論文の概要: Understanding the Humans Behind Online Misinformation: An Observational
Study Through the Lens of the COVID-19 Pandemic
- arxiv url: http://arxiv.org/abs/2310.08483v2
- Date: Thu, 18 Jan 2024 11:43:52 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-19 19:57:33.240266
- Title: Understanding the Humans Behind Online Misinformation: An Observational
Study Through the Lens of the COVID-19 Pandemic
- Title（参考訳）: オンライン誤報の背後にある人間を理解する:COVID-19パンデミックのレンズを通しての観察的研究
- Authors: Mohit Chandra, Anush Mattapalli, Munmun De Choudhury
- Abstract要約: われわれは、新型コロナウイルスのツイート3200万件と過去のツイート1600万件を分析した大規模な調査を行っている。
新型コロナウイルスの感染拡大に伴う誤情報を広めるユーザの行動と心理の理解と、非新型コロナウイルス領域における誤情報を共有しようとする歴史的傾向との関係に焦点をあてる。
- 参考スコア（独自算出の注目度）: 12.873747057824833
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The proliferation of online misinformation has emerged as one of the biggest
threats to society. Considerable efforts have focused on building
misinformation detection models, still the perils of misinformation remain
abound. Mitigating online misinformation and its ramifications requires a
holistic approach that encompasses not only an understanding of its intricate
landscape in relation to the complex issue and topic-rich information ecosystem
online, but also the psychological drivers of individuals behind it. Adopting a
time series analytic technique and robust causal inference-based design, we
conduct a large-scale observational study analyzing over 32 million COVID-19
tweets and 16 million historical timeline tweets. We focus on understanding the
behavior and psychology of users disseminating misinformation during COVID-19
and its relationship with the historical inclinations towards sharing
misinformation on Non-COVID domains before the pandemic. Our analysis
underscores the intricacies inherent to cross-domain misinformation, and
highlights that users' historical inclination toward sharing misinformation is
positively associated with their present behavior pertaining to misinformation
sharing on emergent topics and beyond. This work may serve as a valuable
foundation for designing user-centric inoculation strategies and
ecologically-grounded agile interventions for effectively tackling online
misinformation.
- Abstract（参考訳）: オンライン誤報の拡散は、社会にとって最大の脅威の1つとなっている。
誤情報検出モデルの構築にかなりの努力が払われているが、誤情報の周辺は依然として多岐にわたる。
オンラインの誤情報とその影響を緩和するには、複雑な問題やトピックに富んだ情報エコシステムに関する複雑な景観の理解だけでなく、その背景にある個人の心理的要因も包含する必要がある。
時系列分析手法とロバストな因果推論に基づく設計を用いて,3200万以上のcovid-19ツイートと1600万の履歴タイムラインツイートを分析した大規模観察研究を行った。
我々は、新型コロナウイルス(covid-19)に誤情報を流布するユーザの行動と心理学を理解すること、および、パンデミック以前の非共済ドメインにおける誤情報の共有に関する歴史的傾斜との関係に焦点をあてている。
本分析は,利用者の誤情報の共有に対する歴史的傾向が,創発的話題に関する誤情報の共有に関する現在の行動と正の関連があることを強調するものである。
この作業は、ユーザー中心の接種戦略と、オンラインの誤った情報に効果的に取り組むための生態学的根拠に基づくアジャイル介入を設計するための貴重な基盤となるかもしれない。
関連論文リスト
- MisinfoEval: Generative AI in the Era of "Alternative Facts" [50.069577397751175]
本稿では,大規模言語モデル(LLM)に基づく誤情報介入の生成と評価を行うフレームワークを提案する。
本研究では,(1)誤情報介入の効果を測定するための模擬ソーシャルメディア環境の実験,(2)ユーザの人口動態や信念に合わせたパーソナライズされた説明を用いた第2の実験について述べる。
以上の結果から,LSMによる介入はユーザの行動の修正に極めて有効であることが確認された。
論文 参考訳（メタデータ） (2024-10-13T18:16:50Z) - Decoding Susceptibility: Modeling Misbelief to Misinformation Through a Computational Approach [61.04606493712002]
誤報に対する感受性は、観測不可能な不検証の主張に対する信念の度合いを記述している。
既存の感受性研究は、自己報告された信念に大きく依存している。
本稿では,ユーザの潜在感受性レベルをモデル化するための計算手法を提案する。
論文 参考訳（メタデータ） (2023-11-16T07:22:56Z) - Adherence to Misinformation on Social Media Through Socio-Cognitive and
Group-Based Processes [79.79659145328856]
誤報が広まると、これはソーシャルメディア環境が誤報の付着を可能にするためである、と我々は主張する。
偏光と誤情報付着が密接な関係にあると仮定する。
論文 参考訳（メタデータ） (2022-06-30T12:34:24Z) - Visual Selective Attention System to Intervene User Attention in Sharing
COVID-19 Misinformation [2.7393821783237184]
本研究の目的は、視覚的選択的注意アプローチによって、ユーザの注意に介入することである。
結果は、インフォデミック・新型コロナウイルス(COVID-19)の誤報によるネガティブな影響に対処するため、ソーシャルメディアアプリケーションを開発するための基盤となることが期待されている。
論文 参考訳（メタデータ） (2021-10-26T08:41:03Z) - Characterizing User Susceptibility to COVID-19 Misinformation on Twitter [40.0762273487125]
本研究は、パンデミックのオンライン誤報に弱い人口を構成する人々への回答を試みる。
我々は、ソーシャルボットから、新型コロナウイルス関連の誤情報に関するさまざまなレベルのエンゲージメントを持つ人間まで、さまざまなタイプのユーザーを区別する。
次に、新型コロナウイルスの誤情報に対する感受性と相関する、ユーザのオンライン機能と状況予測を識別する。
論文 参考訳（メタデータ） (2021-09-20T13:31:15Z) - Categorising Fine-to-Coarse Grained Misinformation: An Empirical Study
of COVID-19 Infodemic [6.137022734902771]
社会行動アノテーションを含む微粒な誤情報ツイートデータセットを導入する。
このデータセットは、社会行動の分析を可能にするだけでなく、エビデンスベースまたは非エビデンスベースの誤情報分類タスクにも適している。
論文 参考訳（メタデータ） (2021-06-22T12:17:53Z) - Disinformation in the Online Information Ecosystem: Detection,
Mitigation and Challenges [35.0667998623823]
一般大衆の大多数は、ニュースや新型コロナウイルスの症状などの問題に関する情報など、ソーシャルメディアのプラットフォームに目を向けている。
偽情報検出と緩和の方向には、かなりの研究が進行中である。
新型コロナウイルスの感染拡大に伴う「不名誉」に焦点をあて、オンライン偽情報問題について論じる。
論文 参考訳（メタデータ） (2020-10-18T21:44:23Z) - 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) - Characterizing COVID-19 Misinformation Communities Using a Novel Twitter
Dataset [9.60966128833701]
競合する2つの誤報コミュニティを特徴付けるための方法論と分析について述べる。
我々の分析によると、新型コロナウイルスの誤報されたコミュニティは、情報のあるコミュニティよりも密集し、組織化されている。
我々の社会言語学的分析は、新型コロナウイルスに通知されたユーザーは誤報されたユーザーよりも多くの物語を使う傾向があることを示唆している。
論文 参考訳（メタデータ） (2020-08-03T11:44:22Z) - COVI White Paper [67.04578448931741]
接触追跡は、新型コロナウイルスのパンデミックの進行を変える上で不可欠なツールだ。
カナダで開発されたCovid-19の公衆ピアツーピア接触追跡とリスク認識モバイルアプリケーションであるCOVIの理論的、設計、倫理的考察、プライバシ戦略について概説する。
論文 参考訳（メタデータ） (2020-05-18T07:40:49Z) - Mining Disinformation and Fake News: Concepts, Methods, and Recent
Advancements [55.33496599723126]
偽ニュースを含む偽ニュースは 爆発的な成長により グローバルな現象になっています
偽情報や偽ニュースを検知する最近の進歩にもかかわらず、その複雑さ、多様性、多様性、事実チェックやアノテーションのコストが原因で、いまだに自明ではない。
論文 参考訳（メタデータ） (2020-01-02T21:01:02Z)
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。