論文の概要: Dharma, Data and Deception: An LLM-Powered Rhetorical Analysis of Cow-Urine Health Claims on YouTube

• arxiv url: http://arxiv.org/abs/2604.22606v1
• Date: Fri, 24 Apr 2026 14:31:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-27 15:36:26.505742
• Title: Dharma, Data and Deception: An LLM-Powered Rhetorical Analysis of Cow-Urine Health Claims on YouTube
• Title（参考訳）: LLMによる牛の健康問題に関するYouTube上のレトリック分析
• Authors: Sheza Munir, Ratna Kandala, Anamta Khan, Deepti, Joyojeet Pal,
• Abstract要約: 健康対策として牛尿(gomutra)を促進または消毒するYouTube転写産物100点について検討した。 我々は, GPT-4, GPT-4o, GPT-4.1, GPT-5, Gemini 2.5 Pro, Mistral Medium 3 を含む大規模言語モデル (LLMs) を用いて, 注釈を付加する。 我々の分析によると、プロモーターは主に効果のアピールと社会的証明に頼っているのに対し、デバンカーは権威と反感を強調している。
• 参考スコア（独自算出の注目度）: 2.4751701576209166
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Health misinformation remains one of the most pressing challenges on social media, particularly when cultural traditions intersect with scientific-sounding claims. These dynamics are not only global but also deeply local, manifesting in culturally specific controversies that require careful analysis. Motivated by this, we examine 100 YouTube transcripts that promote or debunk cow urine (gomutra) as a health remedy, focusing on rhetorical strategies such as appeals to authority, efficacy appeals, and conspiracy framing. We employ large language models (LLMs) including GPT-4, GPT-4o, GPT-4.1, GPT-5, Gemini 2.5 Pro, and Mistral Medium 3 to annotate transcripts using a 14-category taxonomy of persuasive tactics. Our analysis reveals that promoters predominantly rely on efficacy appeals and social proof, while debunkers emphasize authority and rebuttal. Human evaluation of a subset of annotations yielded 90.1\% inter-annotator agreement, confirming the reliability of our taxonomy and validation process. This work advances computational methods for misinformation analysis and demonstrates how LLMs can support large-scale studies of cultural discourse online.
• Abstract（参考訳）: 健康上の誤報は、特に文化的伝統が科学的に健全な主張と交わる場合に、ソーシャルメディア上で最も急進的な課題の1つとして残されている。 これらのダイナミクスはグローバルなだけでなく、深く局所的なものであり、慎重な分析を必要とする文化的に特定の論争に現れている。 そこで我々は,牛の尿(ゴムトラ)を健康的治療として促進または消毒するYouTubeの100本について,権威への訴え,効力ある訴え,陰謀フレーミングなどの修辞的戦略に焦点をあてた。 我々は, GPT-4, GPT-4o, GPT-4.1, GPT-5, Gemini 2.5 Pro, Mistral Medium 3を含む大規模言語モデル(LLM)を用いて,14カテゴリの説得的戦術の分類法を用いて, 注釈書の注釈付けを行う。 我々の分析によると、プロモーターは主に効果のアピールと社会的証明に頼っているのに対し、デバンカーは権威と反感を強調している。 アノテーションのサブセットの人間による評価は、アノテーション間の合意を90.1\%とし、我々の分類と検証プロセスの信頼性を確認した。 本研究は、誤情報分析のための計算手法を進歩させ、LLMがオンライン文化談話の大規模研究をどのように支援できるかを実証する。

関連論文リスト

• When Cow Urine Cures Constipation on YouTube: Limits of LLMs in Detecting Culture-specific Health Misinformation [2.4751701576209166]
  インドのYouTubeにおけるgomutra談話をケーススタディとして,ポストファクトのLarge Language Model(LLM)を用いた談話分析を提案する。 プロモーションコンテンツは、神聖な伝統言語と疑似科学的主張を融合させ、コンテンツそのものを高度に表現する方法を示す。 LLM支援談話分析における文化的能力は、即興技術だけでは再現できない。
  論文  参考訳（メタデータ） (2026-04-23T18:42:37Z)
• The Anatomy of Speech Persuasion: Linguistic Shifts in LLM-Modified Speeches [2.8649371010678606]
  本研究は,大規模言語モデルが公用語における説得性の概念をどのように理解しているかを,音声書き起こしの修正によって検討する。 我々は, GPT-4oに, 説得力を高めるか低下させるよう促すとともに, 特徴量の観点から, オリジナル音声と生成された音声の言語的変化を解析する。 以上の結果から, GPT-4oは, 説得性を人間のように最適化するよりも, 体系的な形式的な修正を施すことが示唆された。
  論文  参考訳（メタデータ） (2025-06-23T13:28:33Z)
• Debunking with Dialogue? Exploring AI-Generated Counterspeech to Challenge Conspiracy Theories [0.0]
  我々は,GPT-4o,Llama 3,Mistralが,構造化プロンプトによって提供される心理的研究から得られた対音声戦略を効果的に適用する能力を評価する。 以上の結果から, モデルはしばしば, 汎用的, 反復的, 表面的結果を生成することがわかった。 彼らは恐れを過度に認識し、しばしば事実、情報源、数字を幻覚させ、迅速な使用を問題にしている。
  論文  参考訳（メタデータ） (2025-04-23T10:32:45Z)
• Are We There Yet? Revealing the Risks of Utilizing Large Language Models in Scholarly Peer Review [66.73247554182376]
  大規模言語モデル(LLM)がピアレビューに統合された。 未確認のLLMの採用は、ピアレビューシステムの完全性に重大なリスクをもたらす。 5%のレビューを操作すれば、論文の12%が上位30%のランキングでその地位を失う可能性がある。
  論文  参考訳（メタデータ） (2024-12-02T16:55:03Z)
• Belief in the Machine: Investigating Epistemological Blind Spots of Language Models [51.63547465454027]
  言語モデル(LM)は、医療、法律、ジャーナリズムといった分野において、信頼できる意思決定に不可欠である。 本研究は,新しいデータセットであるKaBLEを用いて,GPT-4,Claude-3,Llama-3を含む現代のLMの能力を体系的に評価する。 まず、LMは事実シナリオで86%の精度を達成するが、その性能は偽シナリオで著しく低下する。 第二に、特にこれらの信念が事実データと矛盾する場合、LMは個人的信念を認識し、肯定するのに苦労する。
  論文  参考訳（メタデータ） (2024-10-28T16:38:20Z)
• PropaInsight: Toward Deeper Understanding of Propaganda in Terms of Techniques, Appeals, and Intent [71.20471076045916]
  プロパガンダは世論の形成と偽情報の拡散に重要な役割を果たしている。 Propainsightはプロパガンダを体系的に、技術、覚醒的魅力、そして根底にある意図に分解する。 Propagazeは、人間の注釈付きデータと高品質な合成データを組み合わせる。
  論文  参考訳（メタデータ） (2024-09-19T06:28:18Z)
• Exploring the Potential of the Large Language Models (LLMs) in Identifying Misleading News Headlines [2.0330684186105805]
  本研究では、誤解を招くニュースの見出しと誤解を招くニュースの見出しを識別する上で、LLM(Large Language Models)の有効性について検討する。 解析の結果,ChatGPT-4の精度は良好であった。
  論文  参考訳（メタデータ） (2024-05-06T04:06:45Z)
• Consistency Analysis of ChatGPT [65.268245109828]
  本稿では,ChatGPTとGPT-4の論理的一貫した行動に対する信頼性について検討する。 その結果,両モデルとも言語理解能力と推論能力が向上しているように見えるが,論理的に一貫した予測が得られないことが示唆された。
  論文  参考訳（メタデータ） (2023-03-11T01:19:01Z)

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。