MétaCan
Menu
Retour à la cohorte
Enregistrement W4311103793 · doi:10.1177/19401612221142439

Who Fact-Checks and Does It Matter? Examining the Antecedents and Consequences of Audience Fact-Checking Behaviour in Hong Kong

2022· article· en· W4311103793 sur OpenAlexaff
Stella C. Chia, Fangcao Lu, Albert C. L. G. Günther

Notice bibliographique

RevueThe International Journal of Press/Politics · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSocial Media and Politics
Établissements canadiensConcordia University
Organismes subventionnairesPolicy Innovation and Co-ordination OfficeCity University of Hong Kong
Mots-clésMisinformationSocial psychologyAdversaryPsychologyContext (archaeology)PopulationPolitical scienceAdvertisingLawSociologyComputer securityComputer scienceHistoryDemographyBusiness

Résumé

récupéré en direct d'OpenAlex

This study investigated the ways in which people engaged in fact-checking in a highly divided context—the Anti-Extradition Bill Movement (AEBM) in Hong Kong. A telephone survey representative of the Hong Kong population was conducted in 2020 ( N = 1,004). The findings showed that males with greater news consumption and issue involvement were more likely to engage in fact-checking behavior. Nevertheless, the effects of fact-checking appeared mixed. We first found that fact-checking behavior reduced belief in disagreeable misinformation only for supporters of the AEBM. More robust evidence showed that frequent fact-checking behavior reinforced, rather than reduced, partisans’ belief in misinformation regarding the opponent group. A warning of the backfire effects of fact-checking on exacerbating opinion polarization and social division is issued.

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)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,454
Score d'incertitude au seuil0,677

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,053
Tête enseignante GPT0,352
Écart entre enseignants0,298 · 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'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations17
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe International Journal of Press/PoliticsMême sujetSocial Media and PoliticsTravaux en français237 207