Technique-based inoculation and accuracy prompts must be combined to increase truth discernment online
Notice bibliographique
Résumé
Misinformation remains a serious problem and continues to be a major focus of intervention efforts. Psychological inoculation - a popular intervention approach wherein people are taught to identify manipulation techniques - is being adopted at scale around the globe by technology companies in an effort to combat misinformation. Yet the efficacy of this approach for increasing belief accuracy remains unclear, as prior work has largely focused on technique identification - rather than accuracy judgments - using synthetic materials that do not contain claims of truth or falsity. To address this issue, we conducted 5 studies with 7,286 online participants using a set of news headlines based on real-world false and true content in which we systematically varied the presence or absence of emotional manipulation. Although an emotional manipulation inoculation video did help participants identify emotional manipulation (replicating past work), there was no carry-over effect to improving participants’ ability to tell truth from falsehood (i.e. no effect on truth discernment). Encouragingly, however, when the emotional inoculation was paired with an accuracy prompt - i.e., an intervention intended to draw people’s attention to the concept of accuracy when they are receiving the inoculation intervention - the combined intervention did successfully improve truth discernment by increasing belief in true content. These results generate new insights regarding inoculation, and provide evidence for a key synergy between two popular psychological interventions against misinformation.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».