MétaCan
Menu
Retour à la cohorte
Enregistrement W4405000972 · doi:10.1515/9780776636429-015

CHAPTER B-4 Does Debunking Work? Correcting COVID-19 Misinformation on Social Media

2020· book-chapter· en· W4405000972 sur OpenAlexfundno aff
Timothy Caulfield

Notice bibliographique

RevueUniversity of Ottawa Press eBooks · 2020
Typebook-chapter
Langueen
DomaineComputer Science
ThématiqueHate Speech and Cyberbullying Detection
Établissements canadiensnon disponible
Organismes subventionnairesCanadian Institutes of Health ResearchAlberta InnovatesGovernment of CanadaMinistero dello Sviluppo EconomicoGovernment of Alberta
Mots-clésMisinformationSocial mediaCoronavirus disease 2019 (COVID-19)PsychologyInternet privacyComputer scienceSociologyMedicineWorld Wide WebComputer securityInternal medicine

Résumé

récupéré en direct d'OpenAlex

A defining characteristic of this pandemic has been the spread of misinformation.The World Health Organization (WHO) famously called the crisis not just a pandemic, but also an "infodemic."Why and how misinformation spreads and has an impact on behaviours and beliefs is a complex and multidimensional phenomenon.There is an emerging rich academic literature on misinformation, particularly in the context of social media.In this chapter, I focus on two questions: Is debunking an effective strategy?If so, what kind of counter-messaging is most effective?While the data remain complex and, at times, contradictory, there is little doubt that efforts to correct misinformation are worthwhile.In fact, fighting the spread of misinformation should be viewed as an important health and science policy priority.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,988
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 savante0,0000,000
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 Opus0,040
Tête enseignante GPT0,215
Écart entre enseignants0,175 · 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.

Devis d'étudeSans objet
Domainenon disponible
GenreAutre

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

En bref

Citations2
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueUniversity of Ottawa Press eBooksMême sujetHate Speech and Cyberbullying DetectionTravaux en français237 207