ترغب بنشر مسار تعليمي؟ اضغط هنا

تقييم تجريبي للجوانب النوعية من المعلومات الخاطئة في الأخبار الصحية

An Empirical Assessment of the Qualitative Aspects of Misinformation in Health News

147   0   0   0.0 ( 0 )
 تاريخ النشر 2021
  مجال البحث الذكاء الاصناعي
والبحث باللغة English
 تمت اﻹضافة من قبل Shamra Editor




اسأل ChatGPT حول البحث

إن انفجار مقالات أخبار الصحة عبر الإنترنت يدير مخاطر انتشار المعلومات ذات الجودة المنخفضة.ضمن العمل الحالي بشأن فحص الحقائق، ومع ذلك، فقد تم إيلاء اهتمام كبير نسبيا للأخبار الطبية.نقدم مهمة تصنيف الأخبار الصحية لتحديد ما إذا كانت المواد الإخبارية الطبية تلبي مجموعة من معايير المراجعة التي تعتبرها خبراء طبي وصحفيون الرعاية الصحية.نقدم مجموعة بيانات من 1،119 أخبار الصحة المقترنة مراجعات منهجية.تتكون معايير المراجعة من ستة عناصر ضرورية لدقة الأخبار الطبية.بعد ذلك، نقدم تجارب تقارن النهج الكلاسيكي القائم على الرمز المكون من النماذج القائمة على المحولات.تظهر نتائجنا أن الكشف عن الهفوات النوعية هي مهمة صعبة مع التداعيات المباشرة في المعلومات الخاطئة، ولكنها اتجاه مهم لمتابعة ما بعد تخصيص الملصقات الحقيقية أو المزيفة إلى مطالبات قصيرة.



المراجع المستخدمة
https://aclanthology.org/
قيم البحث

اقرأ أيضاً

في هذه الورقة، نقدم Unifiedm2، وهو نموذج معلومات فعال للأغراض العامة نماذج مشتركة مجالات متعددة من المعلومات الخاطئة مع إعداد واحد موحد.يتم تدريب النموذج على التعامل مع أربع مهام: اكتشاف تحيز الأخبار، Clicbait، أخبار وهمية، والتحقق من الشائعات.من خلا ل تجميع هذه المهام معا، يتعلم Unifiedm2 تمثيلا أكثر ثراء من المعلومات الخاطئة، مما يؤدي إلى أداء أحدث أو أداء مماثل في جميع المهام.علاوة على ذلك، نوضح أن التمثيل الموحد الذي تم تعلمه هو مفيد لعدد قليل من التعلم لمهام / مجموعات البيانات / مجموعات التضليلات غير المرئية وتعميمات النموذج للأحداث غير المرئية.
بصرف النظر عن نجاح نهج تعلم النطاق المختلط في مجال التعلم العميق لحل المهام المختلفة لمعالجة اللغة الطبيعية، فإنه لا يقرض حل جماعيا للكشف عن المعلومات الخاطئة من بيانات وسائل التواصل الاجتماعي CovID-19. نظرا للتعقيد المتأصل من هذا النوع من البيانات، الناجمة عن ديناميك (سياقه يتطور بسرعة)، ذات الطابع الدقيق (أنواع الخائن غير غامضة في كثير من الأحيان)، ومتنوعة (الفئات المنحيحة، المحبوسة والتداخل) الطبيعة، من الضروري نموذج فعال لالتقاط كل من السياق المحلي والعالمي للمجال المستهدف. من خلال إجراء تحقيق منهجي، نظهر أن: (1) النماذج المدربة مسبقا مسبقا للمحولات العميقة، المستخدمة عبر تعلم نقل المجال المختلط، جيدة فقط في التقاط السياق المحلي، وبالتالي تظهر تعميم ضعيف، و (2) يمكن أن يستخرج مزيج من النماذج الضحلة المستندة إلى الشبكة والشبكات العصبية التنافسية السياق محليا بالإضافة إلى السياق بشكل فعال بالإضافة إلى البيانات المستهدفة بطريقة هرمية بطريقة هرمية، مما يتيح من تقديم حل أكثر تعميما.
أجريت هذه الدراسة في جميع المراكز الصحية التي تقدم خدمات اللقاح في مدينة اللاذقية على عيّنة قوامها جميع الممرضات اللواتي يقدمن اللقاح للأطفال في المراكز الصحية و عددهن (27) ممرضة، و جميع الأهالي المرافقين للأطفال المراجعين للمركز الصحي بقصد أخذ اللقا ح و عددهم (270) عائلة. و جمعت البيانات في الفترة الزمنية الممتدة من شهر تشرين الأول عام 2013 حتى شهر آذار 2014، وفقاُ لاستمارة خاصة معدة مسبقاً لهذه الدراسة و تتضمن (استمارة لتقييم الممرضة أثناء عملية إعطاء اللقاح، و استبيان لتقييم معلومات الممرضات اللواتي يعطين اللقاح، و استبيان لتقييم رضا الأهل عن أداء الممرضات في إعطاء اللقاحات لأطفالهم). و قد هدفت هذه الدراسة إلى تقييم جودة أداء الممرضات في عملية إعطاء اللقاح في المراكز الصحية بمدينة اللاذقية. من أبرز نتائجها أنمعظم الممرضات كان أداؤهن متوسط الجودة في عملية إعطاء اللقاح، كما بينت الدراسة أن غالبيتهن يمتلكن مستوى معلومات ضعيف حول اللقاحات. رغم ذلك كان الأهل راضين بشدة عن أداء الممرضات في إعطاء اللقاحات.
وقد رافق انتشار Covid-19 بمعلومات مفاجئة واسعة النطاق بشأن وسائل التواصل الاجتماعي.على وجه الخصوص، شهد Twittercrive زيادة كبيرة في نشر الحقائق والأرقام المشوهة.يهدف هذا العمل الحالي إلى تحديد تغريدات بشأن CovID-19 التي تحتوي على معلومات ضارة وخاطئة.ل قد جربنا عددا من النماذج التعلم العميقة، بما في ذلك تضمين كلمة مختلفة، مثل القفازات، إلمو، من بين أمور أخرى.حقق نموذج Bertweet أفضل درجة F1 بشكل عام من 0.881 وأمنت المرتبة الثالثة على المهمة المذكورة أعلاه.
في هذه الورقة، نقدم شائعات ARCOV19، ومجموعة بيانات عربية Covid-19 Twitter للكشف عن المعلومات الخاطئة المؤلفة من تغريدات تحتوي على مطالبات من 27 يناير حتى نهاية أبريل 2020. قمنا بجمع 138 مطالبات تم التحقق منها، معظمها من مواقع التحقق من الحقائق الشعبي ة، وحددنا 9.4K تغريدات ذات صلة مع تلك المطالبات. تم فحص التغريدات يدويا بفحصها يدويا لدعم البحوث حول الكشف عن المعلومات الخاطئة، وهي واحدة من المشاكل الرئيسية التي تواجهها خلال جائحة. تدعم شائعات ARCOV19 مستويين من الكشف عن المعلومات الخاطئة على Twitter: التحقق من مطالبات النص الحر (تسمى التحقق من مستوى المطالبة) والتحقق من المطالبات المعبر عنها في تغريدات (تسمى التحقق من مستوى التغريد). أغطية البيانات الخاصة بنا، بالإضافة إلى الصحة، والمطالبات المتعلقة بالفئات الموضعية الأخرى التي تأثرت بالكوفيد 19، وهي الاجتماعية والسياسة والرياضة والترفيه والدينية. علاوة على ذلك، فإننا نقدم نتائج مرجعية للتحقق من المستوى التغردد على DataSet. جربنا نماذج SOTA من النهج التنوعية التي إما استغلال المحتوى، وميزات ملفات تعريف المستخدمين، والميزات الزمنية وهيكل الانتشار من مؤشرات الترابط المحادثة للتحقق من تغريد التغريد.

الأسئلة المقترحة

التعليقات
جاري جلب التعليقات جاري جلب التعليقات
سجل دخول لتتمكن من متابعة معايير البحث التي قمت باختيارها
mircosoft-partner

هل ترغب بارسال اشعارات عن اخر التحديثات في شمرا-اكاديميا