論文の概要: CoSINT: Designing a Collaborative Capture the Flag Competition to
Investigate Misinformation
- arxiv url: http://arxiv.org/abs/2305.12357v1
- Date: Sun, 21 May 2023 05:35:48 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-23 21:02:41.828847
- Title: CoSINT: Designing a Collaborative Capture the Flag Competition to
Investigate Misinformation
- Title（参考訳）: CoSINT: 誤情報を調査するフラッグコンペティションをデザインする
- Authors: Sukrit Venkatagiri, Anirban Mukhopadhyay, David Hicks, Aaron Brantly,
Kurt Luther
- Abstract要約: コラボレーティブ・キャプチャ・ザ・フラッグ・コンペティション(CoCTF)と呼ばれる新しいインタラクション・スタイルを設計・評価する。
私たちはCoSINTを通じてこのインタラクションスタイルをインスタンス化しました。これは訓練を受けた群衆が専門家と協力してソーシャルメディアの誤情報を特定し調査することを可能にするプラットフォームです。
我々の混合手法評価は、CoSINTが競合やコラボレーションの相補的な強みを活用し、群衆が素早く偽情報を識別し、デバンクすることができることを示した。
- 参考スコア（独自算出の注目度）: 5.231385219673095
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Crowdsourced investigations shore up democratic institutions by debunking
misinformation and uncovering human rights abuses. However, current
crowdsourcing approaches rely on simplistic collaborative or competitive models
and lack technological support, limiting their collective impact. Prior
research has shown that blending elements of competition and collaboration can
lead to greater performance and creativity, but crowdsourced investigations
pose unique analytical and ethical challenges. In this paper, we employed a
four-month-long Research through Design process to design and evaluate a novel
interaction style called collaborative capture the flag competitions (CoCTFs).
We instantiated this interaction style through CoSINT, a platform that enables
a trained crowd to work with professional investigators to identify and
investigate social media misinformation. Our mixed-methods evaluation showed
that CoSINT leverages the complementary strengths of competition and
collaboration, allowing a crowd to quickly identify and debunk misinformation.
We also highlight tensions between competition versus collaboration and discuss
implications for the design of crowdsourced investigations.
- Abstract（参考訳）: クラウドソーシングによる調査は、誤った情報を非難し、人権侵害を暴露することで民主的な機関を脅かしている。
しかし、現在のクラウドソーシングのアプローチは、単純で協調的で競争的なモデルに依存しており、技術サポートが欠如しており、集団的影響が制限されている。
コンペティションとコラボレーションの要素を混ぜ合わせることで、パフォーマンスと創造性は向上するが、クラウドソースによる調査はユニークな分析と倫理的課題をもたらす。
本稿では,コラボレーティブ・キャプチャ・ザ・フラッグ・コンペティション(coctfs)と呼ばれる新しいインタラクションスタイルをデザイン・評価するために,デザインプロセスを通じた4ヶ月間の研究を行った。
私たちはCoSINTを通じてこのインタラクションスタイルをインスタンス化しました。これは訓練を受けた群衆が専門家と協力してソーシャルメディアの誤情報を特定し調査することを可能にするプラットフォームです。
混合手法の評価により,cosintは競争とコラボレーションの補完的な強みを生かして,群衆が誤情報を素早く識別・削除できることを示した。
また,コンペティション対コラボレーションの緊張感を強調し,クラウドソースによる調査の設計について考察する。
関連論文リスト
- NeurIPS 2023 Competition: Privacy Preserving Federated Learning Document VQA [49.74911193222192]
このコンペティションでは、関連する質問や回答とともに、本物の請求書文書のデータセットが導入された。
ベースモデルは多モード生成言語モデルであり、視覚的またはテキスト的入力モダリティによってセンシティブな情報を公開することができる。
参加者は最小限の効用閾値を維持しながら通信コストを削減するエレガントなソリューションを提案した。
論文 参考訳（メタデータ） (2024-11-06T07:51:19Z) - Collaborative Team Recognition: A Core Plus Extension Structure [10.842779758836219]
本研究では,学術的なグラフデータを用いた共同チーム認識と内部パターンの探索に焦点をあてる。
大規模ネットワークにおける協調型チーム認識のための「コア+拡張型」チーム構造を用いた協調型チーム認識モデルを提案する。
論文 参考訳（メタデータ） (2024-06-07T07:12:35Z) - Co-Matching: Towards Human-Machine Collaborative Legal Case Matching [69.21196368715144]
合法的なケースマッチングが成功するには、法的実践者の暗黙の知識が必要であり、機械に言語化してエンコードすることは困難である。
本稿では,協調マッチングフレームワークであるCo-Matchingを提案する。
本研究は,人間と機械の協調作業における先駆的な取り組みであり,今後の協調マッチング研究のマイルストーンとなる。
論文 参考訳（メタデータ） (2024-05-16T16:50:31Z) - Beyond Isolation: Multi-Agent Synergy for Improving Knowledge Graph Construction [6.020016097668138]
CooperKGCは、知識グラフ構築(KGC)における大規模言語モデル(LLM)の従来の孤立的アプローチに挑戦する新しいフレームワークである。
CooperKGCはコラボレーティブな処理ネットワークを確立し、エンティティ、リレーション、イベント抽出タスクを同時に処理できるチームを組み立てる。
論文 参考訳（メタデータ） (2023-12-05T07:27:08Z) - Exploring Links between Conversational Agent Design Challenges and
Interdisciplinary Collaboration [0.0]
本論文は、会話エージェント(CA)作成における社会技術的課題に焦点を当てたものである。
学際的コラボレーション(IDC)をレンズとして用いたCA設計課題の分類法を提案する。
本稿では,既存の設計原則を補完する実践的戦略を提案する。
論文 参考訳（メタデータ） (2023-11-15T10:20:49Z) - SynFacePAD 2023: Competition on Face Presentation Attack Detection Based
on Privacy-aware Synthetic Training Data [51.42380508231581]
バイオメトリックス国際会議(IJCB 2023)におけるプライバシ・アウェア・シンセティック・トレーニングデータ(SynFacePAD 2023)に基づく顔提示攻撃検出コンペティションの概要を述べる。
このコンペティションは、個人データに関連するプライバシー、法的、倫理的懸念に動機づけられた、合成ベースのトレーニングデータを考慮して、顔の提示攻撃を検出するソリューションを動機付け、誘致することを目的としている。
提案されたソリューションはイノベーションと新しいアプローチを示し、調査されたベンチマークで考慮されたベースラインを上回りました。
論文 参考訳（メタデータ） (2023-11-09T13:02:04Z) - Benchmarking Robustness and Generalization in Multi-Agent Systems: A
Case Study on Neural MMO [50.58083807719749]
IJCAI 2022で開催されている第2回Neural MMOチャレンジの結果を報告する。
この競合はマルチエージェントシステムの堅牢性と一般化をターゲットにしている。
環境ラッパー、ベースライン、可視化ツール、そしてさらなる研究のための選択されたポリシーを含むベンチマークをオープンソースにします。
論文 参考訳（メタデータ） (2023-08-30T07:16:11Z) - Tackling Cooperative Incompatibility for Zero-Shot Human-AI Coordination [36.33334853998621]
協調的オープンエンド・ラーニング(COLE)フレームワークを導入し,学習における協調的非互換性を解決する。
COLEは、グラフ理論の観点を用いて、2人のプレイヤーと協調ゲームにおけるオープンエンド目標を定式化し、各戦略の協調能力を評価し、特定する。
我々は,COLEが理論的および経験的分析から協調的不整合性を効果的に克服できることを示した。
論文 参考訳（メタデータ） (2023-06-05T16:51:38Z) - Industry-Academia Research Collaboration in Software Engineering: The
Certus Model [13.021014899410684]
ソフトウェアエンジニアリングでスケーラブルで効果的な研究コラボレーションを構築することは、非常に難しいことで知られています。
本稿では,参加型知識創造の文化を実現するための,産学連携の成功要因を理解することを目的とする。
論文 参考訳（メタデータ） (2022-04-23T10:16:23Z) - Detecting adversaries in Crowdsourcing [71.20185379303479]
本研究は, クラウドソース型分類における敵の影響を, 人気のダウィド・アンド・スケネモデルを用いて検討する。
敵は、クラウドソーシングモデルから任意に逸脱することを許され、潜在的に協力する可能性がある。
我々は,アノテータ応答の2次モーメント構造を利用して,多数の敵を識別し,クラウドソーシングタスクへの影響を軽減するアプローチを開発した。
論文 参考訳（メタデータ） (2021-10-07T15:07:07Z) - On Emergent Communication in Competitive Multi-Agent Teams [116.95067289206919]
外部のエージェントチームによるパフォーマンスの競争が社会的影響として作用するかどうかを検討する。
以上の結果から,外部競争の影響により精度と一般化が向上し,コミュニケーション言語が急速に出現することが示唆された。
論文 参考訳（メタデータ） (2020-03-04T01:14:27Z)
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。