Nov, 2020

群众在对抗错误信息中的作用：COVID-19 信息疫情的案例研究

PDF
TL;DR本文研究了社交媒体上与 COVID-19 有关的虚假言论和事实检查，发现专业的事实检查虽然重要但可见性有限，而互联网用户通过众包的方式可以在社交平台上成功地反驳虚假言论。
fact checkingmisinformationsocial mediacovid-19crowdsourcing
发现论文，激发创造
  • 推特上 COVID-19 错信息的探索性研究

    为了更好地理解应对疫情时的危机管理实践，本研究对 Twitter 上 COVID-19 相关的虚假言论的传播、作者和内容进行了探索性研究，收集了自 2020 年 1 月至 7 月中旬以来被 92 个专业事实核查机构证实为虚假或部分虚假的言论，并发现虚假言论比部分虚假言论传播得更快，结果为对当前科学研究的空白提出了建议，同时也提出了对抗 COVID-19 疫情期间社交媒体虚假言论的对策。

    May, 2020

  • COVID-19 信息泛滥现象：群众能客观评断最近的错误信息吗？

    本篇研究探讨在 COVID-19 流行期间，利用众包的方式，通过多方评估来判断信息的真实性是否为一个有效和可靠的方法，并且研究人员发现，使用众包的方式可以高度准确地判断一句话的真实性。

    Aug, 2020

  • 推特上的众包事实核查：众筹与专家相比如何？

    本文研究了 Twitter 推出的大规模众包事实核查项目 BirdWatch，并发现在某些情况下，使用众包进行事实核查是一种有效的策略，可以与人类专家取得可比的结果，并具有可扩展性和效率优势。

    Aug, 2022

  • 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

  • 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

  • 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

  • 利用群众检测和减少虚假新闻和误导信息的传播

    本文提出了一种基于标记时间点过程的灵活表示方式，开发了一种可扩展的在线算法 Curb 来选择应该何时对故事进行事实核查以有效地减少假新闻和误导性信息的传播。

    Nov, 2017

  • 这是假消息”：探究推特用户对 COVID-19 虚假信息的自发辟谣行为

    研究发现社交媒体用户主动辟谣是缩短事实核查时间的行之有效的补充方法之一，然而主动辟谣存在政治偏见，并且被动辟谣比主动辟谣更快，大部分虚假信息未被辟谣

    Mar, 2022

  • 利用新型 Twitter 数据集表征 COVID-19 虚假信息社群

    针对 COVID-19 在线信息误导问题，本文分析并对比了在 Twitter 上两个竞争性的 COVID-19 信息社区：误导用户和知情用户，并通过网络结构分析、语言模式等方面对他们进行了表征和分类，发现误导社区较为紧密、有组织，并可能存在大量的虚假信息宣传活动，其中大部分误导用户可能是反对疫苗接种者。

    Aug, 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