナミクスについて検討する。
誤報のクレームの大部分は1回だけ事実チェックされているが、21,000件以上のクレームに対応する11.7%は複数回チェックされている。
誤情報拡散のプロキシとしてファクトチェックを用いると、言語境界を越えて繰り返し主張する主張の33%が見つかる。
論文 参考訳（メタデータ） (2023-10-27T12:21:55Z) - ManiTweet: A New Benchmark for Identifying Manipulation of News on Social Media [74.93847489218008]
ソーシャルメディア上でのニュースの操作を識別し,ソーシャルメディア投稿の操作を検出し,操作された情報や挿入された情報を特定することを目的とした,新しいタスクを提案する。
この課題を研究するために,データ収集スキーマを提案し,3.6K対のツイートとそれに対応する記事からなるManiTweetと呼ばれるデータセットをキュレートした。
我々の分析では、このタスクは非常に難しいことを示し、大きな言語モデル(LLM)は不満足なパフォーマンスをもたらす。
論文 参考訳（メタデータ） (2023-05-23T16:40:07Z) - DisinfoMeme: A Multimodal Dataset for Detecting Meme Intentionally
Spreading Out Disinformation [72.18912216025029]
偽情報ミームの検出を支援するためにDisinfoMemeを提案する。
このデータセットには、COVID-19パンデミック、Black Lives Matter運動、ベジタリアン/ベジタリアンという3つのトピックをカバーするRedditのミームが含まれている。
論文 参考訳（メタデータ） (2022-05-25T09:54:59Z) - 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) - AraCOVID19-MFH: Arabic COVID-19 Multi-label Fake News and Hate Speech
Detection Dataset [0.0]
「AraCOVID19-MFH」は、アラビア・COVID-19の偽ニュースとヘイトスピーチ検出データセットを手動で注釈付けしたものである。
当社のデータセットには、10の異なるラベルで注釈付けされた10,828のアラビア語ツイートが含まれています。
ヘイトスピーチの検出、意見/ニュースの分類、方言の識別、その他多くのタスクにも使用できる。
論文 参考訳（メタデータ） (2021-05-07T09:52:44Z) - 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) - 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) - 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) - 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) - An Information Diffusion Approach to Rumor Propagation and
Identification on Twitter [0.0]
われわれは,Twitter上での顕微鏡レベルの誤情報拡散のダイナミクスについて検討した。
われわれの調査によると、噂のカスケードはより深く流れ、その噂はニュースとして隠され、恐怖を喚起するメッセージは他のメッセージよりも急速に拡散する。
論文 参考訳（メタデータ） (2020-02-24T20:04:54Z)
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。