論文の概要: User Perceptions of Automatic Fake News Detection: Can Algorithms Fight Online Misinformation?

• arxiv url: http://arxiv.org/abs/2304.07926v1
• Date: Mon, 17 Apr 2023 00:37:53 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-18 16:42:36.029221
• Title: User Perceptions of Automatic Fake News Detection: Can Algorithms Fight Online Misinformation?
• Title（参考訳）: 自動フェイクニュース検出のユーザ認識: アルゴリズムはオンライン誤報と戦えるか?
• Authors: Bruno Tafur and Advait Sarkar
• Abstract要約: 本稿では,偽ニュース検出アルゴリズムによる警告が誤情報検出能力に与える影響を評価する。 このような警告は,ユーザの真実に対する認識に強く影響し,適度に正確な分類器でも全体のユーザ精度を向上し,不正な場合でもアルゴリズムに同意する傾向にあることがわかった。
• 参考スコア（独自算出の注目度）: 11.104666702713793
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Fake news detection algorithms apply machine learning to various news attributes and their relationships. However, their success is usually evaluated based on how the algorithm performs on a static benchmark, independent of real users. On the other hand, studies of user trust in fake news has identified relevant factors such as the user's previous beliefs, the article format, and the source's reputation. We present a user study (n=40) evaluating how warnings issued by fake news detection algorithms affect the user's ability to detect misinformation. We find that such warnings strongly influence users' perception of the truth, that even a moderately accurate classifier can improve overall user accuracy, and that users tend to be biased towards agreeing with the algorithm, even when it is incorrect.
• Abstract（参考訳）: 偽ニュース検出アルゴリズムは、様々なニュース属性とその関連に機械学習を適用する。 しかし、その成功は通常、実際のユーザとは無関係に、静的ベンチマークでアルゴリズムがどのように振る舞うかに基づいて評価される。 一方,偽ニュースに対するユーザの信頼度に関する研究では,ユーザの以前の信念や記事形式,情報源の評判といった関連要因が指摘されている。 偽ニュース検出アルゴリズムによる警告が誤情報を検知するユーザの能力にどのように影響するかを評価するユーザスタディ(n=40)を提示する。 このような警告は,ユーザの真実に対する認識に強く影響し,適度に正確な分類器でも全体のユーザ精度を向上し,不正な場合でもアルゴリズムに同意する傾向にあることがわかった。

関連論文リスト

• User Strategization and Trustworthy Algorithms [81.82279667028423]
  ユーザストラテジゼーションがプラットフォームを短期間で支援できることが示されています。 そして、それがプラットフォームのデータを破壊し、最終的に反実的な決定を下す能力を損なうことを示します。
  論文  参考訳（メタデータ） (2023-12-29T16:09:42Z)
• Online Corrupted User Detection and Regret Minimization [49.536254494829436]
  現実世界のオンラインウェブシステムでは、複数のユーザがシステムに順次到着する。 乱れた行動から未知のユーザ関係を学習・活用するために,LOCUDという重要なオンライン学習問題を提案する。 我々はRCLUB-WCUの推測ユーザ関係に基づく新しいオンライン検出アルゴリズムOCCUDを考案した。
  論文  参考訳（メタデータ） (2023-10-07T10:20:26Z)
• Fake News Detection Using Majority Voting Technique [0.0]
  我々は、偽ニュース記事を検出するための多数決アプローチを提案した。 20,800件のニュース記事のうち10,387件が本物、10,413件がバイナリ0,1とラベル付けされた偽ニュースである。 その結果,提案手法は96.38%,精度96%,リコール96%,F1測定96%を達成できた。
  論文  参考訳（メタデータ） (2022-03-18T13:24:03Z)
• Faking Fake News for Real Fake News Detection: Propaganda-loaded Training Data Generation [105.20743048379387]
  提案手法は,人間によるプロパガンダのスタイルや戦略から情報を得た学習例を生成するための新しいフレームワークである。 具体的には、生成した記事の有効性を確保するために、自然言語推論によって導かれる自己臨界シーケンストレーニングを行う。 実験の結果、PropaNewsでトレーニングされた偽ニュース検知器は、2つの公開データセットで3.62～7.69%のF1スコアで人書きの偽情報を検出するのに優れていることがわかった。
  論文  参考訳（メタデータ） (2022-03-10T14:24:19Z)
• FakeNewsLab: Experimental Study on Biases and Pitfalls Preventing us from Distinguishing True from False News [0.2741266294612776]
  この研究は、偽ニュースデータセットを構築する際に、人間のアノテータに影響を与える一連の落とし穴を強調している。 また、ユーザーが再共有する前に記事全体を読むことを推奨する、AIの一般的な理論的根拠にも異議を唱えている。
  論文  参考訳（メタデータ） (2021-10-22T12:02:16Z)
• User Preference-aware Fake News Detection [61.86175081368782]
  既存の偽ニュース検出アルゴリズムは、詐欺信号のニュースコンテンツをマイニングすることに焦点を当てている。 本稿では,共同コンテンツとグラフモデリングにより,ユーザの好みから様々な信号を同時にキャプチャする新しいフレームワークUPFDを提案する。
  論文  参考訳（メタデータ） (2021-04-25T21:19:24Z)
• Causal Understanding of Fake News Dissemination on Social Media [50.4854427067898]
  我々は、ユーザーがフェイクニュースを共有するのに、ユーザー属性が何をもたらすかを理解することが重要だと論じている。 偽ニュース拡散において、共同創設者は、本質的にユーザー属性やオンライン活動に関連する偽ニュース共有行動によって特徴づけられる。 本稿では,偽ニュース拡散における選択バイアスを軽減するための原則的アプローチを提案する。
  論文  参考訳（メタデータ） (2020-10-20T19:37:04Z)
• Machine Learning Explanations to Prevent Overtrust in Fake News Detection [64.46876057393703]
  本研究では、ニュースレビュープラットフォームに組み込んだ説明可能なAIアシスタントが、フェイクニュースの拡散と戦う効果について検討する。 我々は、ニュースレビューと共有インターフェースを設計し、ニュース記事のデータセットを作成し、4つの解釈可能なフェイクニュース検出アルゴリズムを訓練する。 説明可能なAIシステムについてより深く理解するために、説明プロセスにおけるユーザエンゲージメント、メンタルモデル、信頼、パフォーマンス対策の相互作用について議論する。
  論文  参考訳（メタデータ） (2020-07-24T05:42:29Z)

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。