関連する実験動画
Updated: Sep 10, 2025

Loneliness Assuaged: Eye-Tracking an Audience Watching Barrage Videos
Published on: May 29, 2020
支持者と懐疑者:ビデオ共有プラットフォームの (誤った) 情報コンテンツとの関わり方のLLMベースの分析
Viet Cuong Nguyen1, Mini Jain1, Abhijat Chauhan1
1Georgia Institute of Technology.
オンラインのメンタルヘルスに関する 誤った情報は YouTube Shorts や Bitchute などのプラットフォームで急速に広がっています この研究では 大規模な言語モデルが 誤った情報を検知できることが分かりましたが 聴衆のコメントは しばしば汚名を悪化させ 公衆衛生上の懸念を強調しています
科学分野:
- デジタル・ヘルス
- 公衆衛生
- コンピュータ言語学
背景:
- オンラインの短いビデオコンテンツは 精神的健康に関する情報源として 増加しています
- 誤った情報が急速に広まることは 正確な診断と治療に リスクをもたらします
- オンラインで発せられる 誤った情報の影響を理解し 軽減する必要があるのです
研究 の 目的:
- YouTube Shorts と Bitchute での誤った情報 (MHMisinfo) を定量的に研究する.
- MHMisinfoのビデオを検出する方法を開発し評価する.
- MHMisinfoの視聴者への関わり方を分析する.
主な方法:
- YouTube Shorts と Bitchute から 739 件の動画と 135,372 件のコメントを含む MentalMisinfo データセットの作成.
- MHMisinfoのビデオ検出のために,大規模な言語モデル (LLM) を使って,少数のショットでコンテキスト学習を行います.
- MHMisinfoとの関わりを理解するために,ユーザーコメントの言語分析.
主要な成果:
- Few-shot LLMはMHMisinfoのビデオを検出する上で有効性を示しています.
- MHMisinfoの視聴者への関わりを明らかにする独特の言語パターンです.
- MHMisinfoの動画へのコメントは メンタルヘルスに対する汚名を悪化させることがあり,一部のグループでは 敏感性が高まります.
結論:
- LLMはMHMisinfoを特定するための有望なツールです.
- MHMisinfoの視聴者への関わりは 重要な公衆衛生上の課題です
- オンラインMHMisinfoに対抗するには 適応的な技術と公衆衛生戦略が必要である.
さらに関連する動画
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
関連する概念動画
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