論文の概要: The role of online attention in the supply of disinformation in Wikipedia

• arxiv url: http://arxiv.org/abs/2302.08576v1
• Date: Thu, 16 Feb 2023 20:44:21 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-20 16:43:32.611343
• Title: The role of online attention in the supply of disinformation in Wikipedia
• Title（参考訳）: Wikipediaにおける偽情報提供におけるオンライン注意の役割
• Authors: Anis Elebiary and Giovanni Luca Ciampaglia
• Abstract要約: 英語ウィキペディアにおける注目の配分と偽記事の生成との関係を計測する。 トラフィックログの分析によると、同日に作成された合法的な記事と比較して、ホアックスは作成前のトラフィックスパイクとより関連がある傾向にある。
• 参考スコア（独自算出の注目度）: 0.030458514384586396
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Wikipedia and many User-Generated Content (UGC) communities are known for producing reliable, quality content, but also for being vulnerable to false or misleading information. Previous work has shown that many hoaxes on Wikipedia go undetected for extended periods of time. But little is known about the creation of intentionally false or misleading information online. Does collective attention toward a topic increase the likelihood it will spawn disinformation? Here, we measure the relationship between allocation of attention and the production of hoax articles on the English Wikipedia. Analysis of traffic logs reveals that, compared to legitimate articles created on the same day, hoaxes tend to be more associated with traffic spikes preceding their creation. This is consistent with the idea that the supply of false or misleading information on a topic is driven by the attention it receives. These findings improve our comprehension of the determinants of disinformation in UGC communities and could help promote the integrity of knowledge on Wikipedia.
• Abstract（参考訳）: wikipediaと多くのユーザー生成コンテンツ(ugc)コミュニティは、信頼できる質の高いコンテンツを生み出すだけでなく、誤った情報や誤解を招く情報にも弱いことで知られている。 以前の研究によると、wikipedia上の多くの嘘は長期にわたって検出されていない。 しかし、故意に誤った情報や誤解を招く情報の作成についてはほとんど知られていない。 話題に対する集団的注意は、偽情報を引き起こす可能性を高めるか? ここでは,注目の配分と,英語ウィキペディアにおける偽記事の生成との関係を測る。 トラフィックログの分析によると、同日に作成された合法的な記事と比較して、ホアックスは作成前のトラフィックスパイクとより関連がある傾向にある。 これは、トピックに対する誤った情報や誤解を招く情報の供給は、それが受ける注意によって引き起こされるという考えと一致している。 これらの知見は,UGCコミュニティにおける偽情報決定要因の理解を改善し,ウィキペディアにおける知識の完全性を促進するのに役立つ。

関連論文リスト

• Measuring Falseness in News Articles based on Concealment and Overstatement [5.383724566787227]
  本研究では,特定のジャーナリスト記事における誤報の程度について検討する。 2つの指標(認識と過剰表現)を用いて誤情報を測定することを目的としている。
  論文  参考訳（メタデータ） (2024-07-31T20:45:56Z)
• Hoaxpedia: A Unified Wikipedia Hoax Articles Dataset [10.756673240445709]
  まず、正当性と偽のウィキペディア記事の類似点と相違点を体系的に分析する。 そして、311のホックス記事を集めたHoaxpediaを紹介します。 以上の結果から,ウィキペディアにおける偽コンテンツの検出は,コンテンツだけでは難しいが実現不可能であることが示唆された。
  論文  参考訳（メタデータ） (2024-05-03T15:25:48Z)
• Decker: Double Check with Heterogeneous Knowledge for Commonsense Fact Verification [80.31112722910787]
  異種知識をブリッジ可能な常識的事実検証モデルであるDeckerを提案する。 CSQA2.0とCREAKの2つのコモンセンス事実検証ベンチマークデータセットの実験結果から,Deckerの有効性が示された。
  論文  参考訳（メタデータ） (2023-05-10T06:28:16Z)
• Between News and History: Identifying Networked Topics of Collective Attention on Wikipedia [0.0]
  トピック検出のための時間的コミュニティ検出手法を開発した。 本手法をウィキペディア上での1年間の現在イベントのデータセットに適用する。 私たちは、現在の出来事を、より確立した知識よりも強く反映するトピックを解決できます。
  論文  参考訳（メタデータ） (2022-11-14T18:36:21Z)
• Improving Wikipedia Verifiability with AI [116.69749668874493]
  私たちはSideと呼ばれるニューラルネットワークベースのシステムを開発し、彼らの主張を支持できないWikipediaの引用を識別する。 本誌の最初の引用レコメンデーションは、既存のWikipediaの引用よりも60%多い選好を集めている。 以上の結果から,Wikipediaの妥当性を高めるために,AIベースのシステムを人間と共同で活用できることが示唆された。
  論文  参考訳（メタデータ） (2022-07-08T15:23:29Z)
• 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)
• Misinfo Belief Frames: A Case Study on Covid & Climate News [49.979419711713795]
  読者がニュースの信頼性や誤った情報の影響をどのように認識するかを理解するための形式主義を提案する。 23.5kの見出しに66kの推論データセットであるMisinfo Belief Frames (MBF) corpusを紹介する。 大規模言語モデルを用いて誤情報フレームを予測した結果,機械生成推論がニュース見出しに対する読者の信頼に影響を及ぼすことがわかった。
  論文  参考訳（メタデータ） (2021-04-18T09:50:11Z)
• The Role of the Crowd in Countering Misinformation: A Case Study of the COVID-19 Infodemic [15.885290526721544]
  我々は、新型コロナウイルスのパンデミックに関連するツイート、誤報の拡散、プロの事実確認、そして新型コロナウイルスに関する一般的な誤解を招く主張に対する大衆の反応を分析することに重点を置いている。 我々は分類器を訓練して155,468件のCOVID-19関連ツイートのデータセットを作成し、33,237件の虚偽の主張と33,413件の反論を含む。 我々は、誤報ツイートの急増が、そうした誤報を否定する速報とそれに対応するツイートの増加をもたらすことを観察する。
  論文  参考訳（メタデータ） (2020-11-11T13:48:44Z)
• Characterizing COVID-19 Misinformation Communities Using a Novel Twitter Dataset [9.60966128833701]
  競合する2つの誤報コミュニティを特徴付けるための方法論と分析について述べる。 我々の分析によると、新型コロナウイルスの誤報されたコミュニティは、情報のあるコミュニティよりも密集し、組織化されている。 我々の社会言語学的分析は、新型コロナウイルスに通知されたユーザーは誤報されたユーザーよりも多くの物語を使う傾向があることを示唆している。
  論文  参考訳（メタデータ） (2020-08-03T11:44:22Z)
• Misinformation Has High Perplexity [55.47422012881148]
  疑似クレームを教師なしの方法でデバンクするために, 難易度を活用することを提案する。 まず,これらの主張に類似した文に基づいて,科学的およびニュースソースから信頼性のある証拠を抽出する。 第2に,抽出したエビデンスを言語モデルにプライマリし,難易度スコアに基づいて与えられたクレームの正当性を評価する。
  論文  参考訳（メタデータ） (2020-06-08T15:13:44Z)
• Information Consumption and Social Response in a Segregated Environment: the Case of Gab [74.5095691235917]
  この研究は、COVID-19トピックに関するGab内のインタラクションパターンの特徴を提供する。 疑わしい、信頼できるコンテンツに対する社会的反応には、統計的に強い違いはない。 本研究は,協調した不正確な行動の理解と情報操作の早期警戒に関する知見を提供する。
  論文  参考訳（メタデータ） (2020-06-03T11:34:25Z)

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。