論文の概要: The Dynamics of (Not) Unfollowing Misinformation Spreaders

• arxiv url: http://arxiv.org/abs/2401.13480v2
• Date: Sat, 17 Feb 2024 13:31:59 GMT
• ステータス: 処理完了
• システム内更新日: 2024-02-21 03:18:11.546031
• Title: The Dynamics of (Not) Unfollowing Misinformation Spreaders
• Title（参考訳）: unfollowing misinformation spreader のダイナミクス
• Authors: Joshua Ashkinaze, Eric Gilbert, Ceren Budak
• Abstract要約: 6ヶ月にわたって、9万人のフォロワーの頻度と予測者が、Twitter上の5万件の医療情報拡散をフォローしていないことを追跡した。 偽情報の結びつきが持続していることがわかりました。毎月の未フォロー率は0.52%に過ぎません。 一般的には頻度は低いが、偽情報の拡散に最も関係している要因は冗長性とイデオロギーである。
• 参考スコア（独自算出の注目度）: 2.507208850845142
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Many studies explore how people 'come into' misinformation exposure. But much less is known about how people 'come out of' misinformation exposure. Do people organically sever ties to misinformation spreaders? And what predicts doing so? Over six months, we tracked the frequency and predictors of ~900K followers unfollowing ~5K health misinformation spreaders on Twitter. We found that misinformation ties are persistent. Monthly unfollowing rates are just 0.52%. In other words, 99.5% of misinformation ties persist each month. Users are also 31% more likely to unfollow non-misinformation spreaders than they are to unfollow misinformation spreaders. Although generally infrequent, the factors most associated with unfollowing misinformation spreaders are (1) redundancy and (2) ideology. First, users initially following many spreaders, or who follow spreaders that tweet often, are most likely to unfollow later. Second, liberals are more likely to unfollow than conservatives. Overall, we observe a strong persistence of misinformation ties. The fact that users rarely unfollow misinformation spreaders suggests a need for external nudges and the importance of preventing exposure from arising in the first place.
• Abstract（参考訳）: 多くの研究は、人々がどのように誤情報にさらされるかを調査している。 しかし、人々がどのようにして誤情報にさらされるかについては、あまり知られていない。 人々は誤報拡散器と有機的に結びつくか? そして、何を予測しているのか? 6ヶ月以上にわたって、twitterの健康情報拡散者約5万人をフォローしていない9万人のフォロワーの頻度と予測を追跡した。 私たちは誤情報のつながりが永続的であることを発見した。 月間降格率は0.52%である。 言い換えると、誤情報の99.5%は毎月続いている。 また、誤情報スプレッダーをアンフォローするよりも、非誤情報スプレッダーをアンフォローする可能性が31%高い。 一般的には頻度は低いが, 偽情報の拡散に最も関与する要因は(1)冗長性と(2)イデオロギーである。 まず最初に、ユーザーはまず多くのスプレッドシートをフォローするか、あるいは頻繁にツイートするスプレッドシートをフォローしている。 第二に、リベラル派は保守派よりも控え目な傾向にある。 全体として、誤情報関係の強い持続性を観察する。 ユーザが誤情報スプレッダーをアンフォローすることは、外部の悪用の必要性と、そもそも露出が起こらないことの重要性を示唆している。

関連論文リスト

• Retweets Amplify the Echo Chamber Effect [7.684402388805108]
  我々はリツイートグラフを再構築し、エコーチャンバーと露出の尺度への影響を定量化する。 リツイートされたアカウントは、システマティックにより偏りのあるコンテンツを共有している。 以上の結果から,リツイートグラフを用いた研究はエコーチャンバー効果と偏光情報への露出を過大評価していることが示唆された。
  論文  参考訳（メタデータ） (2022-11-29T18:51:54Z)
• 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)
• Manipulating Twitter Through Deletions [64.33261764633504]
  Twitter上でのインフルエンスキャンペーンの研究は、公開APIを通じて得られたツイートから悪意のあるアクティビティを識別することに大きく依存している。 ここでは,1100万以上のアカウントによる10億以上の削除を含む,異常な削除パターンを網羅的かつ大規模に分析する。 少数のアカウントが毎日大量のツイートを削除していることがわかった。 まず、ツイートのボリューム制限が回避され、特定のアカウントが毎日2600万以上のツイートをネットワークに流すことができる。 第二に、調整されたアカウントのネットワークは、繰り返しのいいね!や、最終的に削除されるコンテンツとは違って、ランキングアルゴリズムを操作できる。
  論文  参考訳（メタデータ） (2022-03-25T20:07:08Z)
• Analyzing Behavioral Changes of Twitter Users After Exposure to Misinformation [1.8251012479962594]
  一般のTwitterユーザーが誤報に晒された後に行動を変えたかどうかを理解することを目的としている。 露出したユーザーの行動前後を比較して、投稿したツイートの頻度に大きな変化があったかどうかを判断する。 また,潜在的に影響を受けやすい2つの特定のユーザグループ,マルチ露光と極端な変更グループの特徴についても検討した。
  論文  参考訳（メタデータ） (2021-11-01T04:48:07Z)
• 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)
• Predicting Misinformation and Engagement in COVID-19 Twitter Discourse in the First Months of the Outbreak [1.2059055685264957]
  新型コロナウイルス(COVID-19)関連ツイート50万件近くを調べ、ボット行動とエンゲージメントの機能として誤情報を理解する。 実際のユーザーは事実と誤情報の両方をツイートし、ボットは偽情報よりも比例的にツイートしていることがわかった。
  論文  参考訳（メタデータ） (2020-12-03T18:47:34Z)
• Hate is the New Infodemic: A Topic-aware Modeling of Hate Speech Diffusion on Twitter [24.94135874070525]
  われわれは、Twitter上でヘイトスピーチの発生を誘発するユーザー行動を探究することに重点を置いている。 ツイート、リツイート、ユーザー活動履歴、フォロワーネットワークの大規模なデータセットをクロールします。 これらのダイナミクスを管理する情報の異なる信号の特徴付けを行う。
  論文  参考訳（メタデータ） (2020-10-09T05:43:08Z)
• Right and left, partisanship predicts (asymmetric) vulnerability to misinformation [71.46564239895892]
  我々は、Twitter上でのニュース共有行動を研究することにより、パルチザン、エコーチャンバー、およびオンライン誤情報に対する脆弱性の関係を分析する。 誤情報に対する脆弱性は、左派と右派の両方のユーザーの党派の影響を強く受けている。
  論文  参考訳（メタデータ） (2020-10-04T01:36:14Z)
• Russian trolls speaking Russian: Regional Twitter operations and MH17 [68.8204255655161]
  2018年、Twitterはロシアのトロルとして特定されたアカウントのデータを公開した。 我々はこれらのトロルのロシア語操作を分析する。 MH17の事故に関するトロルズの情報キャンペーンは、ツイート数で最大のものだった。
  論文  参考訳（メタデータ） (2020-05-13T19:48:12Z)
• 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)
• #MeToo on Campus: Studying College Sexual Assault at Scale Using Data Reported on Social Media [71.74529365205053]
  我々は、#トレンドが大学フォロワーのプールに与える影響を分析した。 その結果、これらの#ツイートに埋め込まれたトピックの大部分は、セクシャルハラスメントのストーリーを詳述している。 この傾向といくつかの主要地理的地域に関する公式な報告との間には大きな相関関係がある。
  論文  参考訳（メタデータ） (2020-01-16T18:05:46Z)

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。