对抗错误信息的干预措施的比较评估:增强世卫组织清单
内容审核与平台治理虚假信息与事实核查记者与编辑事实核查员政府官员与公务员
文献标题
A Comparative Evaluation of Interventions Against Misinformation: Augmenting the WHO Checklist
文献信息
- 主题领域: 健康信息领域中的虚假信息识别与干预
- 关键词: 虚假信息, 健康传播, COVID-19, 世界卫生组织, 事实核查, 社交媒体, 人本计算, 信息失真
研究背景与问题
-
研究背景:
- COVID-19 大流行期间,虚假信息的散布对公众健康构成威胁。世界卫生组织 (WHO) 发布了一份清单以帮助人们识别虚假信息。
- 尽管已有研究探讨了人们为何相信虚假信息,虚假信息的传播及其应对方法,但对比各种干预方法实际效果的研究仍然较少。
- 数据显示,尽管许多公众有时会尝试进行事实核查,但他们仍需要系统性的工具来支持其识别虚假信息。
-
研究问题:
- WHO 提供的清单是否有助于改善用户在面对虚假信息时的表现?
- 通过设计交互式清单能否降低用户实施清单项的难度并提升效果?
-
研究动机:
- 提高公众应对网络虚假信息的能力对健康传播至关重要。
- 针对美国和德国进行对比研究,以探讨文化与国家背景对清单效用的影响。
解决方案
-
研究方法:
- 比较 WHO 发布的书面清单与研究者设计的交互式清单。
- 对比两种清单在德国和美国用户中的使用效果。
- 使用随机选择的新闻文章进行实验,用户需要对可靠性评分并反馈清单的帮助感受。
-
清单的内容:
- WHO 的书面清单包含 7 个步骤:检查来源、超越标题、确定作者、核对日期、检查支持证据、检查偏见、自行事实核查。
- 交互式清单基于书面清单,通过技术增强实现,如提供来源标签、自动获取作者和日期等。
-
技术增强的关键特点:
- 来源评估: 提供新闻来源的可靠性标签。
- 事实核查支持: 定制化的搜索表单供用户快速访问事实核查网站。
- 自动提取信息: 自动显示标题、作者及发布时间等内容。
研究成果
-
具体成果:
- 交互式清单的表现较书面清单更优:
- 交互式清单被受试者广泛认为比书面清单更有帮助,尤其是在德国。
- 在德国实验中,交互式清单显著提高了受试者识别新闻可靠性的正确率。
- 来源标签的显著效用:
- 受试者普遍认为“评估来源”是最有帮助的清单组件,并且更频繁地遵循该项建议。
- 事实核查工具的效用有限:
- 尽管提供了便捷的事实核查工具,但大多数受试者并未采取该步骤。
- 交互式清单的表现较书面清单更优:
-
与现有解决方案的比较优势:
- 与仅依赖用户自行核查的干预方法相比,交互式清单通过降低用户的操作成本显著提升了新闻评估能力。
- 通过快捷信息如来源可靠性标签补充用户决策过程,克服了很多用户缺乏深入调查时间的问题。
-
实验或评估结果:
- 与未经帮助的对照组相比,交互式清单提高了德国受试者的新闻评级正确率。
- 来源标签在德国的效用显著,但在美国未体现出同等级别的绩效提升。
-
局限性与未来方向:
- 局限性:
- 研究发现美国的清单干预效果较弱,可能与媒体信任度较低和信息环境的高度极化有关。
- 年轻用户在美国的表现尤其较差,原因尚未完全明确。
- 清单条目的书面顺序可能引发优先级误解。
- 未来方向:
- 进一步探讨国家与文化差异在干预效力中的角色。
- 研究源标签对特定用户群体(如年轻用户)的影响机制。
- 扩展此研究至其他文化背景及更广的数据样本。
- 局限性:
总之,本研究系统评估了当前健康传播领域一个关键工具的效果,同时揭示了技术增强方法在应对虚假信息传播中的潜能。该研究为设计更有效的虚假信息干预工具提供了实践与学术指导,由此对改善公众健康行为具有重要现实意义。
研究问题 / 现实痛点
这篇论文在当前问题库中对应的问题线索。
help
研究问题
3- WHO的书面核查表在面对健康领域错误信息时能提升用户表现吗?分类: 医疗AI临床支持与系统采纳需求同类问题arrow_forward
- 互动式核查表是否有助于降低使用核查表的难度并提升其效果?分类: 医疗AI临床支持与系统采纳需求同类问题arrow_forward
- 文化与国家背景(如德国和美国)会如何影响核查表的有效性?分类: 医疗AI临床支持与系统采纳需求同类问题arrow_forward
lightbulb
现实痛点
1- 用户在面对虚假健康信息时难以准确判别其真实性。分类: 医疗AI临床支持与系统采纳需求同类问题arrow_forward
- 67%
脸书和推特上的假新闻:探究人们(不)如何调查
CHI '20· 内容审核与平台治理 +1
- 67%
地牢与深度伪造:使用基于场景的角色扮演研究记者对使用基于AI的视频内容验证工具的行为
CHI '24· 深度伪造与合成媒体检测 +2
基于研究子主题与职业分类的 Jaccard 相似度(≥60%)
快捷操作
广告推荐
学习 AI 编程到 CodeNow
open_in_new打开DOI链接
DOI: https://dl.acm.org/doi/abs/10.1145/3491102.3517717
一眼看懂
fact_check论文快照
dataset
来源
CHI
calendar_month
年份
2022
emoji_events
奖项
未标记奖项
group
作者
2 位作者
sell
研究子方向
内容审核与平台治理、虚假信息与事实核查
work
职业/产业
记者与编辑、事实核查员、政府官员与公务员
article
内容状态
已索引正文
hub
相关论文
2 篇相关论文