💬 NLP
Angry but Accurate: Detecting and Profiling the Counter-Misinformation Ecosystem on Twitter
通过分析超过 264,000 条关于 COVID-19 的推文，本研究揭示了积极反对虚假信息的用户更有可能是表达了更高水平的负面情绪（如愤怒和厌恶）的资深账号，从而挑战了“负面性是虚假信息主要特征”这一假设。
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
想象一下互联网是一个巨大且混乱的城镇广场。在这个广场上，有人大声叫嚣着一个谎言（误导信息）。通常情况下，我们假设那个叫嚣谎言的人才是愤怒的，而纠正他们的人则是冷静且理性的。
这篇题为**《愤怒但准确》（Angry but Accurate）**的论文颠覆了这一假设。研究人员观察了数百万条关于 COVID-19 的推文，以观察究竟是谁在叫嚣谎言，又是谁在叫嚣纠正。以下是他们的发现，用通俗易懂的方式进行了解释：
1. “愤怒的纠正者”
旧观念： 我们通常认为误导信息是那些充满恐惧和愤怒的“情绪化”内容，而真相则是冷静且中立的。
新发现： 研究人员发现，那些纠正谎言的人实际上比传播谎言的人表现出更多的愤怒、厌恶和悲伤。
- 类比： 把这想象成一场嘈噪的派对。你可能会预期那个讲离奇假故事的人才是最亢奋、最有情绪波动的那个。但这项研究发现，那些站出来大喊“那不是真的！别再传播那个了！”的人，实际上才是拥有最强烈负面情绪的人。他们感到沮付和愤慨。
2. 这些人是谁？
研究还观察了发布这些推文的人的个人资料。
- 传播者： 分享误导信息的人并没有明显的“机器人”特征；他们并不比其他人更具自动化特征。
- 纠正者： 那些打击误导信息的人往往是城镇广场里的“老居民”。
- 类比： 把 Twitter 平台想象成一个社区。纠正谎言的人就像是那些拥有大房子、有很多朋友、并在社区里有很长历史的长期居民。他们的账号更久，粉丝更多，也加入了更多的群组。他们不是那些新的、随机的账号；他们是社区中资深且活跃的成员。
3. 他们的表达方式
研究人员分析了推文的实际文本。
- 谎言： 传播误导信息的帖子往往较长，并且充满了惊讶。
- 类比： 撒谎者就像是编织复杂、宏大故事的讲述者，通过层层转折让你发出“哇，我简直不敢相信！”的感叹。
- 真相： 纠正性的言论通常较短，且充满了悲伤、愤怒或厌恶。
- 类比： 纠正者就像是那些直言不讳、感到挫败的邻居，他们只会大喊：“那是谎言！”或者“我真是听够了这些！”他们不需要长篇大论；他们只需要表达自己的挫败感。
4. 核心启示
这篇论文给任何试图监管互联网的人提供了一个最重要的教训。
- 陷阱： 如果一个计算机程序被告知将“愤怒”或“情绪化”的帖子标记为疑似谎言，它会无意中让讲述真相的人噤声。
- 现实： 因为纠正谎言的人通常是最有情绪的（愤怒和厌恶），自动化系统可能会认为他们才是问题所在，并删除他们的帖子。这会导致城镇广场失去它最积极的捍卫者。
总结
论文得出结论，在 Twitter 上对抗 COVID-19 谎言的战斗中：
- 说真话的人更愤怒： 他们比撒谎者更有情绪（愤怒、悲伤、厌恶）。
- 说真话的人地位稳固： 他们是较资深的、受欢迎的账号，而非机器人。
- 撒谎者令人惊讶： 他们的帖子较长，并试图通过震惊来吸引你。
作者将这群人称为“愤怒但准确”。他们是那些虽然感到挫败和情绪化，但却可靠的邻居，正试图清理城镇广场里的混乱。
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。