The Role of Advertisers and Platforms in Monetizing Misinformation: Descriptive and Experimental Evidence
Notice bibliographique
Résumé
The financial motivation to earn advertising revenue by spreading misinformation has been widely conjectured to be among the main reasons misinformation continues to be prevalent online.Research aimed at reducing the spread of misinformation has so far focused on user-level interventions with little emphasis on how the supply of misinformation can itself be countered.In this work, we show how online misinformation is largely financially sustained via advertising, examine how financing misinformation affects the advertisers and ad platforms involved and outline ways of reducing the financing of misinformation.First, we find that advertising on misinformation outlets is pervasive for companies across several industries and is amplified by digital ad platforms that automatically distribute companies' ads across the web.Using an information provision survey experiment, we show that people decrease their demand for a company's products or services upon learning about its role in monetizing misinformation via online ads.To shed light on why misinformation continues to be monetized despite the potential backlash for the advertisers involved, we survey decision-makers at companies.We find that most decision-makers are unaware of their companies' ads appearing on misinformation websites but have a strong preference to avoid appearing on such websites.Moreover, those uncertain and unaware about their role in financing misinformation increase their demand for a platform-based solution to reduce monetizing misinformation upon learning about how platforms amplify ad placement on misinformation websites.We identify low-cost, scalable information-based interventions that digital platforms could implement to reduce the financial incentive to misinform and counter the supply of misinformation online.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,022 | 0,109 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,004 | 0,005 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,018 | 0,002 |
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 source (Gemma direct ou Codex distillé), 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 ».