論文の概要: Information Retention in the Multi-platform Sharing of Science
- arxiv url: http://arxiv.org/abs/2207.13815v1
- Date: Wed, 27 Jul 2022 22:28:48 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-19 10:11:26.274592
- Title: Information Retention in the Multi-platform Sharing of Science
- Title(参考訳): 科学のマルチプラットフォーム共有における情報保持
- Authors: Sohyeon Hwang, Em\H{o}ke-\'Agnes Horv\'at, Daniel M. Romero
- Abstract要約: 我々は,最も多い学術論文の9,765件を参考に,400万件以上のオンライン投稿における情報保持について検討した。
情報保持率の低さは,損失の明確な軌跡を辿って強い傾向を示す。
より多くのプラットフォームを含むシーケンスは、高い情報保持と関連付けられる傾向があります。
- 参考スコア(独自算出の注目度): 1.4626565477022566
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The public interest in accurate scientific communication, underscored by
recent public health crises, highlights how content often loses critical pieces
of information as it spreads online. However, multi-platform analyses of this
phenomenon remain limited due to challenges in data collection. Collecting
mentions of research tracked by Altmetric LLC, we examine information retention
in the over 4 million online posts referencing 9,765 of the most-mentioned
scientific articles across blog sites, Facebook, news sites, Twitter, and
Wikipedia. To do so, we present a burst-based framework for examining online
discussions about science over time and across different platforms. To measure
information retention we develop a keyword-based computational measure
comparing an online post to the scientific article's abstract. We evaluate our
measure using ground truth data labeled by within field experts. We highlight
three main findings: first, we find a strong tendency towards low levels of
information retention, following a distinct trajectory of loss except when
bursts of attention begin in social media. Second, platforms show significant
differences in information retention. Third, sequences involving more platforms
tend to be associated with higher information retention. These findings
highlight a strong tendency towards information loss over time - posing a
critical concern for researchers, policymakers, and citizens alike - but
suggest that multi-platform discussions may improve information retention
overall.
- Abstract(参考訳): 最近の公衆衛生危機で強調された、正確な科学コミュニケーションに対する大衆の関心は、コンテンツがオンラインに広まるにつれて重要な情報を失うことを強調している。
しかしながら、この現象のマルチプラットフォーム解析は、データ収集の課題のために制限されている。
Altmetric LLCが追跡した研究の言及を収集し、ブログサイト、Facebook、ニュースサイト、Twitter、ウィキペディアにまたがる最も有望な科学記事9,765件について、400万件以上のオンライン投稿で情報保持を調査した。
そこで我々は,様々なプラットフォーム間での科学に関するオンライン議論を調べるためのバーストベースのフレームワークを提案する。
情報保持度を測定するために,オンライン投稿を科学論文の要約と比較するキーワードベースの計算尺度を開発した。
フィールドエキスパートがラベル付けした根拠真理データを用いて測定値を評価する。
第一に、ソーシャルメディアで注意が集中し始める時以外は、明らかな損失の軌跡に続き、情報保持のレベルが低くなる傾向が見られます。
第二に、プラットフォームは情報保持に大きな違いを示す。
第三に、より多くのプラットフォームを含むシーケンスは、高い情報保持と関連付けられる傾向がある。
研究者、政策立案者、市民にも重大な懸念を抱いているが、マルチプラットフォームに関する議論は情報保持を全般的に改善する可能性があることを示唆している。
関連論文リスト
- SMP Challenge: An Overview and Analysis of Social Media Prediction Challenge [63.311045291016555]
ソーシャルメディアの人気予測(SMPP)は、オンライン投稿の今後の人気値を自動予測する重要なタスクである。
本稿では,課題,データ,研究の進展について要約する。
論文 参考訳(メタデータ) (2024-05-17T02:36:14Z) - Time Series Analysis of Key Societal Events as Reflected in Complex
Social Media Data Streams [0.9790236766474201]
本研究では,ニッチなソーシャルメディアプラットフォームであるGABと,確立されたメッセージングサービスであるTelegramの物語進化について検討する。
我々のアプローチは、複数のソーシャルメディアドメインを調査し、他の方法では見えない重要な情報を排除するための新しいモードである。
主な知見は,(1) 時間線をデコンストラクトして, 解釈を改善するための有用なデータ機能を提供すること,(2) 一般化の基盤を提供する方法論を適用すること,である。
論文 参考訳(メタデータ) (2024-03-11T18:33:56Z) - ManiTweet: A New Benchmark for Identifying Manipulation of News on Social Media [74.93847489218008]
ソーシャルメディア上でのニュースの操作を識別し,ソーシャルメディア投稿の操作を検出し,操作された情報や挿入された情報を特定することを目的とした,新しいタスクを提案する。
この課題を研究するために,データ収集スキーマを提案し,3.6K対のツイートとそれに対応する記事からなるManiTweetと呼ばれるデータセットをキュレートした。
我々の分析では、このタスクは非常に難しいことを示し、大きな言語モデル(LLM)は不満足なパフォーマンスをもたらす。
論文 参考訳(メタデータ) (2023-05-23T16:40:07Z) - Understanding Differences in News Article Interaction Patterns on
Facebook: Public vs. Private Sharing with Varying Bias and Reliability [2.4294291235324863]
本稿では、Facebook上の公開投稿とプライベート投稿のインタラクションパターンとエンゲージメントの深さを総合的に比較する。
本研究は,様々なニュースクラスと球面における相互作用パターンの相違について明らかにした。
この研究の結果は、Facebookのコンテンツモデレーター、規制当局、政策立案者に恩恵を与え、より健康的なオンライン談話に寄与する可能性がある。
論文 参考訳(メタデータ) (2023-05-19T18:01:36Z) - 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) - Modeling Information Change in Science Communication with Semantically
Matched Paraphrases [50.67030449927206]
SPICEDは、情報変化の度合いに注釈を付けた科学的な発見の最初のパラフレーズデータセットである。
SPICEDには、ニュース記事、ソーシャルメディアの議論、オリジナル論文の全文から抽出された6000の科学的発見ペアが含まれている。
SPICEDで訓練されたモデルは、実世界の科学的主張の事実チェックのための証拠検索において下流のパフォーマンスを改善する。
論文 参考訳(メタデータ) (2022-10-24T07:44:38Z) - Adherence to Misinformation on Social Media Through Socio-Cognitive and
Group-Based Processes [79.79659145328856]
誤報が広まると、これはソーシャルメディア環境が誤報の付着を可能にするためである、と我々は主張する。
偏光と誤情報付着が密接な関係にあると仮定する。
論文 参考訳(メタデータ) (2022-06-30T12:34:24Z) - A Survey on Multimodal Disinformation Detection [33.89798158570927]
様々なモダリティの組み合わせをカバーするマルチモーダル情報検出技術について検討する。
複数のモダリティを考慮し、事実と有害性を考慮し、偽情報検出に取り組む必要性を論じる。
論文 参考訳(メタデータ) (2021-03-13T18:04:17Z) - How do academic topics shift across altmetric sources? A case study of
the research area of Big Data [2.208242292882514]
出版物の著者キーワードとオンラインイベントの用語は、出版物のメイントピックとして抽出され、Altmetric.comで読者のオンラインディスカッションが行われる。
結果は、ビッグデータ科学研究に関する2つのトピックのセットの間に、かなりの違いがあることを示している。
ブログとニュースは、一般的に使用される用語に強い類似性を示し、政策文書とウィキペディアの記事は、ビッグデータ関連の研究を考察し解釈する上で、最も強い相違性を示している。
論文 参考訳(メタデータ) (2020-03-23T19:37:36Z) - Information Credibility in the Social Web: Contexts, Approaches, and
Open Issues [2.2133187119466116]
信頼性(英語: Cliability)とは、個人によって認識される品質であり、必ずしも自分の認知能力と偽の情報とを区別できるわけではない。
ソーシャルメディアにおける信頼性を自動的に評価するためのいくつかのアプローチが提案されている。
論文 参考訳(メタデータ) (2020-01-26T15:42:43Z) - Mining Disinformation and Fake News: Concepts, Methods, and Recent
Advancements [55.33496599723126]
偽ニュースを含む偽ニュースは 爆発的な成長により グローバルな現象になっています
偽情報や偽ニュースを検知する最近の進歩にもかかわらず、その複雑さ、多様性、多様性、事実チェックやアノテーションのコストが原因で、いまだに自明ではない。
論文 参考訳(メタデータ) (2020-01-02T21:01:02Z)
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。