論文の概要: The science of fake news
- arxiv url: http://arxiv.org/abs/2307.07903v1
- Date: Sat, 15 Jul 2023 23:32:09 GMT
- ステータス: 処理完了
- システム内更新日: 2023-07-18 17:08:39.699106
- Title: The science of fake news
- Title（参考訳）: 偽ニュースの科学
- Authors: David M. J. Lazer, Matthew A. Baum, Yochai Benkler, Adam J. Berinsky,
Kelly M. Greenhill, Filippo Menczer, Miriam J. Metzger, Brendan Nyhan, Gordon
Pennycook, David Rothschild, Michael Schudson, Steven A. Sloman, Cass R.
Sunstein, Emily A. Thorson, Duncan J. Watts, Jonathan L. Zittrain
- Abstract要約: フェイクニュースは2016年のアメリカ合衆国大統領選挙で明らかに世界的な問題として浮上した。
これは、インターネットがコンテンツをどのように拡散するか、人々がニュースを処理する方法、そしてどのように相互作用するかをよりよく理解する必要がある。
フェイクニュースの特定を個人がより良く行えるようにし、フェイクニュースに対する注意を減らすためにプラットフォーム内で介入する2つの大きな可能性について論じる。
- 参考スコア（独自算出の注目度）: 2.1253496945339148
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Fake news emerged as an apparent global problem during the 2016 U.S.
Presidential election. Addressing it requires a multidisciplinary effort to
define the nature and extent of the problem, detect fake news in real time, and
mitigate its potentially harmful effects. This will require a better
understanding of how the Internet spreads content, how people process news, and
how the two interact. We review the state of knowledge in these areas and
discuss two broad potential mitigation strategies: better enabling individuals
to identify fake news, and intervention within the platforms to reduce the
attention given to fake news. The cooperation of Internet platforms (especially
Facebook, Google, and Twitter) with researchers will be critical to
understanding the scale of the issue and the effectiveness of possible
interventions.
- Abstract（参考訳）: フェイクニュースは2016年のアメリカ合衆国大統領選挙で明らかに世界的な問題として浮上した。
問題に対処するには、問題の性質と範囲を定義し、リアルタイムで偽ニュースを検出し、潜在的に有害な影響を軽減するために、複数の専門分野の努力が必要です。
これは、インターネットがコンテンツをどのように拡散するか、人々がニュースを処理する方法、そしてどのように相互作用するかをよりよく理解する必要がある。
これらの分野での知識の現状をレビューし、個人が偽ニュースを識別できるようにし、プラットフォーム内の介入によって偽ニュースに対する注意を減らせるという2つの大きな潜在的な緩和戦略について論じる。
インターネットプラットフォーム(特にFacebook、Google、Twitter)と研究者との協力は、問題の規模と潜在的な介入の有効性を理解する上で極めて重要である。
関連論文リスト
- Blessing or curse? A survey on the Impact of Generative AI on Fake News [44.99833362998488]
現在、高品質で個別にターゲットとするフェイクニュースのマス作成を自動化することが可能である。
この調査は、2024年のフェイクニュースの検出と作成のためのジェネレーティブAIの研究と実用化に関する総合的な調査を提供する。
論文 参考訳（メタデータ） (2024-04-03T19:14:45Z) - Interactively Learning Social Media Representations Improves News Source
Factuality Detection [31.172580066204635]
フェイクニュースの迅速検出、特に新しい出来事の発生は、誤報を防ぐために重要である。
我々は、人間が対話して、自動化されたシステムがより優れたソーシャルメディア表現品質を学習するのに役立つような、この問題に対話的にアプローチすることを提案する。
論文 参考訳（メタデータ） (2023-09-26T14:36:19Z) - Debunking Disinformation: Revolutionizing Truth with NLP in Fake News
Detection [7.732570307576947]
インターネットとソーシャルメディアは、即時情報配信の時代において、個人がニュースにアクセスする方法を変えてきた。
フェイクニュースはデジタルプラットフォームに急速に広がり、メディアエコシステムに悪影響を及ぼしている。
自然言語処理は、偽情報との戦いの激化において強力な武器として登場した。
論文 参考訳（メタデータ） (2023-08-30T21:25:31Z) - Fake News Detection and Behavioral Analysis: Case of COVID-19 [0.22940141855172028]
パンデミックに関する偽ニュースの拡散による「情報デミック」が世界的な問題となっている。
読者は偽ニュースを本当のニュースと間違える可能性があり、その結果、本物の情報にアクセスできなくなる。
ソーシャルメディアの投稿で偽のニュースデータを正確に識別することは困難である。
論文 参考訳（メタデータ） (2023-05-25T13:42:08Z) - Nothing Stands Alone: Relational Fake News Detection with Hypergraph
Neural Networks [49.29141811578359]
本稿では,ニュース間のグループ間相互作用を表現するためにハイパーグラフを活用することを提案する。
提案手法は,ラベル付きニュースデータの小さなサブセットであっても,優れた性能を示し,高い性能を維持する。
論文 参考訳（メタデータ） (2022-12-24T00:19:32Z) - Combining Machine Learning with Knowledge Engineering to detect Fake
News in Social Networks-a survey [0.7120858995754653]
ニュースメディアやソーシャルメディアでは、情報は高速に拡散されるが、正確性がないため、検出メカニズムは偽ニュースの拡散に対処するのに十分な速さでニュースを予測することができる。
本稿では,フェイクニュースとは何か,フェイクニュースの重要性,さまざまな領域におけるフェイクニュースの全体的影響,ソーシャルメディア上でフェイクニュースを検出するさまざまな方法,問題を克服する上で有効な既存の検出アルゴリズムを提案する。
論文 参考訳（メタデータ） (2022-01-20T07:43:15Z) - Profiling Fake News Spreaders on Social Media through Psychological and
Motivational Factors [26.942545715296983]
ソーシャルメディア上でのフェイクニューススプレッシャーの特徴と動機要因について検討した。
次に、フェイクニューススプレッドラーが他のユーザーと異なる特徴を示すことができるかどうかを判定する一連の実験を行う。
論文 参考訳（メタデータ） (2021-08-24T20:27:38Z) - 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) - 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 Rise and Fall of Fake News sites: A Traffic Analysis [62.51737815926007]
偽ニュースサイトのオンラインプレゼンスを調査し、実際のニュースサイトと比較してその行動を特徴づけます。
そこで本研究では,偽ニュースサイトを自動的に検出するコンテンツ非依存のMLを構築した。
論文 参考訳（メタデータ） (2021-03-16T18:10:22Z) - 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)
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。