گفتن حقیقت از داستان از روی کلماتی که به کار می برد
رسانه‌های اجتماعی به گسترش اطلاعات و اطلاعات نادرست کمک کرده‌اند، که در هنگام تلاش برای تمایز بین واقعیت و خیال در پلتفرم‌های رسانه‌های اجتماعی مانند توییتر، چالش‌های مهمی را ایجاد می‌کند.
یکی از پربارترین، به طور گسترده به اشتراک گذاشته شده و بسیار مورد بررسی حساب های توییتر در چند سال گذشته به دونالد ترامپ، رئیس جمهور سابق ایالات متحده تعلق داشت. ترامپ در آخرین سال ریاست جمهوری خود به طور متوسط بیش از 33 بار در روز توییت می کرد. این توییت‌ها از اظهارات واقعی که به راحتی قابل تأیید بودند تا نظراتی که آشکارا نادرست بودند، متغیر بودند.
حجم انبوه سوابق ترامپ در رسانه های اجتماعی و تجزیه و تحلیل کامل آن توسط حقیقت سنج ها به تیمی از محققین اجازه داد تا زمانی که او اطلاعات درست یا نادرست را به اشتراک می گذارد، انتخاب های کلمات وی را مقایسه کنند.
نتایج این مطالعه در مجله منتشر شده است علم روانشناسی، نشان می دهد که انتخاب کلمات ترامپ به روش های واضح و قابل پیش بینی زمانی که او اطلاعاتی را که می دانست از نظر واقعی نادرست به اشتراک می گذاشت، متفاوت بود. سپس ون درزی و همکارانش از این اطلاعات برای ایجاد مدلی برای پیش‌بینی درست یا نادرستی یک توییت استفاده کردند. مدل‌های زبانی شخصی‌شده مشابه در نهایت ممکن است به شناسایی دروغ‌ها در سایر تنظیمات دنیای واقعی کمک کنند.
سوفی ون درزی، محقق دانشگاه اراسموس روتردام و اولین نویسنده این مقاله گفت: «ما یک مدل زبانی شخصی ایجاد کردیم که می‌توانست پیش‌بینی کند کدام اظهارات رئیس‌جمهور سابق درست و کدام یک فریبنده است. زبان او به حدی منسجم بود که در حدود سه چهارم موارد، مدل ما به درستی می‌توانست پیش‌بینی کند که آیا توئیت‌های ترامپ واقعی بوده یا صرفاً بر اساس استفاده از کلمات او نیست.
برای تجزیه و تحلیل، محققان دو مجموعه داده جداگانه را جمع آوری کردند که هر کدام شامل توییت های 3 ماهه رئیس جمهور ارسال شده توسط @realDonaldTrump حساب توییتر. سپس محققان این مجموعه داده‌ها را با مجموعه داده‌های راست‌آزمایی شده از توییت‌ها ارجاع دادند. واشنگتن پست برای تعیین درست یا نادرست بودن یک توییت.
برای جلوگیری از آلودگی داده ها، محققان تمام توییت هایی را که منعکس کننده استفاده از زبان ترامپ نبودند (به عنوان مثال، بازتوییت ها، نقل قول های طولانی) حذف کردند.
اولین مجموعه داده تفاوت های زیادی را در استفاده از زبان بین توئیت های واقعی و نادرست ترامپ نشان داد. سپس ون درزی و همکارانش از این اطلاعات برای ایجاد مدلی برای پیش‌بینی واقعی بودن یک توییت شخصی استفاده کردند.
ون درزی گفت: «با استفاده از این مدل، می‌توانیم پیش‌بینی کنیم که ترامپ در سه توییت از چهار توییت چقدر درست است. ما همچنین مدل شخصی‌سازی‌شده جدید خود را با سایر مدل‌های تشخیص مشابه مقایسه کردیم و متوجه شدیم که حداقل 5 درصد از آنها بهتر عمل می‌کند.»
با توجه به این نتایج، محققان حدس می زنند که مدل شخصی سازی شده آنها می تواند به تمایز واقعیت از داستان در ارتباطات آینده ترامپ کمک کند. مدل‌های مشابهی نیز می‌تواند برای سایر سیاستمدارانی که به طور سیستماتیک حقایق بررسی می‌شوند، ساخته شود.
ون درزی گفت: "مقاله ما همچنین هشداری برای همه افرادی است که اطلاعات آنلاین را به اشتراک می گذارند." "از قبل مشخص بود که اطلاعاتی که مردم به صورت آنلاین ارسال می کنند می تواند علیه آنها استفاده شود. ما اکنون با استفاده از داده های در دسترس عموم نشان می دهیم که کلماتی که مردم هنگام اشتراک گذاری اطلاعات آنلاین استفاده می کنند می تواند اطلاعات حساسی را درباره فرستنده نشان دهد، از جمله نشانه ای از قابل اعتماد بودن آنها. "
نقل قول: توییت های ترامپ: گفتن حقیقت از داستان از روی کلماتی که به کار برد (2022، 27 ژانویه) در 27 ژانویه 2022 از https://phys.org/news/2022-01-trump-tweets-truth-fiction-words.html بازیابی شده است.
این برگه یا سند یا نوشته تحت پوشش قانون کپی رایت است. به غیر از هرگونه معامله منصفانه به منظور مطالعه یا تحقیق خصوصی، هیچ بخشی بدون اجازه کتبی قابل تکثیر نیست. محتوای مذکور فقط به هدف اطلاع رسانی ایجاد شده است.
[ad_2]