社交媒体中对抗 COVID-19 疫情谣言的整体视角和紧急呼吁

Jul, 2020

社交媒体中对抗 COVID-19 疫情谣言的整体视角和紧急呼吁

Fighting the COVID-19 Infodemic in Social Media: A Holistic Perspective and a Call to Arms

Firoj Alam, Fahim Dalvi, Shaden Shaar, Nadir Durrani, Hamdy Mubarak...

TL;DR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。

Abstract

With the outbreak of the covid-19 pandemic, people turned to social media to read and to share timely information including statistics, warnings, advice, and inspirational stories. Unfortunately, alongside all this useful information, there was also a new blending of medical and politi

covid-19 infodemic misinformation fake news annotation

发现论文，激发创造

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

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

打击信息疫情：COVID-19 虚假新闻数据集

本研究通过人工确认 10,700 个社交媒体帖子和文章的真假，并使用决策树、逻辑回归、梯度提升和支持向量机 (SVM) 等四种机器学习方法将其进行基准测试。结果表明，使用 SVM 可以获得最佳性能，F1-score 为 93.46%。研究样本涉及 COVID-19 疫情下社交媒体中的假新闻和谣言。

Nov, 2020

COVID-19 社交媒体信息疫情

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。

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

利用最小监督理解 Facebook 上 COVID-19 疫苗宣传活动

本文提出一个最小化监督的多任务学习框架，用于理解在 Facebook 上与 COVID 疫苗相关的信息，包括广告主题和道德基础，通过更详细的主题分析来分析疫苗宣传在社交媒体上的信息策略，从而帮助政策制定者做出更好的流行病控制决策。

Oct, 2022

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 疫苗辩论分析的整体框架

该文章提出一种全面的分析框架来与 Covid-19 疫情相关的低质量信息和不良决策进行斗争，该框架连接立场和推理分析，以及细粒度实体级道德情感分析，并研究如何在学习过程中融入人类洞察力。实验证明，即使在低监督设置下，我们的框架也提供可靠的预测。

May, 2022

在社交媒体中应对健康误解：特征描述、检测、干预和开放问题

通过对现有研究的全面回顾，本文从特征化、检测和干预三个角度系统地组织了不同领域中有关在线健康信息误导的文献，并对在社交媒体上打击健康信息误导的紧迫开放问题进行了深入讨论，为跨学科研究提供未来方向。

Nov, 2022

通过 COVID-19 大流行的视角对在线流言背后的人类的观察性研究

在线谣言的泛滥已成为社会面临的最大威胁之一。本文采用时间序列分析技术和稳健的因果推断设计，对超过 3200 万条 COVID-19 推文和 1600 万条历史时间线推文进行了大规模观察性研究，旨在理解 COVID-19 期间传播谣言的用户行为和心理，并与大流行前在非 COVID 话题上分享谣言的历史倾向关联。我们的分析强调了跨主题谣言的复杂性，并突出了用户在分享新兴话题及其他方面的谣言行为与其历史倾向之间的积极关联。本研究可为设计面向用户的免疫策略和基于生态的敏捷干预措施提供有价值的基础，以有效应对在线谣言。

Oct, 2023