Enabling News Consumers to View and Understand Biased News Coverage: A Study on the Perception and Visualization of Media Bias
众所周知，传统媒体报道政治新闻的方式存在偏见，可能会影响受众的政治信仰，甚至改变他们的投票行为。许多研究人员专注于自动检测和识别新闻中的媒体偏见，但只有很少的研究系统地分析这些偏见如何最好地可视化和传达。我们创建了三个手动注释的数据集，并测试不同的可视化策略。结果显示，与对照组相比，意识到治疗组的偏见没有强烈的影响，尽管手动注释偏见的可视化比框架可视化更有效地传达了偏见实例。向参与者展示一个概述页面，反对对同一主题的不同观点，不会产生受访者偏见感知的差异。通过多水平模型，我们发现记者偏见与文章的政治极端性和公正性有显著相关。
2021-05-20 cs.CY
Data-driven Approach to Measuring the Level of Press Freedom Using Media Attention Diversity from Unfiltered News
无国界记者组织每年发布的新闻自由指数（PFI）反映了政府和私营部门推动的新闻编辑室的恐惧和紧张局势。虽然PFI在监测全球媒体环境方面非常宝贵，但目前基于调查的方法在成本和时间方面对更新有固有的局限性。在这项工作中，我们介绍了另一种方法来衡量新闻自由的水平，使用媒体注意力的多样性，从未经过滤的新闻编译。
2017-04-05 cs.CY
Causal Understanding of Fake News Dissemination on Social Media
近年来，在计算假新闻检测方面取得了显着进展。为了减轻其负面影响，我们认为了解哪些用户属性可能导致用户分享假新闻至关重要。这个因果推理问题的关键是识别混杂因素--导致治疗之间虚假关联的变量（例如，用户属性）和结果（例如，用户敏感性）。在假新闻传播中，混淆因素可以通过与用户属性和在线活动内在相关的假新闻分享行为来表征。学习这样的用户行为通常受到容易在社交媒体上分享新闻的用户的选择偏差的影响。借鉴因果推理理论，我们首先提出了一种原则性的方法来减轻假新闻传播中的选择偏差。然后，我们将学习到的无偏见的假新闻分享行为视为代理混淆因素，可以完全捕获用户属性和用户易感性之间的因果关系。我们从理论上和经验上描述了所提出的方法的有效性，并发现它可能有助于保护社会免受假新闻的危害。
2021-07-14 cs.CY
Envisioning the Applications and Implications of Generative AI for News Media
本文基于新闻生产任务分类法，梳理生成式 AI 在报道全流程中支持记者与编辑的适用场景、伦理边界及未来设计启示。
2024-02-29 cs.CY
Bad Actor, Good Advisor: Exploring the Role of Large Language Models in Fake News Detection
Key Lab of Intelligent Information Processing of Chinese Academy of Sciences（中国科学院智能信息处理重点实验室）；Institute of Computing Technology, Chinese Academy of Sciences（中国科学院计算技术研究所）；University of Chinese Academy of Sciences（中国科学院大学）；National University of Singapore（新加坡国立大学）
本文研究大语言模型在假新闻检测中的作用，发现LLM虽能提供多视角理由但结论整合能力不足，提出让LLM作为小语言模型顾问的自适应理由引导网络ARG及其蒸馏版本ARG-D，在真实数据集上优于多种基线方法。
2024-01-22 cs.AI cs.CL cs.CY
Informing AI Risk Assessment with News Media: Analyzing National and Political Variation in the Coverage of AI Risks
本研究针对AI治理风险评估忽视社会系统性风险的问题，通过分析6国及美国左右翼媒体的AI风险报道差异，为风险评估者和政策制定者利用新闻媒体完善治理提供参考。
2025-07-31 cs.CY
Mediatised Participation: Citizen Journalism and the Decline in User-Generated Content in Online News Media
University of the Basque Country (UPV/EHU)（巴斯克大学）
本文通过系统文献综述，指出在线新闻媒体中用户生成内容衰落，公民新闻成失败创新，提出受众参与可定义为媒介化参与。
2026-08-12 cs.CY
Local Media and Geo-situated Responses to Brexit: A Quantitative Analysis of Twitter, News and Survey Data
社会辩论和政治结果受到新闻和社交媒体的影响，而新闻和社交媒体又受到商业和其他力量的影响。当地媒体正在衰落，造成了“新闻空白”。研究显示，英国各地区对欧盟成员国的经济依赖与他们在2016年英国欧盟成员国公投中的投票之间存在相反的关系，这引发了对当地意识的质疑。我们利用Twitter数据的语料库，这些数据已被注释为用户位置和Brexit投票意图，使我们能够调查位置，关注的主题和Brexit立场之间的关系。我们将此与来自地方和国家新闻媒体的大量文章以及调查数据进行比较，发现地方报道中明显不同的焦点的证据。在大多数地区，国家媒体比地方媒体更关注恐怖主义和移民问题。一些推特用户关注移民问题。当地新闻界关注贸易、失业、地方政治和农业。我们发现，在每个地区的基础上，剩下的选民的共同利益更符合当地媒体。
2020-06-23 cs.CY
Differences between Health Related News Articles from Reliable and Unreliable Media
在这项研究中，我们研究了一组由可靠和不可靠的媒体发表的与健康相关的新闻文章。我们的分析表明，可靠和不可靠的媒体进行健康新闻报道的方式存在结构，主题和语义差异。我们认为，这项研究的结果将有助于打击健康虚假信息问题。
2018-11-05 cs.CY cs.SI
Publishing patterns reflect political polarization in news media
数字新闻媒体依赖于各种外部撰稿人，从自由撰稿人到政治评论员，再到高管和政客。这些外部依赖性在新闻媒体之间建立了一个网络，沿着它们共享的贡献者进行追踪。利用网点之间的联系，我们展示了贡献者的出版轨迹如何与网点的政治倾向保持一致。我们还展示了渠道的两极分化集群如何转化为新闻报道主题和发表文章的风格和语气的差异。此外，我们展示了跨党派分歧的贡献者如何倾向于关注不太明确的政治话题。这项工作解决了媒体极化文献中的一个重要空白，强调新闻媒体生产方面的结构性因素如何创造一个由政治倾向塑造的生态系统，独立于任何一个人或组织的优先事项。
2021-01-14 cs.CY cs.SI
Three prophylactic interventions to counter fake news on social media
社交媒体上的假新闻破坏了民主制度和程序。特别是自2016年以来，来自许多学科的研究人员都专注于解决这一现象的方法。迄今为止，大部分研究重点是确定和理解社交网络内和之间的现象的性质，以及相当反应性的性质。我们提出的干预措施侧重于个人用户赋权，以及预防性（曝光前）而不是治疗性（曝光后）的社交媒体结构变化，目的是减少暴露于假新闻的人群。我们调查了在暴露于假新闻之前导致更大用户阐述（认知努力）的干预措施。我们提出了三种干预措施：i）心理接种，ii）培养数字和媒体素养，iii）征收用户交易成本。每一种干预措施都有望在信息评估中产生更大的认知努力，并减少创造、分享、喜欢和消费“假新闻”的可能性。
2021-05-19 cs.CY cs.HC
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
Open access institutional and news media tweet dataset for COVID-19 social science research
随着COVID-19迅速成为最受关注的全球危机之一，学术研究对数据的需求也在增加。目前，有几个开放获取的Twitter数据集，但没有一个是专门针对机构和新闻媒体的Twitter数据汇集，为了填补这一空白，我们检索了69个机构/新闻媒体Twitter账户的数据，其中17个与政府和国际组织有关，其中52个是北美，欧洲和亚洲的新闻媒体。我们相信我们的开放获取数据可以为研究人员提供更多的可用性来进行社会科学研究。
2020-04-03 cs.CY cs.DL cs.SI
FNR: A Similarity and Transformer-Based Approach to Detect Multi-Modal Fake News in Social Media
Sharif University of Technology（谢里夫理工大学）
社交媒体的可用性和互动性使其成为全球新闻的主要来源。社交媒体的普及诱使犯罪分子通过使用诱人的文字和误导性的图像制作和传播假新闻来追求他们的不道德意图。因此，验证社交媒体新闻和发现假货至关重要。这项工作旨在分析社交媒体中文本和图像的多模态特征，以检测假新闻。我们提出了一个假新闻揭示器（FNR）的方法，利用变换学习提取上下文和语义特征和对比损失，以确定图像和文本之间的相似性。我们在两个真实的社交媒体数据集上应用了FNR。实验结果表明，与以往的方法相比，该方法在检测假新闻方面具有更高的准确率。
2021-12-02 cs.CY cs.LG cs.MM
The Dual Personas of Social Media Bots
本文指出社交媒体机器人具有好坏双重属性，提出十五种分为内容与行为两类的代理人格，并建立好坏衡量标准，为机器人检测监管提供政策指南。
2025-08-10 cs.CY cs.SI
MediaGraph: A Network Theoretic Framework to Analyze Reporting Preferences in Indian News Media
Ashoka University（阿肖卡大学）
MediaGraph通过构建实体共现网络，从关系结构角度分析印度新闻媒体的报道偏好，揭示不同来源对同一事件报道的差异及农民领导人的代表性不足，引入链接可预测性作为补充度量。
2026-04-22 cs.CY cs.SI
Fringe News Networks: Dynamics of US News Viewership following the 2020 Presidential Election
Carnegie Mellon University（卡内基梅隆大学）；Maulana Abul Kalam Azad University of Technology（毛拉纳·阿布·卡拉姆·阿扎德理工大学）
在过去几十年中，美国选民日益增长的政治两极分化已经得到了广泛的研究和记录。在唐纳德·特朗普总统执政期间，对“假新闻”的指控使社交和新闻媒体不仅成为政治传播的手段，而且在前所未有的程度上成为政治传播的话题。使用2020年11月3日美国总统大选之前的数据，最近的工作证明了使用YouTube的社交媒体生态系统来深入了解美国政治极化程度以及这种极化与不同美国新闻网络提供的内容和评论性质之间的关系的可行性。本文以此为背景，考察了从美国总统大选到1月6日美国国会大厦发生暴力事件的64天里，新闻消费者与“边缘”新闻媒体之间的关系发生的急剧转变。本文提出了两种不同类型的贡献。首先是引入一种新的方法来分析大型社交媒体数据，以研究社会政治新闻网络及其观众的动态。第二个是提供关于美国政治社交媒体渠道及其观看率在这动荡的64天期间实际发生的事情的见解。
2021-01-22 cs.CL cs.CY
False News On Social Media: A Data-Driven Survey
在过去的几年里，研究界对社交网络上传播的虚假新闻问题越来越感兴趣。对虚假新闻的检测和定性的广泛关注是由这种威胁对现实世界的巨大冲击所激发的。事实上，社交媒体平台与传统新闻媒体相比具有独特的特点，特别有利于欺骗性信息的扩散。它们还对该主题的各种潜在干预措施提出了独特的挑战。随着这一问题成为全球关注的问题，它也越来越受到学术界的关注。这项调查的目的是全面研究社交媒体上传播的虚假新闻的检测、定性和缓解方面的最新进展，以及该领域未来研究面临的挑战和悬而未决的问题。我们使用数据驱动的方法，专注于在每项研究中用于表征虚假信息的特征的分类，以及用于指导分类方法的数据集。在调查的最后，我们强调了最有希望解决虚假新闻的新兴方法。
2020-01-28 cs.CY cs.SI
Media Bias Detector: Designing and Implementing a Tool for Real-Time Selection and Framing Bias Analysis in News Coverage
本文提出 Media Bias Detector，集成大型语言模型实时分析新闻文章的主题、语调、政治倾向和事实，并通过专家访谈与消费者调研验证了该工具在赋能用户批判性参与媒体内容方面的作用。
2025-04-28 cs.CY cs.HC
News and the city: understanding online press consumption patterns through mobile data
不断增加的移动连接影响着我们日常生活的方方面面，包括我们如何以及何时保持自己的信息和咨询新闻媒体。通过研究由智利一家主要电信公司提供的DPI（深度数据包检测）数据集，我们调查了智利圣地亚哥不同人群如何通过智能手机消费新闻媒体内容。我们发现，一些社会人口统计属性与特定的新闻媒体消费模式高度相关。特别是，教育和年龄在塑造消费者行为方面发挥着重要作用，即使在数字环境中，与大量关于离线媒体分销渠道的文献一致。
2020-05-02 cs.CY physics.soc-ph
Information Pathways in Online Science Communication: The Role of Platform Actors and News Media
University of Washington（华盛顿大学）；EPFL（洛桑联邦理工学院）；Information Sciences Institute, University of Southern California（南加州大学信息科学研究所）
研究分析了在线科学传播中平台参与者与新闻媒体的互动，揭示了信息流动的多层级路径及协调放大结构，揭示了科学传播动态的新见解。
2026-03-18 cs.CY cs.SI
Media Manipulations in the Coverage of Events of the Ukrainian Revolution of Dignity: Historical, Linguistic, and Psychological Approaches
Lviv Polytechnic National University（利沃夫国立理工大学）
本文基于历史、语言学与心理学方法，分析了乌克兰尊严革命期间在线报纸的媒体操纵行为，设计了媒体操纵检测算法并开发了应对信息攻击的方法。
2024-07-09 cs.CL cs.CY
Characterizing the Life Cycle of Online News Stories Using Social Media Reactions
本文对网络新闻的生存周期进行了研究。我们描述了网站访问模式和社交媒体对新闻内容的反应之间的相互作用。我们表明，我们可以使用这种混合观察方法来表征不同类别的文章。我们还发现，社交媒体的反应可以帮助预测未来的访问模式早期和准确。我们使用定性分析和定量分析对来自大型国际新闻网络的数据进行了验证，这些数据来自一组产生超过3，000，000次访问和200，000次社交媒体反应的文章。我们发现，通过观察社交媒体反应的前10到20分钟，可以准确地对文章最终获得的整体流量进行建模。仅通过访问就能达到同样的预测精度，这需要等待三个小时的数据。我们还描述了重大改进的准确性的早期预测的保质期的新闻故事。
2013-10-13 cs.CY cs.SI physics.soc-ph
Using Neural Network for Identifying Clickbaits in Online News Media
York University（约克大学）
在线新闻媒体有时会使用误导性的标题来诱使用户打开新闻文章。这些吸引用户但最终让他们失望的吸引人的标题被称为点击诱饵。由于点击诱饵自动检测在网络媒体中的重要性，许多机器学习方法被提出并用于发现点击诱饵标题。在这项研究中，提出了一个使用深度学习方法的模型来找到Clickbait Challenge 2017数据集中的点击诱饵。该模型在2017年的Clickbait挑战赛中获得了均方误差的第一名。此外，数据分析和可视化技术用于探索和发现所提供的数据集，以从数据中获得更多见解。
2018-06-20 cs.CL cs.CY cs.IR
When it Rains, it Pours: Modeling Media Storms and the News Ecosystem
University of Michigan（密歇根大学）
本文通过成对文章相似度模型构建近两年的媒体风暴语料库，在更细粒度上验证了媒体风暴的演变规律、主题分布及其对媒体报道和媒体间议程设置的影响。
2023-12-04 cs.CL cs.CY cs.SI
Combating Fake News with Interpretable News Feed Algorithms
如今，人工智能算法被用于大规模的定向和个性化内容分发，作为数字媒体环境中对注意力的激烈竞争的一部分。不幸的是，有针对性的信息传播可能导致知识孤立和歧视。此外，正如美国和欧盟最近的政治事件所表明的那样，恶意机器人和社交媒体用户可以以不同形式创建和传播有针对性的“假新闻”内容，以获得政治利益。从另一个方向来看，假新闻检测算法试图通过识别错误信息和欺诈性用户简档来解决这些问题。本文回顾了常见的新闻推送算法以及假新闻检测方法，并讨论了新闻推送算法如何被滥用来推广虚假内容，影响新闻多样性或影响可信度。我们回顾了新闻提要算法和推荐引擎如何使确认偏见将用户隔离到某些新闻来源并影响对现实的感知。作为一个潜在的解决方案，提高用户对内容如何选择或排序的认识，我们主张使用可解释和可解释的新闻提要算法。我们讨论了如何提高用户意识和系统透明度可以减轻社会媒体中回声室和气泡过滤器的不必要的结果。
2018-12-04 cs.CY cs.SI
Reaching the bubble may not be enough: news media role in online political polarization
不同国家的政治表现出不同程度的两极分化，这种分化在社交媒体上往往更为强烈，因为在网络上与志同道合的人联系和接触变得如此容易。减少两极分化的一种方法是在具有不同政治取向的个人之间传播跨党派新闻，即，“到达泡沫”。本研究调查这是否在巴西和加拿大的全国性选举的背景下举行。我们收集了2018年巴西总统大选和2019年加拿大联邦大选期间分享的与政治相关的推文。接下来，我们提出了一个更新的中心性指标，可以识别高度中心的气泡到达者，可以在具有不同政治观点的用户之间分发内容的节点-这是拟议研究的基本指标。在此之后，我们分析了用户如何参与泡沫接触者共享的新闻内容，其来源和主题，考虑其政治取向。在其他结果中，我们发现，即使新闻媒体传播的内容对政治光谱的不同方面感兴趣，用户也倾向于更多地参与与他们的政治取向一致的内容，无论主题如何。
2022-07-07 cs.CY cs.SI
Weakly Supervised Learning of Nuanced Frames for Analyzing Polarization in News Media
Purdue University（普渡大学）
在本文中，我们提出了一种最小监督的方法来识别政治分歧话题的新闻报道中的细微差别的框架。我们建议打破Boeastun等人提出的广泛的政策框架，将2014年划分为细粒度的子帧，可以更好地捕捉政治意识形态的差异。我们评估了建议的子帧及其嵌入，学习使用最小的监督，在三个主题，即移民，枪支管制和堕胎。我们展示了子帧捕捉意识形态差异和分析新闻媒体中的政治话语的能力。
2020-09-21 cs.AI cs.CL cs.CY
Multilingual Coarse Political Stance Classification of Media. The Editorial Line of a ChatGPT and Bard Newspaper
DFKI GmbH, Saarland Informatics Campus（德国人工智能研究中心（DFKI）有限公司，萨尔兰信息学园区）
本研究构建了一个多语种新闻语料库来训练立场分类器，发现ChatGPT生成的新闻文章编辑路线随时间演变，且其立场在不同语言间存在差异。
2023-10-25 cs.AI cs.CL cs.CY
Machine-Learning media bias
Massachusetts Institute of Technology（麻省理工学院）
我们提出了一种自动化的方法来测量媒体的偏见。仅根据不同短语的使用频率来推断哪一家报纸发表了给定的文章，这会导致一个条件概率分布，其分析可以让我们自动将报纸和短语映射到一个偏置空间中。通过分析来自大约100家报纸的大约100万篇文章，我们的方法将报纸映射到一个二维的偏见景观中，这个二维的偏见景观与以前基于人类判断的偏见分类非常一致。一个维度可以解释为传统的左右偏见，另一个可以解释为建立偏见。这意味着，尽管新闻偏见本质上是政治性的，但它的衡量标准不一定是政治性的。
2021-08-31 cs.CL cs.CY cs.LG
Which tweets 'deserve' to be included in news stories? Chronemics of tweet embedding
使用和选择用户生成的社交媒体内容，特别是推文，作为新闻来源，已成为新闻制作实践的一个组成部分。然而，仍然缺乏对新闻机构整合社交媒体使用的做法的性质的描绘和程度。这项研究的重点是媒体生态系统的即时性的压力，即，作为新闻媒体的组织实践，做出与社交媒体内容整合相关的选择。通过分析一个大型语料库的新闻媒体，嵌入推文，本研究分析了推文嵌入的做法，特别是侧重于时间顺序的概念，这里的概念化所需的时间嵌入推文。鉴于24/7新闻周期的持续压力，时间限制对新闻工作尤其紧迫。我们提出两个主要问题：哪些类型的渠道更快嵌入tweets，哪些类型的用户tweets更有可能被快速嵌入？
2022-11-16 cs.CY cs.HC cs.SI
A Study of Fake News Reading and Annotating in Social Media Context
假新闻的网上传播是威胁整个社会的一个重大问题。这种传播在很大程度上是通过新的媒体形式，即社交网络和在线媒体网站实现的。研究人员和从业者一直试图通过描述假新闻并设计自动检测方法来回答这个问题。到目前为止，检测方法只取得了有限的成功，主要是由于新闻内容和上下文的复杂性以及缺乏适当注释的数据集。提高自动错误信息检测方法效率的一种可能方法是模仿人类的检测工作。了解网络用户的新闻消费行为也很重要。在本文中，我们提出了一项眼动追踪研究，在这项研究中，我们让44名非专业参与者随意阅读包含新闻文章的社交媒体提要，其中一些是假的。在第二轮中，我们要求参与者决定这些文章的真实性。我们还描述了一项后续定性研究，其中有类似的场景，但这次有7名专家假新闻注释者。我们介绍了这两项研究的描述，结果数据集的特征（我们特此公布）和几个发现。
2022-04-26 cs.CY cs.HC cs.LG
Who Shares Fake News? Uncovering Insights from Social Media Users' Post Histories
本研究利用社交媒体用户发帖历史中的文本线索，识别假新闻分享者的语言特征，提升预测准确性，并探索基于权力感的广告干预以促进事实核查工具采用。
2024-07-22 cs.CL cs.CY cs.SI
Media Bias Matters: Understanding the Impact of Politically Biased News on Vaccine Attitudes in Social Media
School of Computing and AI, Arizona State University（亚利桑那州立大学计算与人工智能学院）；Department of Computer Science, University of Illinois Chicago（芝加哥伊利诺伊大学计算机科学系）；ByteDance Research（字节跳动研究院）
该研究分析疫苗立场对新闻选择和讨论参与的影响，以及政治偏见新闻对疫苗态度的作用，通过构建数据集并结合深度学习与因果推断，发现温和立场者更易受其影响，为相关研究提供关键见解。
2024-03-06 cs.CL cs.CY cs.SI
Machine-Made Media: Monitoring the Mobilization of Machine-Generated Articles on Misinformation and Mainstream News Websites
Stanford University（斯坦福大学）
本研究首次大规模监测机器生成新闻，发现2022至2023年间虚假信息网站合成文章激增474%，主流网站增57.3%，且增长集中于小网站，ChatGPT发布加剧此现象。
2024-03-20 cs.CY cs.LG cs.SI
KGAP: Knowledge Graph Augmented Political Perspective Detection in News Media
Xi’an Jiaotong University（西安交通大学）；University of Technology Sydney（悉尼科技大学）
随着政治评论的快速增长和政治意识形态的日益两极化，识别新闻媒体的政治观点已成为一项重要任务。以前的方法侧重于文本内容，而忽略了在视角检测过程中必不可少的丰富的社会和政治背景。为了解决这个限制，我们提出了KGAP，这是一种结合外部领域知识的政治观点检测方法。具体而言，我们构建了一个政治知识图谱，作为特定领域的外部知识。然后，我们构建异构的信息网络来表示新闻文件，联合模型的新闻文本和外部知识。最后，我们采用关系图神经网络，并进行政治观点检测作为图级分类。大量的实验表明，我们的方法始终达到最佳性能的两个现实世界的角度检测基准。消融研究进一步证实了外部知识的必要性和我们基于图的方法的有效性。
2022-05-17 cs.AI cs.CL cs.CY
How to Effectively Identify and Communicate Person-Targeting Media Bias in Daily News Consumption?
University of Konstanz（康斯坦茨大学）；Heidelberg Academy of Sciences and Humanities（海德堡科学与人文学院）；University of Zurich（苏黎世大学）；University of Wuppertal（伍珀塔尔大学）
有倾向性的新闻报道强烈地影响公众舆论。政治和相关问题的报道尤其如此，研究表明，新闻中的偏见可能会影响选举和其他集体决定。由于其可行的重要性，新闻报道长期以来一直在社会科学中进行研究，从而产生了描述它的综合模型和有效但昂贵的分析方法，例如内容分析。我们提出了一个正在进行的新闻推荐系统，这是第一个自动化的手动程序的内容分析，以揭示针对政策问题的新闻报道中的个人偏见。在一项大规模的用户研究中，我们发现了关于这个跨学科研究方向的非常有前途的结果。我们的推荐器检测并揭示了实际存在于个别新闻文章中的大量框架。相比之下，先前的工作只是促进了偏见的可见性，例如，通过区分左翼和右翼的出路。此外，我们的研究表明，推荐新闻文章，不同的框架事件显着提高受访者的偏见意识。
2021-10-18 cs.AI cs.CY cs.HC
Pilot Study Suggests Online Media Literacy Programming Reduces Belief in False News in Indonesia
在数字错误信息的威胁中，我们提供了一项关于在线社交媒体扫盲运动的有效性的试点研究，该运动旨在为印度尼西亚的个人提供帮助他们识别错误信息的技能。我们发现，参与我们的在线培训材料和教育视频的用户比对照组（总$N$ =1000）更容易识别错误信息。鉴于我们初步研究的结果令人鼓舞，我们计划扩大这一领域的努力，并借鉴从这一试点研究中吸取的经验教训。
2021-07-16 cs.CY cs.HC cs.SI
The Hidden Toll of Social Media News: Causal Effects on Psychosocial Wellbeing
研究揭示社交媒体新闻参与对心理社会幸福感的因果影响，发现不同参与方式产生系统性权衡，且书签行为对心理恶化影响更显著。
2026-01-20 cs.AI cs.CL cs.CY
Media Slant is Contagious
Paris School of Economics（巴黎经济学院）；ETH Zürich（苏黎世联邦理工学院）
本文研究媒体倾向性的传播，发现1995-2008年美国地方报纸的右翼倾向性受福克斯新闻频道（FNC）影响，FNC收视率越高，报纸倾向性越右倾，且效应随FNC对投票行为影响增强而逐渐显现。
2026-10-14 cs.CL cs.CY econ.GN
Mapping the Media Landscape: Predicting Factual Reporting and Political Bias Through Web Interactions
Idiap Research Institute（伊迪亚普研究所）；Brno University of Technology（布尔诺理工大学）
本文通过建模新闻媒体的超链接交互，利用四种强化学习策略预测事实报道与政治偏见，在来源媒体层面显著提升分类性能，并在 CLEF 2023 CheckThat! Lab 上优于已有结果，同时发布了最大规模的相关标注数据集。
2024-10-23 cs.AI cs.CY cs.LG
Reliability Estimation of News Media Sources: Birds of a Feather Flock Together
Idiap Research Institute（伊迪亚普研究所）；Brno University of Technology（布尔诺理工大学）
本文提出一种基于强化学习的新闻来源可靠性程度估计方法，通过建模新闻媒体在Web上的交互关系，在更大规模数据集上验证了其与记者评分的高度相关性及对可靠性标签的有效预测能力。
2024-04-15 cs.AI cs.CL cs.CY
Dataset of News Articles with Provenance Metadata for Media Relevance Assessment
Stanford University（斯坦福大学）
针对图像脱离语境或归属错误的媒体操纵问题，构建带出处标签的新闻图像数据集，并提出 LOR 与 DTOR 任务及六个 LLM 基线。
2025-06-11 cs.AI cs.CL cs.CV
