論文の概要: In Crowd Veritas: Leveraging Human Intelligence To Fight Misinformation

• arxiv url: http://arxiv.org/abs/2506.09221v1
• Date: Tue, 10 Jun 2025 20:25:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-13 06:35:02.072855
• Title: In Crowd Veritas: Leveraging Human Intelligence To Fight Misinformation
• Title（参考訳）: In Crowd Veritas: 誤情報と戦うために人間の知性を活用する
• Authors: Michael Soprano,
• Abstract要約: この論文は、オンライン情報の真偽を評価するために、人間の知性をどのように活用できるかを考察する。 誤情報評価、認知バイアス、自動化された事実チェックシステムという3つの分野に焦点を当てている。
• 参考スコア（独自算出の注目度）: 1.4821330660356777
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The spread of online misinformation poses serious threats to democratic societies. Traditionally, expert fact-checkers verify the truthfulness of information through investigative processes. However, the volume and immediacy of online content present major scalability challenges. Crowdsourcing offers a promising alternative by leveraging non-expert judgments, but it introduces concerns about bias, accuracy, and interpretability. This thesis investigates how human intelligence can be harnessed to assess the truthfulness of online information, focusing on three areas: misinformation assessment, cognitive biases, and automated fact-checking systems. Through large-scale crowdsourcing experiments and statistical modeling, it identifies key factors influencing human judgments and introduces a model for the joint prediction and explanation of truthfulness. The findings show that non-expert judgments often align with expert assessments, particularly when factors such as timing and experience are considered. By deepening our understanding of human judgment and bias in truthfulness assessment, this thesis contributes to the development of more transparent, trustworthy, and interpretable systems for combating misinformation.
• Abstract（参考訳）: オンライン誤報の拡散は民主主義社会に深刻な脅威をもたらす。 伝統的に、専門家のファクトチェックは調査プロセスを通じて情報の真偽を検証する。 しかし、オンラインコンテンツの量と即時性は、大きなスケーラビリティの課題をもたらしている。 クラウドソーシングは、非専門家の判断を活用することで、有望な代替手段を提供するが、バイアス、正確性、解釈可能性に関する懸念を導入する。 この論文は、誤情報評価、認知バイアス、自動化された事実チェックシステムという3つの分野に焦点をあて、オンライン情報の真正性を評価するために人間の知性をどのように活用できるかを考察する。 大規模なクラウドソーシング実験や統計的モデリングを通じて、人間の判断に影響を及ぼす重要な要因を特定し、真理性の予測と説明のためのモデルを導入する。 その結果, 専門的でない判断は, 特にタイミングや経験などの要因が考慮された場合, 専門家による評価とよく一致していることがわかった。 真理性評価における人間の判断と偏見の理解を深めることにより、この論文は、誤情報と戦うためのより透明性があり、信頼できる、解釈可能なシステムの開発に寄与する。

関連論文リスト

• Assessing the Potential of Generative Agents in Crowdsourced Fact-Checking [7.946359845249688]
  大規模言語モデル(LLM)は、ファクトチェックタスク全体で強いパフォーマンスを示している。 本稿では,伝統的にヒトの群集に予約されていた事実確認作業に,生成エージェントが有意義に寄与するかどうかを考察する。 エージェント・群衆は、誠実さの分類において人間の群衆より優れ、内部の一貫性が高く、社会的および認知的バイアスに対する感受性が低下している。
  論文  参考訳（メタデータ） (2025-04-24T18:49:55Z)
• 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)
• Mitigating Biases in Collective Decision-Making: Enhancing Performance in the Face of Fake News [4.413331329339185]
  これらのバイアスが偽ニュースの広範的問題に与える影響を、偽ニュースの見出しを識別する人間の能力を評価することによって検討する。 センシティブな特徴を含む見出しに焦点を合わせることで、人間の反応がバイアスによってどのように形作られるかを探るため、包括的なデータセットを集めます。 人口統計学的要因,見出しカテゴリー,情報の提示方法が人的判断の誤りに大きく影響していることを示す。
  論文  参考訳（メタデータ） (2024-03-11T12:08:08Z)
• GenAI Mirage: The Impostor Bias and the Deepfake Detection Challenge in the Era of Artificial Illusions [6.184770966699034]
  本稿では,認知バイアスが法医学およびデジタル法医学における意思決定に及ぼす影響について検討する。 バイアスを緩和し、意思決定を改善する既存の方法を評価する。 マルチメディアコンテンツの信頼性に疑問を呈する体系的な傾向として現れる小説「Impostor Bias」を紹介する。
  論文  参考訳（メタデータ） (2023-12-24T10:01:40Z)
• Unveiling the Hidden Agenda: Biases in News Reporting and Consumption [59.55900146668931]
  イタリアのワクチン論争に関する6年間のデータセットを構築し、物語と選択バイアスを特定するためにベイジアン潜在空間モデルを採用する。 バイアスとエンゲージメントの間に非線形な関係が見られ、極端な位置へのエンゲージメントが高くなった。 Twitter上でのニュース消費の分析は、同様のイデオロギー的な立場のニュースメディアの間で、一般的なオーディエンスを明らかにしている。
  論文  参考訳（メタデータ） (2023-01-14T18:58:42Z)
• 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)
• Adaptive cognitive fit: Artificial intelligence augmented management of information facets and representations [62.997667081978825]
  ビッグデータ技術と人工知能(AI)応用の爆発的な成長は、情報ファセットの普及に繋がった。 等角性や正確性などの情報フェートは、情報に対する人間の認識を支配的かつ著しく左右する。 認知の限界を克服するために情報表現を適応できる人工知能技術が必要であることを示唆する。
  論文  参考訳（メタデータ） (2022-04-25T02:47:25Z)
• Uncertainty as a Form of Transparency: Measuring, Communicating, and Using Uncertainty [66.17147341354577]
  我々は,モデル予測に関連する不確実性を推定し,伝達することにより,相補的な透明性の形式を考えることについて議論する。 モデルの不公平性を緩和し、意思決定を強化し、信頼できるシステムを構築するために不確実性がどのように使われるかを説明する。 この研究は、機械学習、可視化/HCI、デザイン、意思決定、公平性にまたがる文学から引き出された学際的レビューを構成する。
  論文  参考訳（メタデータ） (2020-11-15T17:26:14Z)
• Information Credibility in the Social Web: Contexts, Approaches, and Open Issues [2.2133187119466116]
  信頼性(英語: Cliability)とは、個人によって認識される品質であり、必ずしも自分の認知能力と偽の情報とを区別できるわけではない。 ソーシャルメディアにおける信頼性を自動的に評価するためのいくつかのアプローチが提案されている。
  論文  参考訳（メタデータ） (2020-01-26T15:42:43Z)

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。