Video Experimental Relacionado
Updated: Sep 10, 2025

Loneliness Assuaged: Eye-Tracking an Audience Watching Barrage Videos
Published on: May 29, 2020
Apoyadores y escépticos: Análisis basado en LLM del compromiso con la salud mental (Misinformación) Contenido en
Viet Cuong Nguyen1, Mini Jain1, Abhijat Chauhan1
1Georgia Institute of Technology.
La información errónea sobre salud mental en línea se está extendiendo rápidamente en plataformas como YouTube Shorts y Bitchute. Este estudio encontró que los grandes modelos de lenguaje pueden detectar información errónea, pero los comentarios de la audiencia a menudo empeoran el estigma, lo que pone de relieve una preocupación por la salud pública.
Área de la Ciencia:
- Salud digital
- Salud pública
- Lingüística computacional
Sus antecedentes:
- El contenido de video en formato corto en línea es una fuente creciente de información sobre salud mental.
- La rápida difusión de información errónea plantea riesgos para el diagnóstico y el tratamiento exactos.
- Es necesario comprender y mitigar el impacto de la información errónea sobre la salud mental en línea.
Objetivo del estudio:
- Para estudiar cuantitativamente la información errónea sobre salud mental (MHMisinfo) en YouTube Shorts y Bitchute.
- Desarrollar y evaluar métodos para detectar vídeos de MHMisinfo.
- Para analizar los patrones de participación de la audiencia con MHMisinfo.
Principales métodos:
- Creación del conjunto de datos MentalMisinfo, que incluye 739 videos y 135,372 comentarios de YouTube Shorts y Bitchute.
- Utilizando el aprendizaje contextual de pocos disparos con modelos de lenguaje grandes (LLM) para la detección de video MHMisinfo.
- Análisis lingüístico de los comentarios de los usuarios para comprender la interacción con MHMisinfo.
Principales resultados:
- Los LLM de pocos disparos demuestran su eficacia en la detección de vídeos de MHMisinfo.
- Distintos patrones lingüísticos revelan el compromiso de la audiencia con MHMisinfo.
- Los comentarios en los videos de MHMisinfo pueden exacerbar el estigma de la salud mental, y algunos grupos muestran una mayor susceptibilidad.
Conclusiones:
- Los LLM ofrecen una herramienta prometedora para identificar MHMisinfo.
- El compromiso de la audiencia con MHMisinfo presenta importantes desafíos de salud pública.
- Se necesitan estrategias técnicas y de salud pública adaptativas para combatir la MHMisinfo en línea.
Más Videos Relacionados
08:53Integrating Computerized Linguistic and Social Network Analyses to Capture Addiction Recovery Capital in an Online Community
Published on: May 31, 2019
07:31Implementation of a Real-Time Psychosis Risk Detection and Alerting System Based on Electronic Health Records using CogStack
Published on: May 15, 2020
Videos de Conceptos Relacionados
Self-Presentation: Self-Monitoring and Self-Handicapping
Self-Help Support Groups
Accessibility and Cost-Effectiveness
One of the primary strengths of self-help...
Group Polarization
Community Based Intervention
Foundations of Community Mental Health Programs
Central to the success of community-based interventions is the...
Stereotype Content Model
Attitudes