論文の概要: "Here's Your Evidence": False Consensus in Public Twitter Discussions of COVID-19 Science

• arxiv url: http://arxiv.org/abs/2401.13248v2
• Date: Mon, 13 May 2024 14:48:25 GMT
• ステータス: 処理完了
• システム内更新日: 2024-05-15 00:33:27.687615
• Title: "Here's Your Evidence": False Consensus in Public Twitter Discussions of COVID-19 Science
• Title（参考訳）: 公式Twitter上での「あなたのエビデンス」に関するFalse Consensus : COVID-19の科学に関する議論
• Authors: Alexandros Efstratiou, Marina Efstratiou, Satrio Yudhoatmojo, Jeremy Blackburn, Emiliano De Cristofaro,
• Abstract要約: プリプリントサーバからの抽象化のサンプルに基づいて,科学的コンセンサスを推定する。 アンチ・コンセンサス(反合意)の投稿や利用者は、概してプロ・コンセンサス(反合意)の投稿ほど多くはないが、Twitter上では圧倒的に過剰に表現されている。
• 参考スコア（独自算出の注目度）: 50.08057052734799
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The COVID-19 pandemic brought about an extraordinary rate of scientific papers on the topic that were discussed among the general public, although often in biased or misinformed ways. In this paper, we present a mixed-methods analysis aimed at examining whether public discussions were commensurate with the scientific consensus on several COVID-19 issues. We estimate scientific consensus based on samples of abstracts from preprint servers and compare against the volume of public discussions on Twitter mentioning these papers. We find that anti-consensus posts and users, though overall less numerous than pro-consensus ones, are vastly over-represented on Twitter, thus producing a false consensus effect. This transpires with favorable papers being disproportionately amplified, along with an influx of new anti-consensus user sign-ups. Finally, our content analysis highlights that anti-consensus users misrepresent scientific findings or question scientists' integrity in their efforts to substantiate their claims.
• Abstract（参考訳）: 新型コロナウイルス(COVID-19)のパンデミックは、一般大衆の間で議論されたこの話題に関する異例の科学論文を招いた。 本稿では,新型コロナウイルスの諸問題に関する科学的コンセンサスと公衆の議論が相反するかどうかを検討するため,混合メソドス分析を行った。 我々は,プリプリントサーバからの要約のサンプルに基づいて科学的コンセンサスを推定し,これらの論文に言及したTwitter上での公開討論の量と比較した。 アンチ・コンセンサス・ポストやユーザーは、全体としてはプロ・コンセンサス・ポストよりも少ないが、Twitter上では圧倒的に過剰に表現されているため、誤ったコンセンサス効果が生じる。 これは好意的な論文が不釣り合いに増幅され、新たなアンチ・コンセンサス・ユーザー登録が流入することによるものである。 最後に、我々のコンテンツ分析は、アンチ・コンセンサス利用者が、彼らの主張を裏付ける努力において、科学的発見や科学者の整合性を誤って表現していることを強調している。

関連論文リスト

• When Reviewers Lock Horn: Finding Disagreement in Scientific Peer Reviews [24.875901048855077]
  本稿では,ある記事のレビュアー間での矛盾を自動的に識別する新しいタスクを紹介する。 我々の知識を最大限に活用するために、ピアレビュアー間での意見の不一致を自動的に識別する最初の試みを行う。
  論文  参考訳（メタデータ） (2023-10-28T11:57:51Z)
• Estimating the Causal Effect of Early ArXiving on Paper Acceptance [56.538813945721685]
  我々は,論文の審査期間(初期arXiving)前にarXivingが会議の受理に与える影響を推定する。 以上の結果から,早期のarXivingは,論文の受容に少なからぬ影響を及ぼす可能性が示唆された。
  論文  参考訳（メタデータ） (2023-06-24T07:45:38Z)
• Scientific Opinion Summarization: Paper Meta-review Generation Dataset, Methods, and Evaluation [55.00687185394986]
  本稿では,論文レビューをメタレビューに合成する,科学的意見要約の課題を提案する。 ORSUMデータセットは、47のカンファレンスから15,062のメタレビューと57,536の論文レビューをカバーしている。 実験の結果,(1)人間による要約は,議論の深みや特定の領域に対するコンセンサスや論争の特定など,必要な基準をすべて満たしていないこと,(2)タスクの分解と反復的自己調整の組み合わせは,意見の強化に強い可能性を示唆している。
  論文  参考訳（メタデータ） (2023-05-24T02:33:35Z)
• The Intended Uses of Automated Fact-Checking Artefacts: Why, How and Who [12.55428670523982]
  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。
  論文  参考訳（メタデータ） (2023-04-27T14:55:23Z)
• The SAME score: Improved cosine based bias score for word embeddings [49.75878234192369]
  埋め込みにおけるセマンティックバイアスのための新しいバイアススコアであるPetを紹介した。 本研究は,下水道作業における意味バイアスを測定し,社会的バイアスの潜在的な原因を特定することができることを示す。
  論文  参考訳（メタデータ） (2022-03-28T09:28:13Z)
• 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)
• Reliability of Content and Echo Chambers on YouTube during the COVID-19 Debate [0.0]
  本稿では、YouTube上でのニュース消費を評価することで、新型コロナウイルスパンデミック時の情報拡散を調査することを目的とする。 我々は、政治的偏見とファクトチェックの指標でラベル付けされた68のYouTubeチャンネルがリリースした13,000本のビデオで、200万人以上のユーザーのエンゲージメントを分析した。
  論文  参考訳（メタデータ） (2021-06-16T10:44:29Z)
• News consumption and social media regulations policy [70.31753171707005]
  我々は、ニュース消費とコンテンツ規制の間の相互作用を評価するために、反対のモデレーション手法であるTwitterとGabを強制した2つのソーシャルメディアを分析した。 以上の結果から,Twitterが追求するモデレーションの存在は,疑わしいコンテンツを著しく減少させることがわかった。 Gabに対する明確な規制の欠如は、ユーザが両方のタイプのコンテンツを扱う傾向を生じさせ、ディスカウント/エンドレスメントの振る舞いを考慮に入れた疑わしいコンテンツに対してわずかに好みを示す。
  論文  参考訳（メタデータ） (2021-06-07T19:26:32Z)
• Misinformation Has High Perplexity [55.47422012881148]
  疑似クレームを教師なしの方法でデバンクするために, 難易度を活用することを提案する。 まず,これらの主張に類似した文に基づいて,科学的およびニュースソースから信頼性のある証拠を抽出する。 第2に,抽出したエビデンスを言語モデルにプライマリし,難易度スコアに基づいて与えられたクレームの正当性を評価する。
  論文  参考訳（メタデータ） (2020-06-08T15:13:44Z)
• An Exploratory Study of COVID-19 Misinformation on Twitter [5.070542698701158]
  新型コロナウイルス(COVID-19)パンデミックの間、ソーシャルメディアは誤報の本拠地となっている。 新型コロナウイルスの話題に関して,Twitter上での誤報の伝播,著者,内容に関する探索的研究を行った。
  論文  参考訳（メタデータ） (2020-05-12T12:07:35Z)

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。