論文の概要: Easy-access online social media metrics can effectively identify misinformation sharing users

• arxiv url: http://arxiv.org/abs/2408.15186v1
• Date: Tue, 27 Aug 2024 16:41:13 GMT
• ステータス: 処理完了
• システム内更新日: 2024-08-28 13:03:51.381791
• Title: Easy-access online social media metrics can effectively identify misinformation sharing users
• Title（参考訳）: 簡単にアクセスできるオンラインソーシャルメディアメトリクスは、誤情報共有ユーザーを効果的に識別する
• Authors: Júlia Számely, Alessandro Galeazzi, Júlia Koltai, Elisa Omodei,
• Abstract要約: 高いツイート頻度は共有コンテンツの事実性の低さと正に関連しているのに対し、アカウント年齢はそれと負に関連していることがわかった。 以上の結果から,これらのソーシャル・ネットワークの指標を頼りにすることで,誤情報を拡散しやすいユーザを早期に識別する,低障壁なアプローチが実現する可能性が示唆された。
• 参考スコア（独自算出の注目度）: 41.94295877935867
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Misinformation poses a significant challenge studied extensively by researchers, yet acquiring data to identify primary sharers is costly and challenging. To address this, we propose a low-barrier approach to differentiate social media users who are more likely to share misinformation from those who are less likely. Leveraging insights from previous studies, we demonstrate that easy-access online social network metrics -- average daily tweet count, and account age -- can be leveraged to help identify potential low factuality content spreaders on X (previously known as Twitter). We find that higher tweet frequency is positively associated with low factuality in shared content, while account age is negatively associated with it. We also find that some of the effects, namely the effect of the number of accounts followed and the number of tweets produced, differ depending on the number of followers a user has. Our findings show that relying on these easy-access social network metrics could serve as a low-barrier approach for initial identification of users who are more likely to spread misinformation, and therefore contribute to combating misinformation effectively on social media platforms.
• Abstract（参考訳）: 誤報は研究者によって広く研究されている重要な課題であるが、一次株主を特定するためのデータを取得することは費用がかかり難い。 そこで本稿では,誤報の可能性が低いソーシャルメディア利用者を差別化するための低障壁アプローチを提案する。 これまでの研究から得られた知見を活かして、平均的な1日平均ツイート数、アカウント年齢といった、簡単にアクセスできるオンラインソーシャルネットワークのメトリクスが、X(以前はTwitterと呼ばれていた)上の潜在的な事実の少ないコンテンツスプレッダーを特定するのに役立つことを実証した。 高いツイート頻度は共有コンテンツの事実性の低さと正に関連しているのに対し、アカウント年齢はそれと負に関連していることがわかった。 また、その効果のいくつか、つまり、フォローしたアカウントの数と生成したツイート数も、ユーザーのフォロワー数によって異なることがわかった。 以上の結果から,これらのソーシャル・ネットワークの指標を頼りにすることで,誤情報を拡散しやすいユーザを識別し,ソーシャルメディア・プラットフォーム上で効果的に誤情報に対処できる可能性が示唆された。

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)
• ManiTweet: A New Benchmark for Identifying Manipulation of News on Social Media [74.93847489218008]
  ソーシャルメディア上でのニュースの操作を識別し,ソーシャルメディア投稿の操作を検出し,操作された情報や挿入された情報を特定することを目的とした,新しいタスクを提案する。 この課題を研究するために,データ収集スキーマを提案し,3.6K対のツイートとそれに対応する記事からなるManiTweetと呼ばれるデータセットをキュレートした。 我々の分析では、このタスクは非常に難しいことを示し、大きな言語モデル(LLM)は不満足なパフォーマンスをもたらす。
  論文  参考訳（メタデータ） (2023-05-23T16:40:07Z)
• 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)
• SOK: Seeing and Believing: Evaluating the Trustworthiness of Twitter Users [4.609388510200741]
  現在、どのニュースやユーザーが信頼できるか、どれがそうでないかを自動で判断する方法はない。 本研究では、Twitter上で5万人の政治家の行動を分析するモデルを作成しました。 政治Twitterのユーザを、ランダムな森林、多層パーセプトロン、サポートベクターマシンを使って、信頼あるいは信頼できないと分類した。
  論文  参考訳（メタデータ） (2021-07-16T17:39:32Z)
• The Impact of Disinformation on a Controversial Debate on Social Media [1.299941371793082]
  われわれは、移民に関するイタリアの議論において、Twitter上での偽情報の存在がいかに広まっているかを研究する。 TwitterユーザーをtextitUntrustworthinessスコアで特徴付けることで、このような悪い情報消費習慣がユーザー間で均等に分散されていないことが分かる。
  論文  参考訳（メタデータ） (2021-06-30T10:29:07Z)
• 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)
• Causal Understanding of Fake News Dissemination on Social Media [50.4854427067898]
  我々は、ユーザーがフェイクニュースを共有するのに、ユーザー属性が何をもたらすかを理解することが重要だと論じている。 偽ニュース拡散において、共同創設者は、本質的にユーザー属性やオンライン活動に関連する偽ニュース共有行動によって特徴づけられる。 本稿では,偽ニュース拡散における選択バイアスを軽減するための原則的アプローチを提案する。
  論文  参考訳（メタデータ） (2020-10-20T19:37:04Z)
• Exposure to Social Engagement Metrics Increases Vulnerability to Misinformation [12.737240668157424]
  ソーシャルエンゲージメント(ソーシャルエンゲージメント)への露出は、ユーザの誤情報に対する脆弱性を増大させる。 誤報の拡散を減らすため、われわれはソーシャルエンゲージメント指標の表示を再考するよう技術プラットフォームに求めている。
  論文  参考訳（メタデータ） (2020-05-10T14:55:50Z)
• Leveraging Multi-Source Weak Social Supervision for Early Detection of Fake News [67.53424807783414]
  ソーシャルメディアは、人々が前例のない速度でオンライン活動に参加することを可能にする。 この制限のないアクセスは、誤情報や偽ニュースの拡散を悪化させ、その緩和のために早期に検出されない限り混乱と混乱を引き起こす可能性がある。 ソーシャルエンゲージメントからの弱い信号とともに、限られた量のクリーンデータを活用して、メタラーニングフレームワークでディープニューラルネットワークをトレーニングし、さまざまな弱いインスタンスの品質を推定します。 実世界のデータセットの実験では、提案されたフレームワークは、予測時にユーザーエンゲージメントを使わずに、フェイクニュースを早期に検出するための最先端のベースラインを上回っている。
  論文  参考訳（メタデータ） (2020-04-03T18:26:33Z)
• Quantifying the Vulnerabilities of the Online Public Square to Adversarial Manipulation Tactics [43.98568073610101]
  ソーシャルメディアモデルを用いて、コンテンツの品質に対するいくつかの敵の操作戦術の影響を定量化する。 ソーシャルメディアの目印である影響力のあるアカウントの存在は、操作するオンラインコミュニティの脆弱性を悪化させる。 これらの知見は、プラットフォームがソーシャルメディアユーザーによる操作のレジリエンスを高めるために使われる可能性があることを示唆している。
  論文  参考訳（メタデータ） (2019-07-13T21:12:08Z)

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。