Profiling Fake News Spreaders on Social Media through Psychological and Motivational Factors
过去十年假新闻的兴起带来了一系列后果，从对选举的摇摆不定的意见到在大流行期间产生的不确定性。大多数用于打击虚假信息的方法要么关注假新闻内容，要么关注制造假新闻的恶意行为者。然而，假新闻的病毒式传播在很大程度上取决于传播假新闻的用户。对这些用户的深入了解有助于开发一个框架，用于识别可能传播假新闻的用户。在这项工作中，我们研究了社交媒体上假新闻传播者的特征和动机因素，并从心理学理论和行为研究中获得了输入。然后，我们进行了一系列实验，以确定是否可以发现假新闻传播者表现出与其他用户不同的特征。此外，我们通过测试我们在实验中观察到的假新闻传播者的特征是否可以应用于真实社交媒体环境中的假新闻传播者的检测来研究我们的发现。
2021-08-24 cs.CY
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
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
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
Images, Emotions, and Credibility: Effect of Emotional Facial Images on Perceptions of News Content Bias and Source Credibility in Social Media
图像是我们消费的新闻内容中不可或缺的一部分。来自错误信息来源的高度情绪化的图像可以极大地影响我们的判断。我们提出了两项研究的影响，情绪化的面部图像对用户的感知偏见的新闻内容和来源的可信度。在研究1中，我们调查了快乐和愤怒的面部图像对用户决策的影响。在研究2中，我们专注于来源的特定政治家的系统性情绪治疗。我们的研究结果表明，根据来源的政治取向，愤怒的面部情绪的累积效应影响用户的感知内容偏见和来源的可信度。当消息来源系统地将特定的政客描绘成愤怒的人时，用户更有可能发现这些消息来源不太可信，其内容更有偏见。这些结果强调了面部表情中的情绪所表现出的内隐视觉命题可能对我们对新闻内容和来源的信任产生重大影响。
2022-05-04 cs.CY cs.HC
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
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
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
Homogeneity-Based Transmissive Process to Model True and False News in Social Networks
KAIST（韩国科学技术院）
在社交网络上发布和分享的真实和虚假新闻报道数量惊人，用户根据多种因素传播这些报道。新闻报道从一个用户到另一个用户的传播不仅取决于报道的内容和相似性，还取决于用户之间的主题兴趣的一致性。在本文中，我们提出了一种新的贝叶斯非参数模型，采用同质性的新闻故事的关键组成部分，调节的主题相似性之间的张贴和分享用户的主题兴趣。我们的模型扩展了层次Dirichlet过程模型的新闻故事的主题，并结合贝叶斯高斯过程的潜变量模型，以发现同质性值。我们在真实世界的社交网络数据集上训练我们的模型，发现新闻故事的同质性值与它们的同质性标签及其内容密切相关。最后，我们证明了我们的模型的监督版本比最先进的神经网络和贝叶斯模型更好地预测新闻故事的标签。
2018-11-16 cs.CY cs.LG 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
Information Contagion: an Empirical Study of the Spread of News on Digg and Twitter Social Networks
社交网络已成为信息传播、搜索、营销、专业知识和影响力发现的关键因素，并可能成为动员人民的重要工具。社交媒体使社交网络无处不在，也使研究人员能够获得大量数据进行实证分析。这些数据集为研究个人和群体行为的动态、网络的结构和信息流动的全球模式提供了丰富的证据来源。然而，在以前的大多数研究中，底层网络的结构并不直接可见，而是必须从个人之间的信息流中推断出来。因此，我们还不了解网络上的信息传播的动态或网络的结构如何影响它。我们通过分析两个流行的社会新闻网站的数据来解决这个问题。具体来说，我们提取Digg和Twitter上活跃用户的社交网络，并跟踪他们对新闻故事的兴趣如何传播。我们发现，社交网络在这些网站上的信息传播中发挥着至关重要的作用，网络结构影响信息流的动态。
2010-03-13 cs.CY physics.soc-ph
The Pulse of News in Social Media: Forecasting Popularity
新闻报道的时效性很强。新闻项目之间也存在着尽可能广泛传播的激烈竞争。因此，预测社交网络上新闻项目的受欢迎程度的任务既有趣又具有挑战性。先前的研究已经处理了基于早期流行度来预测最终的在线流行度。然而，最理想的是在发布之前预测项目的受欢迎程度，从而促进做出适当决策以修改文章及其发布方式的可能性。在本文中，我们构建了一个多维的特征空间，来自一篇文章的属性，并评估这些功能的有效性，作为在线流行度的预测。我们研究了回归和分类算法，并证明了尽管人类行为具有随机性，但预测twitter上的受欢迎程度范围是可能的，总体准确率为84%。我们的研究还有助于说明传统上突出的来源和社交网络上非常流行的来源之间的差异。
2012-02-02 cs.CY cs.NI cs.SI
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
Using a Model of Social Dynamics to Predict Popularity of News
社交媒体中的内容受欢迎程度分布不均，一些项目受到用户不成比例的关注。预测哪些新提交的项目将变得流行，对于托管社交媒体网站的公司及其用户都至关重要。准确和及时的预测将使公司能够通过对内容或广告投放的差异定价来最大限度地提高收入。预测还将为消费者提供一个重要的工具，用于过滤不断增长的内容。然而，由于内容质量、社交媒体网站如何选择突出内容以及在用户中的影响力之间的复杂相互作用，预测社交媒体中内容的受欢迎程度具有挑战性。虽然这些因素使得很难预测流行\emph{a priori}，我们表明，这些网站上的用户行为的随机模型，允许预测流行的基础上，早期用户对新内容的反应。通过整合网站设计的各个方面，这些模型改进了基于简单地从早期投票中推断的预测。我们使用以前开发的基于Digg用户界面的社会投票模型在社会新闻门户Digg上验证了这一说法。
2010-04-29 cs.CY
Rating Effects on Social News Posts and Comments
在信息寻求者首次转向数字来源获取新闻和观点的时候，我们理解社交媒体在人类行为中扮演的角色至关重要。当信息消费者也通过其在线活动充当信息生产者和编辑者时，情况尤其如此。为了更好地了解编辑评级对在线人类行为的影响，我们报告了两个大规模的社交媒体体内实验的结果。我们发现，对社交媒体帖子和评论的小而随机的评级操纵会导致下游评级发生重大变化，从而导致显著不同的最终结果。我们发现，对帖子进行积极处理会产生积极的羊群效应，平均增加11.02%的最终评级，但对评论进行积极处理则不会。与相关工作的结果相反，我们发现对帖子和评论进行负面处理的负面羊群效应，平均降低了帖子的最终评级5.15%和评论的37.4%。与对照组相比，当帖子接受积极处理时，帖子达到高评级（>=2000）的概率增加了24.6%，当评论接受消极处理时，评论降低了46.6%。
2016-06-20 cs.CY cs.HC cs.SI
Telling Breaking News Stories from Wikipedia with Social Multimedia: A Case Study of the 2014 Winter Olympics
由于能够实时观看维基百科和维基数据编辑，在线百科全书和知识库已成为越来越多地用于检测突发新闻事件的研究目标。在本文中，我们提出了一个案例研究的2014年冬季奥运会，在那里我们告诉的故事，突发新闻事件的背景下，奥运会的帮助下，社会多媒体源于多个社交网站。因此，我们已经扩展了应用程序维基百科直播浏览器-一个工具，用于检测突发新闻事件-具有自动创建媒体画廊，说明事件的能力。运动员赢得奥运会比赛，一个新的国家在奖牌榜上领先，或者仅仅是奥运会本身，这些事件都有足够的新闻价值，足以让人们同时编辑世界各地多种语言的维基百科和维基数据。奥运会是一个共同感兴趣的事件，更多的人在全球社交网站上以多种语言分享这一事件，这使得这一事件成为理想的研究对象。通过这项工作，我们将维基百科和维基数据的世界与社交网络网站的世界联系起来，以传达2014年冬季奥运会的精神，讲述胜利和失败的故事，并始终遵循奥林匹克格言Citius，Altius，Fortius。拟议中的系统--适用于所有类型的突发新闻故事--已经以Twitter bot @mediagalleries的形式投入生产，可在https://twitter.com/mediagalleries获得并存档。
2014-03-17 cs.CY cs.IR cs.SI
Probabilistic Social Learning Improves the Public's Detection of Misinformation
错误信息的数字传播是对民主、公共卫生和全球经济的主要威胁之一。减少错误信息的流行策略包括众包、机器学习和媒体素养计划，这些计划要求社交媒体用户将新闻以二进制方式分类为真或假。然而，对同伴影响的研究表明，用二元术语来框定决策会放大判断错误并限制社会学习，而用概率术语来框定决策可以可靠地改善判断。在这个预先注册的实验中，我们比较了通过传达二元或概率判断来协作评估新闻真实性的在线对等网络。交换对新闻真实性的概率估计大大改善了个人和群体的判断，消除了新闻评价中的两极分化。相比之下，交换二元分类减少了社会学习和根深蒂固的两极分化。概率社会学习的好处是强大的参与者的教育，性别，种族，收入，宗教和党派。
2020-10-14 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
Bridging the Gap: Commonality and Differences between Online and Offline COVID-19 Data
随着COVID-19疫情爆发，新闻媒体及社交媒体已成为传播及消费信息的主要工具。由于其易于访问，用户从在线社交媒体（即，在线新闻）和新闻媒体（即，离线新闻）。线上和线下新闻通常是相互关联的，共享共同的主题，而每一个都有独特的，不同的主题。这两个新闻来源之间的差距可能导致错误信息的传播。例如，据《卫报》报道，大多数COVID-19错误信息来自社交媒体上的用户。如果不对社交媒体新闻进行事实核查，错误信息可能会导致健康威胁。在本文中，我们专注于弥合在线和离线数据之间的差距，通过监控他们的共同和不同的主题随着时间的推移产生的新问题。我们使用Twitter（在线）和本地新闻（离线）数据，时间跨度为两年。使用在线矩阵分解，我们分析和研究线上和线下COVID-19相关数据的差异和共性。我们设计实验来展示在线和离线数据是如何联系在一起的，以及它们遵循的趋势。
2022-08-11 cs.CY cs.SI
Exploiting User Comments for Early Detection of Fake News Prior to Users' Commenting
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）；Zhongguancun Laboratory（中关村实验室）
针对假新闻检测中准确性与及时性难以兼顾的困境，提出CAS-FEND方法，将历史评论知识从教师模型转移至仅基于内容的学生模型，实现无评论新新闻的高准确早期检测。
2024-11-12 cs.CL cs.CY cs.SI
News consumption and social media regulations policy
在线用户倾向于按照他们的信仰体系消费信息，而忽略不同的信息。在COVID-19大流行期间，用户会接触到大量关于具有高度不确定性的新主题的信息。在本文中，我们分析了两个实施相反审核方法的社交媒体，Twitter和Gab，以评估新闻消费与COVID-19相关内容监管之间的相互作用。我们比较了这两个平台上大约300万条内容，分析了用户与新闻文章的互动。我们首先描述了用户在两个平台上的消费模式，重点关注新闻媒体的政治倾向。最后，我们通过对用户交互网络的动态建模来描述回声室效应。我们的研究结果表明，Twitter所追求的适度的存在产生了显着减少可疑的内容，从而在参与和评论方面对可靠来源的从属关系。相反，对Gab缺乏明确的监管导致用户倾向于参与这两种类型的内容，对可能导致蔑视/认可行为的可疑内容表现出轻微的偏好。Twitter用户表现出对可靠内容的隔离，具有统一的叙述。相反，Gab提供了一个更加多样化的结构，用户，独立于他们的倾向，跟随那些对可疑新闻略有两极分化的人。
2021-06-07 cs.CY cs.SI
Automatic Monitoring Social Dynamics During Big Incidences: A Case Study of COVID-19 in Bangladesh
Comilla University（库米拉大学）；Queensland University of Technology（昆士兰科技大学）
报纸是值得信赖的媒体，与其他来源相比，人们可以从中获得最可靠和最可信的信息。另一方面，社交媒体经常传播谣言和误导性新闻，以获得更多的流量和关注。对报纸数据进行仔细的描述、评估和解释，可以洞察阴谋和激烈的社会问题，以监测任何重大的社会事件。这项研究分析了大量与COVID-19大流行相关的孟加拉国报纸时空数据。该方法包括新闻文章的数量分析、主题分析、自动分类和情感分析，以深入了解一段时间内孟加拉国不同部门和地区的COVID-19疫情。这一分析将帮助政府和其他组织弄清楚由于这一流行病而在社会中出现的挑战，应该立即采取什么措施以及在流行病后时期采取什么措施，政府及其盟友如何在未来共同应对危机，牢记这些问题。
2021-01-31 cs.CL cs.CY cs.LG
Graph Global Attention Network with Memory for Fake News Detection
本研究提出名为GANM的假新闻检测方法，结合NLP节点编码与三个图卷积网络提取特征，并利用带记忆的全局注意力机制学习传播网络结构同质性，在真实数据集上取得良好效果。
2023-05-17 cs.CY
Characterizing Fake News Targeting Corporations
本研究利用社交媒体定量方法和众包研究分析S&P 500企业的虚假信息，发现其影响股票增长和员工情绪，并呈阶段性爆发，强调需警惕监测该现象。
2024-01-04 cs.CY
Entropy-rate as prediction method for newspapers and information diffusion
本文旨在展示如何利用社交网络上的一些热门话题来预测与这些话题相关的在线报纸浏览量。报纸网站和许多社交网络，成为分析和解释复杂现象的良好数据来源。了解一个主题的熵，可以帮助所有需要分享信息的组织，如政府，机构，报纸或公司，期望通过他们的渠道进行更高的活动，并在某些情况下预测接收者对信息的期望或沟通的错误。对于一些组织，如政党，领导人，公司和许多其他人，声誉和沟通是（对大多数人来说）一个更复杂的巨大系统的关键部分。为了达到我们的目标，我们使用收集工具和信息理论来检测和分析社交网络上的趋势主题，目的是证明一种方法，帮助组织，报纸预测他们将有多少文章或通信对一个主题，以及他们将在给定的时间内有多少流量的意见，从熵文章比开始。我们的工作解决的问题，探讨在何种熵率，并通过何种动力学，一个合适的信息扩散性能，预计在社会网络，然后在报纸上。我们已经确定了一些交叉动态，与上下文相关，可以解释人们如何讨论一个话题，可以继续争论并在报纸网站上提供信息。
2022-11-29 cs.CY cs.SI physics.soc-ph
Sieving Fake News From Genuine: A Synopsis
随着社交媒体的兴起，与传统新闻媒体（如电视和报纸）相比，传播假新闻变得更容易，更快，更便宜。最近，这一现象引起了公众的广泛关注，因为它对他们的生活和业务造成了重大的社会和经济影响。假新闻负责制造虚假，欺骗性，误导性和可疑的信息，这些信息可以极大地影响事件的结果。本文简要介绍了什么是假新闻，并讨论了一些当前的机器学习技术，特别是自然语言处理（NLP）和深度学习，用于自动预测和检测假新闻。基于这一概要，我们建议使用NLP和深度学习来改进假新闻的自动检测，但需要正确的数据和特征集。
2019-11-19 cs.CR cs.CY
An Exploration of Social Identity: The Geography and Politics of News-Sharing Communities in Twitter
集体社会行动在当前事件中的重要性体现在阿拉伯之春和占领运动中。电子社交媒体已成为社会互动的普遍渠道，也是对信息作出集体社会反应的基础。对社交媒体的研究可以揭示个人行为如何结合起来成为社会的集体动力。对自发形成的群体进行定性，可以揭示个人如何自我认同以及他们将如何共同行动。在这里，我们映射的社会，政治和地理属性的新闻共享社区在Twitter上，一个流行的微博平台。我们跟踪用户生成的包含《纽约时报》在线文章链接的消息，并根据用户共享的链接主题、地理位置和自我描述关键字对用户进行标记。当用户根据谁在Twitter上关注谁进行聚类时，我们发现社交群体根据他们是否对本地（纽约），国家（美国）或全球（世界性）问题感兴趣而分开。国家集团细分为自由派，保守派和其他，后者是一个多样化的，但主要是商业导向的集团与体育，艺术和其他分裂。全国性政治团体总部设在美国各地，但与广泛关注各种主题的全国性团体不同。一个世界主义者与其他世界主义者交往，一个美国自由主义者/保守主义者与其他美国自由主义者/保守主义者交往，创造了具有这些身份的独立社会群体。地方、国家和国际社区的“公民”的存在是社会组织各级对话和行动的基础。
2012-02-20 cs.CY cs.SI nlin.AO
