論文の概要: Determining the Credibility of Science Communication
- arxiv url: http://arxiv.org/abs/2105.14473v1
- Date: Sun, 30 May 2021 09:16:11 GMT
- ステータス: 処理完了
- システム内更新日: 2021-06-01 17:05:59.628464
- Title: Determining the Credibility of Science Communication
- Title(参考訳): 科学コミュニケーションの信頼性の決定
- Authors: Isabelle Augenstein
- Abstract要約: これらの問題に対処し、残る課題を概説する第一歩を提示します。
これらの問題に対処し、残る課題を概説する第一歩を提示します。
- 参考スコア(独自算出の注目度): 22.91475787277623
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Most work on scholarly document processing assumes that the information
processed is trustworthy and factually correct. However, this is not always the
case. There are two core challenges, which should be addressed: 1) ensuring
that scientific publications are credible -- e.g. that claims are not made
without supporting evidence, and that all relevant supporting evidence is
provided; and 2) that scientific findings are not misrepresented, distorted or
outright misreported when communicated by journalists or the general public. I
will present some first steps towards addressing these problems and outline
remaining challenges.
- Abstract(参考訳): 学術文書処理に関するほとんどの研究は、処理された情報は信頼性が高く、事実的に正しいと仮定している。
しかし、必ずしもそうとは限らない。
1) 科学的出版物が信頼できることを保証すること。
その主張は,証拠を裏付けることなくなされ,かつ,すべての関連する証拠が提供される。2) 科学的発見は,ジャーナリスト又は一般大衆によって伝達されたときに,誤って表現され,歪められ,又は完全に誤報されない。
これらの問題を解決するための最初のステップを示し、残りの課題を概説します。
関連論文リスト
- Can Community Notes Replace Professional Fact-Checkers? [49.5332225129956]
Twitter/XとMetaによるポリシーの変更は、ファクトチェック組織とのパートナーシップから移行したことを示している。
分析の結果,コミュニティノートでは,過去の報告の最大5倍のファクトチェックソースを引用していることがわかった。
論文 参考訳(メタデータ) (2025-02-19T22:26:39Z) - Decentralized Peer Review in Open Science: A Mechanism Proposal [0.0]
本稿では,ピアレビューのためのコミュニティ所有・ガバナンスシステムを提案する。
本システムは,誤判定の可能性と影響を下げつつ,ピアレビューの品質とスピードを向上させることを目的としている。
論文 参考訳(メタデータ) (2024-04-28T11:42:54Z) - Can Large Language Models Detect Misinformation in Scientific News
Reporting? [1.0344642971058586]
本稿では,科学的報告における誤情報の検出に大規模言語モデル(LLM)を用いることが可能であるかを検討する。
最初にラベル付きデータセットSciNewsを提示し、信頼できない情報源から抜粋された2.4万の科学ニュース記事を含む。
科学ニュース記事の科学的妥当性の次元を識別し、科学的誤報の自動検出にどのように組み込むかを検討する。
論文 参考訳(メタデータ) (2024-02-22T04:07:00Z) - Understanding Fine-grained Distortions in Reports of Scientific Findings [46.96512578511154]
歪んだ科学コミュニケーションは、不健康な行動の変化を招き、科学機関の信頼を低下させる可能性があるため、個人や社会に害を与える。
近年の科学コミュニケーションの増大を考えると、科学出版物からの発見が一般大衆にどのように報告されるかについて、きめ細かい理解が不可欠である。
論文 参考訳(メタデータ) (2024-02-19T19:00:01Z) - Missing Counter-Evidence Renders NLP Fact-Checking Unrealistic for
Misinformation [67.69725605939315]
誤報は、信頼できる情報が限られている不確実な時に現れる。
NLPベースのファクトチェックは、まだ利用できないかもしれない反証拠に依存しているため、これは難しい。
論文 参考訳(メタデータ) (2022-10-25T09:40:48Z) - Modeling Information Change in Science Communication with Semantically
Matched Paraphrases [50.67030449927206]
SPICEDは、情報変化の度合いに注釈を付けた科学的な発見の最初のパラフレーズデータセットである。
SPICEDには、ニュース記事、ソーシャルメディアの議論、オリジナル論文の全文から抽出された6000の科学的発見ペアが含まれている。
SPICEDで訓練されたモデルは、実世界の科学的主張の事実チェックのための証拠検索において下流のパフォーマンスを改善する。
論文 参考訳(メタデータ) (2022-10-24T07:44:38Z) - Generating Literal and Implied Subquestions to Fact-check Complex Claims [64.81832149826035]
我々は、複雑なクレームを、そのクレームの正確性に影響を及ぼす「イエス・ノー・サブクエスト」の包括的集合に分解することに集中する。
我々は1000以上のクレームに対する分解のデータセットである ClaimDecomp を提示する。
これらのサブクエストは、関連する証拠を特定し、すべてのクレームを事実確認し、回答を通じて正確性を引き出すのに役立ちます。
論文 参考訳(メタデータ) (2022-05-14T00:40:57Z) - SciClops: Detecting and Contextualizing Scientific Claims for Assisting
Manual Fact-Checking [7.507186058512835]
本稿では,オンライン科学の誤報に対処する手法であるSciClopsについて述べる。
SciClopsは、オンラインニュース記事やソーシャルメディア投稿に見られる科学的主張を処理するための3つの主要なステップを含んでいる。
複雑な科学的クレームの検証において、非専門家のファクトチェックを効果的に支援し、商業的なファクトチェックシステムより優れている。
論文 参考訳(メタデータ) (2021-10-25T16:35:58Z) - A Survey on Predicting the Factuality and the Bias of News Media [29.032850263311342]
「事実と偏見のためのメディアプロファイリングの現状」
「西洋政治の背景にある政治的偏見検出は、左中右偏見の予測である」
「異なる情報源とモダリティの使用の最近の進歩」
論文 参考訳(メタデータ) (2021-03-16T11:11:54Z) - Automated Fact-Checking for Assisting Human Fact-Checkers [29.53133956640405]
不正確または誤解を招く主張を広めるメディアの誤用は、ファクトチェッカーの近代化をもたらしました。
私たちは、事実確認のさまざまなステップで人間の専門家をサポートすることができる利用可能なインテリジェントな技術を調査します。
いずれの場合も,今後の作業における課題と,実世界のファクトチェックへの影響に注意を払っています。
論文 参考訳(メタデータ) (2021-03-13T18:29:14Z) - 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)
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。