論文の概要: "COVID-19 was a FIFA conspiracy #curropt": An Investigation into the Viral Spread of COVID-19 Misinformation

• arxiv url: http://arxiv.org/abs/2207.01483v1
• Date: Sun, 12 Jun 2022 19:41:01 GMT
• ステータス: 処理完了
• システム内更新日: 2022-07-10 17:01:53.501551
• Title: "COVID-19 was a FIFA conspiracy #curropt": An Investigation into the Viral Spread of COVID-19 Misinformation
• Title（参考訳）: COVID-19はFIFAの陰謀#curropt」だった 新型コロナウイルスの誤報のウイルス拡散に関する調査
• Authors: Alexander Wang, Jerry Sun, Kaitlyn Chen, Kevin Zhou, Edward Li Gu, Chenxin Fang
• Abstract要約: 我々は、自然言語処理モデルを用いて、誤報がCOVID-19パンデミックの進行にどのような影響を及ぼしたかを推定する。 我々は、広範囲に害をもたらす可能性のあるソーシャルメディアポストと戦うための戦略を提供する。
• 参考スコア（独自算出の注目度）: 60.268682953952506
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The outbreak of the infectious and fatal disease COVID-19 has revealed that pandemics assail public health in two waves: first, from the contagion itself and second, from plagues of suspicion and stigma. Now, we have in our hands and on our phones an outbreak of moral controversy. Modern dependency on social medias has not only facilitated access to the locations of vaccine clinics and testing sites but also-and more frequently-to the convoluted explanations of how "COVID-19 was a FIFA conspiracy"[1]. The MIT Media Lab finds that false news "diffuses significantly farther, faster, deeper, and more broadly than truth, in all categories of information, and by an order of magnitude"[2]. The question is, how does the spread of misinformation interact with a physical epidemic disease? In this paper, we estimate the extent to which misinformation has influenced the course of the COVID-19 pandemic using natural language processing models and provide a strategy to combat social media posts that are likely to cause widespread harm.
• Abstract（参考訳）: 新型コロナウイルス感染症(COVID-19)の流行により、パンデミックは2つの波で公衆衛生を損なうことが判明した。 私たちの手と携帯電話には 道徳的な論争が 発生しています 現代のソーシャルメディアへの依存は、ワクチンクリニックや検査施設の場所へのアクセスを促進するだけでなく、「COVID-19はFIFAの陰謀だった」という複雑な説明にも、より頻繁にアクセスしている。 mitメディアラボは、偽ニュースが「あらゆる情報のカテゴリにおいて、真理よりもはるかに遠く、より速く、より深く、より広範に拡散する」ことを発見した。 問題は、誤情報の拡散が物理的な伝染病とどのように相互作用するかだ。 本稿では、自然言語処理モデルを用いて、誤報がCOVID-19パンデミックの進行にどの程度影響を与えたかを推定し、幅広い害をもたらす可能性のあるソーシャルメディア投稿と戦うための戦略を提供する。

関連論文リスト

• Cross-lingual COVID-19 Fake News Detection [54.125563009333995]
  低リソース言語(中国語)における新型コロナウイルスの誤報を検出するための最初の試みは、高リソース言語(英語)における事実チェックされたニュースのみを用いて行われる。 そこで我々は、クロスランガルなニュースボディテキストを共同でエンコードし、ニュースコンテンツをキャプチャするCrossFakeというディープラーニングフレームワークを提案する。 実験結果から,クロスランガル環境下でのCrossFakeの有効性が示された。
  論文  参考訳（メタデータ） (2021-10-13T04:44:02Z)
• Know it to Defeat it: Exploring Health Rumor Characteristics and Debunking Efforts on Chinese Social Media during COVID-19 Crisis [65.74516068984232]
  われわれは、中国のマイクロブログサイトWeiboで、新型コロナウイルス(COVID-19)に関する4ヶ月にわたる噂に関するオンラインディスカッションを包括的に分析した。 以上の結果から、不安(恐怖)型健康噂は、希望(希望)型よりもはるかに多くの議論を巻き起こし、長く続いたことが示唆された。 本稿では,噂の議論を抑えるためのデバンキングの有効性を示す。
  論文  参考訳（メタデータ） (2021-09-25T14:02:29Z)
• The State of Infodemic on Twitter [0.0]
  ソーシャルメディアの投稿やプラットフォームは、ウイルス自体を取り巻く深刻な不確実性に直面して、噂や誤報のリスクにさらされている。 我々は,誤情報の拡散に関与しているツイートとユーザの探索的分析を行った。 次に、機械学習モデルと自然言語処理技術を掘り下げて、ツイートに誤情報が含まれているかどうかを特定しました。
  論文  参考訳（メタデータ） (2021-05-17T10:58:35Z)
• Misinformation, Believability, and Vaccine Acceptance Over 40 Countries: Takeaways From the Initial Phase of The COVID-19 Infodemic [11.737540072863405]
  本報告では,世界規模でのCOVID-19インフォデミックへの感染状況について調査した。 誤報の認識と予防接種難易度との間には,強い関連性があることが判明した。 本研究は, インフォデミックの影響を受けやすい国に, 正確な情報を積極的に広める公共キャンペーンにおいて, 本研究がもたらす意味について論じる。
  論文  参考訳（メタデータ） (2021-04-22T05:09:25Z)
• Understanding the temporal evolution of COVID-19 research through machine learning and natural language processing [66.63200823918429]
  重症急性呼吸器症候群2号(SARS-CoV-2)による新型コロナウイルス感染症(COVID-19)の流行は、世界中の人々の生活や社会に影響を与え続けている。 私たちは複数のデータソース、すなわちPubMedとArXivを使用し、現在のCOVID-19研究の風景を特徴づけるために、いくつかの機械学習モデルを構築しました。 調査の結果,PubMedとArXivで利用可能な研究の種類は異なることが確認された。
  論文  参考訳（メタデータ） (2020-07-22T18:02:39Z)
• Cross-lingual Transfer Learning for COVID-19 Outbreak Alignment [90.12602012910465]
  われわれは、Twitterを通じてイタリアの新型コロナウイルス感染症(COVID-19)の早期流行を訓練し、他のいくつかの国に移る。 実験の結果,クロスカントリー予測において最大0.85のスピアマン相関が得られた。
  論文  参考訳（メタデータ） (2020-06-05T02:04:25Z)
• Twitter discussions and emotions about COVID-19 pandemic: a machine learning approach [0.0]
  我々は、2020年3月1日から4月21日にかけての「コロナウイルス」「新型コロナウイルス」「隔離」など25のハッシュタグのリストを用いて、新型コロナウイルスのパンデミックに関連する400万のTwitterメッセージを分析した。 我々は、13の議論トピックを特定し、それらを「新型コロナウイルスの拡散を遅らせるための公衆衛生措置」、「新型コロナウイルスに関連する社会的汚職」、「米国でのコロナウイルスのニュースと死」、「世界の他の場所でのコロナウイルスのケース」など、5つの異なるテーマに分類する。
  論文  参考訳（メタデータ） (2020-05-26T16:10:02Z)
• Analysis of misinformation during the COVID-19 outbreak in China: cultural, social and political entanglements [6.256108383411306]
  新型コロナウイルス(COVID-19)は、公衆の信頼を損なうインフォデミックを引き起こし、ウイルスの封じ込めを阻害し、パンデミック自体を超過させる可能性がある。 メディアの進化と断片化は、誤情報拡散の鍵となる要因である。 われわれの発見は、新型コロナウイルス(COVID-19)における誤報の異なる特徴に光を当て、中国と全世界で誤報と戦うための洞察を与えてくれた。
  論文  参考訳（メタデータ） (2020-05-21T01:34:08Z)
• The Ivory Tower Lost: How College Students Respond Differently than the General Public to the COVID-19 Pandemic [66.80677233314002]
  新型コロナウイルス感染症(COVID-19)のパンデミックは、政府に究極の課題を提示した。 米国では、新型コロナウイルス感染者が最も多い国で、全国的なソーシャルディスタンシングプロトコルが大統領によって実施されている。 本稿では,この対話型社会における前例のない破壊の社会的意義を,ソーシャルメディア上での人々の意見のマイニングによって発見することを目的とする。
  論文  参考訳（メタデータ） (2020-04-21T13:02:38Z)
• Why do People Share Misinformation during the COVID-19 Pandemic? [0.6963971634605797]
  我々は、人々がソーシャルメディアを通じて未確認のCOVID-19情報を共有している理由を仮説づける研究モデルを開発し、テストする。 以上の結果から,オンライン情報に対する信頼感と認知情報の過負荷が,未確認情報共有の強力な予測要因であることが示唆された。 女性はサイバーコンドリアに悩まされる傾向が著しく高かったが、男性は事実を確かめずにニュースをシェアする傾向が強かった。
  論文  参考訳（メタデータ） (2020-04-20T19:56:48Z)

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。