論文の概要: Visual Selective Attention System to Intervene User Attention in Sharing
COVID-19 Misinformation
- arxiv url: http://arxiv.org/abs/2110.13489v2
- Date: Tue, 9 Nov 2021 23:01:50 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-10 05:52:47.311058
- Title: Visual Selective Attention System to Intervene User Attention in Sharing
COVID-19 Misinformation
- Title（参考訳）: 新型コロナウイルスの誤情報共有に注意を喚起する視覚的注意システム
- Authors: Zaid Amin, Nazlena Mohamad Ali, Alan F. Smeaton
- Abstract要約: 本研究の目的は、視覚的選択的注意アプローチによって、ユーザの注意に介入することである。
結果は、インフォデミック・新型コロナウイルス(COVID-19)の誤報によるネガティブな影響に対処するため、ソーシャルメディアアプリケーションを開発するための基盤となることが期待されている。
- 参考スコア（独自算出の注目度）: 2.7393821783237184
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Information sharing on social media must be accompanied by attentive behavior
so that in a distorted digital environment, users are not rushed and distracted
in deciding to share information. The spread of misinformation, especially
those related to the COVID-19, can divide and create negative effects of
falsehood in society. Individuals can also cause feelings of fear, health
anxiety, and confusion in the treatment COVID-19. Although much research has
focused on understanding human judgment from a psychological underline, few
have addressed the essential issue in the screening phase of what technology
can interfere amidst users' attention in sharing information. This research
aims to intervene in the user's attention with a visual selective attention
approach. This study uses a quantitative method through studies 1 and 2 with
pre-and post-intervention experiments. In study 1, we intervened in user
decisions and attention by stimulating ten information and misinformation using
the Visual Selective Attention System (VSAS) tool. In Study 2, we identified
associations of user tendencies in evaluating information using the Implicit
Association Test (IAT). The significant results showed that the user's
attention and decision behavior improved after using the VSAS. The IAT results
show a change in the association of user exposure, where after the intervention
using VSAS, users tend not to share misinformation about COVID-19. The results
are expected to be the basis for developing social media applications to combat
the negative impact of the infodemic COVID-19 misinformation.
- Abstract（参考訳）: ソーシャルメディア上での情報共有には注意深い行動が伴わなければならない。
誤情報の拡散、特に新型コロナウイルス(covid-19)に関連するものは、社会における虚偽の否定的な影響を分割し生み出す可能性がある。
個人は、不安感、健康不安、およびcovid-19治療の混乱を引き起こすこともある。
心理学的な下線から人間の判断を理解することに焦点を当てた研究は多いが、情報の共有においてユーザの注意の中でテクノロジーが妨げられることのスクリーニングフェーズにおいて不可欠な問題に対処する研究はほとんどない。
本研究の目的は、視覚的選択的注意アプローチにより、ユーザの注意に介入することである。
本研究は, 介入前および介入後の実験により, 研究1および2を定量的に行う。
研究1では,視覚選択注意システム(VSAS)ツールを用いて10情報と誤報を刺激することにより,ユーザの判断と注意を介入した。
研究2では,暗黙的関連テスト(iat)を用いて,情報評価におけるユーザ傾向の関連を同定した。
その結果,VSAS使用後のユーザの注意力と意思決定行動は改善した。
IATの結果は、VSASを使用した介入後、新型コロナウイルスに関する誤情報を共有しない傾向にあるユーザ露出との関連性の変化を示している。
結果は、インフォデミック・新型コロナウイルス(COVID-19)の誤報によるネガティブな影響に対処するため、ソーシャルメディアアプリケーションを開発するための基盤となることが期待されている。
関連論文リスト
- Modeling User Preferences via Brain-Computer Interfacing [54.3727087164445]
我々はBrain-Computer Interface技術を用いてユーザの好みを推測し、その注意力は視覚的コンテンツと感情的体験との関連性に相関する。
我々はこれらを,情報検索,生成モデルのパーソナライズされたステアリング,感情経験のクラウドソーシング人口推定など,関連するアプリケーションにリンクする。
論文 参考訳（メタデータ） (2024-05-15T20:41:46Z) - Decoding Susceptibility: Modeling Misbelief to Misinformation Through a
Computational Approach [63.67533153887132]
誤報に対する感受性は、観測不可能な不検証の主張に対する信念の度合いを記述している。
既存の感受性研究は、自己報告された信念に大きく依存している。
本稿では,ユーザの潜在感受性レベルをモデル化するための計算手法を提案する。
論文 参考訳（メタデータ） (2023-11-16T07:22:56Z) - 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) - A Comprehensive Picture of Factors Affecting User Willingness to Use
Mobile Health Applications [62.60524178293434]
本研究の目的は,mHealthアプリのユーザ受け入れに影響を与える要因を検討することである。
利用者のデジタルリテラシーは、個人情報を共有するオンライン習慣に続き、使用意欲に最も強い影響を与える。
居住国、年齢、民族、教育などの利用者の人口統計学的背景は、顕著な緩和効果がある。
論文 参考訳（メタデータ） (2023-05-10T08:11:21Z) - Adherence to Misinformation on Social Media Through Socio-Cognitive and
Group-Based Processes [79.79659145328856]
誤報が広まると、これはソーシャルメディア環境が誤報の付着を可能にするためである、と我々は主張する。
偏光と誤情報付着が密接な関係にあると仮定する。
論文 参考訳（メタデータ） (2022-06-30T12:34:24Z) - The Effects of Interactive AI Design on User Behavior: An Eye-tracking
Study of Fact-checking COVID-19 Claims [12.00747200817161]
我々は,AIを用いたファクトチェックシステムの相互作用がユーザインタラクションに与える影響について,実験室による眼球追跡調査を行った。
その結果、AIシステムの予測パラメータを対話的に操作することの存在は、ユーザの生活時間や、AOIの眼球修正に影響を及ぼすが、精神的な作業負荷には影響しないことがわかった。
論文 参考訳（メタデータ） (2022-02-17T21:08:57Z) - Characterizing User Susceptibility to COVID-19 Misinformation on Twitter [40.0762273487125]
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。
論文 参考訳（メタデータ） (2021-09-20T13:31:15Z) - Categorising Fine-to-Coarse Grained Misinformation: An Empirical Study
of COVID-19 Infodemic [6.137022734902771]
社会行動アノテーションを含む微粒な誤情報ツイートデータセットを導入する。
このデータセットは、社会行動の分析を可能にするだけでなく、エビデンスベースまたは非エビデンスベースの誤情報分類タスクにも適している。
論文 参考訳（メタデータ） (2021-06-22T12:17:53Z) - Case Study on Detecting COVID-19 Health-Related Misinformation in Social
Media [7.194177427819438]
本稿では、ソーシャルメディアにおける新型コロナウイルスの健康関連誤報を検出するメカニズムについて述べる。
応用機械学習技術を用いて誤情報検出機構に組み込まれた誤情報テーマと関連キーワードを定義した。
本手法は,健康関連誤報と真情報との分類において,少なくとも78%の精度で有望な結果を示す。
論文 参考訳（メタデータ） (2021-06-12T16:26:04Z) - Assessing the Severity of Health States based on Social Media Posts [62.52087340582502]
ユーザの健康状態の重症度を評価するために,テキストコンテンツとコンテキスト情報の両方をモデル化する多視点学習フレームワークを提案する。
多様なNLUビューは、ユーザの健康を評価するために、タスクと個々の疾患の両方に効果を示す。
論文 参考訳（メタデータ） (2020-09-21T03:45:14Z) - COVI White Paper [67.04578448931741]
接触追跡は、新型コロナウイルスのパンデミックの進行を変える上で不可欠なツールだ。
カナダで開発されたCovid-19の公衆ピアツーピア接触追跡とリスク認識モバイルアプリケーションであるCOVIの理論的、設計、倫理的考察、プライバシ戦略について概説する。
論文 参考訳（メタデータ） (2020-05-18T07:40:49Z)
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。