Who Shares Fake News? Uncovering Insights from Social Media Users’ Post Histories

要約

私たちは、ソーシャルメディアユーザー自身の投稿履歴は、十分に活用されていないものの、フェイクニュースの共有を研究するための貴重なリソースであると提案します。
過去の投稿からテキストの手がかりを抽出し、ランダムなソーシャルメディアユーザーや他のユーザー（たとえば、同様の社会人口統計を持つユーザー、政治ニュースの共有者、ファクトチェックの共有者）とその蔓延状況を対比することで、研究者は偽の投稿を区別する手がかりを特定することができます。
-ニュース共有者は、フェイクニュースを共有する可能性が最も高い人を予測し、介入を構築するための有望な構成要素を特定します。
私たちの研究には、これらの方向に沿った研究が含まれています。
研究 1 では、フェイクニュース共有者の特徴的な言語パターンを調査し、彼らの怒りや権力に関連した言葉の多用などの要素に焦点を当てます。
研究 2 では、予測モデルにテキストの手がかりを追加すると、フェイクニュース共有者の予測精度が向上することを示します。
研究 3 では、特性の怒りと状況に応じた怒りの対照的な役割を調査し、特性の怒りが真実のニュースとフェイク ニュースの両方を共有する傾向の強さと関連していることを示しています。
研究 4 では、アンケートで Twitter アカウントを認証する方法を紹介し、それを使用してユーザーの権力意識に響く広告コピーを作成することでファクトチェック ツールの導入がどのように促進されるかを調査します。
私たちは、マーケティング担当者や誤情報研究者に新しい調査方法の使用を奨励したいと考えています。

要約(オリジナル)

We propose that social-media users’ own post histories are an underused yet valuable resource for studying fake-news sharing. By extracting textual cues from their prior posts, and contrasting their prevalence against random social-media users and others (e.g., those with similar socio-demographics, political news-sharers, and fact-check sharers), researchers can identify cues that distinguish fake-news sharers, predict those most likely to share fake news, and identify promising constructs to build interventions. Our research includes studies along these lines. In Study 1, we explore the distinctive language patterns of fake-news sharers, highlighting elements such as their higher use of anger and power-related words. In Study 2, we show that adding textual cues into predictive models enhances their accuracy in predicting fake-news sharers. In Study 3, we explore the contrasting role of trait and situational anger, and show trait anger is associated with a greater propensity to share both true and fake news. In Study 4, we introduce a way to authenticate Twitter accounts in surveys, before using it to explore how crafting an ad copy that resonates with users’ sense of power encourages the adoption of fact-checking tools. We hope to encourage the use of novel research methods for marketers and misinformation researchers.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google