FTR-18: Collecting rumours on football transfer news
本文介绍了正在进行的工作，创建一个多语言的足球转会新闻谣言数据集，FTR-18。体育媒体不断发布转会传闻。他们既可以损害球员或俱乐部的形象，也可以增加球员的市场价值。拟议的数据集包括用英语、西班牙语和葡萄牙语撰写的转移文章。它还包括与转会传闻有关的Twitter反应。FTR-18适用于谣言分类任务，并允许对体育新闻中使用的语言模式进行研究。
2018-11-30 cs.SI
Visualizing Communication on Social Media: Making Big Data Accessible
网络作为一种交流媒介的广泛采用使得在一个新的尺度上研究社会行为成为可能。借助Twitter等社交媒体网络，我们可以收集大量在线话语数据集。然而，社会科学研究人员和记者可能没有工具来理解大量数据或大型社交网络的结构。在本文中，我们描述了我们最近的扩展Truthy，一个收集和分析Twitter上的政治话语的系统。我们介绍了几个新的分析视角，在线话语的目标是促进个人之间的合作，在计算和社会科学。本文中描述的设计决策是由与印第安纳大学新闻学院的同事合作开发的真实用例激发的。
2012-02-07 cs.SI physics.soc-ph
Embedding Elites: Examining the Use of Tweets Embedded in Online News Articles across Reliable and Fringe Outlets
该研究采用混合方法分析可靠与边缘新闻媒体中嵌入推文的使用差异，发现两类媒体均常用推文传精英观点等，但边缘媒体嵌入推文更多且更常将其作为新闻源，补充了混合媒体系统相关研究。
2024-01-29 cs.CY cs.SI
FR-Detect: A Multi-Modal Framework for Early Fake News Detection on Social Media Using Publishers Features
University of Zanjan（赞詹大学）
近年来，随着互联网的扩张和有吸引力的社交媒体基础设施，人们更喜欢通过这些媒体关注新闻。尽管这些媒体在新闻领域拥有诸多优势，但由于缺乏任何控制和核查机制，导致假新闻泛滥，成为对民主、经济、新闻业和表达自由的最重要威胁之一。设计和使用自动方法来检测社交媒体上的假新闻已成为一项重大挑战。在本文中，我们研究了出版商在检测社交媒体上的假新闻方面的作用。我们还提出了一个高精度的多模态框架，即FR检测，使用用户相关和内容相关的功能与早期检测能力。为此目的，已为出版商引入两项与用户有关的新功能，即活动可信度和影响力。此外，还提供了一个基于文本级的卷积神经网络，以将这些特征与潜在文本内容特征适当地结合起来。实验结果表明，发布者的功能可以提高基于内容的模型的性能高达13%和29%的准确率和F1分数，分别。
2021-09-10 cs.CL cs.LG cs.SI
Database of Indian Social Media Influencers on Twitter
高度网络化的个人数据库在研究社交媒体上的叙事和影响力方面是不可或缺的。为了支持在印度的Twitter的研究，我们提出了一个系统分类的数据库的帐户的影响力在印度的Twitter上，确定和注释通过一个迭代的过程中的朋友，网络，和自我描述的个人资料信息，手动验证。我们基于一组种子账户的朋友网络建立了一组初始账户，这些种子账户是基于各个领域的真实世界声誉，然后多次滚雪球“朋友的朋友”，并根据组内连接的数量和总体追随者对个人进行排名。然后，我们将已识别的帐户手动分类为娱乐，体育，商业，政府，机构，新闻，在社交媒体之外具有独立地位的民间社会帐户，以及“数字第一”类别，指的是从在线活动中获得主要影响力的帐户。总的来说，我们在所有类别中注释了11580个独特的帐户。该数据库有助于研究与影响者在两极分化、错误信息、极端言论、政治话语等方面的作用有关的各种问题。
2022-05-05 cs.HC cs.SI
Characterizing Social Movement Narratives in Online Communities: The 2021 Cuban Protests on Reddit
社会运动以讲故事为主，因为叙事在参与这些运动的社区如何塑造他们的身份方面发挥着关键作用。因此，认识到不同社区的公认叙事是理解社会运动的核心。在这种情况下，记者在试图报道社会抗议活动时，面临着理解社交媒体中这些新兴叙事的挑战。因此，他们将受益于支持工具，使他们能够识别和探索这种叙述。在这项工作中，我们提出了一个叙事提取算法，从社会媒体，结合社区接受的概念。使用我们的方法，我们研究了2021年古巴抗议活动，并描述了五个相关社区。所提取的叙述在结构和内容上都因社区而异。我们的工作对社会运动、情报分析、计算新闻和错误信息研究都有影响。
2022-08-08 cs.HC cs.SI
A Dynamic Embedding Model of the Media Landscape
关于世界大事的信息通过各种各样的新闻渠道传播，每一种渠道在选择报道时都有具体的考虑。虽然这些媒体的多样性应确保各种观点，但最近的报告表明，媒体所有权日益集中可能使这一假设无效。这一观察激发了对所有权对全球媒体格局的影响及其对实际观众所获得的报道的影响的研究。为此，选择报道的事件已被证明是关于新闻生态系统的高层次结构的信息。然而，现有的方法只提供了一个静态的视图到一个固有的动态系统，提供表现不佳的统计模型，并阻碍了我们的媒体景观作为一个整体的理解。在这项工作中，我们提出了一种动态嵌入方法，该方法可以学习捕捉单个新闻源在选择报道事件时的决策过程，同时还可以系统地检测长时间内媒体格局中的大规模变化。在一个覆盖超过5.8亿真实世界事件提及的实验中，我们展示了我们的方法在预测方面优于静态嵌入方法。我们通过揭示并购、政策变化或全网络内容传播引起的节目编排的重要变化，展示了该方法在新闻监测应用和调查性新闻报道中的潜力。这些发现提供了证据，表明大型广播集团内部存在强烈的内容融合趋势，在媒体所有权日益集中的时代影响着新闻生态系统。
2019-04-16 cs.CY cs.SI
Vulnerable to Misinformation? Verifi!
我们提出了Verifi 2，一个视觉分析系统，以支持对社交媒体上的错误信息的调查。一方面，社交媒体平台通过使信息共享民主化来增强个人和组织的权能。另一方面，即使是消息灵通和经验丰富的社交媒体用户也容易受到错误信息的影响。为了解决这个问题，多个学科出现了各种模型和研究，以检测和理解错误信息的影响。然而，仍然缺乏直观和可访问的工具来帮助社交媒体用户区分错误信息和经过验证的新闻。在本文中，我们介绍了Verifi 2，这是一个视觉分析系统，它使用最先进的计算方法来突出文本，社交网络和图像的显著特征。通过Verifi 2中的多个协调视图在源级别上探索新闻，用户可以与表征错误信息的复杂维度进行交互，并对比真实和可疑新闻媒体在这些维度上的差异。为了评估Verifi 2，我们采访了数字媒体、新闻、教育、心理学和计算领域的专家，他们研究错误信息。我们的采访显示，Verifi 2作为错误信息教育工具的潜力很大。此外，我们的采访结果强调了打击错误信息问题的复杂性，并呼吁可视化社区开展更多工作。
2019-03-17 cs.HC cs.SI
Towards countering hate speech against journalists on social media
DataScouting；International Hellenic University（国际希腊大学）
在过去几年中，仇恨言论对社交媒体的破坏性影响显而易见，一些组织、研究人员和社交媒体平台试图以各种方式利用仇恨言论。尽管做出了这些努力，社交媒体用户仍然受到仇恨言论的影响。这个问题对于促进公共话语的社会群体，如记者，更加明显。在这项工作中，我们专注于打击针对新闻社交媒体账户的仇恨言论。为了做到这一点，一组记者收集了仇恨言论的定义，其中考虑到了新闻工作者的观点和通常针对记者的仇恨言论的类型。然后，我们编译了大量涉及多种语言的新闻相关账户的推文。为了根据定义注释未标记的推文池，我们遵循一个简洁的注释策略，涉及主动学习注释阶段。本文的成果是一个新颖的，公开可用的五种不同语言的Twitter数据集集合。此外，我们还尝试了最先进的深度学习架构来进行仇恨语音检测，并使用我们的注释数据集来训练和评估它们。最后，我们提出了一个集成检测模型，优于所有单独的模型。
2020-04-30 cs.IR cs.LG cs.SI
A Structured Analysis of Journalistic Evaluations for News Source Reliability
本文评估了 NewsGuard 和 The Global Disinformation Index 两种程序对在线媒体错误/虚假信息风险的评级，发现两者具有良好一致性，验证了程序正确性并为其自动化奠定基础。
2022-05-05 cs.CY cs.IR cs.SI
The impact of Twitter on political influence on the choice of a running mate: Social Network Analysis and Semantic Analysis -- A Review
Dedan Kimathi University of Technology（德丹·基马蒂科技大学）
在这个社交媒体的新时代，社交网络正在成为互联网上用户生成内容的越来越重要的来源。这类信息资源包含了很多人的感受、意见、反馈和评论，对大企业、市场、政治、新闻和许多其他领域都非常有用。政治是目前社交媒体网络上最受关注和欢迎的话题之一。许多政治家使用像Twitter这样的微博客服务，因为他们在这些网络上有大量的追随者和支持者。政治家、政党、政治组织和基金会使用社交媒体网络提前与公民沟通。今天，社交媒体被成千上万的政治团体和政治家使用。在这些社交媒体网络上，每个政治家和政党都有数百万的追随者，政治家们找到了新的和创新的方式来敦促个人参与政治。此外，社交媒体通过提供建议协助政治家进行各种决策过程，例如根据以往的经验制定政策和战略，为特定选区推荐和选择合适的候选人，为党内特定职位推荐合适的人选，以及根据公民对各种问题和争议的看法发起政治运动等。本文综述了在Twitter平台上使用社会网络分析（SNA）和语义分析（SA）来研究政治领导人的支持者网络，因为它可以在预测政治未来时帮助决策。
2022-07-31 cs.CL cs.SI
Intertwined Biases Across Social Media Spheres: Unpacking Correlations in Media Bias Dimensions
School of Information Sciences University of Illinois Urbana-Champaign Champaign, U.S.
该研究针对现有媒体偏见基准泛化能力不足的问题，构建了一个涵盖YouTube和Reddit五年数据的多维度偏见数据集，通过统计分析揭示了不同领域中偏见表达模式及相关性的差异，为多偏见检测系统奠定基础。
2024-08-27 cs.AI cs.CL cs.SI
Be In The Know: Connecting News Articles to Relevant Twitter Conversations
在数据驱动的新闻时代，数据分析可以提供工具来支持记者连接到新的和正在发展的新闻故事，例如，这一点在Twitter等微博上得到了回应，Twitter是一种新的公民驱动媒体。在本文中，我们提出了一个框架，用于跟踪和自动连接新闻文章的Twitter对话，捕捉Twitter的主题标签。例如，这样一个系统可以提醒记者注意Twitter上有很多反应的新闻，这样他们就可以调查这些对话，了解故事的新发展，将他们的文章推广给一组感兴趣的消费者，或者发现对故事的普遍看法。然而，将文章映射到适当的主题标签非常具有挑战性，因为文章与推文中使用的语言风格不同、新闻和推文的流媒体方面以及将某些推文术语标记为主题标签时的用户行为。作为一个案例研究，我们持续跟踪爱尔兰时报新闻文章的RSS提要和一个集中的Twitter流在两个月的时间内，并提出了一个系统，根据其Twitter的回声，为每篇文章分配标签。我们提出了一种机器学习方法来对文章标签对进行分类和排名。我们的实证研究表明，我们的系统提供了高精度的这项任务。
2014-05-13 cs.IR cs.SI physics.soc-ph
Instagrammable Data: Using Visuals to Showcase More Than Numbers on AJ Labs Instagram Page
新闻媒体正在开发专门用于吸引观众注意力的社交平台的格式，例如Instagram故事，Facebook即时文章和YouTube视频。在某些情况下，这些格式是与科技公司自己合作创建的。与此同时，数据驱动的故事讲述越来越多地融入新闻媒体日益复杂的商业模式，产生更大的影响力和可见度。以前的研究主要集中在分别研究这两种影响。为了解决文献中的这一空白，本文确定并分析了AJ Labs的Instagram内容上使用数据新闻的情况，该团队致力于为半岛电视台新闻网络制作数据驱动和互动故事。利用混合方法的方法，本研究探讨了社交媒体平台上的数据故事的使用和特点。研究结果表明，人们依赖于制作涵盖政治和暴力等主题的视觉内容。一般来说，AJ Labs依赖于信息图表的使用，并产生自己独特的数据。最后，本文提出了改进Instagram使用的潜在方法来讲述数据故事。
2022-10-13 cs.CY cs.DB cs.GR
Vax-Culture: A Dataset for Studying Vaccine Discourse on Twitter
Carleton University（卡尔顿大学）
本研究针对社交媒体上反疫苗错误信息传播问题，构建了含6373条推文及多维度人工标注的Vax-Culture数据集，定义五项基线任务并给出基于transformer模型的实验结果，助力公共卫生传播策略制定与错误信息自动检测。
2023-06-11 cs.CL cs.LG cs.SI
