Who Checks the Checkers? Exploring Source Credibility in Twitter's Community Notes
本研究通过分析 Twitter 的社区附注（Community Notes）得出，虽然该平台的排名算法能有效利用来源真实性来影响用户认同，但其众包事实核查过程在来源选择和使用模式上表现出左倾偏见。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一下 Twitter（现为 X）是一个巨大且混乱的城镇广场，每个人都在那里大声叫喊着新闻、观点和传闻。在过去，如果有人喊出了假消息，一小群专业图书管理员（专家事实核查员）会试图阻止他们。但由于每秒钟都有如此多的叫喊声，图书管理员们根本应付不过来。
因此，Twitter 推出了 社区笔记 (Community Notes)。你可以把它想象成一个“邻里守望”计划。它不再仅仅依靠图书管理员，任何普通公民都可以站出来，标记一条喊话是否虚假，并写下一条说明来解释原因，同时附上证明链接。
你分享的这篇论文提出了一个非常重要的问题：“谁在监督监督者？” 换句话说，当这些普通公民撰写笔记来纠正错误信息时，他们使用的是什么样的“证据”（来源），而这些证据本身是否带有隐藏的偏见？
以下是研究人员发现的内容，使用了简单的类比：
1. “首选”来源（心仪的书籍）
当邻居们撰写纠错笔记时，他们从哪里获取事实？
- 重量级选手： 最受欢迎的两个来源是 Twitter 本身（人们引用其他推文来证明某个观点）和 维基百科 (Wikipedia)。这就像邻居们在说：“我知道你在 Twitter 上看到了那个，但看看另一条推文是怎么说的，”或者“让我们查查这个社区百科全书吧。”
- 新闻机构： 当他们引用外部新闻时，主要使用左倾的新闻来源（如 BBC 或路透社）。
- 专家机构： 对于科学和健康领域，他们高度依赖政府和研究团体（如世卫组织 WHO 或疾控中心 CDC）。
2. 证据的“政治风味”
研究人员品尝了这些来源的“风味”，以观察它们是否存在偏见。
- 左倾趋势： 大多数用于事实核查的来源都属于 中左翼 (Left-Center) 且具有 高事实性 (High Factuality)。想象一下，在一个城镇里，大多数撰写纠错笔记的人都在使用图书馆“左侧”的书籍，而且这些书通常是非常准确的。
- 右侧的问题： 当来源倾向于 右翼 (Right) 时，它们更有可能被评定为具有 较低的事实性。这就像是“右侧”的图书馆里有很多书籍是真假参半的。
- “中间派”悖论： 有趣的是，那些完全中立（Center）的来源更常被用来 反驳 (refute) 一条推文，而有偏见的来源有时会被用来 支持 (support) 一条推文。
3. “有效性”测试（法官的法槌）
Twitter 有一个特殊的算法（数字法官），它决定哪些笔记是“有帮助的 (Helpful)”并向所有人展示，哪些是“无帮助的 (Not Helpful)”。
- 质量至上： 这个法官很聪明。使用 高质量、事实性强来源 的笔记会被标记为“有帮助”。使用 低质量来源 的笔记则会被标记为“无帮助”。
- 偏见盲点： 这里有一个转折：只要来源是真实的，即使该笔记使用了 左翼 或 右翼 的偏向性来源，法官也会将其标记为“有帮助”。然而，如果一个笔记使用了 右翼偏向 且 质量较低 的来源，它就会被拒绝。
- 支持 vs. 反驳： 研究人员发现了一些可疑之处：那些试图 支持 (defend/support) 一条推文的笔记，更有可能使用 右倾 的来源和 较低质量 的来源。这就像是一群邻居试图用摇摇欲坠的证据来为传闻辩护，而试图拆穿谣言的那群人则使用坚实、高质量的证据。
4. “共识”计量器（群众的点头）
最后，研究人员观察了群众对这些笔记的认同程度。
- 真相获胜： 当一条笔记使用具有 高事实性 的来源时，群众对它的认同度更高。
- 右侧的摩擦： 引用 右倾 来源的笔记获得了 最低的认同度。人们不太愿意对它们点头表示赞同。
- 中立的甜点位： 引用 中立 (Center) 或 左倾 来源的笔记获得了很高的认同度，这表明在这个特定的环境下，群众更信任中立或左倾的事实，而非右倾的事实。
大局观
研究结论认为，虽然“邻里守望”（社区笔记）在过滤低质量垃圾信息方面做得很好（算法确实有效！），但存在一种 系统性偏见，即谁在进行监督。
“监督者”主要使用 左倾、高质量 的来源。这意味着该平台的实事核查生态系统可能会在无意中偏袒一种政治观点。这并不是说邻居们在撒谎；而是他们所借阅的图书馆主要存放着来自政治光谱一侧的书籍。
简而言之： 该系统在识别坏事实方面运作良好，但用于进行识别的“事实”来自于互联网中一个特定的、左倾的角落。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。