論文の概要: Examining The CoVCues Dataset: Supporting COVID Infodemic Research Through A Novel User Assessment Study
- arxiv url: http://arxiv.org/abs/2602.00055v1
- Date: Mon, 19 Jan 2026 20:16:37 GMT
- ステータス: 情報取得中
- システム内更新日: 2026-02-08 13:51:22.86663
- Title: Examining The CoVCues Dataset: Supporting COVID Infodemic Research Through A Novel User Assessment Study
- Title（参考訳）: CoVCuesデータセットの検討:新しいユーザーアセスメント研究を通してCOVID-19情報デミック研究を支援する
- Authors: Shreetika Poudel, Ankur Chatterjee,
- Abstract要約: 私たちは、さまざまな画像アーティファクトのセットを表す、CoVCuesと呼ばれる新しいデータセットを作成しました。
我々は,これらのデータセット画像がユーザの認識した情報信頼性にいかに効果的に寄与するかを決定するために,予備的なユーザアセスメント研究を行った。
この研究から得られた知見は、私たちのCoVCuesデータセットを精査する上で貴重なフィードバックを提供するとともに、視覚的手がかりは未利用であるが、COVIDインフォデミックと戦うのに有用である、という私たちの主張をサポートするためにも役立ちます。
- 参考スコア（独自算出の注目度）: 0.0
- License:
- Abstract: The public confidence and trust in online healthcare information have been greatly dented following the COVID-19 pandemic, which triggered a significant rise in online health misinformation. Existing literature shows that different datasets have been created to aid with detecting false information associated with this COVID infodemic. However, most of these datasets contain mostly unimodal data, which comprise primarily textual cues, and not visual cues, like images, infographics, and other graphic data components. Prior works point to the fact that there are only a handful of multimodal datasets that support COVID misinformation identification, and they lack an organized, processed and analyzed repository of visual cues. The novel CoVCues dataset, which represents a varied set of image artifacts, addresses this gap and advocates for the use of visual cues towards detecting online health misinformation. As part of validating the contents and utility of our CoVCues dataset, we have conducted a preliminary user assessment study, where different participants have been surveyed through a set of questionnaires to determine how effectively these dataset images contribute to the user perceived information reliability. These survey responses helped provide early insights into how different stakeholder groups interpret visual cues in the context of online health information and communication. The findings from this novel user assessment study offer valuable feedback for refining our CoVCues dataset and for supporting our claim that visual cues are underutilized but useful in combating the COVID infodemic. To our knowledge, this user assessment research study, as described in this paper, is the first of its kind work, involving COVID visual cues, that demonstrates the important role that our CoVCues dataset can potentially play in aiding COVID infodemic related future research work.
- Abstract（参考訳）: 新型コロナウイルス(COVID-19)のパンデミックを受けて、オンライン医療情報に対する国民の信頼と信頼が大幅に低下し、オンライン健康上の誤報が著しく高まった。
既存の文献では、このCOVID-19インフォデミックに関連する偽情報を検出するために、さまざまなデータセットが作成されている。
しかしながら、これらのデータセットのほとんどは、主にテキストキューで構成されており、画像、インフォグラフィック、その他のグラフィックデータコンポーネントのような視覚的なキューではない。
以前の研究は、新型コロナウイルスの誤情報識別をサポートする少数のマルチモーダルデータセットしか存在せず、視覚的手がかりの組織化、処理、分析されたリポジトリが欠けているという事実を指摘している。
さまざまな画像アーティファクトの集合を表す新しいCoVCuesデータセットは、このギャップに対処し、オンラインの健康上の誤情報を検出するための視覚的手がかりの使用を提唱している。
我々は,CoVCuesデータセットの内容と有用性を検証するための予備的なユーザアセスメント調査を行った。
これらの調査回答は、異なる利害関係者グループがオンライン健康情報とコミュニケーションの文脈でどのように視覚的手がかりを解釈するかに関する初期の洞察を提供するのに役立った。
今回の新しいユーザアセスメント研究は、私たちのCoVCuesデータセットを精査する上で貴重なフィードバックを提供し、視覚的手がかりは未利用であるが、COVIDインフォデミックと戦うのに有用である、という私たちの主張をサポートするために役立ちます。
我々の知る限り、このユーザーアセスメント研究は、新型コロナウイルスの視覚的手がかりを含むこの種の研究の最初のものであり、私たちのCoVCuesデータセットが、COVIDインフォデミックに関連する将来の研究を支援する上で、潜在的に重要な役割を担っていることを証明している。
関連論文リスト
- Privacy-Aware, Public-Aligned: Embedding Risk Detection and Public Values into Scalable Clinical Text De-Identification for Trusted Research Environments [0.0]
直接的および間接的識別子がレコードタイプ,臨床設定,データフローによってどのように変化するかを示し,ドキュメントの実践の変化が時間とともにモデルのパフォーマンスを低下させるかを示す。
われわれの調査結果は、プライバシーリスクは文脈に依存し、累積的であり、適応的でハイブリッドな非識別アプローチの必要性を強調している。
論文 参考訳（メタデータ） (2025-06-01T17:45:57Z) - A Survey on Side Information-driven Session-based Recommendation: From a Data-centric Perspective [49.68029601454934]
セッションベースのレコメンデーションは、匿名ユーザの意図を予測する実践的な価値のために、注目を集めている。
サイド情報駆動セッションベースの推奨の中核は、多様なデータの発見と利用である。
本調査では,データ中心の観点から,この課題を包括的に概観する。
論文 参考訳（メタデータ） (2025-05-18T07:36:43Z) - In the Picture: Medical Imaging Datasets, Artifacts, and their Living Review [18.178774133733686]
本稿では,複数の医用画像アプリケーションにまたがる公開データセットとその関連研究成果を継続的に追跡するリビングレビューを提案する。
医用画像データセットの作成に関する重要な考察、データアノテーションのベストプラクティスの見直し、ショートカットの重要性と人口分布の多様性について議論し、ライフサイクル全体を通してデータセットを管理することの重要性を強調する。
論文 参考訳（メタデータ） (2025-01-18T11:03:59Z) - Visual Data Diagnosis and Debiasing with Concept Graphs [50.84781894621378]
視覚データセットにおける概念共起バイアスの診断と緩和のためのフレームワークであるConBiasを提案する。
このような不均衡を緩和し,下流タスクの性能向上につながることを示す。
論文 参考訳（メタデータ） (2024-09-26T16:59:01Z) - Can Pre-trained Vision and Language Models Answer Visual
Information-Seeking Questions? [50.29862466940209]
情報検索に適した視覚的質問応答データセットであるInfoSeekを紹介する。
事前学習した様々な視覚的質問応答モデルを分析し,その特徴について考察する。
関連文書を検索することでInfoSeekの性能を向上させるために,正確な視覚的実体認識が利用できることを示す。
論文 参考訳（メタデータ） (2023-02-23T00:33:54Z) - A Survey on Bias in Visual Datasets [17.79365832663837]
コンピュータビジョン(CV)は、いくつかのタスクにおいて人間よりも優れた成果を上げている。
CVシステムは、供給されるデータに大きく依存し、そのようなデータ内のバイアスを学習し、増幅することができる。
しかし、現時点では、ビジュアルデータセットのバイアスに関する包括的な調査は行われていない。
論文 参考訳（メタデータ） (2021-07-16T14:16:52Z) - Deep Co-Attention Network for Multi-View Subspace Learning [73.3450258002607]
マルチビューサブスペース学習のための深層コアテンションネットワークを提案する。
共通情報と相補情報の両方を敵意で抽出することを目的としている。
特に、新しいクロス再構成損失を使用し、ラベル情報を利用して潜在表現の構築を誘導する。
論文 参考訳（メタデータ） (2021-02-15T18:46:44Z) - Measuring Data Collection Diligence for Community Healthcare [23.612133021992868]
地域保健従事者(CHW)による非宗教的データ収集は、発展途上国において重要な課題である。
本研究では,データ収集のディリジェンススコアを定義し,テストする。
インドにおけるNGOのフィールドモニタを用いて,本フレームワークを地上で検証した。
論文 参考訳（メタデータ） (2020-11-05T16:45:03Z)
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。