新冠疫情带来了大量相关科学论文的公开讨论,但这些讨论往往存在偏见或误导性信息。本文采用混合方法分析,旨在检验公众讨论是否与几项新冠议题的科学共识相符。我们基于预印本服务器的摘要样本估算科学共识,并与推特上提及这些论文的公众讨论量进行比较。我们发现,尽管反共识帖子和用户总数少于支持共识者,但在推特上却被严重过度呈现,从而产生了虚假共识效应。这伴随着受青睐的论文被不成比例地放大,以及新反共识用户的涌入。内容分析还表明,反共识用户歪曲科学发现或质疑科学家诚信,以此佐证其主张。

快捷操作

分享

分享当前页面

ios_share

https://hci.top/zh/papers/cscw/179984/2024

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/10.1145/3687010
一眼看懂

论文快照

fact_check
dataset
来源
CSCW
calendar_month
年份
2024
emoji_events
奖项
未标记奖项
group
作者
5 位作者
sell
研究子方向
work
职业/产业
article
内容状态
仅摘要
hub
相关论文
0 篇相关论文