DESINFORMAÇÃO: CONTRIBUIÇÕES TEÓRICAS E PRÁTICAS DA GESTÃO DA INFORMAÇÃO E DO CONHECIMENTO PARA AJUDAR A COMBATER A DESINFORMAÇÃO ONLINE
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Objetivo: Este artigo se concentrará nas contribuições teóricas e práticas da gestão da informação e da gestão do conhecimento para ajudar a identificar e, idealmente, prevenir a criação e disseminação de desinformação online. Resultados: A desinformação não é um fenômeno novo, pois a propaganda e as falsas alegações de marketing existem há décadas, senão séculos. O que há de novo hoje é que a desinformação online pode atingir muito mais pessoas em todo o mundo quase instantaneamente, principalmente devido ao uso das mídias sociais. Enquanto no passado apenas pessoas poderosas ou grandes corporações podiam gerar falsas alegações de maneira convincente, hoje a mídia social permite que qualquer pessoa crie e divulgue conteúdo falso. Os riscos são grandes, pois a desinformação pode impactar nas decisões financeiras e de saúde. Houve uma proliferação de notícias falsas em torno da atual pandemia, por exemplo, com algumas buscando lucrar com a venda de curas falsas para a Covid-19, enquanto outras alimentam os movimentos antivacinas. Ao mesmo tempo, as pessoas que podem nos influenciar encolheram para “bolhas de filtro” cada vez mais pequenas, pois interagimos principalmente com pessoas que têm opiniões semelhantes às nossas (Dalkir & Katz, 2020). Originalidade / Valor: A desinformação é um problema social que exige que as pessoas se tornem mais alfabetizadas em informações, que as empresas (em particular, as empresas de mídia social) adotem políticas de informação mais eficazes e que os países adotem legislação que possa abordar a criação intencional e a disseminação de desinformação sem atropelar os direitos dos cidadãos à liberdade de expressão.
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.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,004 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découle