論文の概要: Leveraging Machine Learning Techniques to Investigate Media and Information Literacy Competence in Tackling Disinformation

• arxiv url: http://arxiv.org/abs/2604.09635v1
• Date: Fri, 20 Mar 2026 00:08:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-19 19:09:11.585036
• Title: Leveraging Machine Learning Techniques to Investigate Media and Information Literacy Competence in Tackling Disinformation
• Title（参考訳）: 情報処理におけるメディアリテラシーと情報リテラシー能力の調査のための機械学習手法の活用
• Authors: José Manuel Alcalde-Llergo, Mariana Buenestado Fernández, Carlos Enrique George-Reyes, Andrea Zingoni, Enrique Yeguas-Bolívar,
• Abstract要約: 本研究では,メディアリテラシー(メディアリテラシー,メディアリテラシー,メディアリテラシー,メディアリテラシー,情報リテラシー,メディアリテラシー,メディアリテラシー,メディアリテラシー,メディアリテラシー,メディアリテラシー,メディアリテラシー,メディアリテラシー,メディアリテラシー,メディアリテラシー,メディアリテラシー,メディアリテラシー)に関する機械学習モデルを構築した。 発見は、対象とする教育介入の設計や、学生がデジタル環境における偽情報を批判的にナビゲートし、応答する能力を高めるためのパーソナライズされた戦略を通知することができる。
• 参考スコア（独自算出の注目度）: 0.9786690381850356
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This study develops machine learning models to assess Media and Information Literacy (MIL) skills specifically in the context of disinformation among students, particularly future educators and communicators. While the digital revolution has expanded access to information, it has also amplified the spread of false and misleading content, making MIL essential for fostering critical thinking and responsible media engagement. Despite its relevance, predictive modeling of MIL in relation to disinformation remains underexplored. To address this gap, a quantitative study was conducted with 723 students in education and communication programs using a validated survey. Classification and regression algorithms were applied to predict MIL competencies and identify key influencing factors. Results show that complex models outperform simpler approaches, with variables such as academic year and prior training significantly improving prediction accuracy. These findings can inform the design of targeted educational interventions and personalized strategies to enhance students' ability to critically navigate and respond to disinformation in digital environments.
• Abstract（参考訳）: 本研究では,メディア・情報リテラシー(MIL, Media and Information Literacy, メディア・情報リテラシー)のスキルを評価する機械学習モデルを開発した。 デジタル革命は情報へのアクセスを拡大する一方で、誤ったコンテンツや誤解を招くコンテンツの拡散を増幅し、MILは批判的思考と責任あるメディアエンゲージメントを促進するのに不可欠である。 関連性にもかかわらず、偽情報に関するMILの予測モデルはまだ未定である。 このギャップに対処するため, 実証調査を用いて, 723名の学生を対象に, 教育・コミュニケーションプログラムにおける定量的研究を行った。 分類と回帰アルゴリズムを用いて,MIL能力の予測と鍵要因の同定を行った。 その結果、複雑なモデルはより単純なアプローチよりも優れており、学年や事前学習などの変数は予測精度を大幅に向上することがわかった。 これらの知見は、学生がデジタル環境における偽情報を批判的にナビゲートし、応答する能力を高めるために、対象とする教育介入の設計とパーソナライズされた戦略を通知することができる。

関連論文リスト

• Physics-Informed Neural Network with Adaptive Clustering Learning Mechanism for Information Popularity Prediction [54.483041939268766]
  本稿では,適応的なクラスタリング学習機構であるPIACNを用いて,情報カスケードの人気を予測する物理インフォームニューラルネットワークを提案する。 提案モデルでは,物理インフォームド手法による情報伝達のマクロパターンを初めてモデル化する。 本モデルは,情報の普及予測において,他の最先端手法よりも優れていた。
  論文  参考訳（メタデータ） (2026-03-20T03:16:07Z)
• Learn while Unlearn: An Iterative Unlearning Framework for Generative Language Models [52.40798352740857]
  3つのコアコンポーネントで構成されるICU(Iterative Contrastive Unlearning)フレームワークを紹介する。 知識未学習誘導モジュールは、未学習の損失を使用して、特定の知識を除去するためにターゲットとする。 Contrastive Learning Enhancementモジュールは、純粋な未学習の目標に対してモデルの表現力を保持する。 イテレーティブ・アンラーニング・リファインメントモジュールは、進行中の評価と更新を通じて、アンラーニングプロセスを動的に調整する。
  論文  参考訳（メタデータ） (2024-07-25T07:09:35Z)
• Enhancing Generative Class Incremental Learning Performance with Model Forgetting Approach [50.36650300087987]
  本研究は, ジェネレーティブ・クラス・インクリメンタル・ラーニング(GCIL, Generative Class Incremental Learning)への新たなアプローチを提案する。 我々は, 忘れる機構の統合により, 新たな知識獲得におけるモデルの性能が著しく向上することを発見した。
  論文  参考訳（メタデータ） (2024-03-27T05:10:38Z)
• Exploring the Landscape of Machine Unlearning: A Comprehensive Survey and Taxonomy [17.535417441295074]
  機械学習(ML)モデルによる予測の削除や修正の必要性から、機械学習(MU)が注目を集めている。 本稿では,現在の最先端技術とアプローチを網羅したMUの包括的調査を行う。 また、攻撃の高度化、標準化、転送可能性、解釈可能性、リソース制約など、対処すべき課題を強調している。
  論文  参考訳（メタデータ） (2023-05-10T12:02:18Z)
• 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)

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。