Understanding government social media users’ role in disseminating misinformation: A comparative study of Canada and the United Kingdom
Notice bibliographique
Résumé
The role social media plays in creating and disseminating misleading information, including fake images and visuals is well recognized by scholars and governments around the world. Many governments, including in Canada and the United Kingdom (UK), are working on, or have already introduced regulatory frameworks to combat disinformation and prevent harms for vulnerable populations. Among these vulnerable populations, migrant social media users form a distinct group of government social media users with specific information and interaction needs. As literature demonstrates, migrants are actively present on social media, including government social media and can benefit from information-sharing and connections it enables. However, social media can also deter migrants from pursuing migration opportunities. This paper examines the use of X (formerly known as Twitter) accounts by Immigration, Refugees and Citizenship Canada (IRCC) and the UK Home Office (Home Office) by government social media users, including migrant social media users. It specifically investigates if government social media users are spreading misinformation and the prevalence of misinformation on the IRCC and Home Office X accounts. As findings demonstrate, these two government accounts are used differently: IRCC X is used to advocate for causes and ask questions, while Home Office social media users are mostly voicing their opinions by critiquing politicians and government policies, and these critiques often contain misinformation. Finally, misleading tweets remain accessible for public consumption.
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 | 0,000 |
| 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 ».