論文の概要: Promoting and countering misinformation during Australia's 2019-2020 bushfires: A case study of polarisation

• arxiv url: http://arxiv.org/abs/2201.03153v1
• Date: Mon, 10 Jan 2022 03:44:31 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-01 19:58:04.746098
• Title: Promoting and countering misinformation during Australia's 2019-2020 bushfires: A case study of polarisation
• Title（参考訳）: 2019-2020年のオーストラリア森林火災における誤情報の促進と対策--偏光を事例として
• Authors: Derek Weber and Lucia Falzon and Lewis Mitchell and Mehwish Nasim
• Abstract要約: 偽情報による放火は、オーストラリアの前例のないブッシュファイアでTwitterに再浮上した。 人口レベルのイベントにおいて、この誤報を広めるTwitterコミュニティを調査し、オンラインコミュニティとボットの役割について検討する。 支援者は、外部ソースへのハッシュタグやリンクを用いて、他人に直接返信や言及をすることで、誤報を助長することを発見した。 ここで観察されたコミュニケーション戦略は、他の誤報関連議論でも発見可能であり、反ストラテジーに通知できるのではないか、と推測する。
• 参考スコア（独自算出の注目度）: 0.11470070927586014
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: During Australia's unprecedented bushfires in 2019-2020, misinformation blaming arson resurfaced on Twitter using #ArsonEmergency. The extent to which bots were responsible for disseminating and amplifying this misinformation has received scrutiny in the media and academic research. Here we study Twitter communities spreading this misinformation during the population-level event, and investigate the role of online communities and bots. Our in-depth investigation of the dynamics of the discussion uses a phased approach -- before and after reporting of bots promoting the hashtag was broadcast by the mainstream media. Though we did not find many bots, the most bot-like accounts were social bots, which present as genuine humans. Further, we distilled meaningful quantitative differences between two polarised communities in the Twitter discussion, resulting in the following insights. First, Supporters of the arson narrative promoted misinformation by engaging others directly with replies and mentions using hashtags and links to external sources. In response, Opposers retweeted fact-based articles and official information. Second, Supporters were embedded throughout their interaction networks, but Opposers obtained high centrality more efficiently despite their peripheral positions. By the last phase, Opposers and unaffiliated accounts appeared to coordinate, potentially reaching a broader audience. Finally, unaffiliated accounts shared the same URLs as Opposers over Supporters by a ratio of 9:1 in the last phase, having shared mostly Supporter URLs in the first phase. This foiled Supporters' efforts, highlighting the value of exposing misinformation campaigns. We speculate that the communication strategies observed here could be discoverable in other misinformation-related discussions and could inform counter-strategies.
• Abstract（参考訳）: 2019-2020年のオーストラリアの前例のないブッシュファイアでは、誤報による放火が#ArsonEmergencyを使ってTwitterに再浮上した。 この誤報の拡散と増幅にボットが責任を負う程度は、メディアや学術研究で精査されている。 ここでは,この誤情報を集団レベルで広めるtwitterコミュニティを調査し,オンラインコミュニティとボットの役割について検討する。 議論のダイナミクスに関する詳細な調査は、ハッシュタグを宣伝するボットが主流メディアによって放送される前と後という段階的なアプローチを用いています。 多くのボットは見つからなかったが、最もボット的なアカウントは、本物の人間として存在するソーシャルボットだった。 さらに,Twitter議論において,2つの分極コミュニティ間で有意な定量的差異を抽出し,以下の知見を得た。 第一に、放火物語の支持者は、ハッシュタグや外部の情報源へのリンクを使って、他人に直接返信や言及を関連付けることで、誤報を広めた。 反対者は事実に基づく記事と公式情報をリツイートした。 第二に、支援者はネットワーク全体に埋め込まれていたが、Opposeerは周囲の位置に関わらず、より効率的に高い集中性を得た。 最後の段階では、反対派と無関係のアカウントが協調し、より広いオーディエンスに到達した。 最後に、無所属のアカウントは、最後のフェーズで9:1の割合で、Opposers over Supportersと同じURLを共有し、最初のフェーズで主にSupporter URLを共有した。 これは支持者の努力を刺激し、誤報キャンペーンを露呈する価値を強調した。 ここで観察されたコミュニケーション戦略は、他の誤報関連議論でも発見可能であり、反ストラテジーに通知できると推測する。

関連論文リスト

• Retweets Amplify the Echo Chamber Effect [7.684402388805108]
  我々はリツイートグラフを再構築し、エコーチャンバーと露出の尺度への影響を定量化する。 リツイートされたアカウントは、システマティックにより偏りのあるコンテンツを共有している。 以上の結果から,リツイートグラフを用いた研究はエコーチャンバー効果と偏光情報への露出を過大評価していることが示唆された。
  論文  参考訳（メタデータ） (2022-11-29T18:51:54Z)
• Predicting Hate Intensity of Twitter Conversation Threads [26.190359413890537]
  DRAGNET++は、将来、ツイートが返信チェーンを通じてもたらす憎悪の強さを予測することを目的としている。 ツイートスレッドのセマンティックな構造と伝播構造を利用して、続く各ツイートにおけるヘイトインテンシティの低下につながるコンテキスト情報を最大化する。 DRAGNET++は最先端のすべてのベースラインを大幅に上回ることを示す。
  論文  参考訳（メタデータ） (2022-06-16T18:51:36Z)
• Identification of Twitter Bots based on an Explainable ML Framework: the US 2020 Elections Case Study [72.61531092316092]
  本稿では,ラベル付きTwitterデータに基づくTwitterボット識別システムの設計に焦点をあてる。 Supervised Machine Learning (ML)フレームワークは、Extreme Gradient Boosting (XGBoost)アルゴリズムを用いて採用されている。 また、MLモデルの予測を説明するためにShapley Additive Explanations (SHAP)をデプロイした。
  論文  参考訳（メタデータ） (2021-12-08T14:12:24Z)
• Characterizing Retweet Bots: The Case of Black Market Accounts [3.0254442724635173]
  我々は、ブラックマーケットからリツイートを購入することで発見されたリツイートボットを特徴付けている。 偽アカウントなのか偽アカウントなのか、それとも偽アカウントなのかを検知する。 また,人的管理アカウントとの違いも分析した。
  論文  参考訳（メタデータ） (2021-12-04T15:52:46Z)
• Comparing the Language of QAnon-related content on Parler, Gab, and Twitter [68.8204255655161]
  保守派の間で人気の「言論の自由」プラットフォームであるParlerは、2021年1月に、憎悪やQAnonなどの陰謀に関するコンテンツのモデレーションの欠如により、オフラインになった。 われわれは投稿をParlerの#QAnonというハッシュタグと比較する。 Gabはヘイト条件の#QAnon投稿が最も多く、ParlerとTwitterも同様である。 これら3つのプラットフォームにおいて、女性政治家、民主党員、ドナルド・トランプに言及する投稿は、男性政治家、共和党員、あるいは共和党員に言及する投稿よりも、より反社会的な言葉を持っている。
  論文  参考訳（メタデータ） (2021-11-22T11:19:15Z)
• 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)
• Capitol (Pat)riots: A comparative study of Twitter and Parler [37.277566049536]
  2021年1月6日、右派保守派の暴徒がアメリカ議会議事堂ヒルを襲撃し、2020年アメリカ合衆国大統領選挙の結果が議会で承認された。 イベント開始直後、暴動に関連する投稿がソーシャルメディアで流行し始めた。 われわれのレポートは、暴動の前後にParlerのトレンドコンテンツとTwitterの対比を示している。
  論文  参考訳（メタデータ） (2021-01-18T07:46:14Z)
• Characterizing the roles of bots during the COVID-19 infodemic on Twitter [1.776746672434207]
  インフォデミック(インフォデミック、インフォデミック)とは、オンライン上の情報過多によって引き起こされる現象である。 COVID-19インフォデミックにおけるボットの役割と非クレジブル情報の拡散について検討した。
  論文  参考訳（メタデータ） (2020-11-12T08:04:32Z)
• Understanding the Hoarding Behaviors during the COVID-19 Pandemic using Large Scale Social Media Data [77.34726150561087]
  われわれは、2020年3月1日から4月30日まで、米国で4万2000人以上のユニークTwitterユーザーによる嫌がらせと反嫌悪のパターンを分析した。 ホアーディンググループと反ホアーディンググループの両方の女性の比率が、一般のTwitter利用者の比率よりも高いことがわかりました。 LIWCの不安度はTwitterの不安度よりもかなり高い。
  論文  参考訳（メタデータ） (2020-10-15T16:02:25Z)
• Right and left, partisanship predicts (asymmetric) vulnerability to misinformation [71.46564239895892]
  我々は、Twitter上でのニュース共有行動を研究することにより、パルチザン、エコーチャンバー、およびオンライン誤情報に対する脆弱性の関係を分析する。 誤情報に対する脆弱性は、左派と右派の両方のユーザーの党派の影響を強く受けている。
  論文  参考訳（メタデータ） (2020-10-04T01:36:14Z)
• 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。