探索多维可查证性：为人事实核查员设计AI辅助的声明优先级排序

鉴于在线潜在虚假声明的大量涌现，声明优先级排序对于分配有限的人工核查资源至关重要。在本研究中，我们将声明优先级排序视为信息检索（IR）任务：正如多维IR相关性一样，许多因素影响用户认为哪些搜索结果相关，可查证性也是多维的、主观的甚至是个人化的，许多因素影响事实核查员如何分类和选择要核查的声明。我们的研究调查了可查证性的多维性质以及有效支持事实核查员声明优先级排序的工具。在方法上，我们采用了研究设计与混合方法评估相结合的方式。具体而言，我们开发了一个AI辅助的声明优先级排序原型作为探针，探索事实核查员如何使用多维可查证因素对声明进行优先级排序，同时探查fact-checker的需求并探索满足这些需求的设计空间。16名专业事实核查员参与了我们的研究，我们发现了他们隐含使用的层级优先级排序策略，揭示了其工作流程中一个未被充分探索的方面，并提供了针对多维可查证性改进声明分类以及通过LLM集成定制此过程的可操作设计建议。