Apr, 2020

冠状病毒时期的阴谋论：社交媒体和新闻中自动检测 Covid-19 阴谋论

PDF
TL;DR通过自动化机器学习方法和叙事理论，分析社交媒体上的谣言和阴谋论，揭示支撑这些谣言生成的基本叙事框架，及其如何与关于 Covid-19 疫情的报道相关，以寻找疫情报道中易被阴谋论重新解释的薄弱点。
rumorsconspiracy theoriescovid-19 pandemicsocial medianarrative theory
发现论文，激发创造
  • 检测 COVID-19 疫苗阴谋论

    该研究旨在揭示社交媒体上针对 COVID-19 疫苗的阴谋论。作者对与 COVID-19 疫苗有关的 598 个唯一样本评论进行了情感分析，并使用 BERT 模型和 Perspective API 发现了句子对 COVID-19 疫苗的情感和毒性。

    Nov, 2022

  • 科学与阴谋：（误）信息时代中的集体叙事

    研究发现，在社交媒体上，信息消费者聚集在具有类似信息消费模式的独特叙事周围，尤其是在涉及科学与替代新闻时；而传播虚假和嘲讽性信息与阴谋论的新闻的常规受众是最愿意与其互动的。

    Aug, 2014

  • 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

  • COVID-19 是 FIFA 所策划的阴谋 #腐败：一项关于 COVID-19 虚假信息传播的调查

    本文利用自然语言处理模型探讨并设计应对策略，研究社交媒体上错误消息传播对 COVID-19 疫情的影响。

    Jun, 2022

  • 虚假信息时代的情感动态

    该研究分析了社交媒体上针对科学和阴谋新闻的集体讨论和极化社区之间的情感动态，发现阴谋性文章的社交互动更倾向于负面评论，而随着评论数量的增加，文章的情感呈负面趋势。

    May, 2015

  • COVID-19 疫苗虚假信息宣传和社交媒体叙事

    通过研究社交媒体上的不实信息社区和叙事，我们找到了两个嫌疑团体（一个宣传 ' 大重置 ' 阴谋论和另一个宣传生物武器论），这些不实信息通常来自反疫苗和极右派社区，并且偏远的右派社区更受其影响，这也反映了美国左右两派接种疫苗的不平等情况。

    Jun, 2021

  • 在线讨论中集体叙事位移的发现

    本研究提出了一种系统的叙述性发现框架，通过改变点检测、语义角色标注（SRL）和叙事片段的自动聚合来解决大规模文本下叙述性的提取，并在两个 Twitter 语料库中评估了我们的模型，结果表明我们的方法可以恢复相应于重大事件的主要叙述转变。

    Jul, 2023

  • COVID-19 时代虚假新闻议程：通过事实核查内容识别趋势

    在 COVID-19 期间，社交媒体上的虚假信息泛滥，本研究针对巴西的事实核查机构使用一种 Markov-based 的计算方法来识别推文的话题，并揭示了这些机构揭穿的话题在政治和健康危机之间复杂交织的关系。

    Dec, 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

  • 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