論文の概要: 'No, auntie, that's false': Female baby boomers develop critical skills
to confront fake news with guidance from relatives
- arxiv url: http://arxiv.org/abs/2107.12312v1
- Date: Mon, 26 Jul 2021 16:33:47 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-20 21:20:55.488449
- Title: 'No, auntie, that's false': Female baby boomers develop critical skills
to confront fake news with guidance from relatives
- Title（参考訳）: 「いや、おばさん、それは嘘だ」 女性ベビーブームは、親戚の指導で偽ニュースと対決する重要なスキルを身につけている
- Authors: Andrea Pecho-Ninapaytan, Stefany Zambrano-Zuta, Lizardo Vargas-Bianchi
- Abstract要約: 本研究の目的は、女性のベビーブーマーがFacebookで偽ニュースにどう対処するかを検討することである。
4つのテーマが分析から現れ、参加者は偽ニュースを識別できるが、必ずしもそれをできるとは限らないことを認識している。
参加者は、親密な家族の助けを借りて、批判的識別とフィルタリングのスキルを経験的に発達させることを示す。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The spread of fake news has been increasing, which gives rise to a special
interest in the development of identification and coping skills among news
consumers so that they can filter out misleading information. Studies suggest
that older people share more fake news from social media. There is scarce
literature that analyse how baby boomers behave in the face of fake news. The
purpose of this study is to examine how female baby boomers deal with fake news
on Facebook and their available resources to learn how to identify and handle
dubious information. A qualitative study and thematic analysis were conducted
using information obtained from interviewing female baby boomers. Four themes
emerge from the analysis, revealing that participants recognise that they can
identify fake news but may not always be able to do so due to limitations in
their understanding of an issue or uncertainty about its source. Participants
show participants empirically develop critical identification and filtering
skills with the assistance from close family members.
- Abstract（参考訳）: 偽ニュースの拡散が増加しており、ニュース消費者の間での識別と対処スキルの発展に特に関心を寄せ、誤解を招く情報をフィルターできるようになっている。
研究によると、高齢者はソーシャルメディアでよりフェイクニュースを共有している。
ベビーブーマーが偽ニュースに直面してどのように振る舞うかを分析する文献は少ない。
本研究の目的は、女性のベビーブーマーがFacebook上のフェイクニュースとそのリソースをどのように扱うかを調べ、疑わしい情報の特定と扱い方を学ぶことである。
女性のベビーブーマーの面接から得られた情報を用いて質的研究と主題分析を行った。
4つのテーマが分析から現れ、参加者は偽ニュースを識別できるが、問題に対する理解の限界や情報源の不確実性のため、常にそうできるとは限らないことを認識している。
参加者は、近親者の助けを借りて、批判的識別とフィルタリングスキルを経験的に発達させる。
関連論文リスト
- Blessing or curse? A survey on the Impact of Generative AI on Fake News [44.99833362998488]
現在、高品質で個別にターゲットとするフェイクニュースのマス作成を自動化することが可能である。
この調査は、2024年のフェイクニュースの検出と作成のためのジェネレーティブAIの研究と実用化に関する総合的な調査を提供する。
論文 参考訳（メタデータ） (2024-04-03T19:14:45Z) - Adapting Fake News Detection to the Era of Large Language Models [48.5847914481222]
我々は,機械による(言い換えられた)リアルニュース,機械生成のフェイクニュース,人書きのフェイクニュース,人書きのリアルニュースの相互作用について検討する。
我々の実験では、人書き記事のみに特化して訓練された検知器が、機械が生成したフェイクニュースを検出できる興味深いパターンを明らかにしましたが、その逆ではありません。
論文 参考訳（メタデータ） (2023-11-02T08:39:45Z) - Fake News Detection and Behavioral Analysis: Case of COVID-19 [0.22940141855172028]
パンデミックに関する偽ニュースの拡散による「情報デミック」が世界的な問題となっている。
読者は偽ニュースを本当のニュースと間違える可能性があり、その結果、本物の情報にアクセスできなくなる。
ソーシャルメディアの投稿で偽のニュースデータを正確に識別することは困難である。
論文 参考訳（メタデータ） (2023-05-25T13:42:08Z) - Combining Machine Learning with Knowledge Engineering to detect Fake
News in Social Networks-a survey [0.7120858995754653]
ニュースメディアやソーシャルメディアでは、情報は高速に拡散されるが、正確性がないため、検出メカニズムは偽ニュースの拡散に対処するのに十分な速さでニュースを予測することができる。
本稿では,フェイクニュースとは何か,フェイクニュースの重要性,さまざまな領域におけるフェイクニュースの全体的影響,ソーシャルメディア上でフェイクニュースを検出するさまざまな方法,問題を克服する上で有効な既存の検出アルゴリズムを提案する。
論文 参考訳（メタデータ） (2022-01-20T07:43:15Z) - A Study of Fake News Reading and Annotating in Social Media Context [1.0499611180329804]
我々は、44名のレイト参加者に、ニュース記事を含む投稿を含むソーシャルメディアフィードをさりげなく読み取らせるという、視線追跡研究を提示した。
第2回では,参加者に対して,これらの記事の真偽を判断するよう求めた。
また、同様のシナリオを用いたフォローアップ定性的な研究についても述べるが、今回は7人の専門家によるフェイクニュースアノテータを用いた。
論文 参考訳（メタデータ） (2021-09-26T08:11:17Z) - Profiling Fake News Spreaders on Social Media through Psychological and
Motivational Factors [26.942545715296983]
ソーシャルメディア上でのフェイクニューススプレッシャーの特徴と動機要因について検討した。
次に、フェイクニューススプレッドラーが他のユーザーと異なる特徴を示すことができるかどうかを判定する一連の実験を行う。
論文 参考訳（メタデータ） (2021-08-24T20:27:38Z) - Stance Detection with BERT Embeddings for Credibility Analysis of
Information on Social Media [1.7616042687330642]
本稿では,記事の内容とともに,その特徴の1つとして姿勢を用いた偽ニュースを検出するモデルを提案する。
本研究は,自動的特徴抽出とテキストの関連性でコンテンツを解釈する。
実世界のデータセットで行った実験は、我々のモデルが以前の研究より優れており、95.32%の精度で偽ニュースの検出を可能にすることを示している。
論文 参考訳（メタデータ） (2021-05-21T10:46:43Z) - User Preference-aware Fake News Detection [61.86175081368782]
既存の偽ニュース検出アルゴリズムは、詐欺信号のニュースコンテンツをマイニングすることに焦点を当てている。
本稿では,共同コンテンツとグラフモデリングにより,ユーザの好みから様々な信号を同時にキャプチャする新しいフレームワークUPFDを提案する。
論文 参考訳（メタデータ） (2021-04-25T21:19:24Z) - 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) - 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) - 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)
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。