論文の概要: Friction Interventions to Curb the Spread of Misinformation on Social Media

• arxiv url: http://arxiv.org/abs/2307.11498v1
• Date: Fri, 21 Jul 2023 11:05:02 GMT
• ステータス: 処理完了
• システム内更新日: 2023-07-24 12:41:59.206614
• Title: Friction Interventions to Curb the Spread of Misinformation on Social Media
• Title（参考訳）: ソーシャルメディア上の誤情報の拡散を抑える摩擦干渉
• Authors: Laura Jahn, Rasmus K. Rendsvig, Alessandro Flammini, Filippo Menczer, Vincent F. Hendricks
• Abstract要約: 品質認知学習における摩擦の効果について検討した。 しかし、少量の摩擦と学習が組み合わさって、ポストの平均品質が著しく向上する。 提案された介入は、エンゲージメントに最小限の影響を与え、簡単に大規模に展開できる。
• 参考スコア（独自算出の注目度）: 60.327955710977555
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Social media has enabled the spread of information at unprecedented speeds and scales, and with it the proliferation of high-engagement, low-quality content. *Friction* -- behavioral design measures that make the sharing of content more cumbersome -- might be a way to raise the quality of what is spread online. Here, we study the effects of friction with and without quality-recognition learning. Experiments from an agent-based model suggest that friction alone decreases the number of posts without improving their quality. A small amount of friction combined with learning, however, increases the average quality of posts significantly. Based on this preliminary evidence, we propose a friction intervention with a learning component about the platform's community standards, to be tested via a field experiment. The proposed intervention would have minimal effects on engagement and may easily be deployed at scale.
• Abstract（参考訳）: ソーシャルメディアは、前例のないスピードとスケールで情報の拡散を可能にし、高いエンゲージメントと低品質コンテンツの普及をもたらした。 Friction* -- コンテンツの共有をより面倒なものにする行動設計手法 -- は、オンラインで拡散するコンテンツの質を高める方法かもしれない。 本稿では,品質認知学習における摩擦の効果について検討する。 エージェントベースのモデルによる実験では、摩擦だけで品質を向上することなく投稿数を減らすことが示唆されている。 しかし、少量の摩擦と学習が組み合わさることで、投稿の平均品質が著しく向上する。 この予備的なエビデンスに基づいて,フィールド実験によりテストを行うための,プラットフォームのコミュニティ標準に関する学習コンポーネントとの摩擦介入を提案する。 提案された介入はエンゲージメントに最小限の影響を与え、簡単に大規模に展開できる。

関連論文リスト

• Epidemiology-informed Network for Robust Rumor Detection [59.89351792706995]
  本稿では, 疫学知識を統合し, 性能を高めるための新しい疫学情報ネットワーク(EIN)を提案する。 疫学理論をうわさ検出に適応させるため,各利用者が情報源情報に対する姿勢を付加することが期待されている。 実験結果から,提案したEINは実世界のデータセット上で最先端の手法より優れるだけでなく,樹木の深度にまたがる堅牢性も向上することが示された。
  論文  参考訳（メタデータ） (2024-11-20T00:43:32Z)
• FRIDA: Free-Rider Detection using Privacy Attacks [2.298325823708695]
  プライバシ攻撃を用いたフリーライダー検出のためのFRIDAを提案する。 FRIDAは、基礎となるトレーニングデータセットの詳細を直接推論し、フリーライダーの振る舞いを示す特徴を明らかにする。 評価の結果,FRIDAは最先端の手法,特に非IID環境では優れていた。
  論文  参考訳（メタデータ） (2024-10-07T13:20:26Z)
• Modulating Language Model Experiences through Frictions [56.17593192325438]
  言語モデルの過度な消費は、短期において未確認エラーを伝播し、長期的な批判的思考のために人間の能力を損なうリスクを出力する。 行動科学の介入にインスパイアされた言語モデル体験のための選択的摩擦を提案し,誤用を抑える。
  論文  参考訳（メタデータ） (2024-06-24T16:31:11Z)
• Graph Machine Learning based Doubly Robust Estimator for Network Causal Effects [17.44202934049009]
  本稿では,グラフ機械学習アプローチとダブル機械学習フレームワークを組み合わせた新しい手法を提案する。 提案手法は,広範囲なシミュレーション研究を通じて,正確で堅牢でスケーラブルであることを示す。
  論文  参考訳（メタデータ） (2024-03-17T20:23:42Z)
• Controllable Relation Disentanglement for Few-Shot Class-Incremental Learning [82.79371269942146]
  本稿では,FewShot Class-Incremental Learning (FSCIL) を新たな視点,すなわち関係の絡み合いから扱うことを提案する。 急激な相関関係を切り離すことの課題は、FSCILの制御性が悪いことである。 我々は、CTRL-FSCIL(Controllable Relation-disentang FewShot Class-Incremental Learning)と呼ばれる、新しいシンプルな効果のある手法を提案する。
  論文  参考訳（メタデータ） (2024-03-17T03:16:59Z)
• On the Embedding Collapse when Scaling up Recommendation Models [53.66285358088788]
  埋め込み崩壊現象をスケーラビリティの阻害とみなし、埋め込み行列は低次元の部分空間を占有する傾向にある。 本稿では,組込み集合固有の相互作用モジュールを組み込んで,多様性を持つ組込み集合を学習する,単純かつ効果的な組込み設計を提案する。
  論文  参考訳（メタデータ） (2023-10-06T17:50:38Z)
• Suppressing Noise from Built Environment Datasets to Reduce Communication Rounds for Convergence of Federated Learning [22.484542356562695]
  フェデレーション学習は、複数の参加者間のプライバシー保護コラボレーションを提供する。 参加者のデータセットのノイズラベルが 性能を低下させた 本稿では,各参加者のデータセットにおける雑音ラベルの不等分布を抑制するためのフェデレート学習手法を提案する。
  論文  参考訳（メタデータ） (2022-09-03T13:36:45Z)
• MixKD: Towards Efficient Distillation of Large-scale Language Models [129.73786264834894]
  データに依存しない蒸留フレームワークであるMixKDを提案する。 妥当な条件下では、MixKDは誤差と経験的誤差の間のギャップを小さくする。 限定的なデータ設定とアブレーションによる実験は、提案手法の利点をさらに証明している。
  論文  参考訳（メタデータ） (2020-11-01T18:47:51Z)
• Independent Component Analysis for Trustworthy Cyberspace during High Impact Events: An Application to Covid-19 [4.629100947762816]
  新型コロナウイルス(COVID-19)の感染拡大など、ソーシャルメディアは重要なコミュニケーションチャンネルとなっている。 ソーシャルメディアにおける誤報が急速に拡散し、社会不安を生じさせるため、そのような出来事における誤報の拡散は重要なデータ課題である。 本稿では,ICAモデルに基づくデータ駆動型ソリューションを提案する。
  論文  参考訳（メタデータ） (2020-06-01T21:48:22Z)

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。