Escolar Documentos
Profissional Documentos
Cultura Documentos
Sessão 8: Social - Crowd Sourcing e análise de mídia social HT '19, 17 a 20 de setembro de 2019, Hof, Alemanha
RESUMO através das redes sociais [7, 15]. Eles têm impacto na tomada de decisão
A disseminação online de notícias falsas (e desinformação em geral) foi humana do mundo real, por exemplo, na política [3, 9]. Eles também estão
recentemente identificada como um grande problema que ameaça sociedades por trás de casos de danos off-line, como no domínio da saúde [10, 14].
inteiras . Grande parte dessa disseminação foi possibilitada por novos O impacto negativo real e significativo da disseminação de notícias falsas
formatos de mídia, como redes sociais e sites de mídia online. Pesquisadores motivou intensos esforços de pesquisa. Alguns estudos têm sido direcionados
e profissionais têm tentado responder a isso caracterizando as notícias para a compreensão do fenômeno das fake news (ou seja, caracterização). Eles
falsas e desenvolvendo métodos automatizados para detectá-las. Até agora, analisam as propriedades das notícias falsas [15, 17, 20], como ganham a
os métodos de detecção tiveram sucesso limitado, principalmente devido à confiança dos leitores [12], como as notícias falsas se espalham e o que
complexidade do conteúdo e contexto das notícias e à falta de conjuntos de impulsiona sua disseminação [8, 23]. Os estudos existentes têm ajudado muito
dados devidamente anotados. Uma maneira possível de aumentar a na conceituação das notícias falsas. No entanto, esses estudos exigem ainda
eficiência dos métodos automatizados de detecção de desinformação é mais estudos comportamentais para investigar os fatores de julgamento humano
imitar o trabalho de detecção de humanos. No sentido mais amplo de lidar durante a interação com notícias (falsas) [23].
apresentamos um estudo de rastreamento ocular, no qual permitimos que abordagens automatizadas de detecção de notícias falsas [6, 17, 20] e plataformas
[19] artigos
44 participantes lessem casualmente um feed de mídia social contendo postagens com foram propostas. A tendência predominante é usar abordagens aprendidas
de notícias.
Alguns dos artigos apresentados eram falsos. Em uma segunda rodada, por máquina. Enquanto alguns métodos analisam o conteúdo da notícia (seja
pedimos aos participantes que decidissem sobre a veracidade desses textual [1, 17] ou gráfico [11, 13]), outros dependem de aspectos contextuais,
artigos. Apresentamos a descrição do estudo, características do conjunto como modelos fonte/autor/divulgador [5] ou interações de mídia social [22].
de dados resultante (que aqui publicamos) e diversas descobertas. Apesar de tais esforços, a detecção confiável de desinformação online continua
sendo um problema não resolvido. Embora haja uma falta geral de conjuntos de
PALAVRAS-CHAVE
Para abordar algumas das questões mencionadas acima, apresentamos
notícias falsas; estudo do usuário; rastreamento ocular; mídia social; um estudo de rastreamento ocular do usuário que investiga o comportamento
desinformação; lendo humano durante o consumo de notícias falsas e avaliação de veracidade.
Formato de Referência ACM: Neste estudo, 44 participantes primeiro consumiram notícias casualmente
Jakub Simko, Martina Hanakova, Patrik Racsko, Matus Tomlein, Robert Moro, em um feed semelhante a uma rede social (ou seja, a fase de consumo).
Maria Bielikova. 2019. Leitura de notícias falsas nas mídias sociais: um estudo Depois disso, eles foram solicitados a estimar a veracidade dessas histórias
de rastreamento ocular. Na 30ª Conferência ACM sobre Hipertexto e Mídia Social (ou seja, a fase de avaliação). A motivação para tal estudo tem dois núcleos
(HT '19), 17 a 20 de setembro de 2019, Hof, Alemanha. ACM, Nova York, NY, razões:
EUA, 10 páginas. https://doi.org/10.1145/3342220.3343642
221
Machine Translated by Google
Sessão 8: Social - Crowd Sourcing e análise de mídia social HT '19, 17 a 20 de setembro de 2019, Hof, Alemanha
às características de conteúdo e contexto das notícias online, importantes dos participantes (44 contra 9) e analisar seu comportamento de forma
para a validação da veracidade. quantitativa. Nosso protocolo de estudo era silencioso (ao contrário de pensar
Com este trabalho pretendemos preencher uma lacuna na área do consumo e em voz alta), pois queríamos emular situações mais autênticas. Também
deteção de notícias falsas. Até onde sabemos, nenhum estudo de rastreamento empregamos rastreamento ocular para rastrear detalhadamente o comportamento
ocular de consumo de notícias falsas e avaliação de veracidade foi realizado. de leitura e tomada de decisão. O ambiente em nosso estudo é mais controlado
(em vez de criar uma conta falsa no Facebook real, criamos um aplicativo inteiro
Este trabalho tem as seguintes contribuições: (1) O imitando o feed do Facebook). Além disso, como a fonte da história (e sua
reputação) é evidentemente um forte indicador de veracidade para alguns
conceito do estudo de rastreamento ocular de notícias falsas. Apresentamos
usuários, omitimos propositadamente as fontes dos artigos usados como histórias.
o conceito de estudo como uma contribuição separada para o estado da
arte. Em primeiro lugar, não temos conhecimento de nenhum estudo
Além disso, todos os artigos (quando os participantes do nosso estudo decidiram
anterior feito em tal cenário. Em segundo lugar, reconhecemos a crescente
abri-los na íntegra) foram apresentados de forma gráfica unificada (e, portanto,
demanda por registros detalhados do comportamento dos usuários de
a fonte original também não pôde ser inferida dessa forma).
redes sociais e, portanto, desejamos fornecer um modelo para estudos futuros.
Em outro estudo, Heuer e Breiter examinaram os fatores que influenciam a
(2) O conjunto de dados de 44 participantes registrados de nosso estudo.
confiança dos usuários em relação às notícias compartilhadas nas mídias sociais
Com este artigo, disponibilizamos publicamente o conjunto de dados
[12]. Eles trabalharam com jovens adultos, que representam um dos grupos
reunido neste trabalho1 . Na seção 4, fornecemos uma análise descritiva
mais ameaçados pela desinformação, uma vez que esse grupo acessa notícias
dos dados comportamentais registrados. Também reportamos os
predominantemente online e nas mídias sociais (53% dos usuários de 18 a 24
resultados de um questionário, que emitimos aos participantes, que
anos relataram acessar notícias nas mídias sociais, de acordo com um relatório
recolheu informação de referência sobre a opinião dos participantes e o
recente da Reuters estudo [16]). Em nosso estudo, escolhemos o mesmo grupo
seu grau de interesse pelos temas do noticiário.
demográfico. No entanto, em contraste com Heuer e Breiter, não avaliamos a
(3) Os resultados sobre o consumo e a avaliação da veracidade dos usuários
confiabilidade da fonte de notícias, nem outros sinais de mídia social, como
de mídia social. Usando os dados obtidos durante a fase de consumo do
número de curtidas ou comentários (que Heuer e Breiter não encontraram
experimento, investigamos e relatamos as influências que as notícias
falsas têm sobre o comportamento do usuário dentro influenciando significativamente as avaliações dos usuários).
2. TRABALHO RELACIONADO 19 e 24 anos). Eles encontraram a credibilidade da mídia, a intenção dos usuários
de compartilhar, sua consciência de notícias falsas e sua confiança na rede como
Até onde sabemos, não há estudos de rastreamento ocular que examinem o
preditores relevantes do comportamento de verificação de notícias. No entanto,
comportamento humano durante o consumo ou verificação de notícias
essas descobertas não foram mais avaliadas em um experimento ou estudo de usuário.
falsas . Existem, no entanto, vários estudos similares sem rastreamento
Vários estudos existentes de rastreamento ocular foram focados no
ocular. Podemos extrair deles metodologicamente e complementar suas
comportamento de leitura de notícias em geral. Arapakis et ai. [2] examinou
descobertas com nosso estudo.
o que interessa aos leitores de notícias online. Os autores conduziram um
Das pesquisas existentes, a mais semelhante ao nosso estudo é o trabalho
estudo de rastreamento ocular, no qual mediram o engajamento em 114
recente de Flintham et al. [8], que investigaram o comportamento de leitura de
artigos apresentados a 57 participantes. Os artigos tinham propriedades
notícias falsas de usuários de redes sociais. Primeiro, eles entrevistaram 309
diferentes quanto ao seu sentimento e polaridade, o que de fato influenciava
respondentes do questionário sobre a experiência com notícias falsas e suas
sua atratividade e, conseqüentemente, o comportamento do leitor. O trabalho
características. Em segundo lugar, eles realizaram um estudo qualitativo com 9
de Ara pakis et al. também tem algumas implicações para o nosso estudo. O
participantes, que interagiram com um feed de conta falsa do Facebook, que
comportamento deve ser investigado em vários tópicos encontrados nas
continha histórias verdadeiras e falsas de vários tipos usando a tipologia de
notícias, pois os interesses pessoais de longo prazo dos participantes podem
Rubin et al. [18]. Os autores investigaram até que ponto os usuários de mídias
influenciar seu consumo, bem como o comportamento de avaliação da
sociais estão preocupados com a disseminação de notícias falsas e quais
veracidade. Os interesses tópicos e as opiniões dos participantes devem ser
recursos (conteúdo ou contexto) os convencem a acreditar que uma informação
controlados por meio de questionários.
é falsa. Usando análises qualitativas baseadas no protocolo think-aloud, Flintham
Por último, já existem alguns trabalhos de identificação de indicadores
et al. identificaram três estratégias gerais usadas pelos leitores de notícias
de notícias credíveis vs. não credíveis. Nosso estudo apresentado neste
durante a avaliação da veracidade.
artigo também visa abordá-los analisando estratégias de usuários bem-
A primeira abordagem foi inferir a veracidade apenas com base na reputação da
sucedidos (ou seja, usuários que podem detectar notícias falsas com alta precisão).
fonte. O segundo era avaliar o conteúdo da história e confirmar a suposição com
Zhang et ai. [24] propuseram um conjunto de indicadores de conteúdo e contexto
a reputação da fonte. A terceira estratégia baseou-se apenas no conteúdo. Ao
(recursos) que avaliaram em um conjunto de dados de 40 artigos com anotadores
analisar o conteúdo, os participantes confiaram principalmente em avaliações de
humanos e especialistas de domínio. A partir dos recursos de conteúdo, o título
plausibilidade e análises de títulos e estilo de escrita.
clickbait e a presença de uma falácia lógica (por exemplo, uma ladeira
escorregadia) acabaram sendo bons preditores da credibilidade de um artigo; a
Nosso próprio estudo, apresentado neste artigo, é complementar ao
partir de fatores de contexto, os bons preditores foram o resultado da verificação
trabalho de Flintham et al. [8]. Nosso objetivo era envolver um conjunto maior
de fatos (artigo sendo sinalizado como falso), número de chamadas sociais e de
1http://bit.ly/fake-news-reading-dataset listas de discussão (ou seja, chamadas para compartilhar o artigo ou para se inscrever
222
Machine Translated by Google
Sessão 8: Social - Crowd Sourcing e análise de mídia social HT '19, 17 a 20 de setembro de 2019, Hof, Alemanha
a uma lista de mala direta) e colocação de anúncios e chamadas sociais (ou Por exemplo, os idosos também são conhecidos por sua suscetibilidade à
seja, o quão agressivos eram). No entanto, a avaliação automática de algumas desinformação. A escolha dos alunos do ensino médio foi, nesse caso, motivada
dessas características pode ser um problema e os autores não discutem como por uma maior disponibilidade prática dos participantes.
superá-lo. Apesar do uso de um grupo demográfico específico, consideramos o
desenho do estudo utilizável para outros grupos ou amostra da população em
3 DESCRIÇÃO DO ESTUDO geral também.
223
Machine Translated by Google
Sessão 8: Social - Crowd Sourcing e análise de mídia social HT '19, 17 a 20 de setembro de 2019, Hof, Alemanha
224
Machine Translated by Google
Sessão 8: Social - Crowd Sourcing e análise de mídia social HT '19, 17 a 20 de setembro de 2019, Hof, Alemanha
e também optou pela configuração visual unificada na visualização completa do artigo (ou 3.6 Questionário O objetivo
seja, todos os artigos pareciam visualmente iguais). principal do questionário foi obter informações sobre posições de opinião e
Os artigos foram escritos em eslovaco (todos os participantes eram grau de interesse dos participantes para cada um dos 11 tópicos. Emitimos
falantes nativos de eslovaco). O estilo de redação lembrava notícias ou este questionário como a terceira (e última) tarefa do estudo para evitar
artigos de revistas e esperava-se que fosse facilmente compreendido pelos efeitos de priming no comportamento dos participantes nas tarefas 1 e 2.
participantes.
Cada um dos artigos pertence a um dos 11 tópicos (categorias de
O questionário teve a seguinte estrutura:
conteúdo ), escolhidos a dedo para este estudo: qualidade alimentar,
redução de peso pessoal, muçulmanos na UE, indústria farmacêutica, (1) Questões sobre dados demográficos (sexo e idade).
direitos LGBT, extremismo de direita3, vacinação, vida extraterrestre , (2) Questões sobre posições de opinião. Estes foram organizados em 11 conjuntos
aquecimento global , desmatamento, migração. (um para cada tópico). Cada conjunto continha entre 5 a 7 questões específicas.
Reunimos a maioria dos artigos diretamente de sites de notícias própria e pode ser algo sugestivo. Portanto, em cada conjunto de perguntas,
eslovacos conhecidos e (no caso de notícias falsas) de notórias fontes incluímos afirmações direcionadas nos dois sentidos. No exemplo acima, as
eslovacas de desinformação. Como os artigos originais tinham tamanho declarações no. 1, 4 e 5 foram direcionados para a posição negadora,
variável , adaptamos alguns deles para o tamanho exigido pela nossa enquanto as afirmações no. 2 e 3 para a posição alarmista. A posição geral
configuração. Para algumas combinações de temas e posições de opinião, da opinião foi então computada como resposta média para todas as
foi impossível encontrar exemplos de fake news. Por exemplo, não afirmações do conjunto. Antes disso, no entanto, as contribuições das
encontramos nenhuma notícia falsa que apoiasse a causa da vacinação. declarações com viés para uma das posições (escolhidas arbitrariamente)
Nesses casos, nós mesmos criamos os artigos de notícias falsas necessários, eram multiplicadas por -1. No exemplo acima, poderíamos “inverter” as
geralmente alterando os artigos existentes usando exagero (por exemplo, contribuições das declarações 2 e 3 ou das declarações 1, 4 e 5.
225
Machine Translated by Google
Sessão 8: Social - Crowd Sourcing e análise de mídia social HT '19, 17 a 20 de setembro de 2019, Hof, Alemanha
post (incluindo todas as AOIs anteriores). Os dados de fixação (com hits AOI) foram Tabela 2: Número de avaliações feitas para artigos verídicos e falsos na
exportados e processados usando scripts Python. segunda passagem.
4 DESCOBERTAS
Certamente Em vez de Não pode Em vez de Certamente
4.1 Estatísticas de primeira e segunda passagem Os participantes Verdadeiro Verdadeiro Contar Falso Falso
gastaram em média 5,1 (DP 2) em 12 minutos navegando no feed na primeira passagem. Na Artigos Verdadeiros 134 214 77 131 45
segunda passagem, eles gastaram 5,3 minutos (SD 2,6) em média de 12 minutos navegando no Artigos falsos 65 172 72 174 206
feed. O tempo restante foi gasto lendo artigos completos. Os participantes abriram em média 7
tendência geral aqui, nenhuma conclusão apoiada por estatísticas pode ser tirada delas. No entanto,
podemos ver algum potencial na ação de denúncia que foi usada muito mais para os artigos falsos
Estudamos ainda a relação entre o interesse explicitamente declarado dos
do que para os verdadeiros.
participantes e seu interesse implícito observado a partir de seu comportamento
durante a leitura do artigo na primeira passagem (fase de consumo) do experimento.
Em comparação com participantes com desinteresse declarado (bastante
desinteressado, nada interessado), os participantes com interesse declarado
Tabela 1: Número de ações registradas para artigos verdadeiros e falsos na
(bastante interessados e muito interessados) abriram mais artigos (média 0,8, SD
primeira passagem.
0,9 em comparação com 0,3, SD 0,7) e passaram mais tempo lendo-os (média de
1,5 minutos, SD 1 em comparação com 1,3 minutos, SD 1,2). Esse achado mostra
Não gostei gostei Compartilhamento de relatórios que o comportamento de leitura implícito dos participantes na primeira passagem
Artigos Verdadeiros 18 43 2 7 do experimento refletiu seu interesse explicitamente declarado, ou seja, os
Artigos falsos 21 34 10 5 participantes seguiram seus interesses ao explorar o feed na fase de consumo do
experimento.
Por outro lado, o comportamento de leitura na segunda passagem do experimento foi menos
Na segunda passagem do experimento, os participantes foram um pouco mais lentos na influenciado pelo interesse dos participantes.
passagem pelo feed: viram em média 32 postagens no feed (DP 13). Desses, avaliaram a veracidade Em comparação com os participantes com desinteresse declarado, os participantes
de 29 artigos em média (DP 16). A Tabela 2 mostra o número total de classificações de veracidade com interesse declarado abriram apenas um pouco mais artigos (média de 0,8, SD
para artigos verdadeiros e falsos. Há uma diferença estatisticamente significativa na distribuição das 1 em comparação com 0,7, SD 1) nos tópicos. A Figura 6 mostra a diferença na
classificações de veracidade para artigos falsos e reais (teste t não pareado de avaliações por influência do interesse nos tópicos sobre a área total de artigos vistos na primeira e
participante e tópico resulta em valor p < 0,001). Dada uma escala de 1 a 5, onde 1 representava na segunda passagem. A área total de artigos vistos reflete a profundidade em que
classificação de veracidade certamente verdadeira, a classificação média de veracidade de artigos os participantes leem artigos completos abertos (conforme registrado nos dados do
verídicos foi de 2,5 (DP 1). A classificação média de veracidade dos artigos falsos foi de 3,4 (DP 1). olhar). Em contraste com a primeira passagem do experimento, os participantes
leram artigos em tópicos nos quais não estavam interessados mais profundamente
quando incumbidos de avaliar sua veracidade. No entanto, uma influência do
interesse sobre o comportamento de leitura na segunda passagem ainda pode ser
observada na distribuição da área total vista em tópicos.
4.2 Opinião e interesse nos temas As respostas da Isso difere um pouco das descobertas de Flintham et al., que, ao contrário,
pesquisa nos permitiram explorar as distribuições de interesse, força e polaridade observaram que as histórias nas quais os participantes não estavam
(posição) das opiniões dos participantes dentro dos temas relevantes. interessados “importavam pouco para eles, apesar de repetidas
solicitações” para avaliar sua veracidade [8].
226
Machine Translated by Google
Sessão 8: Social - Crowd Sourcing e análise de mídia social HT '19, 17 a 20 de setembro de 2019, Hof, Alemanha
Figura 4: Comparação das distribuições de força de interesse e força de opinião dos participantes dentro dos tópicos com base nas respostas da
pesquisa final. Força da opinião calculada com base na concordância com as declarações da pesquisa. Forte concordância ou discordância é
representada usando o valor 2 e a falta de opinião como 0.
227
Machine Translated by Google
Sessão 8: Social - Crowd Sourcing e análise de mídia social HT '19, 17 a 20 de setembro de 2019, Hof, Alemanha
e grupo malsucedido composto por 25% dos participantes com a Neste artigo, contribuímos com o desenho do estudo, o conjunto de dados
menor precisão de suas avaliações. resultante e algumas das descobertas que resultam da análise dos dados. As
Há uma diferença significativa (p=0,008 usando o teste t não pareado) na descobertas incluem:
distribuição do tempo médio gasto olhando os cabeçalhos das postagens no • O comportamento de leitura dos participantes foi menos influenciado por seus
feed na fase de avaliação do experimento entre os grupos de sucesso e interesses quando incumbidos de avaliar a veracidade dos artigos em
insucesso. O grupo de participantes bem-sucedidos gastou em média 2 comparação com a navegação no feed sem esse objetivo em mente. •
segundos (DP 0,6) por post no feed olhando seu cabeçalho, enquanto o grupo Ações explícitas (por exemplo, curtidas, compartilhamentos) raramente eram
de participantes menos bem-sucedidos gastou em média 2,9 segundos (DP usadas espontaneamente (como esperado devido às limitações do estudo).
0,8). Não há diferença significativa no tempo gasto observando imagens ou Seu poder indicativo (para detecção de falsificação), portanto,
textos de parágrafo inicial (perex) de postagens no feed. permanece questionável. A exceção é a ação reportar. Das 12 vezes
que foi usado, 10 vezes apontou para artigos falsos. • Em contraste
Isso sugere uma maior confiança nas informações fornecidas no feed com os participantes que foram bem-sucedidos nas estimativas da
para os participantes que tiveram menos sucesso em comparação com os veracidade dos artigos, os participantes malsucedidos confiaram mais
participantes mais bem-sucedidos. A descoberta é corroborada pela nas informações fornecidas no feed do que nos artigos completos
comparação do tempo total gasto lendo artigos na primeira e na segunda reais. • A força da opinião reflete a força do interesse dos participantes
passagem do experimento mostrado na Figura 8, bem como na comparação pela maioria dos tópicos. No entanto, em vários tópicos onde o interesse
do tempo gasto olhando as postagens no feed mostrado na Figura 9. foi geralmente menor, os participantes tiveram opiniões relativamente
fortes com uma polaridade comum. Isso é difícil de explicar, mas
4.4 Limitações do estudo À pode sugerir que as pessoas são frequentemente afetadas pelo
medida que prosseguimos com a análise dos dados, notamos uma ambiente externo para formar suas opiniões.
5 CONCLUSÃO E TRABALHOS FUTUROS a Agência de Subsídios Científicos da República Eslovaca concede os nºs VG
1/0725/19 e VG 1/0667/18.
Apresentamos um estudo em que participantes humanos foram rastreados
durante sua interação com notícias (falsas) em uma interface de mídia social .
REFERÊNCIAS
O conceito deste estudo responde à demanda expressa pela literatura
[1] Oluwaseun Ajao, Deepayan Bhowmik e Shahrzad Zargari. 2018. Identificação de Fake
relacionada: a pesquisa da caracterização e detecção de notícias falsas pode News no Twitter com Modelos Híbridos CNN e RNN. In Proceedings of the 9th
se beneficiar da análise do comportamento humano. International Conference on Social Media and Society - SMSociety '18. ACM Press, Nova
York, Nova York, EUA, 226–230. https://doi.org/10.1145/3217804. 3217917
Isso significa (1) o consumo de notícias por usuários “desprevenidos” e (2) a arXiv:1806.11316
avaliação da veracidade das notícias, quando os usuários procuram ativamente por [2] Ioannis Arapakis, Mounia Lalmas, B. Barla Cambazoglu, Mari-Carmen Marcos e Joemon
pistas de veracidade. A observação do primeiro serve para a compreensão geral do M. Jose. 2014. Engajamento do usuário em notícias online: sob o escopo do sentimento,
interesse, afeto e olhar. Jornal da Associação de Ciência e Tecnologia da Informação
fenômeno das notícias falsas. Este último pode orientar a criação de abordagens de
65, 10 (outubro de 2014), 1988–2005. https://doi.org/10.1002/asi.
detecção automatizada. 23096
228
Machine Translated by Google
Sessão 8: Social - Crowd Sourcing e análise de mídia social HT '19, 17 a 20 de setembro de 2019, Hof, Alemanha
Figura 7: Distribuição das avaliações de veracidade para cada participante. No gráfico superior, os participantes são classificados pelo número de
avaliações corretas. O gráfico inferior mostra os participantes classificados pela precisão de suas avaliações de veracidade. A classificação por
precisão fornece uma ordem quase espelhada dos participantes do que a classificação por número de avaliações corretas, o que sugere que os
participantes que passaram mais tempo avaliando artigos individuais obtiveram maior precisão.
Figura 9: Tempo médio gasto olhando postagens no feed por Figura 8: Diferença no tempo total gasto lendo artigos entre um grupo
participante para os grupos de 25% dos participantes mais e menos de 25% dos participantes mais bem-sucedidos (participantes bem-
bem-sucedidos. Os participantes malsucedidos confiaram nas sucedidos) na classificação da veracidade dos artigos e 25% dos
informações dadas no feed, o que pode ser visto pelas demoras mais participantes menos bem-sucedidos (participantes mal-sucedidos).
longas nas postagens, especialmente na segunda passagem da experiência. Os participantes bem-sucedidos gastaram em média 8 minutos (DP 3)
mento. lendo artigos na primeira passagem e 7 (DP 3) na segunda passagem.
Os participantes malsucedidos gastaram em média 7 minutos (DP 3)
lendo na primeira passagem e 5 (DP 3) na segunda passagem.
[3] Meital Balmas. 2014. Quando as notícias falsas se tornam reais. Communication Research
41, 3 (abril de 2014), 430–454. https://doi.org/10.1177/0093650212453600
229
Machine Translated by Google
Sessão 8: Social - Crowd Sourcing e análise de mídia social HT '19, 17 a 20 de setembro de 2019, Hof, Alemanha
[4] Maria Bielikova, Martin Konopka, Jakub Simko, Robert Moro, Jozef Tvarozek, Patrik Hlavac e [15] Srijan Kumar e Neil Shah. 2018. Informações falsas na Web e mídias sociais: uma pesquisa.
Eduard Kuric. 2018. Rastreamento ocular em massa: estudos de usuários em grupo, Em Social Media Analytics: Avanços e Aplicações. Imprensa CRC, Boca Raton, Flórida, EUA.
infraestrutura de laboratório e práticas. Journal of Eye Movement Research 11, 3 (2018), 1–
15. https://doi.org/10.16910/jemr.11.3.6 [16] Nic Newman, Richard Fletcher, Antonis Kalogeropoulos, David AL Levy e Rasmus Kleis Nielsen.
[5] Christina Boididou, Symeon Papadopoulos, Markos Zampoglou, Lazaros Aposto 2018. Relatório de notícias digitais do Reuters Institute 2018. Relatório técnico . Instituto
lidis, Olga Papadopoulou e Yiannis Kompatsiaris. 2018. Detecção e visualização Reuters. http://media.digitalnewsreport.org/wp-content/ uploads/2018/06/digital-news-
de conteúdo enganoso no Twitter. International Journal of Multimedia Information report-2018.pdf
Retrieval 7, 1 (2018), 71–86. https://doi.org/10.1007/s13735-017-0143-x [6] Niall [17] SB Parikh e PK Atrey. 2018. Detecção de notícias falsas ricas em mídia: uma pesquisa. Em
J Conroy, Victoria L Rubin e Yimin Chen. 2015. Detecção automática de engano: 2018, Conferência IEEE sobre Processamento e Recuperação de Informações Multimídia (MIPR).
métodos para encontrar notícias falsas. In Anais do 78º Encontro Anual da IEEE, Miami, FL, EUA, 436–441. https://doi.org/10.1109/MIPR.2018.00093 [18] Victoria
ASIS&T: Ciência da Informação com Impacto: Pesquisa na e para a Comunidade. L. Rubin, Yimin Chen e Niall J. Conroy. 2015. Detecção de engano para notícias: três tipos de
Sociedade Americana de Ciência da Informação, Silver Springs, MD, EUA, 82. https://dl. falsificações. In Anais do 78º Encontro Anual da ASIS&T: Ciência da Informação com Impacto:
acm.org/citation.cfm?id=2857152{&}CFID=1003643593{&}CFTOKEN=16803981 [7] Miriam Pesquisa na e para a Comunidade (ASIST '15).
Fernandez e Harith Alani. 2018. Desinformação online: desafios e direções futuras. Acompanhando Sociedade Americana para Ciência da Informação, Silver Springs, MD, EUA, Artigo 83, 4
a The Web Conference 2018 na The Web Conference 2018 - WWW '18. ACM Press, Nova páginas. http://dl.acm.org/citation.cfm?id=2857070.2857153 [19] Diego Saez-Trumper. 2014.
York, Nova York, EUA, 595–602. https://doi.org/10.1145/3184558.3188730 Fake Tweet Buster: uma ferramenta da Web para identificar usuários que promovem notícias falsas
no Twitter. In Proceedings of the 25th ACM conference on Hypertext and social media - HT
[8] Martin Flintham, Christian Karner, Khaled Bachour, Helen Creswick, Neha Gupta e Stuart Moran. '14. ACM Press, Nova York, Nova York, EUA, 316–317. https://doi.org/10.1145/2631775.2631786
2018. Caindo em Fake News. Nos Anais da Conferência CHI 2018 sobre Fatores Humanos [20] Kai Shu, Amy Sliva, Suhang Wang, Jiliang Tang e Huan Liu. 2017. Detecção de notícias
em Sistemas Computacionais - CHI '18. ACM Press, Nova York, Nova York, EUA, 1–10. falsas nas mídias sociais: uma perspectiva de mineração de dados. ACM SIGKDD Explorations
https://doi.org/10.1145/3173574.3173950 [9] R. Kelly Garrett. 2011. Consequências Newsletter 19, 1 (set 2017), 22–36. https://doi.org/10.1145/3137597.3137600 arXiv:1708.01967
preocupantes de boatos políticos online.
Human Communication Research 37, 2 (abril de 2011), 255–274. https://doi.org/10. 1111/
j.1468-2958.2010.01401.x [10] Lisa Neal Gualtieri e Lisa Neal. 2009. O médico como segunda [21] Russel Torres, Natalie Gerhart e Arash Negahban. 2018. Epistemologia na era das notícias
opinião e a internet como primeira. In Proceedings of the 27th international conference extends falsas: uma exploração dos comportamentos de verificação de informações entre usuários de
abstracts on Human factors in computing systems - CHI EA '09. ACM Press, Nova York, Nova sites de redes sociais. Banco de dados ACM SIGMIS: o DATABASE for Advances in
York, EUA, 2489. https://doi.org/10.1145/1520340.1520352 [11] Aditi Gupta, Hemank Lamba, Information Systems 49, 3 (julho de 2018), 78–97. https://doi.org/10.1145/
Ponnurangam Kumaraguru e Anupam Joshi. 3242734.3242740
[22] Svitlana Volkova, Kyle Shaffer, Jin Yea Jang e Nathan Hodas. 2017. Separando Fatos da
2013. Faking Sandy: caracterizando e identificando imagens falsas no Twitter Ficção: Modelos Linguísticos para Classificar Postagens de Notícias Suspeitas e Confiáveis
durante o furacão Sandy. Em Anais da 22ª Conferência Internacional sobre World no Twitter. Em Anais da 55ª Reunião Anual da Associação de Linguística Computacional
Wide Web - WWW '13 Companion. ACM Press, Nova York, Nova York, EUA, 729– (Volume 2: Short Papers). Association for Computational Linguistics, Stroudsburg, PA, EUA,
736. https://doi.org/10.1145/2487788.2488033 [12] Hendrik Heuer e Andreas 647–653. https://doi.org/10.18653/v1/
Breiter. 2018. Confie nas novidades nas redes sociais. In Pro ceedings of the 10th P17-2102
Nordic Conference on Human-Computer Interaction - NordiCHI '18. ACM Press, [23] Soroush Vosoughi, Deb Roy e Sinan Aral. 2018. A disseminação de notícias verdadeiras e
Nova York, Nova York, EUA, 137–147. https://doi.org/10.1145/ 3240167.3240172 falsas online. Science 359, 6380 (março de 2018), 1146–1151. https://doi.org/10.1126/
[13] Zhiwei Jin, Juan Cao, Yongdong Zhang, Jianshe Zhou e Qi Tian. 2017. Novos science.aap9559 [24] Amy X Zhang, Martin Robbins, Ed Bice, Sandro Hawke, David Karger,
recursos visuais e estatísticos de imagens para verificação de notícias em microblogs. An Xiao Mina, Aditya Ranganathan, Sarah Emlen Metz, Scott Appling, Connie Moon Sehat, Norman
IEEE Transactions on Multimedia 19, 3 (2017), 598–608. https://doi.org/10.1109/ Gilmore, Nick B Adams, Emmanuel Vincent e Jennifer Lee. 2018. Uma resposta estruturada à
TMM. desinformação: Definindo e anotando indicadores de credibilidade em artigos de notícias.
2016.2617078 Acompanhando a The Web Conference 2018 na The Web Conference 2018 - WWW '18. ACM
[14] Ana Kata. 2010. Uma caixa de Pandora pós-moderna: Desinformação anti-vacinação na Internet. Press, Nova York, Nova York, EUA, 603–612. https://doi.org/10.1145/3184558.3188731
Vacina 28, 7 (2010), 1709–1716. https://doi.org/10.1016/j.vaccine.
2009.12.022
230