کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
5103364 1480104 2017 12 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
On the statistical properties of viral misinformation in online social media
ترجمه فارسی عنوان
در خواص آماری اطلاعات غلط ویروسی در رسانه های اجتماعی آنلاین
کلمات کلیدی
اطلاعات غلط، رسانه های آنلاین آنلاین، تئوری ارزش افراطی،
ترجمه چکیده
انتشار عظیم رسانه های اجتماعی آنلاین اجازه می دهد تا گسترش سریع و غیرمجاز نظریه های توطئه، حقه ها، ادعاهای ناعادلانه و اخبار دروغین. چنین مقدار قابل ملاحظه ای از اطلاعات نادرست می تواند بر ترجیحات سیاسی تاثیر بگذارد و رفتارهای بسیار متفاوتی را از شیوه های توصیه شده تشویق کند. در این مقاله، خواص آماری اطلاعات غلط ویروسی در رسانه های اجتماعی آنلاین مطالعه می شود. با استفاده از روشهای متعارف تئوری ارزش فوقانی، ما نشان می دهیم که تعداد پست های بسیار ویروسی در طول زمان به دنبال فرایند پوآسون همگن می باشد و زمان های بین این پست ها به صورت توزیع مستقل و یکسان توزیع می شوند. علاوه بر این، عدم اطمینان را در مورد پارامتر نرخ فرآیند پوآسون از طریق روش های بیزی به دست می دهد. در نهایت، ما توانایی توزیع احتمالی خلفی پیش بینی شده از تعداد پستهایی که بیش از یک آستانه مشخص از سهام در طی یک فاصله زمانی محدود هستند، حاصل می کنیم.
موضوعات مرتبط
مهندسی و علوم پایه ریاضیات فیزیک ریاضی
پیش نمایش مقاله
در خواص آماری اطلاعات غلط ویروسی در رسانه های اجتماعی آنلاین
چکیده انگلیسی
The massive diffusion of online social media allows for the rapid and uncontrolled spreading of conspiracy theories, hoaxes, unsubstantiated claims, and false news. Such an impressive amount of misinformation can influence policy preferences and encourage behaviors strongly divergent from recommended practices. In this paper, we study the statistical properties of viral misinformation in online social media. By means of methods belonging to Extreme Value Theory, we show that the number of extremely viral posts over time follows a homogeneous Poisson process, and that the interarrival times between such posts are independent and identically distributed, following an exponential distribution. Moreover, we characterize the uncertainty around the rate parameter of the Poisson process through Bayesian methods. Finally, we are able to derive the predictive posterior probability distribution of the number of posts exceeding a certain threshold of shares over a finite interval of time.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Physica A: Statistical Mechanics and its Applications - Volume 469, 1 March 2017, Pages 459-470
نویسندگان
,