論文の概要: Human Brains Can't Detect Fake News: A Neuro-Cognitive Study of Textual Disinformation Susceptibility

• arxiv url: http://arxiv.org/abs/2207.08376v1
• Date: Mon, 18 Jul 2022 04:31:07 GMT
• ステータス: 処理完了
• システム内更新日: 2022-07-20 00:01:49.377920
• Title: Human Brains Can't Detect Fake News: A Neuro-Cognitive Study of Textual Disinformation Susceptibility
• Title（参考訳）: 人間の脳はフェイクニュースを検出できない: テキストの偽情報認識の神経認知研究
• Authors: Cagri Arisoy, Anuradha Mandal and Nitesh Saxena
• Abstract要約: フェイクニュース」は間違いなくインターネット上で最も重要な脅威の1つです。 フェイクニュースは、インターネットユーザーが偽のニュース記事やスニペットを読んだ後に正当であると認識しているかどうかをひそかに攻撃する。 脳波による偽ニュース・実ニュースに関連する神経基盤について検討する。
• 参考スコア（独自算出の注目度）: 2.131521514043068
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The spread of digital disinformation (aka "fake news") is arguably one of the most significant threats on the Internet which can cause individual and societal harm of large scales. The susceptibility to fake news attacks hinges on whether Internet users perceive a fake news article/snippet to be legitimate after reading it. In this paper, we attempt to garner an in-depth understanding of users' susceptibility to text-centric fake news attacks via a neuro-cognitive methodology. We investigate the neural underpinnings relevant to fake/real news through EEG. We run an experiment with human users to pursue a thorough investigation of users' perception and cognitive processing of fake/real news. We analyze the neural activity associated with the fake/real news detection task for different categories of news articles. Our results show there may be no statistically significant or automatically inferable differences in the way the human brain processes the fake vs. real news, while marked differences are observed when people are subject to (real/fake) news vs. resting state and even between some different categories of fake news. This neuro-cognitive finding may help to justify users' susceptibility to fake news attacks, as also confirmed from the behavioral analysis. In other words, the fake news articles may seem almost indistinguishable from the real news articles in both behavioral and neural domains. Our work serves to dissect the fundamental neural phenomena underlying fake news attacks and explains users' susceptibility to these attacks through the limits of human biology. We believe this could be a notable insight for the researchers and practitioners suggesting the human detection of fake news might be ineffective, which may also have an adverse impact on the design of automated detection approaches that crucially rely upon human labeling of text articles for building training models
• Abstract（参考訳）: デジタル偽情報の拡散(別名「フェイクニュース」)は、インターネット上で最も重要な脅威の一つであり、大規模な個人的・社会的な被害を引き起こす可能性がある。 偽ニュース攻撃の危険性は、インターネットユーザーが偽ニュース記事/スニペットを読んだ後に正当であると認識するかどうかにかかっている。 本稿では,ニューロ認知的手法を用いて,テキスト中心の偽ニュース攻撃に対するユーザの感受性を深く理解することを試みる。 偽ニュース/現実ニュースに関連する神経基盤を脳波で検討する。 偽ニュースに対するユーザの認識と認知処理を徹底的に調査するために,人間ユーザを対象に実験を行った。 ニュース記事のカテゴリ別に偽ニュース・実ニュース検出タスクに関連する神経活動を分析する。 以上の結果から,人間の脳が偽ニュースと偽ニュースの処理方法に統計的に有意な差は見られず,また,偽ニュースと偽ニュースの間にも有意差がみられた。 この神経認知的発見は、フェイクニュース攻撃に対するユーザーの感受性を正当化するのに役立つ可能性がある。 言い換えれば、偽ニュース記事は、行動と神経の両方の領域における実際のニュース記事とほとんど区別できないように思える。 我々の研究は、フェイクニュース攻撃の基礎となる神経現象を解明し、人間の生物学の限界を通じて、これらの攻撃に対するユーザーの感受性を説明するのに役立ちます。 これは、偽ニュースの人間検出が効果的でない可能性を示唆する研究者や実践者にとって注目すべき洞察であり、トレーニングモデルを構築するために、テキスト記事の人間のラベル付けに依存する自動検出アプローチの設計に悪影響を及ぼす可能性がある。

関連論文リスト

• Which linguistic cues make people fall for fake news? A comparison of cognitive and affective processing [21.881235152669564]
  言語的手がかり(副詞、人称代名詞、肯定的な感情語、否定的な感情語など)は、あらゆるテキストの重要な特徴である。 我々は、認知処理(注意深い思考)と情緒的処理(無意識自動評価)の両方における言語的手がかりの役割を比較した。 利用者はより長いフェイクニュース記事の認知処理に取り組んでおり、情緒的な処理は分析語で書かれたフェイクニュースに対してより顕著である。
  論文  参考訳（メタデータ） (2023-12-02T11:06:14Z)
• Adapting Fake News Detection to the Era of Large Language Models [48.5847914481222]
  我々は,機械による(言い換えられた)リアルニュース,機械生成のフェイクニュース,人書きのフェイクニュース,人書きのリアルニュースの相互作用について検討する。 我々の実験では、人書き記事のみに特化して訓練された検知器が、機械が生成したフェイクニュースを検出できる興味深いパターンを明らかにしましたが、その逆ではありません。
  論文  参考訳（メタデータ） (2023-11-02T08:39:45Z)
• Fake News Detection and Behavioral Analysis: Case of COVID-19 [0.22940141855172028]
  パンデミックに関する偽ニュースの拡散による「情報デミック」が世界的な問題となっている。 読者は偽ニュースを本当のニュースと間違える可能性があり、その結果、本物の情報にアクセスできなくなる。 ソーシャルメディアの投稿で偽のニュースデータを正確に識別することは困難である。
  論文  参考訳（メタデータ） (2023-05-25T13:42:08Z)
• Faking Fake News for Real Fake News Detection: Propaganda-loaded Training Data Generation [105.20743048379387]
  提案手法は,人間によるプロパガンダのスタイルや戦略から情報を得た学習例を生成するための新しいフレームワークである。 具体的には、生成した記事の有効性を確保するために、自然言語推論によって導かれる自己臨界シーケンストレーニングを行う。 実験の結果、PropaNewsでトレーニングされた偽ニュース検知器は、2つの公開データセットで3.62～7.69%のF1スコアで人書きの偽情報を検出するのに優れていることがわかった。
  論文  参考訳（メタデータ） (2022-03-10T14:24:19Z)
• Combining Machine Learning with Knowledge Engineering to detect Fake News in Social Networks-a survey [0.7120858995754653]
  ニュースメディアやソーシャルメディアでは、情報は高速に拡散されるが、正確性がないため、検出メカニズムは偽ニュースの拡散に対処するのに十分な速さでニュースを予測することができる。 本稿では,フェイクニュースとは何か,フェイクニュースの重要性,さまざまな領域におけるフェイクニュースの全体的影響,ソーシャルメディア上でフェイクニュースを検出するさまざまな方法,問題を克服する上で有効な既存の検出アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2022-01-20T07:43:15Z)
• A Study of Fake News Reading and Annotating in Social Media Context [1.0499611180329804]
  我々は、44名のレイト参加者に、ニュース記事を含む投稿を含むソーシャルメディアフィードをさりげなく読み取らせるという、視線追跡研究を提示した。 第2回では,参加者に対して,これらの記事の真偽を判断するよう求めた。 また、同様のシナリオを用いたフォローアップ定性的な研究についても述べるが、今回は7人の専門家によるフェイクニュースアノテータを用いた。
  論文  参考訳（メタデータ） (2021-09-26T08:11:17Z)
• Profiling Fake News Spreaders on Social Media through Psychological and Motivational Factors [26.942545715296983]
  ソーシャルメディア上でのフェイクニューススプレッシャーの特徴と動機要因について検討した。 次に、フェイクニューススプレッドラーが他のユーザーと異なる特徴を示すことができるかどうかを判定する一連の実験を行う。
  論文  参考訳（メタデータ） (2021-08-24T20:27:38Z)
• User Preference-aware Fake News Detection [61.86175081368782]
  既存の偽ニュース検出アルゴリズムは、詐欺信号のニュースコンテンツをマイニングすることに焦点を当てている。 本稿では,共同コンテンツとグラフモデリングにより,ユーザの好みから様々な信号を同時にキャプチャする新しいフレームワークUPFDを提案する。
  論文  参考訳（メタデータ） (2021-04-25T21:19:24Z)
• How does Truth Evolve into Fake News? An Empirical Study of Fake News Evolution [55.27685924751459]
  偽ニュース進化過程を追跡する新しいデータセットであるフェイクニュース進化データセットを提示する。 私たちのデータセットは950のペアデータで構成され、それぞれが真実、偽ニュース、進化した偽ニュースを表す記事で構成されています。 進化中の特徴を観察し,誤情報技術,テキスト類似性,キーワードトップ10,分類精度,発話部分,感情特性について検討した。
  論文  参考訳（メタデータ） (2021-03-10T09:01:34Z)
• 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)
• Machine Learning Explanations to Prevent Overtrust in Fake News Detection [64.46876057393703]
  本研究では、ニュースレビュープラットフォームに組み込んだ説明可能なAIアシスタントが、フェイクニュースの拡散と戦う効果について検討する。 我々は、ニュースレビューと共有インターフェースを設計し、ニュース記事のデータセットを作成し、4つの解釈可能なフェイクニュース検出アルゴリズムを訓練する。 説明可能なAIシステムについてより深く理解するために、説明プロセスにおけるユーザエンゲージメント、メンタルモデル、信頼、パフォーマンス対策の相互作用について議論する。
  論文  参考訳（メタデータ） (2020-07-24T05:42:29Z)

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。