論文の概要: Graphical Models of False Information and Fact Checking Ecosystems
- arxiv url: http://arxiv.org/abs/2208.11582v1
- Date: Wed, 24 Aug 2022 14:37:41 GMT
- ステータス: 処理完了
- システム内更新日: 2022-08-25 13:22:43.306621
- Title: Graphical Models of False Information and Fact Checking Ecosystems
- Title（参考訳）: False InformationとFact Checking Ecosystemsのグラフモデル
- Authors: Haiyue Yuan, Enes Altuncu, Shujun Li, Can Baskent
- Abstract要約: ネット上の偽情報の普及は、我々の高度にデジタル化されグローバル化された社会にとって大きな問題となっている。
オンラインで偽情報を検知し、削除するための主要なアプローチは、人間のファクトチェッカーを使用することである。
多くの研究が行われたにもかかわらず、偽情報と事実チェックの複雑なエコシステムを記述する概念モデルが欠如していることに、私たちは大きなギャップがあることに気づきました。
- 参考スコア（独自算出の注目度）: 1.510226005465492
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The wide spread of false information online including misinformation and
disinformation has become a major problem for our highly digitised and
globalised society. A lot of research has been done to better understand
different aspects of false information online such as behaviours of different
actors and patterns of spreading, and also on better detection and prevention
of such information using technical and socio-technical means. One major
approach to detect and debunk false information online is to use human
fact-checkers, who can be helped by automated tools. Despite a lot of research
done, we noticed a significant gap on the lack of conceptual models describing
the complicated ecosystems of false information and fact checking. In this
paper, we report the first graphical models of such ecosystems, focusing on
false information online in multiple contexts, including traditional media
outlets and user-generated content. The proposed models cover a wide range of
entity types and relationships, and can be a new useful tool for researchers
and practitioners to study false information online and the effects of fact
checking.
- Abstract（参考訳）: 偽情報や偽情報の拡散は、我々の高度にデジタル化されグローバル化された社会にとって大きな問題となっている。
さまざまなアクタの行動や拡散パターンなど、オンライン上の偽情報のさまざまな側面をより深く理解するために、多くの研究が行われており、技術的および社会技術的手段による偽情報の検出と防止も行われている。
オンラインで偽情報を検出してデバンクする主要なアプローチのひとつは、人間のファクトチェッカーを使用することだ。
多くの研究が行われたにもかかわらず、偽情報と事実チェックの複雑なエコシステムを記述する概念モデルが欠如していることに気づいた。
本稿では,従来のメディアメディアやユーザ生成コンテンツなど,複数のコンテキストにおける偽情報に着目した,このようなエコシステムの最初のグラフィカルモデルについて報告する。
提案したモデルは、幅広いエンティティタイプと関係をカバーし、研究者や実践者が偽情報や事実チェックの効果をオンラインで研究する上で有用なツールとなる。
関連論文リスト
- Epidemiology-informed Network for Robust Rumor Detection [59.89351792706995]
本稿では, 疫学知識を統合し, 性能を高めるための新しい疫学情報ネットワーク(EIN)を提案する。
疫学理論をうわさ検出に適応させるため,各利用者が情報源情報に対する姿勢を付加することが期待されている。
実験結果から,提案したEINは実世界のデータセット上で最先端の手法より優れるだけでなく,樹木の深度にまたがる堅牢性も向上することが示された。
論文 参考訳（メタデータ） (2024-11-20T00:43:32Z) - Understanding the Humans Behind Online Misinformation: An Observational
Study Through the Lens of the COVID-19 Pandemic [12.873747057824833]
われわれは、新型コロナウイルスのツイート3200万件と過去のツイート1600万件を分析した大規模な調査を行っている。
新型コロナウイルスの感染拡大に伴う誤情報を広めるユーザの行動と心理の理解と、非新型コロナウイルス領域における誤情報を共有しようとする歴史的傾向との関係に焦点をあてる。
論文 参考訳（メタデータ） (2023-10-12T16:42:53Z) - Fake News Detection Through Graph-based Neural Networks: A Survey [18.70577400440486]
低品質や故意に偽の情報をオンラインで急速に広めることができる。
オンラインの誤報をできるだけ早く特定し、公表することは、ますます緊急の課題になりつつある。
本稿では,グラフベースおよび深層学習に基づくフェイクニュース検出研究の体系的レビューを行う。
論文 参考訳（メタデータ） (2023-07-24T09:30:30Z) - Addressing contingency in algorithmic (mis)information classification:
Toward a responsible machine learning agenda [0.9659642285903421]
データサイエンティストは、モデルトレーニングとテストに使用される「真実の情報源の客観性、信頼性、正当性」にスタンスを取る必要がある。
彼らの報告された高い正確さと性能にもかかわらず、ML駆動のモデレーションシステムは、オンラインの公開討論を形作り、不正な検閲や偽の信念の強化のような下流のネガティブな影響を生み出す可能性がある。
論文 参考訳（メタデータ） (2022-10-05T17:34:51Z) - Can Information Behaviour Inform Machine Learning? [0.0]
この論文は、人間の情報行動研究が、よりニュアンスな情報とインフォームのビューを機械学習にもたらす方法を説明する。
その明確な違いにもかかわらず、情報行動と機械学習の分野は多くの共通の目的、パラダイム、そして重要な研究課題を共有している。
論文 参考訳（メタデータ） (2022-05-01T19:00:52Z) - Adaptive cognitive fit: Artificial intelligence augmented management of
information facets and representations [62.997667081978825]
ビッグデータ技術と人工知能(AI)応用の爆発的な成長は、情報ファセットの普及に繋がった。
等角性や正確性などの情報フェートは、情報に対する人間の認識を支配的かつ著しく左右する。
認知の限界を克服するために情報表現を適応できる人工知能技術が必要であることを示唆する。
論文 参考訳（メタデータ） (2022-04-25T02:47:25Z) - Rumor Detection with Self-supervised Learning on Texts and Social Graph [101.94546286960642]
異種情報ソース上での自己教師型学習を対照的に提案し,それらの関係を明らかにするとともに,噂をよりよく特徴付ける。
我々はこの枠組みをSRD(Self-supervised Rumor Detection)と呼ぶ。
3つの実世界のデータセットに対する大規模な実験により、ソーシャルメディア上での噂の自動検出におけるSRDの有効性が検証された。
論文 参考訳（メタデータ） (2022-04-19T12:10:03Z) - Synthetic Disinformation Attacks on Automated Fact Verification Systems [53.011635547834025]
本研究では,2つのシミュレーション環境において,自動ファクトチェッカーの合成正反対証拠に対する感度について検討する。
これらのシステムでは,これらの攻撃に対して大幅な性能低下がみられた。
偽情報の発生源としての現代のNLGシステムの脅威の増大について論じる。
論文 参考訳（メタデータ） (2022-02-18T19:01:01Z) - SOK: Fake News Outbreak 2021: Can We Stop the Viral Spread? [5.64512235559998]
ソーシャルネットワークの完全解釈と使いやすさは、今日の世界での情報の生成と配布に革命をもたらした。
従来のメディアチャンネルとは異なり、ソーシャルネットワークは偽情報や偽情報の拡散を迅速かつ広範囲に促進する。
虚偽情報の拡散は、大衆の行動、態度、信念に深刻な影響を及ぼす。
論文 参考訳（メタデータ） (2021-05-22T09:26:13Z) - Detecting Cross-Modal Inconsistency to Defend Against Neural Fake News [57.9843300852526]
我々は、画像やキャプションを含む機械生成ニュースに対して、より現実的で挑戦的な対策を導入する。
敵が悪用できる可能性のある弱点を特定するために、4つの異なる種類の生成された記事からなるNeuralNewsデータセットを作成します。
ユーザ実験から得られた貴重な知見に加えて,視覚的意味的不整合の検出にもとづく比較的効果的なアプローチを提案する。
論文 参考訳（メタデータ） (2020-09-16T14:13:15Z) - 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。