論文の概要: Profiling Fake News Spreaders on Social Media through Psychological and Motivational Factors

• arxiv url: http://arxiv.org/abs/2108.10942v1
• Date: Tue, 24 Aug 2021 20:27:38 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-17 07:18:44.796833
• Title: Profiling Fake News Spreaders on Social Media through Psychological and Motivational Factors
• Title（参考訳）: ソーシャルメディア上のフェイクニュース拡散者の心理・動機要因によるプロファイリング
• Authors: Mansooreh Karami, Tahora H. Nazer, Huan Liu
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 26.942545715296983
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The rise of fake news in the past decade has brought with it a host of consequences, from swaying opinions on elections to generating uncertainty during a pandemic. A majority of methods developed to combat disinformation either focus on fake news content or malicious actors who generate it. However, the virality of fake news is largely dependent upon the users who propagate it. A deeper understanding of these users can contribute to the development of a framework for identifying users who are likely to spread fake news. In this work, we study the characteristics and motivational factors of fake news spreaders on social media with input from psychological theories and behavioral studies. We then perform a series of experiments to determine if fake news spreaders can be found to exhibit different characteristics than other users. Further, we investigate our findings by testing whether the characteristics we observe amongst fake news spreaders in our experiments can be applied to the detection of fake news spreaders in a real social media environment.
• Abstract（参考訳）: 過去10年間のフェイクニュースの台頭は、選挙に関する意見の揺さぶりから、パンデミックの間に不確実性を生み出すまで、数多くの結果をもたらした。 偽ニュースに対処するために開発されたほとんどの方法は、偽ニュースコンテンツや、それを生成する悪意のあるアクターに焦点を当てている。 しかし、偽ニュースのバイラル性は、それを広めるユーザーに大きく依存している。 これらのユーザーに対する深い理解は、偽ニュースを拡散する可能性のあるユーザーを特定するためのフレームワークの開発に寄与することができる。 本研究では,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,心理学的理論や行動学的研究から考察した。 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。 さらに,本実験における偽ニュース拡散器の特性が,実際のソーシャルメディア環境における偽ニュース拡散器の検出に応用できるかどうかを検証して検討した。

関連論文リスト

• 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)
• Human Brains Can't Detect Fake News: A Neuro-Cognitive Study of Textual Disinformation Susceptibility [2.131521514043068]
  フェイクニュース」は間違いなくインターネット上で最も重要な脅威の1つです。 フェイクニュースは、インターネットユーザーが偽のニュース記事やスニペットを読んだ後に正当であると認識しているかどうかをひそかに攻撃する。 脳波による偽ニュース・実ニュースに関連する神経基盤について検討する。
  論文  参考訳（メタデータ） (2022-07-18T04:31:07Z)
• Who Shares Fake News? Uncovering Insights from Social Media Users' Post Histories [0.0]
  本稿では,ソーシャルメディア利用者の投稿履歴が,偽ニュース共有の研究にあまり使われていないことを提案する。 偽ニュースの共有者を識別し、最も偽ニュースを共有する可能性が最も高いものを予測し、介入を構築するための有望な構成物を特定する。
  論文  参考訳（メタデータ） (2022-03-20T14:26:20Z)
• Faking Fake News for Real Fake News Detection: Propaganda-loaded Training Data Generation [105.20743048379387]
  提案手法は,人間によるプロパガンダのスタイルや戦略から情報を得た学習例を生成するための新しいフレームワークである。 具体的には、生成した記事の有効性を確保するために、自然言語推論によって導かれる自己臨界シーケンストレーニングを行う。 実験の結果、PropaNewsでトレーニングされた偽ニュース検知器は、2つの公開データセットで3.62～7.69%のF1スコアで人書きの偽情報を検出するのに優れていることがわかった。
  論文  参考訳（メタデータ） (2022-03-10T14:24:19Z)
• 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)
• How does Truth Evolve into Fake News? An Empirical Study of Fake News Evolution [55.27685924751459]
  偽ニュース進化過程を追跡する新しいデータセットであるフェイクニュース進化データセットを提示する。 私たちのデータセットは950のペアデータで構成され、それぞれが真実、偽ニュース、進化した偽ニュースを表す記事で構成されています。 進化中の特徴を観察し,誤情報技術,テキスト類似性,キーワードトップ10,分類精度,発話部分,感情特性について検討した。
  論文  参考訳（メタデータ） (2021-03-10T09:01:34Z)
• 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。