情報処理学会第83回全国大会発表資料.pdf

1. Communication Design Laboratory 〇草竹大暉1 平林（宮部）真衣2 吉野孝1 1 和歌山大学 2 東京大学大学院医学系研究科 Twitterにおいて流言訂正情報を発信・拡散するユーザの特徴分析

2. Communication Design Laboratory 発表順序 2 1.はじめに 2.関連研究 3.分析の概要 4.分析① 5.分析② 6.まとめ

3. Communication Design Laboratory 今年の7月に開催予定の東京五輪2020ですが... もし，新型コロナウイルスの影響で開催できない場合 2022年に開催される冬季オリンピックと共同で開催されることが決定しました！！そんな事実はありません

4. Communication Design Laboratory 不確かな情報の発信・拡散 4 ◼ Twitterの普及  国内の利用者数：4500万人 (2018年10月)※  情報インフラとして活用 ⚫ 東日本大震災(2011年3月11日)など  デマ情報を発信・拡散してしまう可能性新型コロナウイルス（COVID-19）の流行で投稿されたツイート漂白剤を飲めばCOVID-19は治る間違った内容を含むツイートに関して削除を要請 Twitter Japan ※ 【2021年2月更新】主要ソーシャルメディアのユーザ数まとめ：(https://www.uniad.co.jp/260204)

5. Communication Design Laboratory 本研究の背景 5 気軽に情報を発信・拡散できる流言には社会的混乱を引き起こす内容があるユーザの情報に対する注意力を高める仕組み作りが必要「流言の定義」十分な根拠がなく，その真偽が不明，または真偽が人々に疑われている情報

6. Communication Design Laboratory 本研究の目的 6 流言訂正者の特徴を明らかにする効果的な注意喚起の仕組みの構築に役立つ知見を得ることが目的

8. Communication Design Laboratory 関連研究 8 ◼ Twitterにおける流言訂正情報の時間的推移の分析[1]  訂正数が大きく増加している箇所を「山」として，その数に着目した分析 ◼ マイクロブログではどの程度流言が訂正されるのか？[2]  Twitter上で訂正される流言情報の推移についての分析 [1]紀本雅大，荒牧英治，宮部真衣：Twitterにおける流言低絵師情報の時間的推移の分析，情報処理学会第79回全国大会，Vol.2017，No.1，pp.515-516(2017) [2]宮部真衣，灘本明代，荒牧英治：マイクロブログではどの程度流言が訂正されるのか？，情報科学技術フォーラム講演論文集，Vol.12，No.2，pp.165-166(2013) 「流言の訂正を行うユーザ」に着目

10. Communication Design Laboratory 分析の概要 10 流言訂正者の発信の仕方と流言の訂正回数に着目流言訂正者の特徴の指標訂正情報の発信の仕方他者の発言内容を拡散しているだけのツイート発信者自身が作成したと考えられるツイート発信拡散

11. Communication Design Laboratory 分析対象データ 11 ◼ 流言情報クラウド※において収集されたデータ  期間：2020年9月1日～9月30日  ツイート数：16,663件〇〇はデマ流言訂正情報取得流言情報クラウド ※宮部真衣，灘本明代，荒牧英治：人間による訂正情報に着目した流言拡散防止サービスの構築，情報処理学会論文誌，Vol. 55，No. 1，pp. 563-573(2014)．

13. Communication Design Laboratory ユーザの訂正回数と属性に着目した分析 13 ◼ 訂正回数による分類  訂正回数が1回，2回，3回以上行ったユーザで分類 ◼ ユーザの属性による分類  訂正情報の「発信」のみを行ったユーザ  訂正情報の「拡散」のみを行ったユーザ  訂正情報の「発信」と「拡散」の両方を行ったユーザ

14. Communication Design Laboratory ユーザの訂正回数による分類 14 ◼ ユーザの訂正回数  訂正回数が1回のユーザは全体の90.8% 1回 2回 3回以上 13,238人， 90.8％ 1,072人， 7.4％ 262人， 1.8％知見① 訂正情報の「発信・拡散」は単発的に行われる事が多く複数回にわたり意欲的に流言の訂正を行うユーザは少ない

15. Communication Design Laboratory ユーザの属性による分類 15 ◼ ユーザの属性  訂正情報の「拡散」のみのユーザは全体の94.2% 知見② 訂正情報の発信者は自分の意図を含まない訂正情報の「拡散」という形で投稿する発信のみ拡散のみ発信と拡散 748人， 5.1％ 94人， 0.6% 13,730人， 94.2%

17. Communication Design Laboratory 発信と拡散 17 VS 発信い拡散ツイート発信者の何らかの意図が含まれている可能性ツイート発信者の意図が含まれていない「発信」を行うユーザは，「拡散」を行うユーザよりも危機意識や注意喚起意欲が高い可能性がある

18. Communication Design Laboratory 単発訂正者と複数訂正者 18 ◼ 単発訂正者  偶発的に訂正を行っている可能性 ◼ 複数訂正者  流言に対して敏感で，意欲的に訂正を行っている可能性単発訂正者 (訂正回数：1回) 複数訂正者 (訂正回数：2回以上) 複数回訂正を行ったユーザの方が，流言の訂正を行うユーザの特徴が抽出されやすい可能性

19. Communication Design Laboratory 複数回「発信」ツイートを投稿したユーザの分析 19 ◼ 分析対象データ  複数回(2回以上)訂正を行ったユーザの「発信」ツイート：606件

20. Communication Design Laboratory 文字列の一致複数回「発信」ツイートを投稿したユーザの分類 20 投稿内容(文字列)が一致する可能性がある複数回訂正を行っている場合ボット単一の話題複数の話題文字列の不一致投稿内容(文字列)の一致に基づいて複数回訂正を行ったユーザを分類する必要がある

21. Communication Design Laboratory 複数回「発信」ツイートを投稿したユーザの分類 21 (A) い (B) 投稿内容(文字列)が全て異なるユーザ（ツイート内容一致数＝0回）投稿内容(文字列)が全て同じユーザ（ツイート内容一致数＝発信回数）い (C) 投稿内容(文字列)が一部同じユーザ（ツイート内容一致数が0回以上かつ発信回数未満） URLなど異なる部分があれば，一致していないとみなす

22. Communication Design Laboratory (A)投稿内容が全て異なるユーザ 22 ◼ 訂正回数の分布  訂正回数の最頻値：2回  訂正頻度は低い傾向訂正回数 2回 (人) 3回 (人) 4回 (人) 5回 (人) 6回 (人) 7回 (人) 9回 (人) 14回 (人) 16回 (人) 17回 (人) 合計 (人) 38 4 2 2 1 1 1 1 1 1 52

23. Communication Design Laboratory (A)投稿内容が全て異なるユーザ 23 ◼ 訂正回数上位5ユーザの訂正内容を確認  重要性の高い，単一の話題の流言の訂正  リプライによる流言の訂正訂正回数：14,16,17回訂正回数：7,9回知見③ 重要性の高い，単一の話題の流言に対してリプライという形で訂正を行う傾向がある＠userA:コロナに関する訂正情報＠userB:外国人に関する訂正情報

24. Communication Design Laboratory (B)投稿内容が全て同じユーザ 24 訂正回数 2回 (人) 3回 (人) 4回 (人) 5回 (人) 7回 (人) 25回 (人) 27回 (人) 合計 (人) 3 3 2 1 3 1 1 14 ◼ 訂正回数の分布  流言の訂正回数にばらつきがある  同一内容のツイートを20回以上投稿しているユーザもみられる 25回，27回の同一内容を発信していることから自動的にツイートを投稿するボットである可能性

25. Communication Design Laboratory (C)投稿内容が一部同じユーザ 25 ◼ 訂正回数の分布  訂正回数の範囲が分類(A),(B)と比べて大きい  訂正回数が極端に多い(149回)ユーザも存在した訂正回数 3回 (人) 4回 (人) 5回 (人) 9回 (人) 10回 (人) 13回 (人) 18回 (人) 21回 (人) 34回 (人) 36回 (人) 149回 (人) 合計 (人) 2 1 1 1 1 1 1 1 1 1 1 12

26. Communication Design Laboratory (C)投稿内容が一部同じユーザ 26 ◼ ユーザのツイート内容を確認①  複数種類の訂正ツイートを繰り返し投稿  全く同じ内容であるが，URLのみが異なるため，異なるツイートとみなされた知見④ 一定期間(今回は30日)の訂正回数がある程度多いことからこれらの傾向が見られるユーザはボットである可能性がある

27. Communication Design Laboratory (C)投稿内容が一部同じユーザ 27 ◼ ユーザのツイート内容を確認②  訂正回数は多いが，訂正されている流言情報の重要性は低い知見⑤ ユーザの訂正回数の多さを幅広い訂正情報の収集や情報の重要性といった指標として扱うことは難しい

29. Communication Design Laboratory まとめ 29 知見① 訂正回数が1回のユーザは全体の91％であることから，複数回にわたって意欲的に訂正情報を発信するユーザは少ない知見② 訂正情報の約94％は「拡散」という，ツイート発信者の意図を含まない形で行われるユーザの訂正回数と属性に着目した分析

30. Communication Design Laboratory (C)投稿内容が一部同じユーザ (A)投稿内容が全て異なるユーザまとめ 30 知見③ 単一の話題の流言に対してリプライという形で訂正を行う傾向がある知見④ ある期間内において訂正回数の多いユーザはボットである可能性がある複数回「発信」ツイートを行ったユーザの分析知見⑤ ユーザの訂正回数の多さを幅広い訂正情報の収集や情報の重要性といった指標として単純に扱うことは難しい

31. Communication Design Laboratory 発表順序 32 1.はじめに 2.関連研究 3.分析の概要 4.分析結果 5.まとめ 6.予備スライド

32. Communication Design Laboratory (A)投稿内容が全て異なるユーザに訂正された流言の例 33 ◼ 訂正回数17回のユーザ  PCR検査陽性=感染  身体の中の細胞のどこかにウイルスがいれば感染です。 ◼ 訂正回数7回のユーザ  外国人犯罪は増加している  在日コリアン64万人中46万人無職新型コロナウイルスに関する流言に対して，訂正を行っている外国人に対して悪意のある流言について訂正を行っている

33. Communication Design Laboratory (B)投稿内容が全て同じユーザに訂正された流言の例 34 ◼ 訂正回数27回のユーザ  iPhoneを水に浸すと音質が良くなる ◼ 訂正回数25回のユーザ  月島蛍の本体は眼鏡だ重要性が低い流言への訂正アニメのキャラクターについての投稿を行っているボット

34. Communication Design Laboratory (C)投稿内容が一部同じユーザに訂正された流言の例 35 ◼ 訂正回数149回のユーザ  相撲の新弟子には厳しい検査基準がある!  ピラニアは凶暴で人を襲う!  クロロホルム嗅ぐと一瞬で気絶する! ◼ 訂正回数34回のユーザ  『ポケモンGO』注意！！「日本版は7/15(金)午前10 時配信開始」同じ訂正ツイートを使い回して使っている全く同じ内容であるが，URLのみが異なるために，異なるツイートであるとみなされた

35. Communication Design Laboratory 複数回「発信」ツイートを投稿したユーザの分類結果 36 ユ―ザの種類訂正回数 1回（人） 2回（人） 3回以上（人）合計（人）訂正情報の発信のみを行ったユーザ 680 35 33 748 訂正情報の拡散のみを行ったユーザ 12,558 976 196 13,730 訂正情報の発信と拡散の両方を行ったユーザ - 61 33 94 合計 13,238 1,072 262 14,572

情報処理学会第83回全国大会発表資料.pdf

Estás leyendo una previsualización.

Eche un vistazo a continuación

情報処理学会第83回全国大会発表資料.pdf

Más Contenido Relacionado

Similares a 情報処理学会第83回全国大会発表資料.pdf (20)

Más reciente (20)