Mar, 2020

COVID-19 社交媒体信息疫情

PDF
TL;DR本研究通过分析 Twitter、Instagram、YouTube、Reddit、Gab 等社交媒体平台上信息扩散的情况，探讨了 COVID-19 话题的传播情况，并运用流行病学模型分析了每个社交媒体平台在信息传播方面的表现，发现每个平台都存在不同程度的虚假信息和谣言传播，但可靠和可疑来源的信息传播模式并无不同。最后，该研究提供了各社交媒体平台特定的谣言放大估计数值。
covid-19social media analysismisinformationrumorsepidemic models
发现论文，激发创造
  • Covid-19 信息疫情泛滥揭示了新的流行病学转折点和修订后的 $ R $ 公式

    使用 COVID-19 infodemic 的多平台数据，我们发现其在线传播涵盖了不同的动态机制，这种情况允许原本可能消失的材料进化甚至变异，并使网络成为迅速传播虚假 COVID-19 治疗、反亚洲情绪和阴谋论的超级传播者。我们提出了一种新的工具来防止不同尺度的 Infodemic 蔓延。

    Aug, 2020

  • 评估 COVID-19 疫情响应中 “信息疫情” 的风险

    通过分析世界各地发布的超过一亿条推特信息，研究人员发现在 COVID-19 大流行期间，波动的不可靠和低质量信息可以引发社会不合理行为和严重的公共卫生威胁， 而人们对虚假信息的反应表现出可以通过充分的沟通策略来缓解的早期警告信号。

    Apr, 2020

  • 社交网络信息疫情对抗新冠病毒 COVID-19 大流行的关键影响：基于 Twitter 的研究及未来方向

    通过大规模数据采集和分析，本文发现新冠疫情期间社交媒体的信息泛滥现象（infodemic）给医疗建议和经济造成了负面影响，因此应采取危机管理和社交网络管理策略，确保信息可靠和可信。

    May, 2020

  • Twitter 上 COVID-19 信息与误信息分享的初探

    初步发现 COVID-19 的社交媒体讨论数量与新病例的增长存在显著的时空关系。其中，关于谣言和低质量信息的讨论存在，但相较其他危机相关的主题，它们的存在不是很突出。

    Mar, 2020

  • 准确 COVID-19 信息与错误信息的大规模比较研究

    本文通过对超过 2.42 亿条推文的大规模计算分析，对 COVID-19 流言与准确信息的特征进行比较研究，并创建了 COVID-19 的流言分类数据集，研究发现该数据集可提高流言分类的正确率超过 9%。

    Apr, 2023

  • COVID-19 的 Instagram 首个数据集

    该研究提供了一个多语种的新冠病毒 Instagram 数据集，旨在帮助研究社区更好地了解 Instagram 这一主要社交媒体中这一现象背后的动态，并帮助研究这一疫情相关的错误信息的传播。

    Apr, 2020

  • 打击 COVID-19 信息疫情：从记者、事实核查人员、社交媒体平台、政策制定者和社会人士的角度建模

    该研究针对 COVID-19 信息滥用问题，发布了一份包含 16000 条人工标注推特的数据集，并通过预训练 Transformers 模型等方法获得了良好的评估结果，以解决多语言、多任务下的信息可信度问题。

    Apr, 2020

  • 社交媒体中对抗 COVID-19 疫情谣言的整体视角和紧急呼吁

    一篇关于 COVID-19 的论文，探讨了社交媒体如何在疫情期间传播信息以及如何避免信息污染。研究者提出了一种标注方案，通过众包的方式对社交媒体进行标注，成功地提高了标注基准的准确度。现在呼吁研究社区及其他人士加入这个标注项目，共同解决信息污染的问题。

    Jul, 2020

  • COVID-19 信息泛滥的英汉比较分析：来自社交媒体文本数据的洞见

    通过文本数据在社交媒体平台上提取英文和中文 COVID-19 信息传播现象的对比分析，揭示了 COVID-19 信息传播的常见讨论，并通过主题聚类分析和情感分析深入了解了各语言环境下的主要话题，从而有助于了解 COVID-19 信息传播现象并指导制定不同语言环境下的公共卫生危机期间打击谣言的策略发展。

    Nov, 2023

  • QCRI 的 COVID-19 虚假信息检测器：用于社交媒体上抗击 COVID-19 信息疫情的系统

    该研究致力于打击 COVID-19 的虚假信息传播，利用多方面的方法（例如 API 和演示系统）来帮助不同利益相关者识别和揭穿社交媒体平台上的假新闻。

    Mar, 2022