論文の概要: Fear Doesn't Go Viral, It Lingers: Spread, Affect, and Discourse of Food-Fear Content on TikTok

• arxiv url: http://arxiv.org/abs/2610.33898v1
• Date: Sat, 24 Oct 2026 20:17:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-27 22:27:13.478421
• Title: Fear Doesn't Go Viral, It Lingers: Spread, Affect, and Discourse of Food-Fear Content on TikTok
• Title（参考訳）: Fearはウイルスではなく、TikTok上での食欲内容の広がり、影響、談話
• Abstract要約: 我々はTikTokで、毎日の食事と食べ物のコンテンツが拡散し、観客がそれにどう反応するかを調べた。 本研究は, プラットフォームが有害な健康コンテンツを求める場合, ウイルス性に基づく信号ではなく永続性に基づく信号を求めるものである。
• 参考スコア（独自算出の注目度）: 0.9457983087043118
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: TikTok has become a primary channel for nutrition information, and alongside evidence-based content, it hosts a growing stream of \emph{fear-based} wellness messaging that frames ordinary foods as ``toxic,'' ``poison,'' or things to ``never eat.'' Prior work has extensively studied political and public-health misinformation and audited the accuracy of health videos, but to the best of our knowledge, no work has examined how everyday food-fear content spreads and how audiences respond to it. To investigate this, we collected 97,234 TikTok food and nutrition videos, labeled them \textit{Fear} or \textit{Non-Fear} with a zero-shot multimodal classifier built on Gemini~3 Flash that is validated against human consensus (Cohen's $κ=0.81$), and analyzed more than 1.1M comments and 272K parent-reply pairs. Contrary to the intuition that fear ``goes viral,'' fear videos reach fewer people than non-fear videos. Their distinctive signature lies in dynamics: they are shared more per view (1.7--2.1$\times$ after controls) and their discussion persists longer (comment half-life 1.62$\times$ after controls). These shifts are modest in size but hold after controlling for reach. Comments on fear videos are more negative, angrier, and more disgusted, yet negativity is \emph{not} more self-reinforcing: negative comments draw negative replies at the same rate as in non-fear threads, while positive comments are far less likely to stay positive. Fear threads are contested rather than one-sided, with both more corrective and more alarm-amplifying replies. Fear discourse concentrates in frames about industrial ingredients, contaminants, and institutional distrust, and its repertoire of frames widens over 2020--2026. Our results argue for persistence-based rather than virality-based signals when platforms seek harmful health content.
• Abstract（参考訳）: TikTokは栄養情報の主要なチャネルとなり、エビデンスベースのコンテンツとともに、通常の食品を「`toxic」や「`poison」、あるいは「‘ever eat’(決して食べない)」と形容する「emph{fear-based} wellness messaging」が成長している。 「先行研究は、政治・公衆衛生の誤報を幅広く研究し、健康ビデオの正確さを検査してきたが、私たちの知る限り、日常的な食生活の展開とそれに対する観客の反応を調査する研究は行われていない。 これを調べるために、97,234本のTikTokの食品および栄養ビデオを収集し、Gemini~3 Flash上に構築されたゼロショットのマルチモーダル分類器(Cohen's $κ=0.81$)を用いてラベル付けした。 を恐れているという直感とは対照的に、ビデオは非フェイアビデオよりも少ない人々に届かない。 ビューごとに共有される(1.7--2.1$\times$ after control) と、その議論は長く続く(comment half-life 1.62$\times$ after control)。 これらのシフトは、サイズは控えめだが、リーチをコントロールした後に保留する。 恐怖ビデオに対するコメントは、より否定的、怒り的、嫌悪的だが、否定性はより自己強化的である: ネガティブなコメントは、非フェアスレッドと同じ速度でネガティブな反応を引き出すが、ポジティブなコメントは、よりポジティブなままである可能性がはるかに低い。 Fearスレッドは片側ではなく、より矯正的でアラームを増幅した応答で競合する。 恐怖談話は、工業資材、汚染物質、制度的不信に関するフレームに集中しており、2020年から2026年にかけてフレームのレパートリーが拡大している。 本研究は, プラットフォームが有害な健康コンテンツを求める場合, ウイルス性に基づく信号ではなく永続性に基づく信号を求めるものである。

関連論文リスト

• The Tone of Awareness: Topic, Sentiment, and Toxicity Maps During Mental Health Month on TikTok [1.0210993177391716]
  2023年と2024年にTikTok Research APIを通じて、28,341のTikTokビデオと80,130のコメントをメンタルヘルス意識月(5月)から収集しました。 我々は「音」を精神保健談話の感情的・対人的フレーミングとして特徴づける。 臨床症状, 感情開示, セルフケア, キャンペーン指向のコンテンツにまたがる, 数年にわたって連続するテーマの安定したセットを見出した。
  論文  参考訳（メタデータ） (2026-06-11T17:04:11Z)
• Video Reality Test: Can AI-Generated ASMR Videos fool VLMs and Humans? [48.99013330282699]
  Video Reality Test(ビデオ・リアリティ・テスト)は、ASMRがオープンソース化したビデオベンチマークスイートで、音声と視覚の密結合の下で知覚的リアリズムをテストする。 このベンチマークは、慎重にキュレートされた実際のASMRビデオに基づいて構築され、オブジェクト、アクション、バックグラウンドの多様性と細かなアクションオブジェクトのインタラクションをターゲットとしている。
  論文  参考訳（メタデータ） (2025-12-15T12:41:23Z)
• The Monetisation of Toxicity: Analysing YouTube Content Creators and Controversy-Driven Engagement [1.3108652488669736]
  本稿では, 論争, 毒性, 収益化の関連性に着目し, 論争を巻き起こす内容の定量的分析を行う。 16,349本の動画と1億5500万以上のコメントを含む、Redditの議論から抽出された20の議論のあるYouTubeチャンネルからなるキュレートされたデータセットを紹介します。 我々は、ビデオ記述からアフィリエイトマーケティングや直接販売を含む様々なモデルに収益化の手がかりを特定し、分類する。 以上の結果から,有毒なコメントは高いエンゲージメントと相関するが,収益化に悪影響を及ぼすことが明らかとなった。
  論文  参考訳（メタデータ） (2024-08-01T13:10:35Z)
• Analyzing Norm Violations in Live-Stream Chat [49.120561596550395]
  本研究は,ライブストリーミングプラットフォーム上での会話における規範違反を検出することを目的とした,最初のNLP研究である。 ライブストリームチャットにおける標準違反カテゴリを定義し、Twitchから4,583のコメントを注釈付けします。 以上の結果から,適切なコンテキスト情報がモデレーション性能を35%向上させる可能性が示唆された。
  論文  参考訳（メタデータ） (2023-05-18T05:58:27Z)
• YouTube COVID-19 Vaccine Misinformation on Twitter: Platform Interactions and Moderation Blind Spots [0.0]
  本研究は、新型コロナウイルスワクチン関連誤報の拡散におけるTwitterとYouTubeの関係について検討する。 我々は、以前容疑者情報を共有していたユーザーの間では、予防接種メッセージの優先権が残っていることを観察する。
  論文  参考訳（メタデータ） (2022-08-27T12:55:58Z)
• "COVID-19 was a FIFA conspiracy #curropt": An Investigation into the Viral Spread of COVID-19 Misinformation [60.268682953952506]
  我々は、自然言語処理モデルを用いて、誤報がCOVID-19パンデミックの進行にどのような影響を及ぼしたかを推定する。 我々は、広範囲に害をもたらす可能性のあるソーシャルメディアポストと戦うための戦略を提供する。
  論文  参考訳（メタデータ） (2022-06-12T19:41:01Z)
• 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)
• Online Hate: Behavioural Dynamics and Relationship with Misinformation [0.0]
  YouTubeビデオに100万以上のコメントが寄せられたコーパスでヘイトスピーチ検出を行います。 我々の結果は、ゴドウィンの法則に則って、オンラインの議論は、ますます有害な意見交換へと縮退する傾向にあることを示している。
  論文  参考訳（メタデータ） (2021-05-28T17:30:51Z)
• Characterizing Abhorrent, Misinformative, and Mistargeted Content on YouTube [1.9138099871648453]
  本稿では,YouTube上の問題コンテンツの度合いと,そのようなコンテンツの拡散における推奨アルゴリズムの役割について検討する。 分析の結果,幼児はランダムにプラットフォームを閲覧すると乱雑なコンテンツに遭遇する可能性が示唆された。 インセルの活動は時間とともに増加しており、プラットフォームはユーザーを極端なコンテンツへと導く上で積極的な役割を果たす可能性がある。
  論文  参考訳（メタデータ） (2021-05-20T15:10:48Z)
• Racism is a Virus: Anti-Asian Hate and Counterspeech in Social Media during the COVID-19 Crisis [51.39895377836919]
  新型コロナウイルスは、アジアのコミュニティをターゲットにしたソーシャルメディア上で人種差別や憎悪を引き起こしている。 我々は、Twitterのレンズを通して、反アジアヘイトスピーチの進化と普及について研究する。 私たちは、14ヶ月にわたる反アジア的憎悪と反音声のデータセットとして最大となるCOVID-HATEを作成します。
  論文  参考訳（メタデータ） (2020-05-25T21:58:09Z)

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。