論文の概要: Detecting Fallacies in Climate Misinformation: A Technocognitive Approach to Identifying Misleading Argumentation

• arxiv url: http://arxiv.org/abs/2405.08254v1
• Date: Tue, 14 May 2024 01:01:44 GMT
• ステータス: 処理完了
• システム内更新日: 2024-05-15 15:17:48.365705
• Title: Detecting Fallacies in Climate Misinformation: A Technocognitive Approach to Identifying Misleading Argumentation
• Title（参考訳）: 気候誤報における誤報の検出--誤報を識別するための技術認知的アプローチ
• Authors: Francisco Zanartu, John Cook, Markus Wagner, Julian Garcia,
• Abstract要約: 我々は、異なる種類の気候の誤報を誤報の推論にマッピングするデータセットを開発する。 このデータセットは、気候の誤報の誤報を検出するためにモデルをトレーニングするために使用される。
• 参考スコア（独自算出の注目度）: 0.6496783221842394
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Misinformation about climate change is a complex societal issue requiring holistic, interdisciplinary solutions at the intersection between technology and psychology. One proposed solution is a "technocognitive" approach, involving the synthesis of psychological and computer science research. Psychological research has identified that interventions in response to misinformation require both fact-based (e.g., factual explanations) and technique-based (e.g., explanations of misleading techniques) content. However, little progress has been made on documenting and detecting fallacies in climate misinformation. In this study, we apply a previously developed critical thinking methodology for deconstructing climate misinformation, in order to develop a dataset mapping different types of climate misinformation to reasoning fallacies. This dataset is used to train a model to detect fallacies in climate misinformation. Our study shows F1 scores that are 2.5 to 3.5 better than previous works. The fallacies that are easiest to detect include fake experts and anecdotal arguments, while fallacies that require background knowledge, such as oversimplification, misrepresentation, and slothful induction, are relatively more difficult to detect. This research lays the groundwork for development of solutions where automatically detected climate misinformation can be countered with generative technique-based corrections.
• Abstract（参考訳）: 気候変動に関する誤報は、技術と心理学の交差点で全体論的、学際的な解決を必要とする複雑な社会問題である。 提案された解決策の1つは、心理学とコンピュータ科学の研究の合成を含む「技術認知」アプローチである。 心理学的研究は、誤情報に対する介入には、事実に基づく(例えば、事実的説明)と技術に基づく(例えば、誤解を招く技術の説明)の両方のコンテンツが必要であると特定している。 しかし、気候の誤報の誤報を記録・検出する研究はほとんど行われていない。 本研究では,様々な種類の気候誤報から誤報を推論するデータセットを構築するために,以前に開発された批判的思考手法を適用した。 このデータセットは、気候の誤報の誤報を検出するためにモデルをトレーニングするために使用される。 本研究は,従来よりも2.5～3.5のF1スコアを示した。 検出するのが最も容易な誤報には、偽の専門家や逸話的議論が含まれるが、過度に単純化、誤表現、スロットフル誘導といった背景知識を必要とする誤報は、比較的検出が困難である。 本研究は, 自動的に検出された気候の誤報が生成技術に基づく補正に対処できるソリューション開発の基盤となる。

関連論文リスト

• Causal Representation Learning in Temporal Data via Single-Parent Decoding [66.34294989334728]
  科学的研究はしばしば、システム内の高レベル変数の根底にある因果構造を理解しようとする。 科学者は通常、地理的に分布した温度測定などの低レベルの測定を収集する。 そこで本研究では,単一親の復号化による因果発見法を提案し,その上で下位の潜伏者と因果グラフを同時に学習する。
  論文  参考訳（メタデータ） (2024-10-09T15:57:50Z)
• Contrastive Learning to Improve Retrieval for Real-world Fact Checking [84.57583869042791]
  ファクト・チェッキング・リランカ(Contrastive Fact-Checking Reranker, CFR)を提案する。 我々はAVeriTeCデータセットを活用し、証拠文書からの人間による回答とクレームのサブクエストを注釈付けする。 データセットの精度は6%向上した。
  論文  参考訳（メタデータ） (2024-10-07T00:09:50Z)
• ClimDetect: A Benchmark Dataset for Climate Change Detection and Attribution [5.672396746168209]
  ClimDetectは、毎日816万の気候スナップショットを標準化したデータセットです。 ClimDetectは、過去の研究で使われた様々な入力変数とターゲット変数を統合し、一貫性を確保する。 私たちのオープンアクセスデータとコードは、モデル評価の改善を通じて気候科学を進化させるためのベンチマークとして役立ちます。
  論文  参考訳（メタデータ） (2024-08-28T17:58:53Z)
• Generative Debunking of Climate Misinformation [9.274656542624662]
  この研究は、気候神話を入力として受け入れ、デバンキングを生み出す大きな言語モデルの開発を文書化している。 オープン (ミクサール, パーム2) とプロプライエタリ (GPT-4) の LLM を組み合わせ, 様々な複雑さの戦略を推し進める。 実験では、構造化プロンプトと組み合わせた場合、GPT-4とMixtralの有望な性能を示す。 高品質な真理サンドウィッチ・デバンキングのデータセット、ソースコード、およびデバンキングシステムのデモをリリースする。
  論文  参考訳（メタデータ） (2024-07-08T04:21:58Z)
• Missci: Reconstructing Fallacies in Misrepresented Science [84.32990746227385]
  ソーシャルネットワーク上の健康関連の誤報は、意思決定の貧弱さと現実世界の危険につながる可能性がある。 ミスシは、誤った推論のための新しい議論理論モデルである。 大規模言語モデルの批判的推論能力をテストするためのデータセットとしてMissciを提案する。
  論文  参考訳（メタデータ） (2024-06-05T12:11:10Z)
• Unlearning Climate Misinformation in Large Language Models [17.95497650321137]
  気候変動に関する誤報は、人類にとって最も深刻な脅威の1つに対処する上で、重要な障害となっている。 本稿では,気候情報に関する大規模言語モデル(LLM)の事実的精度について検討する。
  論文  参考訳（メタデータ） (2024-05-29T23:11:53Z)
• Modeling Information Change in Science Communication with Semantically Matched Paraphrases [50.67030449927206]
  SPICEDは、情報変化の度合いに注釈を付けた科学的な発見の最初のパラフレーズデータセットである。 SPICEDには、ニュース記事、ソーシャルメディアの議論、オリジナル論文の全文から抽出された6000の科学的発見ペアが含まれている。 SPICEDで訓練されたモデルは、実世界の科学的主張の事実チェックのための証拠検索において下流のパフォーマンスを改善する。
  論文  参考訳（メタデータ） (2022-10-24T07:44:38Z)
• Fact-Saboteurs: A Taxonomy of Evidence Manipulation Attacks against Fact-Verification Systems [80.3811072650087]
  証拠のクレームサレントスニペットを微調整し,多様かつクレームアラインな証拠を生成することが可能であることを示す。 この攻撃は、主張のポストホックな修正に対しても堅牢である。 これらの攻撃は、インスペクタブルとヒューマン・イン・ザ・ループの使用シナリオに有害な影響を及ぼす可能性がある。
  論文  参考訳（メタデータ） (2022-09-07T13:39:24Z)
• Attacking Open-domain Question Answering by Injecting Misinformation [116.25434773461465]
  質問応答モデル(QA)に対する誤報のリスクについて,オープンドメインQAモデルの誤報文書に対する感度について検討した。 実験により、QAモデルは誤情報による少量の証拠汚染に対して脆弱であることが示されている。 質問応答と誤情報検出を統合した誤情報認識型QAシステムの構築の必要性について論じる。
  論文  参考訳（メタデータ） (2021-10-15T01:55:18Z)
• ClimaText: A Dataset for Climate Change Topic Detection [2.9767565026354186]
  文に基づく気候変動トピック検出のためのデータセットであるtextscClimaTextを紹介した。 一般的なキーワードベースのモデルは、そのような複雑で進化するタスクには不十分であることがわかった。 我々の分析は、いくつかの面で改善する大きな可能性を明らかにしている。
  論文  参考訳（メタデータ） (2020-12-01T13:42:37Z)

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。