論文の概要: Case Study on Detecting COVID-19 Health-Related Misinformation in Social Media

• arxiv url: http://arxiv.org/abs/2106.06811v1
• Date: Sat, 12 Jun 2021 16:26:04 GMT
• ステータス: 処理完了
• システム内更新日: 2021-06-19 16:14:48.402599
• Title: Case Study on Detecting COVID-19 Health-Related Misinformation in Social Media
• Title（参考訳）: ソーシャルメディアにおけるCOVID-19関連誤報の検出事例
• Authors: Mir Mehedi A. Pritom, Rosana Montanez Rodriguez, Asad Ali Khan, Sebastian A. Nugroho, Esra'a Alrashydah, Beatrice N. Ruiz, Anthony Rios
• Abstract要約: 本稿では、ソーシャルメディアにおける新型コロナウイルスの健康関連誤報を検出するメカニズムについて述べる。 応用機械学習技術を用いて誤情報検出機構に組み込まれた誤情報テーマと関連キーワードを定義した。 本手法は,健康関連誤報と真情報との分類において,少なくとも78%の精度で有望な結果を示す。
• 参考スコア（独自算出の注目度）: 7.194177427819438
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: COVID-19 pandemic has generated what public health officials called an infodemic of misinformation. As social distancing and stay-at-home orders came into effect, many turned to social media for socializing. This increase in social media usage has made it a prime vehicle for the spreading of misinformation. This paper presents a mechanism to detect COVID-19 health-related misinformation in social media following an interdisciplinary approach. Leveraging social psychology as a foundation and existing misinformation frameworks, we defined misinformation themes and associated keywords incorporated into the misinformation detection mechanism using applied machine learning techniques. Next, using the Twitter dataset, we explored the performance of the proposed methodology using multiple state-of-the-art machine learning classifiers. Our method shows promising results with at most 78% accuracy in classifying health-related misinformation versus true information using uni-gram-based NLP feature generations from tweets and the Decision Tree classifier. We also provide suggestions on alternatives for countering misinformation and ethical consideration for the study.
• Abstract（参考訳）: 新型コロナウイルスのパンデミックは、公衆衛生当局が偽情報のインフォデミックと呼ぶものを生み出した。 ソーシャルディスタンシングと在宅勤務の命令が発効すると、多くの人々がソーシャルメディアに社交した。 このソーシャルメディアの利用の増加は、誤情報の拡散の原動力となっている。 本稿では,学際的アプローチによりソーシャルメディア上で新型コロナウイルスの健康関連誤情報を検出するメカニズムを提案する。 社会心理学を基礎と既存の誤情報フレームワークとして活用し,誤情報検出機構に組み込まれた誤情報テーマと関連するキーワードを,機械学習手法を用いて定義した。 次に,twitterデータセットを用いて,複数の最先端機械学習分類器を用いた提案手法の性能について検討した。 提案手法は,つぶやきと決定木分類器からのnlp特徴生成を用いて,健康関連誤情報の分類において,最大78%の精度で有望な結果を示す。 また、誤情報対策や倫理的考察の代替案についても提案する。

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)
• DisTrack: a new Tool for Semi-automatic Misinformation Tracking in Online Social Networks [46.38614083502535]
  DisTrackは、自然言語処理(NLP)ソーシャル・ネットワーク・アナリティクス(SNA)とグラフ視覚化を組み合わせることで、誤情報の拡散に対抗するように設計されている。 このツールは、デジタル環境に散在する誤報のダイナミックな性質を捉え、分析するために調整されている。
  論文  参考訳（メタデータ） (2024-08-01T15:17:33Z)
• AMIR: Automated MisInformation Rebuttal -- A COVID-19 Vaccination Datasets based Recommendation System [0.05461938536945722]
  本研究は,ソーシャルメディアから得られる既存の情報を活用して,大規模な誤報の自動報知を容易にする方法について検討した。 FaCov(ファクトチェック記事)と誤解を招く(ソーシャルメディアTwitter)という、新型コロナウイルスワクチンに関する2つの公開データセットを活用している。
  論文  参考訳（メタデータ） (2023-10-29T13:07:33Z)
• 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)
• Semantic Similarity Models for Depression Severity Estimation [53.72188878602294]
  本稿では、ソーシャルメディアの文章に基づいて、個人のうつ病の重症度を研究するための効率的なセマンティックパイプラインを提案する。 我々は,抑うつ症状と重度レベルに対応する代表訓練文の指標に対して意味的ランキングを生成するために,テストユーザ文を使用する。 本手法を2つのRedditベースのベンチマークで評価し,うつ病の重症度を指標として,最先端技術よりも30%改善した。
  論文  参考訳（メタデータ） (2022-11-14T18:47:26Z)
• Combating Health Misinformation in Social Media: Characterization, Detection, Intervention, and Open Issues [24.428582199602822]
  様々なソーシャルメディアプラットフォームの台頭は、オンライン誤報の拡散も可能にしている。 ソーシャルメディアにおける健康情報の誤報は、さまざまな分野の研究者から注目を集める新たな研究方向となっている。
  論文  参考訳（メタデータ） (2022-11-10T01:52:12Z)
• 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)
• Categorising Fine-to-Coarse Grained Misinformation: An Empirical Study of COVID-19 Infodemic [6.137022734902771]
  社会行動アノテーションを含む微粒な誤情報ツイートデータセットを導入する。 このデータセットは、社会行動の分析を可能にするだけでなく、エビデンスベースまたは非エビデンスベースの誤情報分類タスクにも適している。
  論文  参考訳（メタデータ） (2021-06-22T12:17:53Z)
• Understanding Health Misinformation Transmission: An Interpretable Deep Learning Approach to Manage Infodemics [6.08461198240039]
  本研究では,新しい解釈可能な深層学習手法であるGenerative Adversarial NetworkベースのPiecewise Wide and Attention Deep Learning (GAN-PiWAD)を提案する。 社会交換理論に則った特徴を選択し、4,445本の誤報動画でGAN-PiWADを評価します。 本研究は,ソーシャルメディアプラットフォームや政策立案者に対して,誤情報を識別し,伝達を制御し,インフォデミクスを管理するための積極的な介入をデザインする直接的意義を与える。
  論文  参考訳（メタデータ） (2020-12-21T15:49:19Z)
• Assessing the Severity of Health States based on Social Media Posts [62.52087340582502]
  ユーザの健康状態の重症度を評価するために,テキストコンテンツとコンテキスト情報の両方をモデル化する多視点学習フレームワークを提案する。 多様なNLUビューは、ユーザの健康を評価するために、タスクと個々の疾患の両方に効果を示す。
  論文  参考訳（メタデータ） (2020-09-21T03:45:14Z)
• Independent Component Analysis for Trustworthy Cyberspace during High Impact Events: An Application to Covid-19 [4.629100947762816]
  新型コロナウイルス(COVID-19)の感染拡大など、ソーシャルメディアは重要なコミュニケーションチャンネルとなっている。 ソーシャルメディアにおける誤報が急速に拡散し、社会不安を生じさせるため、そのような出来事における誤報の拡散は重要なデータ課題である。 本稿では,ICAモデルに基づくデータ駆動型ソリューションを提案する。
  論文  参考訳（メタデータ） (2020-06-01T21:48:22Z)

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。