論文の概要: Combating Health Misinformation in Social Media: Characterization,
Detection, Intervention, and Open Issues
- arxiv url: http://arxiv.org/abs/2211.05289v1
- Date: Thu, 10 Nov 2022 01:52:12 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-11 16:08:06.628286
- Title: Combating Health Misinformation in Social Media: Characterization,
Detection, Intervention, and Open Issues
- Title（参考訳）: ソーシャルメディアにおけるコミュニケーションの誤情報:特徴,検出,介入,オープンな課題
- Authors: Canyu Chen, Haoran Wang, Matthew Shapiro, Yunyu Xiao, Fei Wang, Kai
Shu
- Abstract要約: 様々なソーシャルメディアプラットフォームの台頭は、オンライン誤報の拡散も可能にしている。
ソーシャルメディアにおける健康情報の誤報は、さまざまな分野の研究者から注目を集める新たな研究方向となっている。
- 参考スコア（独自算出の注目度）: 24.428582199602822
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Social media has been one of the main information consumption sources for the
public, allowing people to seek and spread information more quickly and easily.
However, the rise of various social media platforms also enables the
proliferation of online misinformation. In particular, misinformation in the
health domain has significant impacts on our society such as the COVID-19
infodemic. Therefore, health misinformation in social media has become an
emerging research direction that attracts increasing attention from researchers
of different disciplines. Compared to misinformation in other domains, the key
differences of health misinformation include the potential of causing actual
harm to humans' bodies and even lives, the hardness to identify for normal
people, and the deep connection with medical science. In addition, health
misinformation on social media has distinct characteristics from conventional
channels such as television on multiple dimensions including the generation,
dissemination, and consumption paradigms. Because of the uniqueness and
importance of combating health misinformation in social media, we conduct this
survey to further facilitate interdisciplinary research on this problem. In
this survey, we present a comprehensive review of existing research about
online health misinformation in different disciplines. Furthermore, we also
systematically organize the related literature from three perspectives:
characterization, detection, and intervention. Lastly, we conduct a deep
discussion on the pressing open issues of combating health misinformation in
social media and provide future directions for multidisciplinary researchers.
- Abstract（参考訳）: ソーシャルメディアは、市民にとって主要な情報消費源の1つであり、より迅速かつ容易に情報を探し、広めることができる。
しかし、様々なソーシャルメディアプラットフォームが台頭し、オンライン誤報の拡散も可能となった。
特に、医療分野の誤報は、COVID-19インフォデミックなどの社会に大きな影響を与えます。
そのため、ソーシャルメディアにおける健康誤報は、異なる分野の研究者から注目を集める新たな研究方向になりつつある。
他の分野の誤報と比較して、健康上の誤情報の鍵となる違いは、人体や生命に実際の害をもたらす可能性、正常な人を特定するのが困難であること、医学との深いつながりなどである。
また、ソーシャルメディア上での健康誤報は、生成、拡散、消費パラダイムなど多次元のテレビなどの従来のチャンネルとは異なる特徴を持っている。
ソーシャルメディアにおける健康情報と戦うことの重要性と独自性から,この問題に関する学際的研究をさらに促進するために,本調査を実施している。
本稿では,様々な分野におけるオンライン健康情報に関する既存研究の包括的レビューを行う。
さらに,関連文献を3つの観点から体系的に整理し,特徴付け,検出,介入を行う。
最後に,ソーシャルメディア上での健康誤報と戦うためのオープンな課題について深く議論し,多分野研究者に今後の方向性を提供する。
関連論文リスト
- 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) - Emotion fusion for mental illness detection from social media: A survey [16.410940528107115]
精神病は世界中で最も多い公衆衛生問題の一つである。
ソーシャルメディア上でユーザーが作成した投稿を分析し、精神疾患の早期発見に対する研究の関心が高まっている。
感情と精神疾患の相関関係から,感情情報の活用と融合が重要な研究トピックに発展してきた。
論文 参考訳（メタデータ） (2023-04-19T08:28:34Z) - Multi-task Learning for Personal Health Mention Detection on Social
Media [70.23889100356091]
本研究では、マルチタスク学習フレームワークを用いて、利用可能な注釈付きデータを活用し、メインタスクのパフォーマンスを向上させる。
我々は、感情検出を補助タスクとして利用することで、感情情報を対象タスクに組み込むことに重点を置いている。
論文 参考訳（メタデータ） (2022-12-09T23:49:00Z) - Mental Illness Classification on Social Media Texts using Deep Learning
and Transfer Learning [55.653944436488786]
世界保健機関(WHO)によると、約4億5000万人が影響を受ける。
うつ病、不安症、双極性障害、ADHD、PTSDなどの精神疾患。
本研究では、Redditプラットフォーム上の非構造化ユーザデータを分析し、うつ病、不安、双極性障害、ADHD、PTSDの5つの一般的な精神疾患を分類する。
論文 参考訳（メタデータ） (2022-07-03T11:33:52Z) - 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) - Case Study on Detecting COVID-19 Health-Related Misinformation in Social
Media [7.194177427819438]
本稿では、ソーシャルメディアにおける新型コロナウイルスの健康関連誤報を検出するメカニズムについて述べる。
応用機械学習技術を用いて誤情報検出機構に組み込まれた誤情報テーマと関連キーワードを定義した。
本手法は,健康関連誤報と真情報との分類において,少なくとも78%の精度で有望な結果を示す。
論文 参考訳（メタデータ） (2021-06-12T16:26:04Z) - Disinformation in the Online Information Ecosystem: Detection,
Mitigation and Challenges [35.0667998623823]
一般大衆の大多数は、ニュースや新型コロナウイルスの症状などの問題に関する情報など、ソーシャルメディアのプラットフォームに目を向けている。
偽情報検出と緩和の方向には、かなりの研究が進行中である。
新型コロナウイルスの感染拡大に伴う「不名誉」に焦点をあて、オンライン偽情報問題について論じる。
論文 参考訳（メタデータ） (2020-10-18T21:44:23Z) - Assessing the Severity of Health States based on Social Media Posts [62.52087340582502]
ユーザの健康状態の重症度を評価するために,テキストコンテンツとコンテキスト情報の両方をモデル化する多視点学習フレームワークを提案する。
多様なNLUビューは、ユーザの健康を評価するために、タスクと個々の疾患の両方に効果を示す。
論文 参考訳（メタデータ） (2020-09-21T03:45:14Z) - Towards Domain-Specific Characterization of Misinformation [14.136862418249764]
健康上の誤報が急速に広まると、公衆衛生へのリスクが高まる。
誤報の基本的特徴がドメインによってどう異なるかを認識することが重要である。
本稿では,誤情報のドメイン特化への道筋を示す。
論文 参考訳（メタデータ） (2020-07-29T12:46:45Z) - Mining social media data for biomedical signals and health-related
behavior [0.0]
ソーシャルメディアのデータは、バイオメディカルおよび健康関連現象の研究にますます利用されてきた。
バイオメディカル・疫学・社会現象情報のためのソーシャルメディアのマイニングに関する最近の研究を概観する。
本稿では、健康関連アプリケーションにおけるソーシャルメディアデータの革新的利用と、ソーシャルメディアデータアクセスおよび利用における重要な制限について論じる。
論文 参考訳（メタデータ） (2020-01-28T12:08:22Z) - 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。