Fugu-MT 論文翻訳(概要): "Learn the Facts About COVID-19": Analyzing the Use of Warning Labels on TikTok Videos

論文の概要: "Learn the Facts About COVID-19": Analyzing the Use of Warning Labels on TikTok Videos

arxiv url: http://arxiv.org/abs/2201.07726v1
Date: Wed, 19 Jan 2022 17:05:23 GMT
ステータス: 処理完了
システム内更新日: 2023-02-28 10:11:17.425425
Title: "Learn the Facts About COVID-19": Analyzing the Use of Warning Labels on TikTok Videos
Title（参考訳）: 「covid-19の事実を知らしめる」―tiktokビデオにおける警告ラベルの使用分析
Authors: Chen Ling and Krishna P. Gummadi and Savvas Zannettou
Abstract要約: 我々は、TikTok上の警告ラベルの使用を分析し、COVID-19ビデオに焦点を当てる。我々の分析によると、TikTokはTikTokビデオに警告ラベルを広く適用している。より心配なのは、実際のコンテンツが新型コロナウイルスとは無関係なビデオに、新型コロナウイルスの警告ラベルが加わったことだ。
参考スコア（独自算出の注目度）: 12.196005698116858
License: http://creativecommons.org/licenses/by/4.0/
Abstract: During the COVID-19 pandemic, health-related misinformation and harmful content shared online had a significant adverse effect on society. To mitigate this adverse effect, mainstream social media platforms employed soft moderation interventions (i.e., warning labels) on potentially harmful posts. Despite the recent popularity of these moderation interventions, we lack empirical analyses aiming to uncover how these warning labels are used in the wild, particularly during challenging times like the COVID-19 pandemic. In this work, we analyze the use of warning labels on TikTok, focusing on COVID-19 videos. First, we construct a set of 26 COVID-19 related hashtags, then we collect 41K videos that include those hashtags in their description. Second, we perform a quantitative analysis on the entire dataset to understand the use of warning labels on TikTok. Then, we perform an in-depth qualitative study, using thematic analysis, on 222 COVID-19 related videos to assess the content and the connection between the content and the warning labels. Our analysis shows that TikTok broadly applies warning labels on TikTok videos, likely based on hashtags included in the description. More worrying is the addition of COVID-19 warning labels on videos where their actual content is not related to COVID-19 (23% of the cases in a sample of 143 English videos that are not related to COVID-19). Finally, our qualitative analysis on a sample of 222 videos shows that 7.7% of the videos share misinformation/harmful content and do not include warning labels, 37.3% share benign information and include warning labels, and that 35% of the videos that share misinformation/harmful content (and need a warning label) are made for fun. Our study demonstrates the need to develop more accurate and precise soft moderation systems, especially on a platform like TikTok that is extremely popular among people of younger age.
Abstract（参考訳）: 新型コロナウイルス(COVID-19)パンデミックの間、健康関連の誤報や有害なコンテンツをオンラインで共有することは社会に重大な影響を及ぼした。この悪影響を和らげるために、主流のソーシャルメディアプラットフォームは、潜在的に有害なポストにソフトモデレーション(警告ラベル)を施した。これらのモデレーション介入が最近人気になったにもかかわらず、特に新型コロナウイルス(COVID-19)のパンデミックのような困難な時期に、これらの警告ラベルが野生でどのように使われているかを明らかにするための実証的な分析は欠如している。本研究では、TikTok上での警告ラベルの使用状況を分析し、COVID-19ビデオに焦点を当てる。まず、26のcovid-19関連ハッシュタグのセットを構築し、それからそれらのハッシュタグを含む4kビデオを集めます。第2に、TikTok上の警告ラベルの使用を理解するために、データセット全体を定量的に分析する。次に,222種類のcovid-19関連ビデオについて,テーマ分析を用いて詳細な質的研究を行い,内容と警告ラベルの関連について検討した。われわれの分析によると、TikTokはTikTokビデオの警告ラベルを広く適用している。さらに心配なのは、実際のコンテンツがcovid-19とは無関係なビデオにcovid-19警告ラベルを追加することだ(covid-19とは無関係な143の英語ビデオのサンプルの23%)。最後に、222本の動画のサンプルの質的分析から、ビデオの7.7%が誤情報/有害なコンテンツを共有し、警告ラベルを含まないこと、37.3%が良質な情報を共有し、警告ラベルを含まないこと、誤情報/有害なコンテンツを共有している動画の35%が楽しむこと(警告ラベルが必要)が示されている。本研究は,特にTikTokのようなプラットフォーム上で,より正確で正確なソフトモデレーションシステムの開発の必要性を実証するものである。

関連論文リスト

Harmful YouTube Video Detection: A Taxonomy of Online Harm and MLLMs as Alternative Annotators [0.0]
本研究は,映像コンテンツ中の害を検知するための計測方法と手法の進歩である。我々は、ビデオプラットフォーム上でのオンライン被害に対する包括的分類を開発し、それを情報、憎悪、ハラスメント、予測、クリックベイト、性的被害、身体的被害の6つのカテゴリに分類する。 14枚の画像フレーム,1本のサムネイル,テキストメタデータを用いて,19,422本のYouTube動画を分析し,クラウドワーカー(Mturk)とGPT-4-Turboの精度を比較した。
論文参考訳（メタデータ） (2024-11-06T23:48:30Z)
HOTVCOM: Generating Buzzworthy Comments for Videos [49.39846630199698]
この研究は、中国最大のビデオコンテンツデータセットであるtextscHotVComを紹介し、94万の多様なビデオと1億1700万のコメントからなる。また、中国語のビデオデータセット上で、視覚的、聴覚的、テキスト的データを相乗的に統合し、影響力のあるホットコンテンツを生成するtexttComHeatフレームワークを提案する。
論文参考訳（メタデータ） (2024-09-23T16:45:13Z)
Not cool, calm or collected: Using emotional language to detect COVID-19 misinformation [0.0]
ツイッターなどのソーシャルメディアプラットフォーム上での新型コロナウイルス(COVID-19)の誤報は、効果的なパンデミック管理の脅威だ。我々は、ツイート感情エンコーダと、ツイートに新型コロナウイルスの誤情報が含まれているかどうかを予測するために、ツイート感情エンコーダと、ツイート誤情報エンコーダの両方を使用する、新しい新型コロナウイルス誤情報モデルを提案する。
論文参考訳（メタデータ） (2023-03-27T22:24:05Z)
GOAL: A Challenging Knowledge-grounded Video Captioning Benchmark for Real-time Soccer Commentary Generation [75.60413443783953]
我々は,KGVC(Knowledge-grounded Video Captioning)として新たなタスク設定を提案するための,8.9k以上のサッカービデオクリップ,22kの文,42kの知識トリプルのベンチマークであるGOALを提案する。私たちのデータとコードはhttps://github.com/THU-KEG/goal.orgで公開されています。
論文参考訳（メタデータ） (2023-03-26T08:43:36Z)
Micro-video Tagging via Jointly Modeling Social Influence and Tag Relation [56.23157334014773]
85.7%のマイクロビデオにはアノテーションがない。既存の手法は、主にビデオコンテンツの分析、ユーザの社会的影響やタグ関係を無視することに焦点を当てている。構築したヘテロジニアスネットワークにおけるリンク予測問題として,マイクロビデオタギングを定式化する。
論文参考訳（メタデータ） (2023-03-15T02:13:34Z)
YouTube COVID-19 Vaccine Misinformation on Twitter: Platform Interactions and Moderation Blind Spots [0.0]
本研究は、新型コロナウイルスワクチン関連誤報の拡散におけるTwitterとYouTubeの関係について検討する。我々は、以前容疑者情報を共有していたユーザーの間では、予防接種メッセージの優先権が残っていることを観察する。
論文参考訳（メタデータ） (2022-08-27T12:55:58Z)
ARCA23K: An audio dataset for investigating open-set label noise [48.683197172795865]
本稿では、23,000以上のラベル付きFreesoundクリップからなる自動検索およびキュレートされたオーディオデータセットであるARCA23Kを紹介する。本稿では,ARCA23Kのラベリング誤りの大部分は語彙外音声クリップによるものであり,このタイプのラベリングノイズをオープンセットラベルノイズと呼ぶ。
論文参考訳（メタデータ） (2021-09-19T21:10:25Z)
A Dynamic Topic Identification and Labeling Approach of COVID-19 Tweets [3.097385298197292]
新型コロナウイルスの感染拡大は、世界中の多くの人々のソーシャルメディア利用に影響している。本稿では、新型コロナウイルスのツイートの適切なラベルで重要なトピックを動的に識別する問題を定式化し、より広範な世論を概説する。
論文参考訳（メタデータ） (2021-08-13T16:51:04Z)
"I Won the Election!": An Empirical Analysis of Soft Moderation Interventions on Twitter [0.9391375268580806]
ツイートをTwitter上で警告ラベルで共有するユーザとその政治的傾向について検討する。警告ラベル付きツイートの72%が共和党員、1%が民主党員だ。
論文参考訳（メタデータ） (2021-01-18T17:39:58Z)
Content-based Analysis of the Cultural Differences between TikTok and Douyin [95.32409577885645]
ショートフォームのソーシャルメディアは、聴衆にダイナミックなストーリーを伝え、彼らの注意を引き付けることによって、伝統的なメディアパラダイムから遠ざかる。特に、興味深く、理解しやすいユニークなシーンを表現するために、日常的なオブジェクトの異なる組み合わせを用いることができる。同じ会社によって提供されたTikTokとDouyinは、近年人気になった新しいメディアの好例だ。メディアファッションや社会的慣用性とともに文化的な違いを表現しているという仮説が,本研究の主目的である。
論文参考訳（メタデータ） (2020-11-03T01:47:49Z)
Labelling unlabelled videos from scratch with multi-modal self-supervision [82.60652426371936]
ビデオデータセットの教師なしラベリングは、強力な機能エンコーダから解放されない。人間のアノテーションを使わずにビデオデータセットの擬似ラベリングを可能にする新しいクラスタリング手法を提案する。広範囲な分析により、結果として得られたクラスタは、真理の人間ラベルと高いセマンティックオーバーラップがあることが示されている。
論文参考訳（メタデータ） (2020-06-24T12:28:17Z)

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。