論文の概要: Dynamics of (mis)information flow and engaging power of narratives
- arxiv url: http://arxiv.org/abs/2207.12264v2
- Date: Tue, 8 Nov 2022 10:23:45 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-19 10:04:46.910331
- Title: Dynamics of (mis)information flow and engaging power of narratives
- Title（参考訳）: 物語の(ミス)情報の流れとエンゲージメント力のダイナミクス
- Authors: Emanuele Brugnoli and Marco Delmastro
- Abstract要約: 誤情報とその潜在的有害な世論への影響に関する議論は複雑で多面的である。
我々は、一般の関心事やワクチンなどの社会的関連性に関する誤報が、市民とニュースダイエットの両方で利用できる情報に与える影響について光を当てた。
我々の結果は、ニュースエコシステムにおける誤った情報ソースによって達成される顕著な役割だけでなく、特にセンシティブで感情的な問題に関して、主流メディアが時とともに大衆の議論を駆り立てることができないことも示しています。
- 参考スコア（独自算出の注目度）: 1.2183405753834562
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: The debate around misinformation and its potentially detrimental effects on
public opinion is complex and multifaceted, to the extent that even the
relevant academic research has not found unanimity on the prevalence and
consumption of misinformation compared with mainstream content. The
methodological framework presented here emphasises the importance of
considering data representative of the complexity of the phenomenon and metrics
that control for possible scale effects. By combining statistical, econometric
and machine learning models, we shed light on the real impact of misinformation
about a subject of general interest and social relevance, such as vaccines, on
both the information available to citizens and their news diet. Our results
show the prominent role achieved by misinformation sources in the news
ecosystem, but also - and above all - the inability of mainstream media to
drive the public debate over time on issues that are particularly sensitive and
emotional. Taking properly account for the temporal dynamics of public debate
seems crucial to prevent the latter from moving into uncontrolled spaces where
false narratives are more easily conveyed and entrenched.
- Abstract（参考訳）: 誤情報とその潜在的有害な公衆の意見への影響に関する議論は複雑で多面的であり、関連する学術研究でさえ、主流のコンテンツと比較して誤情報の普及と消費に共通点を見出さないほどである。
ここで提示される方法論的枠組みは、スケール効果を制御できる現象とメトリクスの複雑さを表すデータを考えることの重要性を強調している。
統計モデル,計量モデル,機械学習モデルを組み合わせることで、一般の関心事やワクチンなどの社会的関連性に関する誤報が、市民とニュースダイエットの両方で利用できる情報に与える影響について光を当てた。
以上の結果から、ニュースエコシステムにおける誤った情報ソースによって達成された重要な役割だけでなく、特に敏感で感情的な問題に関する議論を時間とともに推進する主流メディアの欠如も示しています。
公開討論の時間的ダイナミクスを適切に考慮することは、虚偽の物語がより容易に伝達され、定着する未制御の空間に、後者が移動するのを防ぐために不可欠である。
関連論文リスト
- Media Bias Matters: Understanding the Impact of Politically Biased News
on Vaccine Attitudes in Social Media [28.79984927305606]
我々は,天然ワクチンのスタンスが個人によるニュースソースの選択やソーシャルメディアの議論への参加にどのように影響するかを分析する。
我々は、中程度のスタンス、特にワクチンヘシタント多数を有する個人は、極端な視点を持つ個人に比べて、PBNの影響に弱いことを観察した。
論文 参考訳（メタデータ） (2024-03-06T19:41:02Z) - News and Misinformation Consumption in Europe: A Longitudinal
Cross-Country Perspective [49.1574468325115]
本研究では,欧州4カ国における情報消費について検討した。
フランス、ドイツ、イタリア、イギリスのニュースメディアアカウントから3年間のTwitter活動を分析した。
信頼性のある情報源が情報ランドスケープを支配していることを示しているが、信頼性の低いコンテンツは依然としてすべての国に存在している。
論文 参考訳（メタデータ） (2023-11-09T16:22:10Z) - Unveiling the Hidden Agenda: Biases in News Reporting and Consumption [59.55900146668931]
イタリアのワクチン論争に関する6年間のデータセットを構築し、物語と選択バイアスを特定するためにベイジアン潜在空間モデルを採用する。
バイアスとエンゲージメントの間に非線形な関係が見られ、極端な位置へのエンゲージメントが高くなった。
Twitter上でのニュース消費の分析は、同様のイデオロギー的な立場のニュースメディアの間で、一般的なオーディエンスを明らかにしている。
論文 参考訳（メタデータ） (2023-01-14T18:58:42Z) - Doctors vs. Nurses: Understanding the Great Divide in Vaccine Hesitancy
among Healthcare Workers [64.1526243118151]
医者は新型コロナウイルスワクチンに対して全体的に陽性であることがわかりました。
医師は新型ワクチンよりもワクチンの有効性を懸念している。
看護婦は子供に対する潜在的な副作用にもっと注意を払う。
論文 参考訳（メタデータ） (2022-09-11T14:22:16Z) - A Multilingual Dataset of COVID-19 Vaccination Attitudes on Twitter [4.696697601424039]
新型コロナウイルスワクチンに関連するツイートのデータセットの収集と公開について述べる。
このデータセットは、西ヨーロッパから収集された2,198,090のツイートのIDで構成され、そのうち17,934件は原住民の予防接種姿勢に注釈付けされている。
論文 参考訳（メタデータ） (2022-06-27T13:44:48Z) - "COVID-19 was a FIFA conspiracy #curropt": An Investigation into the
Viral Spread of COVID-19 Misinformation [60.268682953952506]
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。
論文 参考訳（メタデータ） (2022-06-12T19:41:01Z) - Insta-VAX: A Multimodal Benchmark for Anti-Vaccine and Misinformation
Posts Detection on Social Media [32.252687203366605]
ソーシャルメディア上の抗ワクチンポストは、混乱を招き、ワクチンに対する大衆の信頼を低下させることが示されている。
Insta-VAXは、ヒトワクチンに関連する64,957のInstagram投稿のサンプルからなる、新しいマルチモーダルデータセットである。
論文 参考訳（メタデータ） (2021-12-15T20:34:57Z) - Sentiment Analysis and Topic Modeling for COVID-19 Vaccine Discussions [10.194753795363667]
われわれは、Twitter上で新型コロナウイルスに関するツイートを詳細に分析する。
その結果、大多数の人はワクチンの有効性に自信を持ち、ワクチン接種を希望していることがわかった。
否定的なツイートは、しばしばワクチン不足の苦情、注射後の副作用、ワクチン接種後の死亡の可能性と関連付けられている。
論文 参考訳（メタデータ） (2021-10-08T23:30:17Z) - Classifying vaccine sentiment tweets by modelling domain-specific
representation and commonsense knowledge into context-aware attentive GRU [9.8215089151757]
ワクチンのヘシタシーと拒絶はワクチン接種率の低いクラスターを生じさせ、ワクチン接種プログラムの有効性を低下させる。
ソーシャルメディアは、地理的な位置を含み、ワクチンに関する懸念を詳述することで、ワクチンの受け入れに対する新たなリスクを見積もる機会を提供する。
ワクチン関連ツイートなどのソーシャルメディア投稿を分類する手法では、一般的なドメインテキストで訓練された言語モデル(LM)を使用する。
本稿では、ワクチン関連ツイートで訓練されたドメイン固有LMを用いて相互接続されたコンポーネントで構成された新しいエンドツーエンドフレームワークについて、コンテキスト対応の双方向ゲート再帰ネットワーク(CK-BiGRU)にコモンセンス知識をモデル化する。
論文 参考訳（メタデータ） (2021-06-17T15:16:08Z) - 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) - Falling into the Echo Chamber: the Italian Vaccination Debate on Twitter [65.7192861893042]
われわれは、Twitter上での予防接種に関する議論が、予防接種ヘシタントに対する潜在的な不安にどのように影響するかを調査する。
予防接種懐疑派や擁護派が独自の「エチョ室」に居住していることが判明した。
これらのエコーチャンバーの中心には熱心な支持者がいて、高い精度のネットワークとコンテンツベースの分類器を構築しています。
論文 参考訳（メタデータ） (2020-03-26T13:55:50Z)
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。