論文の概要: News Consumption in Time of Conflict: 2021 Palestinian-Israel War as an Example

• arxiv url: http://arxiv.org/abs/2109.12844v1
• Date: Mon, 27 Sep 2021 07:39:04 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-13 12:11:15.173362
• Title: News Consumption in Time of Conflict: 2021 Palestinian-Israel War as an Example
• Title（参考訳）: 紛争時のニュース消費:2021年パレスチナ・イスラエル戦争を例に
• Authors: Kareem Darwish
• Abstract要約: 我々は、パレスチナ系かイスラエル系の8万人以上のTwitterユーザーのニュース消費を詳細に分析する。 教師なしの姿勢検出を用いてユーザの姿勢を同定する。 利用者は、海外やあまり普及していないソースから、よりトポロジ的な関連コンテンツを消費する可能性がある。
• 参考スコア（独自算出の注目度）: 4.106987095869419
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper examines news consumption in response to a major polarizing event, and we use the May 2021 Israeli-Palestinian conflict as an example. We conduct a detailed analysis of the news consumption of more than eight thousand Twitter users who are either pro-Palestinian or pro-Israeli and authored more than 29 million tweets between January 1 and August 17, 2021. We identified the stance of users using unsupervised stance detection. We observe that users may consume more topically-related content from foreign and less popular sources, because, unlike popular sources, they may reaffirm their views, offer more extreme, hyper-partisan, or sensational content, or provide more in depth coverage of the event. The sudden popularity of such sources may not translate to longer-term or general popularity on other topics.
• Abstract（参考訳）: 本稿では,大きな偏光現象に対するニュース消費について検討し,2021年5月のイスラエル・パレスチナ紛争を例に挙げる。 我々は2021年1月1日から8月17日までに、パレスチナ寄りまたはイスラエル寄りの800万人以上のtwitterユーザーのニュース消費に関する詳細な分析を行った。 教師なしの姿勢検出を用いてユーザの姿勢を同定した。 なぜなら、人気ソースとは異なり、彼らは自分の見解を再確認したり、より極端な、超党派的な、あるいはセンセーショナルなコンテンツを提供したり、イベントの詳細な報道を提供したりすることができるからだ。 このようなソースの突然の人気は、他のトピックに対する長期的あるいは一般的な人気には変換されないかもしれない。

関連論文リスト

• Incentivizing News Consumption on Social Media Platforms Using Large Language Models and Realistic Bot Accounts [4.06613683722116]
  本研究は,Twitter上での検証およびイデオロギー的にバランスの取れたニュースに対するユーザの露出とエンゲージメントを高める方法について検討する。 われわれは、スポーツ、エンターテイメント、ライフスタイルについてツイートするユーザーに対して、文脈対応で返信する28のボットを作った。 ロボットの性別による差分効果をテストするために、治療対象のユーザはランダムに、女性または男性として提示されたボットの応答を受信するように割り当てられた。 治療を受けたユーザーは、より多くのニュースアカウントをフォローし、女性のボット治療を受けたユーザーは、コントロールよりもニュースコンテンツを好む傾向にあった。
  論文  参考訳（メタデータ） (2024-03-20T07:44:06Z)
• News and Misinformation Consumption in Europe: A Longitudinal Cross-Country Perspective [49.1574468325115]
  本研究では,欧州4カ国における情報消費について検討した。 フランス、ドイツ、イタリア、イギリスのニュースメディアアカウントから3年間のTwitter活動を分析した。 信頼性のある情報源が情報ランドスケープを支配していることを示しているが、信頼性の低いコンテンツは依然としてすべての国に存在している。
  論文  参考訳（メタデータ） (2023-11-09T16:22:10Z)
• Unveiling the Hidden Agenda: Biases in News Reporting and Consumption [59.55900146668931]
  イタリアのワクチン論争に関する6年間のデータセットを構築し、物語と選択バイアスを特定するためにベイジアン潜在空間モデルを採用する。 バイアスとエンゲージメントの間に非線形な関係が見られ、極端な位置へのエンゲージメントが高くなった。 Twitter上でのニュース消費の分析は、同様のイデオロギー的な立場のニュースメディアの間で、一般的なオーディエンスを明らかにしている。
  論文  参考訳（メタデータ） (2023-01-14T18:58:42Z)
• Twitter Dataset on the Russo-Ukrainian War [68.713984286035]
  Twitter APIから現在進行中のデータセットの取得を開始しています。 データセットは770万人のユーザーを起源とする5730万ツイートに達している。 我々は、最初のボリュームと感情分析を適用し、データセットはトピック分析、ヘイトスピーチ、プロパガンダ認識、ボットネットのような潜在的な悪意のあるエンティティを示すためにさらに探索的な調査に使用することができる。
  論文  参考訳（メタデータ） (2022-04-07T12:33:06Z)
• Tweets in Time of Conflict: A Public Dataset Tracking the Twitter Discourse on the War Between Ukraine and Russia [14.000779544058144]
  2022年2月24日、ロシアはウクライナに侵攻し、その後、戦争が急速にエスカレートしたと報道された。 ロシアは直ちに世界からの反発と非難に直面した。 戦争はウクライナで進行中の人道的・難民危機に引き続き貢献しているが、オンライン空間では第2の戦場が出現している。
  論文  参考訳（メタデータ） (2022-03-14T20:52:02Z)
• FakeNewsLab: Experimental Study on Biases and Pitfalls Preventing us from Distinguishing True from False News [0.2741266294612776]
  この研究は、偽ニュースデータセットを構築する際に、人間のアノテータに影響を与える一連の落とし穴を強調している。 また、ユーザーが再共有する前に記事全体を読むことを推奨する、AIの一般的な理論的根拠にも異議を唱えている。
  論文  参考訳（メタデータ） (2021-10-22T12:02:16Z)
• Reliability of Content and Echo Chambers on YouTube during the COVID-19 Debate [0.0]
  本稿では、YouTube上でのニュース消費を評価することで、新型コロナウイルスパンデミック時の情報拡散を調査することを目的とする。 我々は、政治的偏見とファクトチェックの指標でラベル付けされた68のYouTubeチャンネルがリリースした13,000本のビデオで、200万人以上のユーザーのエンゲージメントを分析した。
  論文  参考訳（メタデータ） (2021-06-16T10:44:29Z)
• 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)
• Viable Threat on News Reading: Generating Biased News Using Natural Language Models [49.90665530780664]
  公開されている言語モデルは、入力されたオリジナルニュースに基づいてバイアスのあるニュースコンテンツを確実に生成できることを示す。 また、制御可能なテキスト生成を用いて、多数の高品質な偏りのあるニュース記事を生成することができることを示す。
  論文  参考訳（メタデータ） (2020-10-05T16:55:39Z)
• Can We Spot the "Fake News" Before It Was Even Written? [25.536546272915427]
  これまでに、手動と自動の両方でファクトチェックのイニシアチブがいくつも立ち上げられている。 より有望な方向性は、ニュースメディア全体の事実チェックに集中することであり、事前に行うことができる。 私たちはTanbihのニュースアグリゲータで、読者が何を読んでいるかを知らせる方法を説明します。
  論文  参考訳（メタデータ） (2020-08-10T19:21:06Z)
• HoaxItaly: a collection of Italian disinformation and fact-checking stories shared on Twitter in 2019 [72.96986027203377]
  データセットには約37Kのニュース記事のタイトルとボディも含まれている。 https://doi.org/10.79DVN/PGVDHXで公開されている。
  論文  参考訳（メタデータ） (2020-01-29T16:14:47Z)

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。