MétaCan
Menu
Retour à la cohorte
Enregistrement W3093500723 · doi:10.5539/cis.v13n4p23

GMSM: A Design Method for Misinformation-Aware Social Media

2020· article· en· W3093500723 sur OpenAlexvenueno aff
Malik Almaliki, Haslinda Hashim, A. Alzighaibi, El‐Sayed Atlam

Notice bibliographique

RevueComputer and Information Science · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueDigital Games and Media
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMisinformationSocial mediaComputer scienceMultimediaInternet privacyWorld Wide WebComputer security

Résumé

récupéré en direct d'OpenAlex

Misinformation is highly circulating on social media which harmfully affect users of these platforms and the online content value. Previous efforts to decrease misinformation distribution on social media have mainly focused on the development of misinformation detection algorithms. To extend these efforts, this paper adopts gamification techniques to minimize the spread of misinformation on social media and proposes a three-phase requirement engineering method for the design of a Gamified Misinformation-aware Social Media (GMSM). The method combines the strengths of well-known requirement engineering approaches in a sequence that offers software engineers better understanding of users’ requirements on the adoption of gamification to minimize the spread of misinformation on social media. This can lead to a better coverage of important users’ requirements thus, a better user satisfaction and a higher quality of online content.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,827
Score d'incertitude au seuil0,591

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,008
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,068
Tête enseignante GPT0,339
Écart entre enseignants0,270 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueComputer and Information ScienceMême sujetDigital Games and MediaTravaux en français237 207