研究论文

开放式访问

识别和标记社交媒体错误信息的个人偏好

作者:迪普托酒吧招待,凯文科迪勒、和欧文康兰作者信息和声明

UMAP’24：第32届ACM用户建模、自适应和个性化会议记录

2024年6月

页110-119

https://doi.org/10.1145/3627043.3659545

出版:2024年6月22日出版历史

所有格式 PDF格式

摘要

随着社交媒体努力应对虚假信息的扩散，标记系统成为重要的数字工具，提醒用户注意潜在的虚假信息，平衡言论自由。这些系统的效率取决于用户对所提供标志的解释和反应。本研究探讨了警告标志对用户感知的影响，评估了它们对感知信息准确性、共享内容倾向以及用户对这些警告的信任度的影响，尤其是在补充了事实检验解释后。通过一项由348名美国参与者参与的主题内实验，我们模拟了一个社交媒体feed，其中包含一系列与新冠肺炎相关的头条新闻，包括真假标题，在各种条件下——有旗帜，有旗帜和解释性文字，并且没有任何干预。解释性内容来源于与新闻条目的事实核对网站。我们的研究结果表明，虚假新闻被认为是不准确的标记或伴随解释性文字。解释性文本的出现与旗帜信任度的提高有关。值得注意的是，具有高度神经质和审慎认知思维风格的参与者对解释性文本和警告标志表现出更高的信任度。相反，具有保守倾向的参与者对社交媒体标记系统表现出不信任。这些结果强调了在标记机制中明确解释的重要性，并在其设计中支持以用户为中心的模型，强调透明度和参与度对于抵制社交媒体上的错误信息至关重要。

工具书类

[1]

D.M.J.Lazer，“虚假新闻的科学”，《科学》，第359卷，第6380号，第1094页，2018年3月。

[2]

J.Zarocostas，“如何与信息对抗”，《柳叶刀》，第395卷，第10225期，2020年2月。

[3]

J.Y.Cuan-Baltazar、M.J.Muñoz-Perez、C.Robledo-Vega、M.F.Pérez-Zepeda和E.Soto-Vega，“互联网上的新型冠状病毒误传：信息人类学研究”，《日本医学研究所公共卫生监督》，第6卷，第2期，第18444页，2020年4月。

[4]

Y.Roth和N.Pickles，“更新我们对误导性信息的处理方法”，查阅日期：2023年5月31日。[在线]。可用：https://blog.twitter.com/en_us/topics/product/2020/updating-our-approach-to-dillating-information（https://博客.twitter.com/en_us/主题/产品/2020/updation-our-aapproach-to误导信息）

[5]

M.Coscia和L.Rossi，“众包错误信息标记中政治偏见的扭曲”，J.R.Soc.Interface。，第17卷，第167号，第20200020页，2020年6月。

[6]

Y.Roth和N.Pickles，“符号和设备重要吗？虚假新闻旗和设备的符号选择对社交媒体平台上人类与虚假新闻交互的影响|爱思唯尔增强阅读器。”查阅日期：2023年2月27日。[在线]。可用：https://reader.elsevier.com/reader/sd/pii/S07747563223000559？token=E40CC6352D7CD31FCA3EF431525D1A87307987225EA45ECB36D3826EFDBE9685072E993BA9782522CBB1DF0B53A1FE&originRegion=eu-west-1&originCreation=20230227151516

[7]

K.Figl、S.Kießling和U.Remus，“符号和设备重要吗？虚假新闻旗和设备的符号选择对社交媒体平台上虚假新闻与人类交互的影响”，《人类行为中的计算机》，第144卷，第107704页，2023年7月。

数字图书馆

[8]

D.Gaozhao，“在社交媒体上标记虚假新闻：媒体消费者识别虚假新闻的实验研究”，《政府信息季刊》，第38卷，第3期，第101591页，2021年7月。

[9]

C.Lanius、R.Weber和W.I.MacKenzie，“使用机器人和内容标记限制社交网络中错误信息的传播：行为和态度调查”，Soc.Netw。分析。Min.，第11卷，第1期，第32页，2021年12月。

[10]

M.Gabielkov、A.Ramachandran、A.Chaintreau和A.Legout，“社交点击：在推特上阅读什么和谁？”，载于2016年ACM SIGMETRICS计算机科学测量和建模国际会议记录，Antibes Juan-les-Pins France:ACM，2016年6月，第179-192页。

数字图书馆

[11]

E.Anagnostopoulou、B.Magoutas、E.Bothos、J.Schrammel、R.Orji和G.Mentzas，“探索个性化移动应用中的说服、个性和移动类型之间的联系”，《说服技术：改变态度和行为的个性化技术的开发和实施》，第10171卷，P.W.de Vries，H。Oinas Kukkonen、L.Siemons、N.Beerlage de Jong和L.van Gemert Pijnen，编辑，《计算机科学讲义》，第10171卷，商会：施普林格国际出版社，2017年，第107–118页。

[12]

S.Halko和J.A.Kientz，“个性和说服技术：健康促进移动应用的探索性研究”，载于说服技术，第6137卷，T.Ploug、P.Hasle和H.Oinas-Kukkonen，Eds.，载于计算机科学讲义，第6137.卷，柏林，海德堡：施普林格-柏林-海德堡，2010年，第150–161页。

数字图书馆

[13]

Kiemute Oyibo、R.Orji、J.Ham、J.Nwokeji和A.Ciocarlan，“个性化说服技术：个性化幸福”，2021年。

[14]

R.Orji、L.E.Nacke和C.Di Marco，“走向个性化驱动的说服性健康游戏和游戏化系统”，载于2017年CHI计算机系统人为因素会议记录，美国科罗拉多州丹佛市：ACM，2017年5月，第1015-1027页。

数字图书馆

[15]

O.P.John、E.M.Donahue和R.L.Kentle，“五大清单”，《人格与社会心理学杂志》，1991年。

[16]

F.Sharevski、P.Jachim、E.Pieroni和N.Jachin，“VoxPop:校准（Mis）信息话语的实验性社交媒体平台”，摘自《新安全范式研讨会》，《美国虚拟事件：ACM》，2021年10月，第88–107页。

数字图书馆

[17]

G.Bansal，“整体是否超越了部分？人工智能解释对互补团队绩效的影响”，载于《2021年计算机系统中人为因素的CHI会议记录》，日本横滨：ACM，2021年5月，第1-16页。

数字图书馆

[18]

Z.Epstein、N.Foppiani、S.Hilgard、S.Sharma、E.Glassman和D.Rand，“解释是否增加了AI-Clowd生成的虚假新闻警告的有效性？”，第11页。

[19]

C.S.Traberg、J.Roozenbeek和S.van der Linden，“针对错误信息的心理接种：当前证据和未来方向”，《美国政治和社会科学院年鉴》，第700卷，第1期，第136-151页，2022年3月。

[20]

C.Sindermann、H.S.Schmitt、D.Rozgonjuk、J.D.Elhai和C.Montag，“虚假和真实新闻的评估：关于智力、人格、人际信任、意识形态态度和新闻消费的作用”，Heliyon，第7卷，第3期，第e06503页，2021年3月。

[21]

S.Frederick，“认知反思与决策”，《经济视角杂志》，第19卷，第4期，第25-42页，2005年11月。

[22]

K.S.Thomson和D.M.Oppenheimer，“调查认知反思测试的另一种形式”，《判断和决策》，第11卷，第1期，第15页，2016年。

[23]

B.Rammstedt和O.P.John，“在一分钟或更短时间内测量人格：英语和德语五大清单的10项简短版本”，《人格研究杂志》，第41卷，第1期，第203-212页，2007年2月。

[24]

G.Pennycook、J.Binnendyk、C.Newton和D.G.Rand，“对虚假新闻和错误信息进行行为研究的实用指南”，《大学：心理学》，第7卷，第1期，第25293页，2021年7月。

[25]

S.Altay、A.-S.Hacquin和H.Mercier，“为什么很少有人分享假新闻？这损害了他们的声誉”，《新媒体与社会》，第24卷，第6期，第1303-1324页，2022年6月。

[26]

G.Pennycook、A.Bear、E.T.Collins和D.G.Rand，“隐含的真相效应：在虚假新闻标题的子集上附加警告可提高无警告标题的感知准确性”，《管理科学》，第66卷，第11期，第4944-4957页，2020年11月。

数字图书馆

[27]

C.Martel、G.Pennycook和D.G.Rand，“对情绪的依赖促进了对虚假新闻的信仰”，Cogn。研究：Prin.Implic。，第5卷，第1期，2020年。

[28]

徐永乐、戴世诚、熊亚伟、库立伟，“解释是治疗方法吗？短期和长期的误报缓解”，arXiv，2023年10月26日。访问日期：2023年11月20日。[在线]。可用：http://arxiv.org/abs/2310.17711

[29]

E.C.Tandoc、D.Lim和R.Ling，“虚假信息的传播：社交媒体用户如何应对虚假新闻及其原因”，《新闻》，第21卷第3期，第3条，2019年8月。

建议

错误信息和事实检验下的语言信号：来自社交媒体用户评论的证据

在新闻环境中，错误信息和事实审查是对立的两种力量：前者制造错误，误导人们，而后者提供证据反驳前者。这些新闻文章经常发布在社交媒体上，吸引用户。。。
阅读更多信息
推特上社区事实核查错误信息的传播
CSCW公司

社交媒体上错误信息的传播是一个紧迫的社会问题，平台、政策制定者和研究人员仍在努力解决。作为一种对策，最近的工作建议在人群中雇用非专业的事实审查员来调查事实。。。
阅读更多信息
社交媒体上错误信息的传播

本研究考察了社交媒体上政治错误信息的动态传播过程，重点关注三个部分：时间模式、内容突变和错误信息来源。我们追踪了17个流行政治谣言的生命周期。。。
阅读更多信息

评论

信息和贡献者

问询处

发布于

封面图片ACM会议

UMAP’24：第32届ACM用户建模、自适应和个性化会议记录

2024年6月

338页

国际标准图书编号：9798400704338

DOI（操作界面）：10.1145/3627043

版权所有©2024所有者/作者。

本作品根据Creative Commons Attribution International 4.0许可证授权。

赞助商

出版商

计算机协会

美国纽约州纽约市

出版历史

出版：2024年6月22日

检查更新

作者标记

限定符

研究文章
研究
推荐有限公司

资金来源

会议

24年UMAP

赞助商：

UMAP’24:32第32届ACM用户建模、适应和个性化会议

2024年7月1日至4日

卡利亚里，意大利

接受率

633份提交文件中的总体接受率162份，26%

即将召开的会议

24年UMAP

赞助商：
西奇
西奇

第32届ACM用户建模、自适应和个性化会议

2024年7月1日至4日

卡利亚里，意大利

贡献者

其他指标

查看文章指标

文献计量学和引文

文献计量学

文章指标

0
引文总数
10
总下载次数

下载次数（过去12个月）10
下载次数（最近6周）10

其他指标

查看作者指标

引文

视图选项

查看选项

PDF格式

以PDF文件查看或下载。

电子阅读器

使用联机查看电子阅读器.

电子阅读器

HTML格式格式

在中查看本文HTML格式格式。

获取访问权限

登录选项

检查您是否可以通过登录凭据或您的机构访问本文。

完全访问权限

获取此出版物

媒体

数字

其他

桌子