論文の概要: Characterizing User Susceptibility to COVID-19 Misinformation on Twitter
- arxiv url: http://arxiv.org/abs/2109.09532v1
- Date: Mon, 20 Sep 2021 13:31:15 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-14 05:28:55.666877
- Title: Characterizing User Susceptibility to COVID-19 Misinformation on Twitter
- Title（参考訳）: Twitter上での新型コロナウイルスの誤情報に対する利用者の認識
- Authors: Xian Teng, Yu-Ru Lin, Wen-Ting Chung, Ang Li, Adriana Kovashka
- Abstract要約: 本研究は、パンデミックのオンライン誤報に弱い人口を構成する人々への回答を試みる。
我々は、ソーシャルボットから、新型コロナウイルス関連の誤情報に関するさまざまなレベルのエンゲージメントを持つ人間まで、さまざまなタイプのユーザーを区別する。
次に、新型コロナウイルスの誤情報に対する感受性と相関する、ユーザのオンライン機能と状況予測を識別する。
- 参考スコア（独自算出の注目度）: 40.0762273487125
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Though significant efforts such as removing false claims and promoting
reliable sources have been increased to combat COVID-19 "misinfodemic", it
remains an unsolved societal challenge if lacking a proper understanding of
susceptible online users, i.e., those who are likely to be attracted by,
believe and spread misinformation. This study attempts to answer {\it who}
constitutes the population vulnerable to the online misinformation in the
pandemic, and what are the robust features and short-term behavior signals that
distinguish susceptible users from others. Using a 6-month longitudinal user
panel on Twitter collected from a geopolitically diverse network-stratified
samples in the US, we distinguish different types of users, ranging from social
bots to humans with various level of engagement with COVID-related
misinformation. We then identify users' online features and situational
predictors that correlate with their susceptibility to COVID-19 misinformation.
This work brings unique contributions: First, contrary to the prior studies on
bot influence, our analysis shows that social bots' contribution to
misinformation sharing was surprisingly low, and human-like users'
misinformation behaviors exhibit heterogeneity and temporal variability. While
the sharing of misinformation was highly concentrated, the risk of occasionally
sharing misinformation for average users remained alarmingly high. Second, our
findings highlight the political sensitivity activeness and responsiveness to
emotionally-charged content among susceptible users. Third, we demonstrate a
feasible solution to efficiently predict users' transient susceptibility solely
based on their short-term news consumption and exposure from their networks.
Our work has an implication in designing effective intervention mechanism to
mitigate the misinformation dissipation.
- Abstract（参考訳）: 偽りのクレームの除去や信頼できる情報源の促進といった重要な努力は、新型コロナウイルスの「誤報」と闘うために増加しているが、もし感受性のあるオンラインユーザーの適切な理解が欠如している場合には、未解決の社会的課題である。
本研究は、パンデミックにおけるオンライン誤報に弱い人口を構成する人々と、感受性のあるユーザと他のユーザを区別する堅牢な特徴と短期的行動信号とに答えようとするものである。
米国内の地政学的に多様なネットワーク階層化サンプルから収集されたTwitter上の6ヶ月の縦長のユーザーパネルを使用して、ソーシャルボットから、新型コロナウイルスに関連するさまざまなエンゲージメントを持つ人間まで、さまざまなタイプのユーザーを区別する。
次に、新型コロナウイルスの誤情報に対する感受性と相関するユーザのオンライン機能と状況予測を識別する。
この研究は、ボットの影響に関する以前の研究とは対照的に、社会的なボットの誤情報共有への貢献は驚くほど低く、人間のようなユーザーの誤情報行動は異質性や時間的変動を示す。
誤報の共有は高度に集中していたが, 平均的な利用者に対して時折誤報を共有するリスクは著しく高いままであった。
第2に, 情緒的なコンテンツに対する政治的感受性と応答性について検討した。
第3に、短期的なニュース消費とネットワークからの露出のみに基づいて、ユーザの過渡的感受性を効率的に予測する実現可能なソリューションを実証する。
本研究は,誤情報伝達を緩和するための効果的な介入機構の設計に影響を及ぼす。
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) - Decoding the Silent Majority: Inducing Belief Augmented Social Graph
with Large Language Model for Response Forecasting [74.68371461260946]
SocialSenseは、既存のソーシャルネットワーク上に信念中心のグラフを誘導するフレームワークであり、グラフベースの伝播によって社会的ダイナミクスを捉える。
本手法は,ゼロショット設定と教師あり設定の両方に対する実験的な評価において,既存の最先端技術を超えている。
論文 参考訳（メタデータ） (2023-10-20T06:17:02Z) - Understanding the Humans Behind Online Misinformation: An Observational
Study Through the Lens of the COVID-19 Pandemic [12.873747057824833]
われわれは、新型コロナウイルスのツイート3200万件と過去のツイート1600万件を分析した大規模な調査を行っている。
新型コロナウイルスの感染拡大に伴う誤情報を広めるユーザの行動と心理の理解と、非新型コロナウイルス領域における誤情報を共有しようとする歴史的傾向との関係に焦点をあてる。
論文 参考訳（メタデータ） (2023-10-12T16:42:53Z) - Approaches to Identify Vulnerabilities to Misinformation: A Research
Agenda [24.80321868079655]
オンライン誤報の頻度を考えると、インターネット利用者はそのような情報にしばしば被害を受けることが示されている。
我々は、脆弱なユーザーを特定するために、現在進行中の2つの研究方法を強調した。
論文 参考訳（メタデータ） (2022-10-21T00:33:39Z) - The Impact of Disinformation on a Controversial Debate on Social Media [1.299941371793082]
われわれは、移民に関するイタリアの議論において、Twitter上での偽情報の存在がいかに広まっているかを研究する。
TwitterユーザーをtextitUntrustworthinessスコアで特徴付けることで、このような悪い情報消費習慣がユーザー間で均等に分散されていないことが分かる。
論文 参考訳（メタデータ） (2021-06-30T10:29:07Z) - News consumption and social media regulations policy [70.31753171707005]
我々は、ニュース消費とコンテンツ規制の間の相互作用を評価するために、反対のモデレーション手法であるTwitterとGabを強制した2つのソーシャルメディアを分析した。
以上の結果から,Twitterが追求するモデレーションの存在は,疑わしいコンテンツを著しく減少させることがわかった。
Gabに対する明確な規制の欠如は、ユーザが両方のタイプのコンテンツを扱う傾向を生じさせ、ディスカウント/エンドレスメントの振る舞いを考慮に入れた疑わしいコンテンツに対してわずかに好みを示す。
論文 参考訳（メタデータ） (2021-06-07T19:26:32Z) - The Burden of Being a Bridge: Analysing Subjective Well-Being of Twitter
Users during the COVID-19 Pandemic [4.178929174617172]
本研究では,パンデミックが影響力のあるソーシャルメディア利用者のメンタルヘルスに与える影響について検討する。
SWBの変化が情報拡散におけるブリッジ性能と関係があるかどうかを解析する。
約2年間Twitterから収集されたデータから、新型コロナウイルス(COVID-19)パンデミックにおける影響力のあるユーザーの精神的苦痛が増していることが明らかになった。
論文 参考訳（メタデータ） (2021-04-09T12:29:34Z) - 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) - Information Consumption and Social Response in a Segregated Environment:
the Case of Gab [74.5095691235917]
この研究は、COVID-19トピックに関するGab内のインタラクションパターンの特徴を提供する。
疑わしい、信頼できるコンテンツに対する社会的反応には、統計的に強い違いはない。
本研究は,協調した不正確な行動の理解と情報操作の早期警戒に関する知見を提供する。
論文 参考訳（メタデータ） (2020-06-03T11:34:25Z)
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。