Nov, 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

HTML
PDF
TL;DR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。
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

  • 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

  • 群众在对抗错误信息中的作用：COVID-19信息疫情的案例研究

    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。

    Nov, 2020

  • 利用标签精炼从社交媒体话语中构建大规模的虚假信息标记数据集

    本研究提出一种基于新闻来源可信度标签的弱监督学习方法，通过自监督或重新标注等方式纠正可能存在的标签不准确性，构建大规模、多样化的新领域虚假信息数据集。同时，本文应用提出的方法提供了一个COVID-19疫苗虚假信息数据集。

    Feb, 2022

  • 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

  • 信息疫情遇上流行病：系统文献综述

    利用社交媒体进行生物监测能够提高流行病管理的实时性和效率，但需要更加可靠的应用程序用于疫情预测、公众舆论和虚假信息的管理，以及关注潜在的精神健康问题，预防措施在控制流行病方面变得至关重要。

    Oct, 2022

  • 基于强化学习的反误信息生成：以 COVID-19 疫苗误信息为例

    本论文旨在通过建立一个基于强化学习的生成式文本模型MisinfoCorrect来有效地纠正不实信息，在社交媒体和众包数据的基础上，创造了两个新的数据集，并通过定量和定性评估证明了该模型可以生成高质量的反驳回复，提高了礼貌性，事实性和反驳态度。

    Mar, 2023

  • 印度和美国 COVID-19 错误信息的情感特征及其对疫苗接种结果的影响

    本研究旨在揭示COVID-19期间不实信息的情感承载者在不同国家和时期的差异，以及其对接种率的影响，研究表明，不实信息的情感承载者因地理区域和时间的不同而异，对情感的监测可以开发战略干预以打击不实信息，提高公共健康水平。

    Jun, 2023

  • 提出一个概念框架：针对公共健康行为的社交媒体监听

    本研究旨在提出一个基于理论的新颖概念框架来进行虚假信息研究，该概念框架可用于更好地理解社交媒体上的公众言论，并可与其他数据分析相结合以获取更全面的画面。

    Jul, 2023

  • 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