論文の概要: GRID: Modeling Health Influencer Discourse as Argument Networks for Credibility Assessment

• arxiv url: http://arxiv.org/abs/2610.27149v1
• Date: Mon, 19 Oct 2026 18:42:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-21 21:58:47.459
• Title: GRID: Modeling Health Influencer Discourse as Argument Networks for Credibility Assessment
• Title（参考訳）: GRID:信頼度評価のための論証ネットワークとしての健康影響談話のモデル化
• Abstract要約: 本稿では,周囲の談話に対する集団推論を通じてインフルエンサーコンテンツを評価するフレームワークGRIDを紹介する。 専門家評価に基づく569のインフルエンサー・ビデオを用いて、エンドツーエンドの健康関連コンテンツ検証タスクにおけるGRIDの評価を行った。
• 参考スコア（独自算出の注目度）: 18.832399946153064
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Health-related discussions on social media are increasingly shaped by influencers who offer diverse, and often competing perspectives on the same issue. Yet, such content is typically evaluated in isolation, without considering the broader discourse in which it appears. We introduce GRID (Grounded Reasoning over Interconnected Discourse), a framework for evaluating influencer content through collective inference over the surrounding discourse. GRID represents each video as an argumentation graph connecting claims to its central message, or takeaway, links related claims and takeaways across videos, grounds claims in scientific evidence, and jointly infers credibility over the resulting network. We evaluate GRID on an end-to-end health-related content validation task using 569 influencer videos grounded in expert assessments. Our results show that accounting for the broader discourse improves influencer content validation. Finally, we use GRID-inferred credibility to demonstrate how argumentative strategies and moral framing differ between low- and high-credibility content.
• Abstract（参考訳）: ソーシャルメディアに関する健康に関する議論は、同じ問題に関して多様で、しばしば競合する視点を提供するインフルエンサーによって、ますます形作られつつある。 しかし、このような内容は一般的に、それを示すより広い言説を考慮せずに、孤立して評価される。 本稿では、周囲の談話に対する集団推論を通じてインフルエンサーコンテンツを評価するフレームワークGRID(Grounded Reasoning over Interconnect Discourse)を紹介する。 GRIDは、各動画を、その中心的なメッセージのクレーム、あるいはテイクアウトを接続する議論グラフとして表現し、ビデオ間のクレームとテイクアウトをリンクし、科学的証拠の根拠として主張し、結果のネットワーク上での信頼性を共同で推測する。 専門家評価に基づく569のインフルエンサー・ビデオを用いて、エンドツーエンドの健康関連コンテンツ検証タスクにおけるGRIDの評価を行った。 以上の結果から,より広範な談話のアカウンティングがインフルエンサーコンテンツ検証を改善することが示唆された。 最後に、GRID-inferred credibilityを用いて、議論的戦略と道徳的フレーミングが低レベルのコンテンツと高レベルのコンテンツの間でどのように異なるかを示す。

関連論文リスト

• Digital Persuasion: Understanding the Impact of Online Influencers on Public Opinion [0.6459652643027808]
  フリードキン・ジョンセン(FJ)に基づく枠組みの提案により、意見力学の問題を研究する。 提案フレームワークは,コミュニティ全体の意見に対する影響力とランダムなユーザの影響を評価する。 本研究では、ソーシャルメディア上のデジタルインフルエンサーが、主題や原因に関する世論を形成する方法を示す。
  論文  参考訳（メタデータ） (2026-09-13T10:10:29Z)
• GRASP: Deterministic argument ranking in interaction graphs [65.66879897437157]
  全体的判断はモデル間不一致に悩まされていることを示す。 この不安定性は、議論の複雑な相互作用構造を1つの不透明なスコアに崩壊させることから生じる。 安定な局所的相互作用判断をグローバルなランキングに集約する決定論的なフレームワークであるGRASPを提案する。
  論文  参考訳（メタデータ） (2026-05-18T21:49:02Z)
• TAIGR: Towards Modeling Influencer Content on Social Media via Structured, Pragmatic Inference [19.35061674485291]
  クレーム中心の検証手法は、インフルエンサーの言説の実践的な意味を捉えるのに苦労する。 本研究では,インフルエンサーの会話を3段階に分けて分析する構造的枠組みを提案する。 正確な検証には,対話の実践的かつ議論的な構造をモデル化する必要があることを示す。
  論文  参考訳（メタデータ） (2026-01-27T20:12:57Z)
• MMPersuade: A Dataset and Evaluation Framework for Multimodal Persuasion [73.99171322670772]
  LVLM(Large Vision-Language Models)は、ショッピング、健康、ニュースなどの分野に展開されている。 MMPersuadeはLVLMにおけるマルチモーダルパーサージョンダイナミクスを体系的に研究するための統一的なフレームワークを提供する。
  論文  参考訳（メタデータ） (2025-10-26T17:39:21Z)
• AI Feedback Enhances Community-Based Content Moderation through Engagement with Counterarguments [0.0]
  本研究は,AIを用いたハイブリット・モデレーション・フレームワークについて検討した。 その結果,フィードバックを取り入れることで音質が向上することがわかった。 この研究は、政治コンテンツモデレーションにおけるAIの役割に関する継続的な議論に寄与している。
  論文  参考訳（メタデータ） (2025-07-10T18:52:50Z)
• Improving Multilingual Retrieval-Augmented Language Models through Dialectic Reasoning Argumentations [65.11348389219887]
  そこで,Dialectic-RAG(Dialectic-RAG, DRAG)を提案する。 我々は、文脈内学習戦略と、より小さなモデルをインストラクションするための実演の構築の両方において、我々のフレームワークが与える影響を示す。
  論文  参考訳（メタデータ） (2025-04-07T06:55:15Z)
• Exploring the Jungle of Bias: Political Bias Attribution in Language Models via Dependency Analysis [86.49858739347412]
  大規模言語モデル(LLM)は、これらのモデルにおけるバイアスの頻度とその緩和に関する激しい議論を引き起こしている。 本稿では,意思決定プロセスに寄与する属性の抽出と仲介を行うためのプロンプトベースの手法を提案する。 観察された異なる治療は、少なくとも部分的には、属性の相違とモデルの相違によるものであることが判明した。
  論文  参考訳（メタデータ） (2023-11-15T00:02:25Z)
• Persua: A Visual Interactive System to Enhance the Persuasiveness of Arguments in Online Discussion [52.49981085431061]
  説得力のある議論を書く能力を高めることは、オンラインコミュニケーションの有効性と文明性に寄与する。 オンライン議論における議論の説得力向上を支援するツールの設計目標を4つ導き出した。 Persuaは対話型ビジュアルシステムであり、議論の説得力を高めるための説得戦略の例に基づくガイダンスを提供する。
  論文  参考訳（メタデータ） (2022-04-16T08:07:53Z)
• 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)
• Influence via Ethos: On the Persuasive Power of Reputation in Deliberation Online [10.652828373995513]
  オンライン上での個人間の協議は、投票、購入、寄付、その他の重要なオフライン行動を推進する意見を形成する上で重要な役割を果たす。 我々の研究は、個人の「意見」である$textitethos$の説得力を調べる。 個人の評判は、議論の妥当性、強さ、提示以上の説得率に大きな影響を及ぼすことがわかった。
  論文  参考訳（メタデータ） (2020-06-01T04:25:40Z)

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。