論文の概要: Angry but Accurate: Detecting and Profiling the Counter-Misinformation Ecosystem on Twitter
- arxiv url: http://arxiv.org/abs/2607.02900v1
- Date: Fri, 03 Jul 2026 02:52:50 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-07 22:26:29.450635
- Title: Angry but Accurate: Detecting and Profiling the Counter-Misinformation Ecosystem on Twitter
- Title（参考訳）: Angry but Accurate: Twitter上のカウンターミス情報エコシステムの検出とプロファイリング
- Abstract要約: 反誤情報ポストは、反誤情報ポストよりも感情的にネガティブであることがわかった。
これらの違いはマグニチュードは控えめだが、否定的な感情の方向は一致している。
また、偽情報に反対する投稿は、より確立したユーザーから来る傾向にあることもわかりました。
- 参考スコア（独自算出の注目度）: 8.55996385205646
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: On social media, many users actively push back against false claims. Understanding who pushes back and how they do so matters, as this corrective activity is central to how misinformation is contested. We study this counter-misinformation ecosystem at scale: applying a domain-specific NLI model from our prior work to a large corpus of COVID-19 tweets, we classify 264,737 posts as supporting or opposing false claims and compare 23 user- and text-level features across the two groups. Contrary to the dominant assumption that negative emotion is a signature of falsehood, we find that anti-misinformation posts are more emotionally negative than pro-misinformation posts, with higher levels of anger, disgust, and sadness. These differences are modest in magnitude but consistent in direction across the negative emotions. We also find that posts opposing misinformation tend to come from more established users, i.e., older accounts, more followers, and higher listed counts.
- Abstract（参考訳）: ソーシャルメディアでは、多くのユーザーが積極的に虚偽の主張に反対している。
この是正活動は、偽情報がどのように争われているかの中心であるからである。
我々は、この反誤情報エコシステムを大規模に研究し、我々の以前の研究から新型コロナウイルスのツイートの大規模なコーパスにドメイン固有のNLIモデルを適用し、264,737の投稿を偽情報のサポートまたは反対として分類し、2つのグループで23のユーザーレベルとテキストレベルの特徴を比較した。
否定的感情が虚偽の徴候であるという支配的な仮定とは対照的に、反誤情報ポストは反誤情報ポストよりも感情的に否定的であり、怒り、嫌悪、悲しみのレベルが高い。
これらの違いはマグニチュードは控えめだが、否定的な感情の方向は一致している。
また、偽情報に反対する投稿は、より確立されたユーザー、すなわち古いアカウント、フォロワーの数、より高いリスト数から来る傾向にあることもわかりました。
関連論文リスト
- DISHONEST: Dissecting misInformation Spread using Homogeneous sOcial NEtworks and Semantic Topic classification [2.6356166840419717]
新型コロナウイルス(COVID-19)のパンデミックにより、Twitterなどのオンラインプラットフォームに誤報が拡散した。
我々は、Twitterのリツイートネットワークを使って、ソーシャルインタラクションやトピックモデリングを研究し、ツイートコンテンツを調査しています。
論文 参考訳（メタデータ） (2024-12-12T18:53:46Z) - Differential impact from individual versus collective misinformation tagging on the diversity of Twitter (X) information engagement and mobility [3.236485341473765]
Twitterの新機能であるCommunity Notesでは、偽情報のタグ付けが他のファクトチェッカーによってピアレビューされた。
集団的な誤情報タグ付けでは、ポスターは多様な情報のエンゲージメントから撤退する可能性が低い。
論文 参考訳（メタデータ） (2023-11-19T09:52:44Z) - 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) - 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) - Misinfo Belief Frames: A Case Study on Covid & Climate News [49.979419711713795]
読者がニュースの信頼性や誤った情報の影響をどのように認識するかを理解するための形式主義を提案する。
23.5kの見出しに66kの推論データセットであるMisinfo Belief Frames (MBF) corpusを紹介する。
大規模言語モデルを用いて誤情報フレームを予測した結果,機械生成推論がニュース見出しに対する読者の信頼に影響を及ぼすことがわかった。
論文 参考訳（メタデータ） (2021-04-18T09:50:11Z) - Predicting Misinformation and Engagement in COVID-19 Twitter Discourse
in the First Months of the Outbreak [1.2059055685264957]
新型コロナウイルス(COVID-19)関連ツイート50万件近くを調べ、ボット行動とエンゲージメントの機能として誤情報を理解する。
実際のユーザーは事実と誤情報の両方をツイートし、ボットは偽情報よりも比例的にツイートしていることがわかった。
論文 参考訳（メタデータ） (2020-12-03T18:47:34Z) - The Role of the Crowd in Countering Misinformation: A Case Study of the
COVID-19 Infodemic [15.885290526721544]
我々は、新型コロナウイルスのパンデミックに関連するツイート、誤報の拡散、プロの事実確認、そして新型コロナウイルスに関する一般的な誤解を招く主張に対する大衆の反応を分析することに重点を置いている。
我々は分類器を訓練して155,468件のCOVID-19関連ツイートのデータセットを作成し、33,237件の虚偽の主張と33,413件の反論を含む。
我々は、誤報ツイートの急増が、そうした誤報を否定する速報とそれに対応するツイートの増加をもたらすことを観察する。
論文 参考訳（メタデータ） (2020-11-11T13:48:44Z) - Right and left, partisanship predicts (asymmetric) vulnerability to
misinformation [71.46564239895892]
我々は、Twitter上でのニュース共有行動を研究することにより、パルチザン、エコーチャンバー、およびオンライン誤情報に対する脆弱性の関係を分析する。
誤情報に対する脆弱性は、左派と右派の両方のユーザーの党派の影響を強く受けている。
論文 参考訳（メタデータ） (2020-10-04T01:36:14Z) - Information Consumption and Social Response in a Segregated Environment:
the Case of Gab [74.5095691235917]
この研究は、COVID-19トピックに関するGab内のインタラクションパターンの特徴を提供する。
疑わしい、信頼できるコンテンツに対する社会的反応には、統計的に強い違いはない。
本研究は,協調した不正確な行動の理解と情報操作の早期警戒に関する知見を提供する。
論文 参考訳（メタデータ） (2020-06-03T11:34:25Z) - An Exploratory Study of COVID-19 Misinformation on Twitter [5.070542698701158]
新型コロナウイルス(COVID-19)パンデミックの間、ソーシャルメディアは誤報の本拠地となっている。
新型コロナウイルスの話題に関して,Twitter上での誤報の伝播,著者,内容に関する探索的研究を行った。
論文 参考訳（メタデータ） (2020-05-12T12:07:35Z) - Echo Chambers on Social Media: A comparative analysis [64.2256216637683]
本研究では,4つのソーシャルメディアプラットフォーム上で100万ユーザが生成した100万個のコンテンツに対して,エコーチャンバーの操作的定義を導入し,大規模な比較分析を行う。
議論の的になっているトピックについてユーザの傾きを推測し、異なる特徴を分析してインタラクションネットワークを再構築する。
我々は、Facebookのようなニュースフィードアルゴリズムを実装するプラットフォームが、エコーチャンバの出現を招きかねないという仮説を支持する。
論文 参考訳（メタデータ） (2020-04-20T20:00:27Z)
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。