Fugu-MT 論文翻訳(概要): Dynamics and triggers of misinformation on vaccines

論文の概要: Dynamics and triggers of misinformation on vaccines

arxiv url: http://arxiv.org/abs/2207.12264v3
Date: Thu, 6 Jun 2024 11:17:31 GMT
ステータス: 処理完了
システム内更新日: 2024-06-08 01:19:21.662549
Title: Dynamics and triggers of misinformation on vaccines
Title（参考訳）: ワクチンの誤報のダイナミクスと引き金
Authors: Emanuele Brugnoli, Marco Delmastro,
Abstract要約: われわれは、さまざまなソーシャルメディアプラットフォーム(Facebook、Instagram、Twitter、YouTube)におけるイタリアのワクチンに関する6年間の議論を分析している。われわれはまず、ニュース制作時系列の象徴的転送エントロピー分析を用いて、ワクチンに関する議題を慎重に推進する、疑わしい、あるいは信頼できるソースのカテゴリを決定する。次に、伝達されたスタンスに基づいてワクチン関連コンテンツを正確に分類し、話題を議論する深層学習モデルを活用する。
参考スコア（独自算出の注目度）: 0.552480439325792
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: The Covid-19 pandemic has sparked renewed attention on the prevalence of misinformation online, whether intentional or not, underscoring the potential risks posed to individuals' quality of life associated with the dissemination of misconceptions and enduring myths on health-related subjects. In this study, we analyze 6 years (2016-2021) of Italian vaccine debate across diverse social media platforms (Facebook, Instagram, Twitter, YouTube), encompassing all major news sources - both questionable and reliable. We first use the symbolic transfer entropy analysis of news production time-series to dynamically determine which category of sources, questionable or reliable, causally drives the agenda on vaccines. Then, leveraging deep learning models capable to accurately classify vaccine-related content based on the conveyed stance and discussed topic, respectively, we evaluate the focus on various topics by news sources promoting opposing views and compare the resulting user engagement. Aside from providing valuable resources for further investigation of vaccine-related misinformation, particularly in a language (Italian) that receives less attention in scientific research compared to languages like English, our study uncovers misinformation not as a parasite of the news ecosystem that merely opposes the perspectives offered by mainstream media, but as an autonomous force capable of even overwhelming the production of vaccine-related content from the latter. While the pervasiveness of misinformation is evident in the significantly higher engagement of questionable sources compared to reliable ones, our findings underscore the importance of consistent and thorough pro-vax coverage. This is especially crucial in addressing the most sensitive topics where the risk of misinformation spreading and potentially exacerbating negative attitudes toward vaccines among the users involved is higher.
Abstract（参考訳）: 新型コロナウイルス(COVID-19)のパンデミックは、ネット上での誤報の流行、意図的かどうかにかかわらず、誤認の拡散や健康関連主題の神話の持続に関連する個人の生活の質に影響を及ぼす潜在的なリスクについて、新たな注意を喚起している。本研究では、さまざまなソーシャルメディアプラットフォーム(Facebook、Instagram、Twitter、YouTube)にわたるイタリアのワクチン論争の6年間(2016-2021年)を分析し、主要なニュースソースを網羅する。われわれはまず、ニュース制作時間帯の象徴的転送エントロピー分析を用いて、どのカテゴリのソースを動的に決定し、疑わしい、あるいは信頼できる、ワクチンのアジェンダを因果的に駆動するかを判断する。そして,提示された姿勢と話題に基づいて,ワクチン関連コンテンツを正確に分類できる深層学習モデルを活用し,対立する見解を広めるニュースソースによる様々な話題への焦点の評価を行い,その結果のユーザエンゲージメントを比較した。特に、英語などの言語に比べて科学研究にはあまり注目されていない言語(イタリア語)において、ワクチン関連誤報のさらなる調査のための貴重な資料を提供する以外に、本研究では、主流メディアの視点に反するだけでなく、後者からのワクチン関連コンテンツの制作を圧倒する自律的な力として、ニュースエコシステムの寄生虫として、誤報を明らかにする。疑わしい情報源のエンゲージメントは信頼性の高い情報源に比べて有意に高いが,本研究は,一貫した,網羅的かつ徹底的なプロヴァックスカバレッジの重要性を浮き彫りにしている。これは、誤情報拡散のリスクが高く、関係するユーザの間でワクチンに対するネガティブな態度が悪化する可能性のある、最もセンシティブなトピックに対処する上で、特に重要である。

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。