論文の概要: Analyzing Behavioral Changes of Twitter Users After Exposure to Misinformation

• arxiv url: http://arxiv.org/abs/2111.00700v1
• Date: Mon, 1 Nov 2021 04:48:07 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-09 17:14:34.289160
• Title: Analyzing Behavioral Changes of Twitter Users After Exposure to Misinformation
• Title（参考訳）: 誤情報曝露後のtwitterユーザーの行動変化の分析
• Authors: Yichen Wang, Richard Han, Tamara Lehman, Qin Lv, and Shivakant Mishra
• Abstract要約: 一般のTwitterユーザーが誤報に晒された後に行動を変えたかどうかを理解することを目的としている。 露出したユーザーの行動前後を比較して、投稿したツイートの頻度に大きな変化があったかどうかを判断する。 また,潜在的に影響を受けやすい2つの特定のユーザグループ,マルチ露光と極端な変更グループの特徴についても検討した。
• 参考スコア（独自算出の注目度）: 1.8251012479962594
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Social media platforms have been exploited to disseminate misinformation in recent years. The widespread online misinformation has been shown to affect users' beliefs and is connected to social impact such as polarization. In this work, we focus on misinformation's impact on specific user behavior and aim to understand whether general Twitter users changed their behavior after being exposed to misinformation. We compare the before and after behavior of exposed users to determine whether the frequency of the tweets they posted, or the sentiment of their tweets underwent any significant change. Our results indicate that users overall exhibited statistically significant changes in behavior across some of these metrics. Through language distance analysis, we show that exposed users were already different from baseline users before the exposure. We also study the characteristics of two specific user groups, multi-exposure and extreme change groups, which were potentially highly impacted. Finally, we study if the changes in the behavior of the users after exposure to misinformation tweets vary based on the number of their followers or the number of followers of the tweet authors, and find that their behavioral changes are all similar.
• Abstract（参考訳）: 近年、ソーシャルメディアプラットフォームは誤情報を広めるために利用されてきた。 オンライン誤報はユーザの信念に影響を与え、偏光のような社会的影響に結びついている。 本研究は,誤報が特定のユーザの行動に与える影響に着目し,誤報に晒された後,一般のTwitterユーザが行動を変えたかどうかを理解することを目的とする。 露出したユーザーの前後の行動を比較して、投稿したツイートの頻度やツイートの感情に重大な変化が生じたかどうかを判断する。 以上の結果から,利用者の行動に統計学的に有意な変化がみられた。 言語距離分析により,露光前の露出ユーザとベースラインユーザとの間には,すでに違いが見られた。 また,マルチ露光群と極端変化群という2つの特定のユーザグループの特徴について検討した。 最後に,誤報ツイートの出現後のユーザの行動の変化が,フォロワー数や投稿者のフォロワー数によって異なるかどうかを調査し,その行動変化がすべて類似していることを示す。

関連論文リスト

• Anticipated versus Actual Effects of Platform Design Change: A Case Study of Twitter's Character Limit [17.925651625409678]
  われわれはTwitterが文字制限を140文字から280文字に倍増させ、ユーザーがツイートを'cram'または'squeeze'する必要性を和らげるために検討した。 また,140文字以下では「クラム」が280文字以下であるにもかかわらず,プラットフォーム変更時に「緊急クラミング」が考慮されなかったことが判明した。
  論文  参考訳（メタデータ） (2022-08-30T16:59:19Z)
• 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)
• Shifting Polarization and Twitter News Influencers between two U.S. Presidential Elections [92.33485580547801]
  我々は2016年米大統領選挙と2020年米大統領選挙の間の分極の変化を分析した。 トップインフルエンサーのほとんどが、両選挙の間にメディア組織に所属していた。 2020年のトップインフルエンサーの75%は2016年は存在しなかった。
  論文  参考訳（メタデータ） (2021-11-03T20:08:54Z)
• SOK: Seeing and Believing: Evaluating the Trustworthiness of Twitter Users [4.609388510200741]
  現在、どのニュースやユーザーが信頼できるか、どれがそうでないかを自動で判断する方法はない。 本研究では、Twitter上で5万人の政治家の行動を分析するモデルを作成しました。 政治Twitterのユーザを、ランダムな森林、多層パーセプトロン、サポートベクターマシンを使って、信頼あるいは信頼できないと分類した。
  論文  参考訳（メタデータ） (2021-07-16T17:39:32Z)
• 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)
• 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)
• Breaking the Communities: Characterizing community changing users using text mining and graph machine learning on Twitter [0.0]
  自然言語処理技術とグラフ機械学習アルゴリズムを用いて,Twitter上でコミュニティを壊すユーザを調査した。 我々は150万人のユーザーから900万のTwitterメッセージを収集し、リツイートネットワークを構築した。 コミュニティブレーカー」を検出するソーシャルメディアユーザ分類のための機械学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2020-08-24T23:44:51Z)
• Analyzing Twitter Users' Behavior Before and After Contact by the Internet Research Agency [0.771871917860264]
  ロシアが支援するインターネット・リサーチ・エージェンシーは、2016年アメリカ合衆国大統領選挙前にTwitter上で拡散した誤報の主要な情報源として特定されている。 我々は、接触したユーザーの前後の行動を比較し、平均ツイート数、ツイートの感情、および@realDonaldTrumpや@HillaryClintonに言及したツイートの頻度と感情に違いがあるかどうかを判断した。 その結果,これらの指標のほとんどが統計学的に有意な行動変化を示しており,IRAに携わる利用者は概して行動変化が大きいことが示唆された。
  論文  参考訳（メタデータ） (2020-08-04T02:04:17Z)
• 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)
• Echo Chambers on Social Media: A comparative analysis [64.2256216637683]
  本研究では,4つのソーシャルメディアプラットフォーム上で100万ユーザが生成した100万個のコンテンツに対して,エコーチャンバーの操作的定義を導入し,大規模な比較分析を行う。 議論の的になっているトピックについてユーザの傾きを推測し、異なる特徴を分析してインタラクションネットワークを再構築する。 我々は、Facebookのようなニュースフィードアルゴリズムを実装するプラットフォームが、エコーチャンバの出現を招きかねないという仮説を支持する。
  論文  参考訳（メタデータ） (2020-04-20T20:00:27Z)

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。