論文の概要: The Intended Uses of Automated Fact-Checking Artefacts: Why, How and Who

• arxiv url: http://arxiv.org/abs/2304.14238v2
• Date: Wed, 8 Nov 2023 12:10:49 GMT
• ステータス: 処理完了
• システム内更新日: 2023-11-09 20:00:53.468262
• Title: The Intended Uses of Automated Fact-Checking Artefacts: Why, How and Who
• Title（参考訳）: ファクトチェックの自動生成物の意図的利用:なぜ、どのように、誰が
• Authors: Michael Schlichtkrull, Nedjma Ousidhoum, Andreas Vlachos
• Abstract要約: ファクトチェックの自動化は、ファクトチェックやソーシャルメディアの消費者、その他の利害関係者が誤情報に対処するためのツールとしてしばしば提示される。 本論文は,100件の高機能な論文を分析し,意図された使用に関連する要素を注釈で記述することによって,これを文書化する。 この曖昧さは、過度に評価し、批判を制限し、ステークホルダーのフィードバックを妨げているため、テクノロジーが目標に達するのを積極的に妨げていると我々は主張する。
• 参考スコア（独自算出の注目度）: 12.55428670523982
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Automated fact-checking is often presented as an epistemic tool that fact-checkers, social media consumers, and other stakeholders can use to fight misinformation. Nevertheless, few papers thoroughly discuss how. We document this by analysing 100 highly-cited papers, and annotating epistemic elements related to intended use, i.e., means, ends, and stakeholders. We find that narratives leaving out some of these aspects are common, that many papers propose inconsistent means and ends, and that the feasibility of suggested strategies rarely has empirical backing. We argue that this vagueness actively hinders the technology from reaching its goals, as it encourages overclaiming, limits criticism, and prevents stakeholder feedback. Accordingly, we provide several recommendations for thinking and writing about the use of fact-checking artefacts.
• Abstract（参考訳）: 自動ファクトチェックは、ファクトチェックやソーシャルメディアの消費者、その他の利害関係者が誤情報と戦うために使用できる疫学的なツールとしてしばしば提示される。 それにもかかわらず、どのようにして議論する論文はほとんどない。 本論文は,高度に刺激された100の論文を分析し,目的とする使用,すなわち手段,目的,利害関係者に関する認識的要素を注釈する。 これらの側面を除外する物語は一般的であり、多くの論文は一貫性のない手段と目的を提案しており、提案戦略の実現可能性には経験的な裏付けがほとんどない。 この曖昧さは、過度に評価し、批判を制限し、ステークホルダーのフィードバックを妨げ、テクノロジーが目標に達するのを積極的に妨げていると我々は主張する。 そこで本研究では,ファクトチェックアーティファクトの使用について考えることや書くことを推奨する。

関連論文リスト

• ClaimVer: Explainable Claim-Level Verification and Evidence Attribution of Text Through Knowledge Graphs [13.608282497568108]
  ClaimVerは、ユーザの情報と検証のニーズを満たすように設計された、人間中心のフレームワークである。 各クレームをハイライトし、信頼された知識グラフに対して検証し、クレームの予測に対して簡潔で明確な説明を提供する。
  論文  参考訳（メタデータ） (2024-03-12T17:07:53Z)
• CausalCite: A Causal Formulation of Paper Citations [80.82622421055734]
  CausalCiteは紙の意義を測定するための新しい方法だ。 これは、従来のマッチングフレームワークを高次元のテキスト埋め込みに適応させる、新しい因果推論手法であるTextMatchに基づいている。 科学専門家が報告した紙衝撃と高い相関性など,各種基準におけるCausalCiteの有効性を実証する。
  論文  参考訳（メタデータ） (2023-11-05T23:09:39Z)
• No more Reviewer #2: Subverting Automatic Paper-Reviewer Assignment using Adversarial Learning [25.70062566419791]
  この自動化は,逆学習を用いて操作可能であることを示す。 提案する攻撃は、与えられた論文に適応し、その課題を誤解させ、独自のレビュアーを選択する。
  論文  参考訳（メタデータ） (2023-03-25T11:34:27Z)
• Tradeoffs in Preventing Manipulation in Paper Bidding for Reviewer Assignment [89.38213318211731]
  入札の利点にもかかわらず、紙入札への依存は、悪意のあるレビュアーが非倫理的な目的のために紙の割り当てを操作できるようにする。 この操作を防ぐためのいくつかの異なるアプローチが提案され、デプロイされている。 本稿では,入札操作に対処するアルゴリズムが満足すべき特定の望ましい特性を列挙する。
  論文  参考訳（メタデータ） (2022-07-22T19:58:17Z)
• A Dataset on Malicious Paper Bidding in Peer Review [84.68308372858755]
  悪意あるレビュアーは、紙の割り当てを非倫理的に操作するために戦略的に入札した。 この問題を緩和するための方法の作成と評価への重要な障害は、悪意ある紙入札に関する公開データの欠如である。 我々は、参加者に正直に、悪意的に入札するよう指示されたモックカンファレンス活動から収集された、新しいデータセットをリリースする。
  論文  参考訳（メタデータ） (2022-06-24T20:23:33Z)
• Generating Literal and Implied Subquestions to Fact-check Complex Claims [64.81832149826035]
  我々は、複雑なクレームを、そのクレームの正確性に影響を及ぼす「イエス・ノー・サブクエスト」の包括的集合に分解することに集中する。 我々は1000以上のクレームに対する分解のデータセットである ClaimDecomp を提示する。 これらのサブクエストは、関連する証拠を特定し、すべてのクレームを事実確認し、回答を通じて正確性を引き出すのに役立ちます。
  論文  参考訳（メタデータ） (2022-05-14T00:40:57Z)
• Technological Factors Influencing Videoconferencing and Zoom Fatigue [60.34717956708476]
  本稿では,ズーム疲労 (ZF) あるいはより一般的にビデオ会議疲労 (VCF) に寄与することが証明された,あるいは証明された技術的要因を理解するための概念的多次元的アプローチを提案する。 この論文は、一部のメディアがZoomの疲労とは何か、どのように避けられるのかという議論を始めており、またこの話題に対処する科学論文の中には、仮説的であり、科学的証拠に十分に根ざした仮定が含まれているという事実に動機づけられている。
  論文  参考訳（メタデータ） (2022-02-03T18:02:59Z)
• Dynamics of Cross-Platform Attention to Retracted Papers [25.179837269945015]
  削除された論文は、公式の撤回前にソーシャルメディア、デジタルニュース、その他のウェブサイトで広く流通している。 我々は、異なるオンラインプラットフォームにおいて、時間とともに受け取った3,851件の論文の量と種類を定量化する。
  論文  参考訳（メタデータ） (2021-10-15T01:40:20Z)
• Making Paper Reviewing Robust to Bid Manipulation Attacks [44.34601846490532]
  逸話的な証拠は、一部のレビュアーが「友人」あるいは「衝突する著者」による論文の入札を行ったことを示唆している。 我々は、そのような攻撃に対してより堅牢な、紙入札と割当てのための新しいアプローチを開発する。 より堅牢であることに加えて、論文レビューの課題の質は、現在の非ロバストな課題のアプローチに匹敵する。
  論文  参考訳（メタデータ） (2021-02-09T21:24:16Z)
• 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)
• Topic Detection and Summarization of User Reviews [6.779855791259679]
  本稿では,レビューと要約の両方を解析して,効果的な新しい要約手法を提案する。 製品レビューと約1028の製品からなる新しいデータセットが、AmazonとCNETから収集されている。
  論文  参考訳（メタデータ） (2020-05-30T02:19:08Z)

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。