論文の概要: Dynamics of Cross-Platform Attention to Retracted Papers

• arxiv url: http://arxiv.org/abs/2110.07798v2
• Date: Wed, 15 Jun 2022 22:02:57 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-11 10:15:56.108232
• Title: Dynamics of Cross-Platform Attention to Retracted Papers
• Title（参考訳）: 引き抜き紙へのクロスプラットフォーム注意のダイナミクス
• Authors: Hao Peng, Daniel M. Romero, Em\H{o}ke-\'Agnes Horv\'at
• Abstract要約: 削除された論文は、公式の撤回前にソーシャルメディア、デジタルニュース、その他のウェブサイトで広く流通している。 我々は、異なるオンラインプラットフォームにおいて、時間とともに受け取った3,851件の論文の量と種類を定量化する。
• 参考スコア（独自算出の注目度）: 25.179837269945015
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Retracted papers often circulate widely on social media, digital news and other websites before their official retraction. The spread of potentially inaccurate or misleading results from retracted papers can harm the scientific community and the public. Here we quantify the amount and type of attention 3,851 retracted papers received over time in different online platforms. Comparing to a set of non-retracted control papers from the same journals, with similar publication year, number of co-authors and author impact, we show that retracted papers receive more attention after publication not only on social media, but also on heavily curated platforms, such as news outlets and knowledge repositories, amplifying the negative impact on the public. At the same time, we find that posts on Twitter tend to express more criticism about retracted than about control papers, suggesting that criticism-expressing tweets could contain factual information about problematic papers. Most importantly, around the time they are retracted, papers generate discussions that are primarily about the retraction incident rather than about research findings, showing that by this point papers have exhausted attention to their results and highlighting the limited effect of retractions. Our findings reveal the extent to which retracted papers are discussed on different online platforms and identify at scale audience criticism towards them. In this context, we show that retraction is not an effective tool to reduce online attention to problematic papers.
• Abstract（参考訳）: 撤回された論文は、公式の撤回前にソーシャルメディア、デジタルニュース、その他のウェブサイトで広く流通する。 撤回された論文による不正確な結果や誤解を招く結果の拡散は、科学界や大衆を害する可能性がある。 ここでは,異なるオンラインプラットフォームで受信された3,851論文の注目度とタイプを定量化する。 同様の出版年,共同執筆者数,著作者への影響など,同誌の非引用コントロール論文群と比較すると,引用論文がソーシャルメディアだけでなく,ニュースアウトレットや知識レポジトリといった高度にキュレートされたプラットフォーム上でも注目され,公衆への悪影響を増幅することが示された。 同時に、twitter上の投稿は、削除に関する批判がコントロール論文よりも多い傾向にあり、批判表現されたツイートには問題のある論文に関する事実情報が含まれる可能性があることを示唆している。 最も重要なことは、論文が撤回される頃には、主に研究結果よりも引き込みインシデントに関する議論が生まれており、この時点で論文はその結果に注意を払い、引き込みの影響が限られていることを示している。 本研究は, 異なるオンラインプラットフォーム上での論文の議論の程度を明らかにし, 大規模オーディエンスに対する批判を明らかにした。 この文脈では、リトラクションは問題のある論文に対するオンラインの注意を減らす効果的なツールではない。

関連論文リスト

• Who Checks the Checkers? Exploring Source Credibility in Twitter's Community Notes [0.03511246202322249]
  ソーシャルメディアプラットフォーム上での誤情報拡散は重大な懸念となっている。 この研究は、クラウドソースのファクトチェックにおける潜在的な役割にもかかわらず、Twitter Community Notesの特定の機能に焦点を当てている。 引用された情報源の大部分は、左派であり、高い事実性を持つニュースメディアであり、プラットフォームの事実チェックにおける潜在的なバイアスを示唆している。
  論文  参考訳（メタデータ） (2024-06-18T09:47:58Z)
• Position: AI/ML Influencers Have a Place in the Academic Process [82.2069685579588]
  機械学習研究の可視性向上におけるソーシャルメディアインフルエンサーの役割について検討する。 2018年12月から2023年10月までの間に、8000以上の論文の包括的なデータセットを収集しました。 我々の統計的および因果推論分析は、これらのインフルエンサーが支持する論文の引用が著しく増加することを示している。
  論文  参考訳（メタデータ） (2024-01-24T20:05:49Z)
• CausalCite: A Causal Formulation of Paper Citations [80.82622421055734]
  CausalCiteは紙の意義を測定するための新しい方法だ。 これは、従来のマッチングフレームワークを高次元のテキスト埋め込みに適応させる、新しい因果推論手法であるTextMatchに基づいている。 科学専門家が報告した紙衝撃と高い相関性など,各種基準におけるCausalCiteの有効性を実証する。
  論文  参考訳（メタデータ） (2023-11-05T23:09:39Z)
• Estimating the Causal Effect of Early ArXiving on Paper Acceptance [56.538813945721685]
  我々は,論文の審査期間(初期arXiving)前にarXivingが会議の受理に与える影響を推定する。 以上の結果から,早期のarXivingは,論文の受容に少なからぬ影響を及ぼす可能性が示唆された。
  論文  参考訳（メタデータ） (2023-06-24T07:45:38Z)
• Characterizing the effect of retractions on scientific careers [1.6758573326215693]
  論文の妥当性や著者の整合性に疑問が呈される場合、学術論文の抽出は品質管理の基本的なツールである。 従来の研究は、引用数と共著者の引用に対するリトラクションの悪影響を強調してきた。 本研究は,リトラクションの後に学術出版を終了する可能性,コラボレーションネットワークの進化に焦点をあてる。
  論文  参考訳（メタデータ） (2023-06-11T15:52:39Z)
• Forgotten Knowledge: Examining the Citational Amnesia in NLP [63.13508571014673]
  論文を引用するのにどれくらいの時間がかかったのか、どのようにして変化したのか、そしてこの引用的注意/記憶に相関する要因は何か。 引用論文の約62%が出版直前の5年間のものであり,約17%が10年以上前のものであることを示す。 1990年から2014年にかけて、引用論文の中央値と年齢の多様性は着実に増加してきたが、その後傾向が逆転し、現在のNLP論文は、時間的引用の多様性が極端に低い。
  論文  参考訳（メタデータ） (2023-05-29T18:30:34Z)
• 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)
• Information Retention in the Multi-platform Sharing of Science [1.4626565477022566]
  我々は,最も多い学術論文の9,765件を参考に,400万件以上のオンライン投稿における情報保持について検討した。 情報保持率の低さは,損失の明確な軌跡を辿って強い傾向を示す。 より多くのプラットフォームを含むシーケンスは、高い情報保持と関連付けられる傾向があります。
  論文  参考訳（メタデータ） (2022-07-27T22:28:48Z)
• Newsalyze: Effective Communication of Person-Targeting Biases in News Articles [8.586057042714698]
  本稿では,自然言語理解の最先端手法を組み合わせたバイアス識別システムを提案する。 第2に,非専門家のニュース消費者にニュース記事のバイアスを伝えるために,バイアスに敏感な可視化を考案する。 第3に、私たちの主な貢献は、日々のニュース消費を近似した設定においてバイアス認識を測定する大規模なユーザスタディです。
  論文  参考訳（メタデータ） (2021-10-18T10:23:19Z)
• Some Ethical Issues in the Review Process of Machine Learning Conferences [0.38073142980733]
  最近の機械学習コミュニティの成功により、カンファレンスに提出された論文の数が大幅に増加した。 この増加は、これらのカンファレンスが使用している現在のレビュープロセスに影響を及ぼすいくつかの問題をより顕著にした。 本研究では, 審査員の採用問題, 二重盲検プロセスの侵害, 不正行為, 数値評価のバイアス, 付録現象について検討した。
  論文  参考訳（メタデータ） (2021-06-01T21:22:41Z)
• 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)

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。